Session 11 Anders Hagson

Sekundära

centra

Undvika köer, barriäreroch miljöeffekter icentrum

Strukturerar den

suburbana

markanvändningen

Rumslig strukturTillgänglighet

510

105

5

10

10

5

A B

A till B = 30

A B515

155

5

10

10

510 10

1010

A till B = 20 (A –B = 40)

Anders Hagson, Stad & Trafik, Chalmers

CHALMERS METODTEST MARKOV”changes in metropolitan patterns are induced by highways” Brookings Institution (2000).

Byggande av förbifarter leder till ett kraftigt tillskott av exploateringsbar mark

… i ett lokalt och regionalt högtillgängligt läge för biltrafik

Empiri framtagen av Stad & Trafik, Chalmers i det Vägverksfinansierade projektet ”Effekter av förbifarter” visar hur stor exploateringseffekten blir från tillkomstår och framåt

… med hjälp av GIS och avancerad samkörning av olika register

I genomsnitt 30 % av all tillkommande bebyggelse (industri, handel, kontor, bostäder) skedde inom en 1 km zon kring förbifarterna.





Vid objektsanalys i tätort: Exploateringseffekter Vad? Var? När? Hur mycket?

Utgångspunkt:

Städer är komplexa system. Fenomenet bebyggelseutveckling till följd av investeringar i vägtrafiksystem faller inom ramen för många akademiska ämnen. Det innehåller många återkopplingar, tidsfördröjningar och olinjära samband. Det ingår stokastiska element (grundläggande brist på exakt information).

Det är skälet till att utvecklingen av dynamiska modeller för LUTS –

Land Use Transportation Modelling – inte givit fruktbara praktiska

resultat. Jmf The Saga of Integrated Land Use-Transport Modeling: How Many More Dreams Before WeWake Up? Harry Timmermans, Eindhoven University of Technology. Conference keynotepaper Moving through nets: The physical and social dimensions of travel 10th International Conference on Travel Behaviour Research, Lucerne, 10-15. August 2003


Förslag

Markovkedjor p g a att det är ett sätt att statistiskt förutse framtida sannolikheter baserat på tidigare händelser utan att

blanda in antaganden och teorier om vad som styr utvecklingen.

Tillämpas på naturfenomen, samhällsfenomen, ekonomiska fenomen, spelteori m m.


Enkelt uttryckt:

Om vi har

•Statistiska data om exploateringseffekter ifrån tidigare förbifarter (skapar modellen)

•Antal nyetableringar några år bakåt i tiden längs den sträcka en ny förbifart är planerad (skapar startmatrisen)

… så kan vi skapa en markov-kedja och därmed förutsäga den inducerade exploateringseffekten av den nya förbifarten.

…som i sin tur generar trafik … som ger positiva och negativa effekter



De olika sannolikhetsmatriser vi har använt

I vår utredning av om markov-kedjor är ett bra verktyg för att kunna förutsäga inducerad bebyggelseutveckling p g a att en förbifart byggs, har vi valt att använda oss av tre olika sannolikhetsmatriser.

Med utgångspunkt i hur verkligheten utvecklats i de verkliga förbifartsfallen har vi funnit att tillstånden [0, 1+], [0, 1, 2+] och [0, 1, 2-3, 4-5, 6+] är de relevanta – d v s de som speglar verkligheten bäst.

Vi har viktat ihop data från alla förbifartsfallen

För att få ett så bra statistiskt material som möjligt vill man ha ett stort grunddata att basera sin sannolikhetsmatris på. Då bör man basera sin sannolikhetsmatris på data ifrån flera städer.


För att göra en förutsägelse om bebyggelseutvecklingen kring en ny förbifart matrismultiplicerar vi starttillståndet med sannolikhetsmatrisen. Då får vi sannolikheterna för nästa period. Osv.

Antag att vi har startvärdet (0 1), så här utförs en matrismultiplikation:

Om vi i stället har startvärdet (1 0) får vi fram att det med 31 % sannolikhet INTE kommer att ske någon nyetablering och att det med 69 % sannolikhet kommer att ske MINST 1 etablering.


Output?Exploateringseffekter specificerat med SNI koder samt uppdelningen småhus, flerbostadshus.

Markanvändningen längs korridoren ses som en zon. (Enskilda företags eller bostäders exakta läge spelar ingen väsentlig roll).

Prognos 20 år framåt fördelat på 5 års intervall.

(Trafikalstringen beräknas separat - manuellt eller med trafikprognosmodell).


Testkörning EskilstunaBaserat på

•Starttillståndet för E

•Viktad sannolikhetsmatris för samtliga 7 förbifarter för vilka vi har empiri


Partihandel

År Föruts. Verkligt År Föruts. Verkligt

0-5 4.63 3 0-5 6.39 3

5-10 3.99 4 5-10 4.67 4

10-15 3.86 4 10-15 4.29 4

15-20 3.83 2 15-20 4.25 2

16.31 13 19.60 13

Partihandel

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]

Partihandel


0-5 1.32 3 0-5 1.82 3

5-10 1.70 5 5-10 1.94 5

10-15 1.81 2 10-15 1.97 2

15-20 1.85 1 15-20 1.98 1

6.69 11 7.72 11

Detaljhandel och service för motorfordon

[0, 1, 2+] [0,1, 2-3, 4-5, 6+]

Detaljhandel och service för motorfordonDetaljhandel och service för motorfordon




0-5 3.00 2 0-5 3.20 2

5-10 1.94 4 5-10 2.00 4

10-15 2.09 0 10-15 2.13 0

15-20 2.08 1 15-20 2.13 1

9.10 7 9.47 7

Icke uppsökande hantverk och service

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]



0-5 5.53 7 0-5 5.81 7

5-10 5.52 10 5-10 6.10 10

10-15 5.52 4 10-15 5.77 4

15-20 5.52 4 15-20 5.86 4

22.09 25 23.54 25

Kontorslik service och försäljning av tjänster

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]




0-5 2.74 6 0-5 2.85 6

5-10 2.56 2 5-10 2.59 2

10-15 2.55 7 10-15 2.64 7

15-20 2.55 1 15-20 2.69 1

10.40 16 10.77 16

Övrig detaljhandel

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]

Övrig detaljhandelÖvrig detaljhandelÖvrig detaljhandelÖvrig detaljhandel

Övrig detaljhandel


0-5 4.24 7 0-5 4.30 7

5-10 3.85 5 5-10 3.51 5

10-15 3.79 3 10-15 3.30 3

15-20 3.78 4 15-20 3.27 4

15.66 19 14.38 19

Tillverkande företag

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]




0-5 0.20 0 0-5 0.20 0

5-10 0.16 0 5-10 0.16 0

10-15 0.17 0 10-15 0.17 0

15-20 0.16 0 15-20 0.16 0

0.69 0 0.69 0

Transporter övrig

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]

Transporter övrig


0-5 1.10 1 0-5 1.22 1

5-10 0.82 1 5-10 1.47 1

10-15 0.82 0 10-15 1.54 0

15-20 0.82 0 15-20 1.55 0

3.57 2 5.77 2

Transportföretag, fjärrtrafik

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]




0-5 3.77 6 0-5 2.82 6

5-10 3.48 3 5-10 2.31 3

10-15 3.39 4 10-15 2.65 4

15-20 3.36 3 15-20 2.58 3

14.01 16 10.36 16

Uppsökande hantverk och service

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]

Uppsökande hantverk och service



0-5 4.22 9 0-5 3.44 9

5-10 5.83 0 5-10 5.29 0

10-15 6.21 1 10-15 5.89 1

15-20 6.35 0 15-20 5.99 0

22.61 10 20.61 10

Enfamiljshus

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]

Enfamiljshus


0-5 114.35 349 0-5 114.35 349

5-10 140.65 330 5-10 140.31 330

10-15 145.84 96 10-15 145.70 96

15-20 146.87 50 15-20 146.83 50

547.71 825 547.19 825

Flerfamiljshus

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]

Flerfamiljshus



0-5 131.39 393 0-5 172.65 393

5-10 120.25 364 5-10 172.65 364

10-15 116.64 121 10-15 172.65 121

15-20 115.66 66 15-20 172.65 66

483.94 944 690.58 944

Samtliga

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]

Samtliga

Samtliga

Summerade förutsägelser Summerade förutsägelser

0-5 145.11 393 0-5 146.40 393

5-10 170.50 364 5-10 170.35 364

10-15 176.05 121 10-15 176.05 121

15-20 177.18 66 15-20 177.30 66

668.84 944 670.09 944

[0, 1, 2+] [0, 1, 2-3, 4-5, 6+]


Metodutveckling - Intervallstorlekens betydelseI ”Test Eskilstuna” var intervallstorleken låsta, d.v.s. de var alltid [0; 1+], [0; 1; 2+] och [0, 1, 2-3; 4-5; 6+].

Detta visade sig vara bristfälligt när fler verksamhetskategorier kom till och det samtidigt byggdes mycket bostäder (sannolikhetsmatrisens sannolikhetsmassa låg alltid i 1+, 2+ eller 6+) i dessa kategorier.

I den modifierade metoden är därför intervallstorlekarna dynamiska och anpassas till de initiala data vi har ifrån staden - antal verksamheter och bostäder i olika kategorier. (Därmed anpassas modellen till staden vi vill undersöka till skillnad ifrån innan då staden anpassades till modellen.)

Den andra skillnaden är att teststäderna vi undersöker inte längre är med i sannolikhetsmatriserna - som de var med den gamla metoden.

Den tredje skillnaden är att i kan välja vilka städer som skall vara med vid skapandet av sannolikhetsmatriserna.


Södertälje Örebro Eskilstuna Partihandel




0

5

10

05101520

0�5 5�10 10�15

02468

0�5 5�10 10�1515�20

0

1

2

3

0�5 5�10 10�1515�20

0

2

4

6

0�5 5�10 10�15

0

2

4

6

0�5 5�10 10�1515�20

01234

0�5 5�10 10�1515�20

0

2

4

6

0�5 5�10 10�15

0

2

4

6

0�5 5�10 10�1515�20

051015

0

5

10

15

0�5 5�10 10�15

051015

Test på Eskilstuna, Södertälje och Örebro


Södertälje Örebro Eskilstuna Övrig detaljhandel


Transporter övrig


01234

0�5 5�10 10�1515�20

02468

0�5 5�10 10�15

02468

0�5 5�10 10�1515�20

0

2

4

6

0�5 5�10 10�1515�20

0

5

10

0�5 5�10 10�15

02468

0�5 5�10 10�1515�20

00,51

1,5

0

0,5

1

1,5

0�5 5�10 10�15

00,10,20,3

0

2

4

6

0�5 5�10 10�1515�20

0

5

10

15

0�5 5�10 10�15

00,51

1,52


Södertälje Örebro Eskilstuna Uppsökande hantverk och service

Enfamiljshus

Flerfamiljshus

02468

0�5 5�10 10�1515�20

0

5

10

0�5 5�10 10�15

02468

0�5 5�10 10�1515�20

051015

0

5

10

15

0�5 5�10 10�15

051015

0100200300

050

100150200

0�5 5�10 10�15

0100200300400

Slutsatserna vi kan dra av detta test är att den nya metoden är bättre än den gamla för Örebro och ungefär likvärdig för Eskilstuna och Södertälje.

Eftersom resultaten är ganska likvärdiga i sin förutsägelse kan vi anta att förändringarna mer eller mindre har tagit ut varandra.


Prognos – Inducerad bebyggelseutveckling till följd av ny förbifart i Skellefteå

Startmatris

Startmatrisen för Skellefteå baseras på nyinköpta data för bebyggelseutvecklingen under en tioårsperiod inom zonen kring den planerade förbifarten .

För att få så bra resultat för Skellefteå som möjligt har vi valt ut referensstäderna Eskilstuna, Nyköping, Södertälje och Gävle p g a likhet i storlek och förbifartens sträckning (Följaktligen har vi valt bort Halmstad, Nyköping och Lund).


Resultat förSkellefteåsimuleringen(rött) med de verkliga värdena för 10 års perioden 1999-2008 (blått).

Y-axeln = antal etablerade företag

X-axeln = femårsperioder fr o m förbifart byggs, år 0.

Partihandel Detaljhandel och service för motorfordon

Icke uppsökande hantverk och service Kontorslik service och försäljning av tjänster

0

1

2

3

4

5

10�5 5�0 0�5 5�10 10�15 15�20

0

2

4

6

8

10�5 5�0 0�5 5�10 10�15 15�20

0

5

10

15

20

25

10�5 5�0 0�5 5�10 10�15 15�20

02468

101214

10�5 5�0 0�5 5�10 10�15 15�20


Övrig detaljhandel Tillverkande företag

Transporter övrig Transportföretag, fjärrtrafik

Uppsökande hantverk och service Enfamiljshus

0

1

2

3

4

5

10�5 5�0 0�5 5�10 10�15 15�20

0

2

4

6

8

10

10�5 5�0 0�5 5�10 10�15 15�20

00,20,40,60,81

1,2

10�5 5�0 0�5 5�10 10�15 15�20

00,51

1,52

2,53

3,5

10�5 5�0 0�5 5�10 10�15 15�20

0

2

4

6

8

10�5 5�0 0�5 5�10 10�15 15�20

01234567

10�5 5�0 0�5 5�10 10�15 15�20


Flerfamiljshus

0

1

2

3

4

5

10�5 5�0 0�5 5�10 10�15 15�20


Kommentar - resultat

Den nya metoden har den stora fördelen att den enkelt kan modifieras och anpassas på kriterienivå istället för stadsnivå.

Man kan enkelt testa detta genom att enbart jämföra ett kriterium i taget och bortse ifrån övriga tio kriterier.

Vi har gjort ett kort test för att undersöka potentialen i detta. De resultat vi får fram då är att de nya resultaten matchar verkligheten bättre.

Vi har enbart valt startvärden som matchar varandra i storlek (metoden skulle behöva förfinas för bättre resultat). Utfallet blir då enligt följande:


.Nya metoden*= 5x5 sannolikhetsmatrisen innehöll en del ”hål” och 3x3 sannolikhetsmatrisen gav ett bättre resultat

0

5

10

15

20

25

30

Nya�metoden*

Nya�metoden

Verkligt�värde

Gamla�metoden


Förslag på förbättringar

Utökning av det gamla referensmaterialet som sträcker sig till 2000 - så att det sträcker sig fram till 2010.

Undersöka närmare hur trend och storlek mellan referensstad och undersökt stad påverkar resultatet.

Undersöka hur storlek på polygonen (buffertzonen längs förbifarten) påverkar resultatet och vilken inverkan trend och storlek (antal företag i en stad i relation till en annan) har på resultatet.


Slutsatser och kommentarer

Markovkedjor är ett bra sätt att förutse inducerade exploateringseffekter till följd av investeringar i vägar förbi och genom städer.

Den stora fördelen är att metoden ger prognoser baserat på tidigare händelser utan att blanda in antaganden och teorier om vad som styr utvecklingen.

Om sannolikhetsmatriserna bygger på få data och därmed inte sprider sannolikhetsmassan över de flesta av intervalldelarna kan resultatet bli skevt eftersom för lite data finns att basera matrisen på.

• Detta är speciellt känsligt för en förutsägelse under period 0-5 år eftersom de senare åren bygger på denna förutsägelse.


Kostnad för tillämpning av Markovmetoden vid objektsanalys

Givet att man har

En databas över markanvändningsförändringar motsvarande den som skapades i projektet Förändringar i stadens markanvändning till följd av förbifarter

Och den beräkningsslinga för Markovkedjor som utvecklats i detta projekt

…. kan det resultat som tagits fram ovan under Prognos – Inducerad bebyggelseutveckling till följd av ny förbifart i Skellefteå genomföras till en kostnad av uppskattningsvis 30 kkr vid normalt konsultarvode. Härav utgjorde köpet av geodata från SCB ca 15 kkr i fallet Skellefteå.


Session 11 Anders Hagson

Documents

och miljeffekter

antag att

har empiri anders hagson

chalmersanders hagson

fram att det med

att en frbifart byggs

frbifarter fr vilka

verkligt rfruts