Forsøk på å beskrive det ugjennomtrengelige – en vurdering av Nasjonal godsmodell

Report 2016/52

Tor Homleid, Tyra Ekhaugen og Vivian A. Dyb

Forsøk på å beskrive det ugjennomtrengelige – en vurdering av Nasjonal godsmodell

Category	Reports
Sub-Categories	Evaluation Transport Culture and creative industries
Year	2016
Report Number	52
Author(s)	Tor Homleid Tyra Ekhaugen Vivian A. Dyb
Download	file_download (2.1 MB)
Read in browser	PDF

RAPPORT	 	
2016/52	 
 	
 	Forsøk på å beskrive det 
ugjennomtrengelige 	–	 	en 	
vurdering av Nasjonal godsmodell	 
 	Tor Homleid, Tyra Ekhaugen og 	Vivian Dyb	 	
VISTA ANALYSE AS

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
 	
Dokumentdetaljer	 	 	
Vista Analyse AS	 	Rapport nummer 	2016/52	 	
 	
Rapporttittel 	 	Forsøk på å beskrive det ugjennomtrengelige 	– 	
en vurdering av Nasjonal godsmodell	 	
ISBN	 	978	-82	-8126	-309	-3 	
Forfatter	 	Tor Homleid, Tyra Ekhaugen og Vivian 	Dyb	 	
Dato for ferdigstilling 	 	08.12.2016	 	
Prosjektleder	 	Tor Homleid	 	
Kvalitetssikrer	 	Ingeborg Rasmussen	 	
Oppdragsgiver	 	Samferdselsdepartementet	 	
Tilgjengelighet	 	Utkast	 	
Publisert 	 	www.vista	-analyse.no	 	
Nøkkelord	 	Godstransport, godsmodell, 	transportmodell

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	1 	
Forord	 	
Samferdselsdepartementet har engasjert tre analysemiljøer til å gjennomføre en vurdering 
av 	Nasjonal Godsmodell (NGM) med formål å belyse hvilke tilpasninger som bør prioriteres 	
for å gjøre NGM bedre og når myndighetene skal bruke modellen.	 	
I tillegg til Vista Analyses vurdering av NGM, som dokumenteres i denne rapporten, har 
Transportøkonomisk I	nstitutt og COWI vært engasjert til å gjennomføre tilsvarende vurder	-	
inger.	 	
Andreas Hedum og Eirik Vardal Kvalheim har vært oppdragsgivers kontaktpersoner i 
arbeidet. Vi takker for et interessant oppdrag og hyggelig samarbeid.	 	
Rapporten er utarbeidet uten	 noen form for bindinger fra oppdragsgivers side.	 	
 
Oslo, 	8. desember 2016	 	
Tor Homleid	 	
Prosjektleder	 	
Vista Analyse AS

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	3 	
Innhold	 	
Forord	 ................................	................................	................................	................................	.......................	 1 	
Sammendrag og konklusjoner	 ................................	................................	................................	.........	 5 	
1. 	Innledning	 ................................	................................	................................	................................	....	 11	 	
2. 	Nasjonal godstransportmodell (NGM)	 ................................	................................	...............	 13	 	
2.1	 	Oversikt over modellsystemet	 ................................	................................	................................	 13	 	
2.2	 	De ulike bestanddelene i NGM	 ................................	................................	................................	 14	 	
2.3	 	Et skritt tilbake: Hva er en modell?	 ................................	................................	.......................	 23	 	
2.4	 	Samspillet i modellsystemet NGM	 ................................	................................	.........................	 25	 	
2.5	 	Brukergrensesnitt og 	dokumentasjon	 ................................	................................	.................	 27	 	
3. 	Problematiske sider ved NGM	 ................................	................................	...............................	 29	 	
3.1	 	Et ambisiøst 	og ugjennomtrengelig modellsystem	 ................................	........................	 29	 	
3.2	 	Sentrale problemstillinger	 ................................	................................	................................	........	 30	 	
4. 	Nærmere om utvalgte problemstillinger	 ................................	................................	..........	 33	 	
4.1	 	Modellens beskrivelser vs. virkeligheten	 ................................	................................	...........	 33	 	
4.2	 	Varestrømmatrisene	 ................................	................................	................................	...................	 37	 	
4.3	 	Bedrift til bedrift	-varestrømmer	 ................................	................................	............................	 43	 	
4.4	 	Endrede forutsetninger om konsolidering	 ................................	................................	........	 44	 	
4.5	 	Endrede stereotyper	 ................................	................................	................................	...................	 48	 	
4.6	 	Utvikling i transportkostnader	 ................................	................................	...............................	 50	 	
4.7	 	Modellformulering og variabler i modellen	 ................................	................................	......	 53	 	
5. 	Bruk og utvikling av NGM	 ................................	................................	................................	.......	 58	 	
5.1	 	Hva skal NGM kunne brukes til?	 ................................	................................	.............................	 58	 	
5.2	 	Eksempler på bruk av NGM	 ................................	................................	................................	......	 58	 	
5.3	 	Videre utvikling av NGM	 ................................	................................	................................	............	 60	 	
6. 	Bibliografi	 ................................	................................	................................	................................	.....	 62	 	
Vedlegg 1: Følsomhetsanalyse laste og lossekostnader	 ................................	......................	 64	 	
Vedlegg 2: Mappestrukturen i NGM	 ................................	................................	............................	 65

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
4 	 	Vista Analyse

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	5 	
Sammendrag og 	konklusjoner 	 	
Nasjonal Godsmodell 	er i dag mer egnet til å gjøre analyser på kort sikt enn på lang sikt. Den 	
fungerer også bedre på aggregert nivå enn på disaggregert nivå. Modellsystemet framstår 
som lite tilgjengelig og stiller stor krav til brukerne.	 	
Innretning for videre arbeid med utvikling av NGM avhenger av hva modellen skal brukes til, 
hvor mye ressurser som skal brukes på utvikling av modellen og av hvem som skal anvende 
modellen.	 	
Basert på gjennomgang av utvalgte deler av modellen, anbefaler vi 	å redusere omfanget av 	
grunndata i modellen ved å redusere antall varegrupper, 	ikke øke tallet på soner i modellen 	
og vurdere forenklinger når det gjelder antall kjøretøytyper i modellen. Vi foreslår videre å 
utvikle Logistikkmodellen bl.a. ved å introdus	ere stokastiske elementer og gå gjennom deler 	
av modellspesifikasjonen med sikte på forenklinger og økt realisme.	 	
En ugjennomtrengelig modell?	 	
Tittelen på denne rapporten er lånt fra Dag Sols	tads roman hvor handlingen legges til en av 	
Oslos drabantbyer. Når vi har valgt tittelen, er det ikke fordi det ikke er mulig å finne ut 
hvordan Nasjonal Godsmodell (NGM) fungerer eller å finne dokumentasjon på modellens 
datagrunnlag eller muligheter for 	uttrekk av resultater. Det er mulig å finne fram, men det 	
krever mye innsats å forstå sammenhenger i modellen, gjennomføre beregninger og 	hånd	-	
tere grunndata og resultater:	 	
�x 	Rutiner for lagring av komplette datasett med resultater mangler	 	
�x 	Svakt brukergrens	esnitt (unntak for Cube	-grensesnitt for noen typer anvendelser)	 	
�x 	Lett å gjøre feil ved redigering av inndata og kontrollfiler. Uklare feilmeldinger	 	
�x 	Fragmentert dokumentasjon av modellsystemet	 	
I sum gir dette et modellsystem hvor det er vanskelig å etterprø	ve resultater og som er lite 	
transparent.	 	
NGM	 er et modellsystem som består av flere delmodeller utviklet med ulike verktøy og av 	
ulike aktører. I tillegg til Logistikkmodellen 	– som er kjernen i modell	systemet 	– er det 	
utviklet egne modeller for framsk	riving av varematriser og for etablering av kostnads	forut	-	
set	ninger. LOS data hentes fra nettverksmodellen Cube.	 Logistikkmodellen omtales ofte 	
som en modell, men består i praksis av 39 modeller 	– en for hver varegruppe. Ulike 	
løsninger for de samme e	ndogene variable fra hver av de 39 modellene summeres for å 	
finne resultater summert over alle varegrupper. 	 	
De viktigste brukerne av NGM i dag er aktørene som står bak utviklingen av modellsystemet 
(Transportøkonomisk Institutt, SITMA og Significance). 	Det kan være flere årsaker til det, 	
men 	manglende brukervennlighet framstår som en viktig begrensning. Enkelte deler av 	
modell	systemet stilles heller ikke til disposisjon for andre brukere, ofte vil derfor andre 	
brukere være avhengig av samarbeid med akt	ørene bak modellsystemet.	 	
Vi har sett på et utvalg problemstillinger	 	
Vår oppgave i dette prosjektet har vært å vurdere NGM med sikte på å besvare to spørsmål:	 	
1. Hvilke tilpasninger bør prioriteres for å gjøre NGM bedre?	 	
2. Når skal myndighetene bruke Nasjonal g	odsmodell

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
6 	 	Vista Analyse	 	
Vi har adressert disse spørsmålene ved å ta for oss noen av de forholdene vi mener det er 
viktig å adressere ved NGM, og som vi mener illustrerer større og mer overordnede utford	-	
ringer ved dette modellsystemet. Analysene er basert på våre egne k	jøringer av delmodel	-	
lene, der vi gjennomfører følsomhetsanalyser av sentrale forutsetninger. I tillegg går vi 
igjennom datagrunnlaget for NGM og ser dette i forhold til andre informasjonskilder. Ana	-	
lysene er nødvendigvis avgrenset ut fra hva det var muli	g å få til innenfor rammene av opp	-	
draget, og ut fra hvilke delmodeller og datasett vi har fått tilgang til. 	 	
Vår gjennomgang dekker ikke alle sider ved modellsystemet, utvalget av problemstillinger 
er basert på hypoteser vi hadde ved oppstart og på oppføl	ging av funn gjort underveis i 	
arbeidet. Vår vurdering av behov for tilpasninger er nødvendigvis farget av dette 	– og er 	
ikke et komplett grunnlag for beslutninger om videre utvikling av modellsystemet.	 	
Varestrømmer	 med stor usikkerhet	 	
Modellens varestrøm	matriser er basert på varestrømundersøkelser gjennomført av 	
Statistisk Sentralbyrå og videre bearbeidet ved Transportøkonomisk Institutt. Bearbeid	-	
ingen omfatter blant annet supplering av varestrømmene med data fra andre kilder og 
fordeling av varestrømme	ne på de tre stereotypene i modellen; leveranser fra produsent til 	
distributør (PW), leveranser fra produsent til konsumet (PC) og leveranser fra distributør 
til konsument (WC).	 	
I utgangspunktet skulle en kunne forvente:	 	
1. at varestrømmer til distributør (PW	) tilsvarer varestrømmer fra distributør (WC) 	
på sonenivå og 	– i hvert fall 	– summert over matrisene	 	
2. at sonene (hovedsakelig) kan deles inn i tre typer:	 	
a. 	Konsumentsoner	 (konsumvarer) med volumer til sonen (PC og WC)	 	
b. Produsentsoner 	med store volumer (PC og 	WC) fra sonen og mindre volumer 	
(konsumvarer) til sonen (PC og WC)	 	
c. 	Distributørsoner	 med store volumer til (PW) og fra (WC) sonen. Mindre 	
volumer (konsumvarer) til sonen (PC og WC).	 	
Vi finner ikke en slik logikk i det utvalget av varestrømmatriser vi har 	undersøkt, verken 	
når det gjelder fordeling på stereotyper eller volumer til/fra soner. Vi vurderer derfor at 
vare	strømmatrisene inneholder stor usikkerhet på sone	-til-sone	-nivå og fordelt på 	
stereotyper.	 	
Vi har gjennomført en enkelt følsomhetsanalyse hv	or 	betydelige 	varestrømmer 	til/fra to 	
soner ble flyttet til en annen sone i nærheten. I modellen gav dette ikke merkbare utslag 
verken på kostnader eller på fordeling mellom ulike kjøretøygrupper. En mulig tolkning er 
at soneinndelingen i NGM kan gjøres 	grovere uten at kvaliteten på resultatene reduseres.	 	
I Logistikkmodellen gjøres sone	-til-sone varestrømmer om til bedrift	-til-bedrift vare	-	
strømmer. Sammenhengen defineres av volumet på sone	-til-sone relasjonen og av opp	-	
lysninger om antall produsenter, d	istributører og konsumenter i de to sonene. Sam	-	
menhengen er definert ulikt for ulike stereotyper. Vi har ikke funnet dokumentasjon for 
hvordan antall produsenter, distributører og konsumenter for hver varegruppe i hver sone 
er etablert, men registrerer 	at opplysningene er identiske for ulike varegrupper. Vi antar at 	
det må være et omfattende arbeid å innhente slike opplysninger, og at det neppe vil ha stor 
betydning for modellens beregningsresultater om kravet til detaljerte data på dette 
området erstat	tes av 	enklere sammenhenger innenfor modellen.	 	
Varestrømmene framskrives (Pingo) til framtidige beregningsår med utgangspunkt i forut	-	
setninger om utvikling i etter	spørsel for hver varegruppe (befolkningsutvikling, inntekts	-

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	7 	
utvikling m.v.) og endringer i 	transporttilbudet. Framskrivningene fanger ikke opp utvik	-	
ling i lokalisering av produksjons	- og distribusjonsenheter, heller ikke produ	senters og 	
distributørers reaksjoner på endringer i transporttilbudet. Dette er forhold som det ikke er 
enkelt å lage	 prognoser for, men som samtidig er viktige (de viktigste?) drivkrefter i utvik	-	
lingen av godstransportene. Følgen av dette er at usikkerheten rundt varestrømmene øker 
desto lenger fram i tid prognosene gjelder	. Manglende respons på endringer i 	
transport	tilbudet bidrar også til en undervurdering av konkurranseflatene mellom ulike 	
kjøretøytyper og 	–grupper i NGM.	 	
Stereotyper i modellen	 	
For å undersøke hvordan forutsetninger om varestrømmenes stereotyper påvirker 
kostnader og fordeling mellom ulike transpor	tmidler og kjøretøygrupper, har vi gjennom	-	
ført beregninger samlet for konsolideringskluster 1. Volumene i PWC	-matrisen er aggre	-	
gert, deretter er beregninger med ulike forutsetninger om stereotyper gjennomført. Øvrige 
forut	setninger for beregningene er	 hentet fra varegruppe 2.	 	
Det er gjennomført beregninger med tre ulike sett av forutsetninger:	 	
1. Fordeling på stereotyper fra varestrømmatrisene (PWC)	 	
2. Fordeling hvor alle leveranser er forutsatt å gå fra produsent til konsument (PC)	 	
3. Fordeling hvor alle lever	anser forutsettes å gå fra produsent til distributør / fra 	
distributør til konsument (PW/WC)	 	
Årsaken til at beregningene for PW og WC er identiske er at ingen av sone til sone 
varestrømmene i disse kjøringene ble delt opp på flere bedrift til bedrift	-relas	joner.	 	
Endrede forutsetninger om varestrømmenes stereotypi har stor betydning for antall bedrift 
til bedrift relasjoner og antall forsendelser. Dersom alt forut	settes levert fra produsent til 	
konsument øker antall relasjoner med 46 pst. og antall for	sen	delser med 20 pst. I tilfellet 	
hvor alt forutsettes levert fra produsent til distributør (eller fra distributør til konsument) 
reduseres antall B til b	-relasjoner med 67 pst. mens antall forsendelser reduseres med 30 	
pst.	 	
Sammenliknet med utslagene i tall	et på relasjoner og forsendelser er virkningene på kost	-	
nadene marginale (+/	- 1 pst.). Virkningene på transportkostnadene er enda mindre (+/	- 	
0,1 pst.), mens utslagene på andre kostnader er større. Vi finner heller ikke nevneverdige 
utslag i fordeling av	 transportene mellom kjøretøygrupper.	 	
Resultatene tilsier at skillet mellom ulike stereotyper har marginal betydning for logistikk	-	
modellens resultater. Om det betyr at dette er en konklusjon som også står seg i praksis er 
vi mer usikre på. Beskjedne for	skjeller mellom ulike forutsetninger om stereotyper kan 	
også skyldes	 	
a) feil og unøyaktigheter i fordelingen av varestrømmer mellom stereotyper i 
modellens datagrunnlag (PWC	-matrisene)	 	
b)	 modellspesifikasjon og kostnadsforutsetninger kan dekke over forskjeller; 	ulike 	
stereotyper behandles likt på områder hvor ulike stereotyper står overfor ulike 
muligheter. 	 	
Konsolidering	 	
Konsolidering defineres i NGM som en lastbærer som frakter flere forsendelser samtidig. 
For de fleste varegrupper tillates konsolidering av fl	ere forsendelser innenfor varegruppen, 	
for enkelte varegrupper tillates også konsolidering med andre varegrupper.	 Vi har sett 	
nærmere på hvordan ulike forutsetninger om konsolidering på tvers av varegrupper 
påvirker modellresultatene.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
8 	 	Vista Analyse	 	
Logistikkmodellen k	jøres sekvensielt over de 39 varegruppene i modellen. Samtidig kan 	
flere lastbærere frakte ulike varegrupper samtidig. Det betyr at transporttilbudet som er 
tilgjengelig for frakt av en varegruppe også påvirker rammebetingelsene for frakt av andre 
vare	grupper. I modellen er dette forsøkt tatt hensyn til ved at volumene for enkelte 	
varegrupper multi	pli	seres opp med en konsolideringsfaktor. Konsolideringsfaktoren for 	
hver varegruppe i kon	solideringsklusteret bestemmes ved volumene summert over alle 	
relasjoner og vare	grup	per i klusteret dividert med volum summert over alle relasjoner for 	
den aktuelle vare	grup	pen.	 	
Vi har sett på virkninger av å halvere konsolideringsfaktorene og av å fjerne muligheten for 
konsolidering på tvers av varegrupper for 	de tre konsolideringsklustrene i modellen. Vår 	
konklusjon er at konsolideringen på tvers av varegrupper har liten betydning for modellens 
resultater. Utslagene på samlede kostnader er marginale, mens vi finner noe større utslag 
på fordeling mellom kjøretø	ygrupper og enda større utslag i fordelingen på kjøretøytyper.	 	
Kostnadsfunksjoner	 	
Laste	- og lossekostnader er den klart største kostnadskomponenten i NGM. Summert over 	
alle varegrupper utgjør disse kostnadene 41 % av totale kostnader. Det er store varias	joner 	
mellom varegrupper (fra 11% til 68%), for 14 av 39 varegrupper utgjør laste	- og losse	kost	-	
nadene over halvparten av totale kostnader.	 	
I modellen bestemmes laste	- og lossekostnadene som en funksjon av ant	all forsendelser og 	
antall tonn og varierer 	mellom ulike kjøretøytyper. Gjennomført følsomhetsanalyse med 	
endrede forutsetninger om kroner pr. tonn og forsendelse gir langt større utslag i logistikk	-	
modellen enn noen av de andre analysene vi har gjennomført.	 	
Vi mener det er grunn til å undersøke næ	rmer hvordan laste	- og losseelementet i 	
logistikkmodellen påvirker fordelingen av volumene mellom kjøretøygrupper og 	– typer. 	
Særlig kan det være grunn til å undersøke om det er variasjoner mellom varegrupper med 
andre forklaringsfaktorer enn varens vekt o	g om det er systematiske forskjeller mellom 	
ulike stereotyper.	 	
Modellformulering og variabler i modellen	 	
Basert på vår gjennomgang av modellsystemet, har vi også identifisert andre muligheter for 
justering av modellformulering og introduksjon av nye variab	ler i modellen. Vi peker blant 	
annet på at:	 	
�x 	Introduksjon av stokastiske elementer i modellen (eksempelvis knyttet til vare	-	
verdi) kan gi mer realistiske utslag sammenliknet med dagens tilnærmede alt eller 
ingen	ting algoritme.	 	
�x 	Punktlighet som egen variabe	l kan gjøre modellen mer egnet til å analysere effekter 	
av blant annet kapasitetsøkende tiltak (men er komplisert å implementer i model	-	
len)	 	
�x 	Modellformuleringer som ivaretar retningsbalanse og løser modellen simultant 
over varegrupper vil gi en mer realist	isk modell.	 	
Videre utvikling av NGM	 	
Med bakgrunn i vår gjennomgang av Nasjonal Godsmodell, baserer vi vår vurdering av 
videre utvikling av modellen på følgende hovedkonklusjoner:	 	
1. NGM er mer egnet til å gjennomføre analyser på kort sikt enn på lang sikt. 	Usikker	-	
heten knyttet til framtidige godsstrømmer er vesentlig større enn den usikkerheten 
vi finner i persontransportmodeller. For mange varegrupper er det vanskelig å se 
for seg at det kan etableres gode metoder for å anslå utvikling i lokalisering av 
produksjon og distribusjon.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	9 	
2. Modellen er mer egnet til å gjennomføre analyser på aggregert nivå enn på disag	-	
gre	gert nivå. Dette skyldes både svakheter ved modellens datagrunnlag og egen	-	
skaper ved modellen.	 	
3. Modellsystemet framstår som lite tilgjengelig 	og stiller store krav til brukerne. Uten 	
et bedre brukergrensesnitt (muligheter til å gjennomføre endringer i viktige ekso	-	
gene variabler uten å redigere tekstfiler eller kontroll	filer) og en sikrere håndtering 	
av datasett er det vanskelig å se for seg at	 modellen vil kunne tas i bruk i særlig grad 	
utenfor de organisasjonene som har hatt ansvar for å etablere modellen.	 	
Modellen har i dag et høyt detaljeringsnivå. Dette gjelder både antall soner i modellen, 
antall kjøretøytyper og antall varegrupper. Vide	re må det etableres datasett som inne	-	
holder et betydelig antall forutsetninger for hver sone, kjøretøytype og varegruppe. I de 
arbeider vi har sett, hvor modellen har vært benyttet, har mulighetene til å hente ut resul	-	
tater med høyt detaljeringsnivå vær	t benyttet i liten grad. Vår gjennomgang dekker bare 	
et lite utsnitt av datamengden som kreves og vi har kun testet enkelte mekanismer i logi	-	
stikkmodellen. Likevel finner vi grunn til å anbefale:	 	
�x 	Tallet på varegrupper bør reduseres. Behovet for data r	eduseres og modellen vil 	
kjøre raskere. Beregningene vi har gjennomført tyder på at det bare har marginal 
betydning for resultatene å slå sammen varegrupper. 	 	
�x 	Antall soner i modellen holdes på dagens nivå eller reduseres. Det er behov for å 
heve kvalitet	en på sonedata i modellen, det tror vi er lettere å oppnå ved å begrense 	
tallet på soner. Vår test av flytting av varestrømmer fra en sone til en annen gav 
knapt merkbare utslag på resultatene i modellen.	 	
�x 	Vi har ikke gjennomført analyser hvor tallet på kj	øretøytyper eller ramme	betingel	-	
sene for disse er endret, men også her kan det være grunn til å vurdere forenklinger.	 	
Logistikkmodellen framstår i dag som en avansert modell for optimering av varestrømmer, 
samtidig er håndteringen av inndata og resultater	 på et svært lavt nivå. Vår gjennomgang 	
gir grunnlag for å peke på følgende muligheter for utvikling av modellen: 	 	
�x 	Introdusere stokastiske elementer ved kostnadsminimeringen i Logistikkmodellen. 
Benyttet på (enkelte av) modellens kostnadsvariabler kan de	tte gi mer realistiske 	
endringer i transportstrømmer på relasjonsnivå. Det kan også benyttes stokastikk 
for lokalisering av produsenter, distributører og konsumenter.	 	
�x 	Inkludere variabel (variabler) som ivaretar punktlighet i modellen. 	 	
�x 	Etablere systemati	kk for gjennomføring av følsomhetsanalyser knyttet til framtidig 	
lokalisering av produsenter og distributører.	 	
�x 	Organisere modellens output og input slik at ingen forutsetninger / parametere 
ligger i kontrollfiler 	– og alle data knyttet til en modellkjøring	 samles i et datasett.	 	
�x 	Gå gjennom sammenhenger i modellen med sikte på forenklinger /økt realisme

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	11	 	
1.	 Innledning	 	
Det nasjonale modellsystemet for 	godstransport (NGM) er utviklet for å analysere virknin	-	
ger av tiltak i transport	sek	toren generelt, og godstransporten spesielt. NGM beregner hvor	-	
dan tiltakene påvirker fordelingen av godstransporten på de ulike transportmidlene og 
termi	nalene, og tran	sportkostnadene. Resultatene fra NGM blir brukt inn i grunn	prog	no	-	
sene til de nasjonale transportplanene (NTP), analyser av terminalstruktur bl.a. på KVU	-	
nivå, og i samfunns	økonomiske analyser av infrastrukturtiltak, avgiftsendringer mv. NGM 	
er utviklet	 for å kunne beregne virkninger både på kort og lang sikt, og både på nasjonalt, 	
regionalt og kommunalt nivå. Videre skal 	NGM	 kunne analysere virkningene både for hele 	
godstransporten og for ulike typer gods og transportmidler. 	 	
Modellsystemet består av li	kevektsmodellen PINGO for framskriving av varestrømmer, en 	
nettverksmodell, et sett av kostnadsmodeller og en logistikkmodell. Hver av modellene 
bruker ulike data	grunnlag sammensatt av data fra en rekke ulike kilder. NGM modellerer 	
godstransporten over 39	 varegrupper, 59 transportmidler og om lag 500 soner. Utviklingen 	
av NGM har skjedd over en tiårsperiode, og er finansiert av Samferdselsdepartementet med 
underliggende etater. Det er Transportøkonomisk institutt (TØI) som sammen med SITMA 
og det nederland	ske firmaet Significance som har stått for utviklingen. I tillegg kommer et 	
omfattende arbeid for å legge til rette data bl.a. i Statistisk sentralbyrå. 	 	
NGM er dermed et ambisiøst, komplekst og ressurskrevende modellsystem som det har 
vært knyttet store f	orhåpninger til. Alle modeller må imidlertid baseres på forutset	ninger, 	
og valget av forutsetninger kan ha stor betydning for beregningsresultatene. Beregnings	-	
resultatene avhenger også av det datamaterialet modellene baserer seg på. For å sikre god 
kvali	tet på beregningene er det viktig at de er etterprøvbare, slik at en kan se hvordan resul	-	
tatene fremkommer og	 hvilke forutsetninger de er særlig følsomme for, 	samt 	avdekke feil. 	
Videreutvikling av modellsystemet 	ville 	dra nytte av at det var tilgjengelig 	for andre fagmil	-	
jøer og for de offentlige instansene som bruker resultatene. 	 	
Det er de siste årene stilt spørsmål ved flere sider av NGM. Vista Analyse leverte i 2015 en 
rapport til NTP Godsanalyse der vi brukte NGM som et verktøy i samfunnsøkonomiske a	na	-	
lyser av tiltak innenfor godstransport, «Samfunnsøkonomisk analyse av tiltak innenfor 
godstransport», Vista Analyse	-rapport 2015/37 	 (Ekhaugen, Homleid, & Rasmussen, 2015)	. 	
Vi pekte der på flere forutsetninger som ikke 	stemmer overens med virkeligheten, men som 	
kan ha stor betydning for resultatene. Videre viste vi at den utviklingen NGM framskriver 
innebærer klare trendbrudd for flere viktige størrelser. Vi la også vekt på at kompleksiteten 
i modellsystemet gjør det van	skelig å følge beregningene i modellen og å avdekke rene feil, 	
slik at det ofte vil være heftet en usikkerhet ved de resultatene den gir.	 	
Samferdselsdepartementet følger opp den diskusjonen som oppsto i forbindelse med NTP 
Godsanalysene ved å innhente vurd	eringer av NGM fra tre ulike analysemiljøer. Mandatet 	
er det samme for alle, og kan oppsummeres ved følgende to spørsmål:	 	
1. Hvilke tilpasninger bør prioriteres for å gjøre NGM bedre?	 	
2. Når skal myndighetene bruke Nasjonal godsmodell?	 	
Vi har adressert disse spø	rsmålene ved å ta for oss noen av de forholdene vi mener det er 	
viktig å adressere ved NGM, og som vi mener illustrerer større og mer overordnede utford	-	
ringer ved dette modellsystemet. Analysene er basert på våre egne kjøringer av delmodel	-	
lene, der vi gj	ennomfører følsomhetsanalyser av sentrale forutsetninger. I tillegg går vi 	
igjennom datagrunnlaget for NGM og ser dette i forhold til andre informasjonskilder.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
12	 	 	Vista Analyse	 	
Analysene er nødvendigvis avgrenset ut fra hva det var mulig å få til innenfor rammene av 
oppdra	get, og ut fra hvilke delmodeller og datasett vi har fått tilgang til: Vi har for eksempel 	
ikke fått tilgang til PINGO, og deler av kostnadsmodellen befinner seg i skjulte regneark	 	
(Cube	-versjonen)	. 	
I kap. 2 gir vi en oversikt over hvordan modellsystemet 	i dag er bygget opp, og beskriver av 	
de viktigste komponentene i modellen, hvordan disse virker sammen og modellsystemets 
brukergrensesnitt og dokumentasjon. I kap. 3 maler vi med bred pensel et bilde av det vi 
oppfatter som de problematiske sidene ved NGM	, og noen av disse tar vi for oss i detalj i 	
kap. 4. I kap. 5 tar vi for oss hvordan NGM er brukt og videreutviklet.	 	
Gjennom vårt arbeid har vi avdekket flere problematiske forhold ved NGM. Antakelig er de 
toppen av et isfjell. 	Dersom NGM skal videreføres 	som modellverktøy, er det helt nødvendig 	
å gjøre et omfattende forenklings	- og kvalitetssikringsarbeid slik at resultatene blir mer 	
pålitelige. 	Slik NGM er i dag, lar vårt arbeid i dette prosjektet seg best beskrive ved Dag 	
Solstads roman	tittel fra 1984: 	Forsøk på å beskrive det ugjennomtrengelige.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	13	 	
2.	 Nasjonal godstransportmodell (NGM) 	 	
2.1	 Oversikt over modellsystemet	 	
Modellsystemet NGM består av en rekke delmodeller	 og gjør bruk av flere sett med data.	 En 	
stor del av grunnlags	dataene er selv resultater av mod	ellberegninger, og her skiller NGM 	
seg fra de norske persontransportmodellene.	 De viktigste 	bestanddelene i 	NGM 	er som 	
følger	. Del 1	-3 er datasett	, del 4 er både et datasett og en modell, 	og	 del	 5-7 er modeller	. 	
Figur 	2.1 gir en oversikt.	 	
1. Varestrømmatriser	 (kalles også basismatriser)	 	
2. Informasjon om 	produsenter, distributører og konsumenter	 som leverer og/eller 	
mottar hver varetype	 (produksjonsdata)	 	
3. Kostnads	data	 	
4. Transportnettverk 	brukes til å generere informasjon om distanse, fremførings	tid 	
mv. (LoS	-data) for de ulike kjøretøytypene	 	
5. Likevektsm	odellen PINGO framskriver varestrømmatrisene til prognoseåret	 	
6. Kostnadsmodellen etablerer kostnadsforutsetninger ut fra 	kostnadsdata	 	
7. Logistikkmodellen 	beregner 	valg av sendingsstørrelse og transportkjede	 	
 
Figur 	2.1: 	Delmodeller og datasett i Nasjonal Godsmodell (NGM)	 	
 	
Kilde: Vista Analyse	 	
 
Modellsystemet	 NGM	 estimeres sekvensielt ved en firetrinnsmetodikk	. Estimeringen følger 	
det såkalte ADA	-prinsippet, dvs. 	først a	ggreg	ert (trinn I og II), deretter d	isaggre	gert (trinn 	
III) og deretter igjen aggregert (trinn IV)	: 	
I. 	Transportert volum 	baseres 	på aggre	gerte størrelser 	 	
II. 	Avsender	- og bestemmelsessted baseres på aggregerte størrelser	. Transportert 	
volum og avsender	- og bestemmelsessted utgjør til sammen 	varestrøm	mat	-	
risene	 som fremskrives til prognoseåret med 	likevekts	modellen 	PINGO	 	
Forutsetninger	 	Beregninger	 	
Varestrøm	matriser (1)	, 	
fram	skrives med PINGO	 (5)	 	
Kostnadsfunksjoner (3 og 6)	 	
Logistikkmodell (7)	 	
-	Beregninger	 	
-	Resultater	 	
 
Valgfritt: Presentasjon 
av resultatene som 
belastning i 
trannsportnettverket.	 	
Produksjonsdata og 	
transportnettverk (2 og 4)

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
14	 	 	Vista Analyse	 	
III.	 	Valg av trans	portmiddel	 og transportkjede,	 dvs. logistikkbeslutningene,	 simu	le-	
res med 	logistikkmodellen 	på disaggregert nivå (individuelle bedrifter, distri	bu	-	
tører og butikker). 	Innsatsfaktorer i logistikk	model	len er 	varestrøm	mat	risene, 	
produksjonsdata, kostn	adsdata	, kostnads	modellen 	og 	transport	nett	verkene	. 	
IV.	 	Varestrømmene fra logistikkmodellen aggregeres opp til volumer på sonenivå 
og fordeles utover transportnettet. 	 	
 
Delmodellene er utviklet av flere aktører og kjøres med ulike verktøy. PINGO utvikles av 
TØI og kjøres i GAMS. Kostnadsmodellen utvikles av SITMA og kjøres i 	Excel	. Logistikk	-	
model	len utvikles av Significance og kjøres i DOS 	eller	 med 	nettverksmodellen 	Cu	be. 	Cube 	
kan også brukes til å etablere forutsetninger for gjennomføring av beregninger av 
varestrøm	matriser, og til å presentere resultatene visuelt i form av belastningen på ulike 	
deler av transportnettverket. Cube er ikke nødvendig for å gjøre beregni	nger med NGM, og 	
brukes da heller ikke alltid i praksis. 	 	
I dette kapitlet går vi igjennom hver av 	delmodellene og datasettene 	i NGM	 og hvordan de 	
virker sammen	. Videre beskriver vi modellens brukergrensesnitt og doku	men	tasjon, 	med 	
et eget avsnitt om ana	lysene av modellens treffsikkerhet	. Til slutt tar vi for oss hvordan	 	
samferdselsetatene har valgt å bruke	 modellens resultater 	i sitt	 arbeid.	 Beskrivelsene av 	
modellsystemet er basert på offen	tlig tilgjengelig dokumentasjon	1, og der v	i legger vekt på 	
at de	 skal være forståelige også for personer uten detaljert kjennskap til NGM fra før.	 	
2.2	 De ulike bestanddelene i NGM	 	
2.2.1	 Varestrømmatriser 	 	
Varestrømmatrisene	, også kalt basismatrisene, angir hvor mye gods som skal transporteres 	
mellom alle soner i modellen. Varest	rømmatrisene utgjør et sentralt element i NGM: De 	
bestemmer den 	totale mengden transportert gods	 i modellen, men også hvordan denne 	
mengden er 	fordelt mellom de ulike sonene	 og 	mellom	 39 varegrupper.	 De varestrøm	-	
matrisene som brukes i dagens versjon av NG	M, skal gjelde året 2012/13, kalt basisåret. 	
Varestrømmatrisene fremskrives til prognoseåret ved hjelp av modellen PINGO, omtalt i 
eget avsnitt under. Det er TØI som har ansvaret for å utarbeide varestrømmatrisene, men 
SSB bidrar i arbeidet bl.a. ved å gje	nnomføre varestrømundersøkelser, senest i 2015. TØI 	
har dokumentert varestrømmatrisene i en egen rapport.	2 	
Detaljert inndeling i soner og varegrupper	 	
Varestrømmatrisene deler godstransporten inn etter soner. I hver av sonene kan det være 
én eller flere akt	ører, se under. Innenriks utgjør hver kommune én sone, 	med unntak av de 	
seks største byene, der hver bydel utgjør en sone. 	Utenriks er hver sone ett land i Europa, 	
og ett kontinent utenfor Europa. Våre nærmeste handelspartnere er inndelt i flere soner. Til 
 	 	 	
1 Særlig TØI rapport 1399/2015: Grunnprognoser for godstransport til NTP 2018 	– 2027.	 	
TØI rapport 1247/2012: Nasjonal godstransportmodell. En innføring i bruk av modellen. 	 	
Sitma (Working paper): Cost models for Norwegian and Swedish freigh	t transport.	 To be used in the 	
Logistics model developed by Rand for NTP transportanalyser and Samg	ods/SIKA.	 	
Significance/SITMA: Method Report 	– Logistics Model in the Norwegian National Freight Model 	
System (Version 3)	 	
2 TØI rapport 1399/2015: Varestrømsmatriser med basisår 2012/2013

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	15	 	
sammen utgjør dette om lag 	500	 soner. Det arbeides med en finere inndeling med totalt 	
1 545 soner, men denne er ikke imple	mentert i nåværende modellversjon.	 	
Inndelingen i varegrupper skal fange opp at 	egenskaper ved godset kan gjøre at ikke alle 	
transportvalg er like egnet: Godset stiller 	ulike krav til transportkvalitet og fremføringstid.	 	
Noen eksempler på gods som alle stil	ler ulike krav, er tømmer, grus, kjølevarer og råolje. 	
Ved å gruppere godset etter de kravene de stiller, kan dette hensyntas i modelleringen. I 
dagens varestrøm	matriser er godset delt inn i 	39 varegrupper. 	Antallet varegrupper i NGM 	
er gjennom årene økt b	etydelig, fra fire i 1994, via 13 i 1999 og 32 i 2003/2008.	1 	
Aktører og varestrømmer	 	
I varestrømmatrisene opereres det med tre aktører. Produsenter (P),	 distributører 	
(engroshandel	) (W) og konsumenter (C)	. Med konsument menes her alle mottakende 	
bedrifter	 bortsett fra engros	handelsbedrifter, dvs. detaljister og 	industribedrift	er som 	
anvender en innsatsvare regnes som en konsument i varestrømmatrisene. 	 	
Det skilles mellom tre hovedtyper av leve	ranser:	 	
�x 	PW: Leveranser fra produsent til 	distributør	 	
�x 	PC: Lever	anser fra produsent til konsument	 	
�x 	WC: Leveranser fra 	distributør	 til konsument	 	
Leveranser mellom to grossister er ikke modellert som egne leveranse	former, men er 	
repre	sentert ved PW	-kjeder. Varetransport fra detaljist til husholdning regnes som person	-	
transport, og inngår derfor ikke i modellen.	 Leveranser fra servicenæringer og transporter 	
tilknyttet servicenæringer som 	for eksempel 	håndverkere, faller utenfor begge modell	sys	-	
temene.	 	
Datagrunnlaget	 	
Datagrunnlaget for v	arestrømmatrisene 	er 	satt sammen av	 en rekke datasett 	utarbeide	t av 	
ulike aktører og med til dels ulike 	beregningsår	, og der det i flere tilfeller er behov for å 	
supplere med data fra ytterligere kilder for å få et 	godt bilde for enkeltvarer. Datagrunnlaget 	
varierer etter tre kategorier var	eleveranser.	 	
For l	everanser	 fra	 primærnæringer	, bergverk	 og petroleum	 er dataene 	basert på	 SSBs pri	-	
mær	nærings	statistikk, Skog	-Data, TØIs transportstatistikk, NGUs bergverksstatistikk og 	
grunnlagsdata i havnestatistikken. Disse dataene er supplert med informasjon fra andre 
kilder for å bestemme sonene, bl.a. fra SSBs skogbruksstatistikk og informasjon om den 
geogr	afiske beliggenheten til slakterier og kornmottak mv. For noen av varene er det også 	
konstruert beregningsregler for å fordele varestrømmene. Dataene er fra 2012/13, men der 
det i lastebilundersøkelsene er lagt til grunn et gjennomsnitt fra perioden 2010	-12 for å 	
bøte på kjente svakheter. 	 	
For leveranser fra 	industrinæringer og engroshandel	 til innenriks anvendelse er dataene i 	
hovedsak basert på SSBs varestrømundersøkelse	. Denne undersøkelsen blir gjennomført 	
primært for å dekke behovene i NGM, og ble sist	 gjennomført i 2015. Undersøkelsen som 	
ligger til grunn for dagens modellversjon, ble gjennomført i 2008,	 som en utvalgs	under	-	
søkelse blant om lag 4	 500 bedrifter innenfor bl.a. industri og varehandel. Bedriftene ble 	
 	 	 	
1 Se TØI rapport 1399/2015, kap. 2, for en oversikt over hvilke end	ringer som er gjort.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
16	 	 	Vista Analyse	 	
bedt om å rapportere vekt, verdi, anta	llet leveranser og mottakersted for alle sine vare	-	
transporter 	det året	.1 Undersøkelsen har imidlertid vist seg å være 	mangelfull for en del 	
næringer med tunge godsvolum, som bryggerier, meierier og sementproduksjon. For disse 
næringene er det derfor hente	t inn supplerende informasjon. Det fremgår ikke av TØIs 	
dokumentasjon hvor denne informasjonen er hentet fra	. 	
For 	handelen med utlandet	 er dataene	 for handelsland og vare	 basert på SSBs utenriks	-	
handelsstatistikk	. S	tedfestingen innenriks er basert på et ar	beid gjennomført i SSB, der 	
bedriftsnumre fra Toll	- og avgiftsetatens TVINN	-register er knyttet opp mot adressene i 	
Virksomhets	- og foret	aksregisteret. Fordelingen av volumene på utenriks destinasjoner er 	
basert på informasjon fra en svensk varestrømunders	økelse fra 2009, SSBs og Eurostats 	
lastebilundersøkelser fra 2010	-12, SSBs havnestatistikk fra 2011 og 2012, og SSBs 	
varestrømundersøkelse fra 2008 som nevnt over, se TØIs dokumentasjon for referanser. 	 	
2.2.2	 Produksjonsdata	 	
Produksjonsdata omfatter informasjon om produsenter, distributører og konsumenter som 
leverer og/eller mottar hver varetype. 	I NGM er denne informasjonen samlet i to filer, en 	
produksjons	- og en konsumfil. Produksjonsfilen inneholder informasjon om leveran	ser 	
både fra produsent og fra distributør. Tilsvarende inneholder konsumfilen informasjon om 
leveranser til både distributør og konsument. Informasjonen i filene er 	inndelt etter sone 	
og 	varegruppe	, og inneholder opplysninger om antall bedrifter i hver son	e, antall leveranser 	
til og fra disse bedriftene, volumet på leveransene og produksjonsvolumer. 	 	
Produksjonsdata inneholder dermed svært detaljert informasjon om de ulike produ	sen	-	
tene, distributørene og konsumentene. 	I dokumentasjonen av modellen 	fremgår	 det imid	-	
lertid ikke hva som er kildene for denne informasjonen. Det gis heller ingen nærmere 
beskrivelser av innholdet i denne delen av datagrunnlaget. 	 	
2.2.3	 Kostnadsdata 	 	
I NGM kommer informasjonen om de ulike kostnadskomponentene, dvs. tids	-, distanse	-, 	
ter	minal	- og kapitalkostnader, i all hovedsak ut av egne kostnadsmodeller. Kostnads	model	-	
lene er dokumentert i en egen rapport, 	Grønland (2015)	2 og beskrives nærmere i avsnitt 	
2.2.6	. De dataene som brukes som innsatsfaktorer i disse modellene, kan 	plasseres i fem 	
ulike kategorier:	 	
1)	 Globale 	innsatsfaktorer	, dvs. som ikke er relatert til et spesielt transportmiddel	 	
2)	 Bilspesifikke innsatsfaktorer	 	
3)	 Jernbanespesifikke 	innsatsfaktorer	 	
4)	 Sjøspesifikke innsatsfaktorer	 	
5)	 Flyspesifikke innsatsfaktorer	 	
 
Innsatsfaktorene er delt inn i tidskostnader	 og 	distansekostnader, etter om de i modellen 	
varierer med tid eller distanse.	 I tillegg kommer laste	- og lossekostnader. 	Innde	ling	en varie	-	
rer med transportmiddel.	 	
 	 	 	
1 Det er gjennomført en ny varestrømundersøkelse i 2015. Undersøkelsen fra 2008 er nærmere om	-	
talt på SSBs hjemmesider, 	https://www.ssb.no/transport	-og	-reiseliv/artikler	-og	-publika	sjoner/	-	
varehandel	-dominerer	-transporten	. 	
2 Stein Erik Grønland (2015): Kostnadsmodeller for transport og logistikk 	– basisår 2012, TØI 	
rapport 1435/2015.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	17	 	
Følgende innsats	faktorer inngår i de ulike	 tids	- og distanse	kostnadene	: 	
1)	 Globale 	innsatsfaktorer	: Rente	, v	alutakurs	er, 	lønnsfaktorer,	 lagerkostnader, k	ontai	-	
ner	kostnader	 og å	rlige vekstfaktorer	 	
2)	 Bilspesifikke innsatsfakt	orer	: 	
- 	Tidskostnader: Lønn, kapitalkostnader, årsavgift, forsikring og admini	stra	-	
sjon	 	
- 	Distansekostnader: Vedlikehold, drivstoff, vask og rekvisita, og dekk	 	
3)	 Jernbanespesifikke innsatsfaktorer	: 	
- 	Tidskostnader: Lønn (lokfører), kapitalkostnader (lokomotiv),	 vogner og 	
kontainere (kombitog)	 	
- 	Distansekostnader: Vedlikehold og energikostnader	 	
4)	 Sjøspesifikke innsatsfaktorer	: 	
- 	Tidskostnader: Mannskap, kapitalkostnader, 	stores,	 vedlikehold, forsikring 	
og administrasjon	 	
- 	Distansekostnader: Drivstoff	 	
5)	 Flyspesifikke 	innsatsfaktorer	: 	
- 	Tidskostnader: Mannskap, kapitalkostnader, vedlikehold (fast), bakkeutstyr 
og 	-service mv., forsikring og administrasjon	 	
- 	Distansekostnader: Drivstoff, vedlikehold (variabelt) og navigasjons	kost	na	-	
der 	 	
Også laste	- og lossekostnadene bere	gnes ulikt for de ulike transportmidlene. For bil er de 	
for eksempel en funksjon av biltype, laste	-/lossesystem for biltypen, manuelt nivå, utstyrs	-	
kostnader, vedlikehold og bemanning, mens de for skip er en funksjon av havneavgift, 
lastekapasitet, havne	kostnad per time og tidskostnader per båt	type. 	 	
Det beregnes kostnader for nær 80 ulike transportmidler, jf. eget avsnitt om kostnads	-	
modellen. Det fremgår ikke av dokumentasjonen hvilke parametere som samles inn direkte, 
og hvilke som ekstra	- eller interp	oleres fra disse. Det fremgår heller ikke hva kildene for de 	
ulike parameterne er. 	 	
2.2.4	 Transportnettverk	 og LoS	-data	 	
Transportnettverket	 representerer 	de fysiske framføringsmulighetene	. Transport	nett	-	
verket brukes sammen med kostnadsinformasjon til å generer	e LoS	-data (Level of Service)	, 	
ved bruk av en transportmodell implementert i Cube Voyager	. LoS	-data er matriser 	som gir 	
informasjon om distanse, framføringstid 	og	 bom	penger	 mv.	 for hver av kjøretøytypene. 	
Frekvensene bestemmes i logistikk	modellen. 	Beregn	ing av nye LoS	-data er valg	fritt ved 	
kjøring av NGM. 	 	
Transportnettverket som brukes i NGM, er basert på 	transportnettverkene i de regionale 	
persontransportmodellene (RTM) og det internasjonale nettverket fra den gamle nett	-	
verks	modellen for godstranspo	rt (NEMO). 	 	
Det bereg	nes i prinsippet LoS	-data for 59 forskjellige kjøretøytyper	, eller transportmidler	. 	
Kjøretøytypene er fordelt på hoved	kategoriene tung og lett lastebil, modulvogntog, contai	-	
ner	skip, andre skip, vognlast	tog, el	-tog (utenom vognlast	tog), dieseltog, utenlandsferge og 	
fly. I praksis er flere av de 59 kjøretøytypene så like at de får identiske LoS	-data, og det er 	
dermed tilstrekkelig å beregne LoS	-data for 25 forskjellige kjøretøytyper. 	 	
I beregningen av 	LoS	-matrisene	 tas det utgangspun	kt i den generaliserte kostnaden ved de 	
ulike rutevalgene, dvs. tids	- og distanseledd for hver av kjøretøytypene, og der alle kjøretøy	-	
typene har en individuell vekting av tids	- og distansekostnader. 	For eksempel 	vil LoS	-	
matrisen ta hensyn til at 	last	ebiler med relativt høye tids	kostnader	 bør velge 	raskeste 	vei,

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
18	 	 	Vista Analyse	 	
mens lastebiler med relativt høye distansekostnader bør velge 	korteste 	vei. Beregningene 	
skjer 	i et kapasitetsuavhengig transportnettverk, dvs. at det ikke er lagt inn 	kapasitets	-	
beskrankninger	 verken på den enkelte strekning eller i termi	nalene. 	 	
2.2.5	 PINGO	 	
Modellen PINGO 	brukes til å 	framskrive varestrømmatrisene til 	de ulike prognoseårene, for 	
eksempel fra 2012, som er dagens basisår, til 2040	 eller et annet fritt valgt år	. PINGO er ikke 	
en integ	rert del av modellsystemet NGM, men resultater herfra brukes som innsatsfaktorer 	
i NGM. Etterspørselen er dermed gitt fra PINGO og varestrømmatrisene, både samlet og på 
den enkelte strekning. 	I vårt arbeid er vi ikke gitt 	mulighet til å bruke 	PINGO, og omt	alen er 	
derfor basert på tilgjengelig dokumen	tasjon	.1 	
PINGO er en likevektsmodell, nærmere bestemt en såkalt SCGE	-modell (Spatial Computable 	
General Equilibrium). Modellen skal representere hele den norske økonomien, men er 
spesielt utviklet for å 	beregn	e vekstratene for godsstrømmene	 innad i og mellom 	regioner	 i 	
Norge. 	Den nasjonale veksten er hentet fra SSBs generelle likevektsmodell MSG (Multi Sec	-	
toral Growth). Fordelingen av veksten over regioner er basert på SSBs prognoser for 
fordelingen av befolkn	ingsprognoser. 	Inndelingen i regioner går	 i PINGO	 etter fylke, og ikke 	
kommune som i varestrøm	matrisene. 	 	
Foruten de forutsetningene som følger av MSG og befolkningsframskrivingene om fordeling 
av den nasjonaløkonomiske veksten, forutsettes det ingen str	ukturelle endringer i PINGO. 	
Sammensetningen av transportmidler forutsettes for eksempel å være den samme i 2040 
som i dag, og a	ll produksjonsvekst forutsettes	 å skje på eksisterende anlegg.	 	
Varestrømmene fra PINGO er fordelt på tre stereotyper; strømmer f	ra produsent til 	
konsument (PC), strømmer fra produsent til distributør (PW) og strømmer fra distributør 
til konsument (WC). Med «konsument» menes både bedrifter som driver detaljhandel og 
bedrifter som anvender varer som innsatsfaktor. 	 	
2.2.6	 Kostnadsmodellen	 	
Kostnadsmodellen i NGM består av flere Excel	-baserte delmodeller som beregner de ulike 	
komponentene i logistikkostnadene ut fra kostnads	dataene omtalt over. Det er logi	-	
stikkostnadene som bestemmer valg av t	ransport	middel og 	-strekning	 i NGM. 	Logistikk	ost	-	
nadene inkluderer transportkostnader, terminal	kostnader, lager	kostnader, tidskostnader 	
for varene og evt. degraderings	kostnader for varer under tran	sport. Kostnadsmodellen er 	
dokumentert i en egen rapport.	2 	
Modellen inneholder detaljerte forut	setninger om oppbygging av kostnader for alternative 	
transportløsninger. 	For 	nær 80 ulike 	transportmid	ler	 beregnes 	fremføringskostnader og 	
kost	nader knyttet til lasting, lossing og omlastning:	 	
�x 	Kostnader per km	 	
�x 	Kostnader per time 	 	
�x 	Laste	- og lossekostnader 	per tonn	 	
�x 	Laste	- og lossekostnader per forsendelse	 	
 	
 	 	 	
1 Primært 	TØI rapport 899/2007: PINGO 	– A model for prediction of regional and interregional 	
freight tran	sport in Norway. 	 	
2 TØI rapport 1435/2015: Kostnadsmodeller for transport og logistikk 	– basisår 2012. Stein Erik 	
Grønland/SITMA.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	19	 	
Transportmidlene omfatter 	10 typer biler, 	16 	typer 	tog	 og hele	 50 typer skip (5 container	-	
skipsstørrelser, 7 typer stykk	godsskip, 8 typer tørrbulkskip, 3 typer RoRo	-skip, 3 typer 	
kjøleskip, 6 typer tanksk	ip, 4 typer gasstankskip, 2 typer kystbåter (sideport), 2 typer 	
brønnbåter, i tillegg til kystrorobåt, sideportbåt for levende dyretransport, supplybåt for 
offshore, 2 typer utenlandsferge og cruiseskip, kjøle/fryseskip, produkt og kjemikalieskip 
og hurtig	båt), og to typer fraktfly.	 	
En del kostnader utarbeides også for hver av de 39 varegruppene. D	ette gjelder kostnader 	
for lager	hold og bestilling, tidskostnader, degraderingskostnader og varevederlag i havner	, 	
i tillegg til kostnader for lasting, lossing o	g overføringskostnader for sjøtransport	. 	
For hver av de ti biltypene kalkuleres kostnadene slik at d	e årlige kostnadene for en 	
transportstrøm fra A til B med X	 tonn last over Y forsendelser, består av følgende elementer:	 	
Lastekostnader per tonn * X	 	
+ Last	ekostnader per skipning * Y	 	
+ Distansekostnader per km * (Distanse A	->B)	 	
+ Tidskostnader per time * (Distanse A	->B)/(Hastighet for kjøring A	->B)	 	
+ Lossekostnader per tonn * X	 	
+ Lossekostnader per skipning * Y 	 	
Hver av disse kostnadene beregnes som funksjon	er av flere elementer, og det er disse ele	-	
men	tene det samles inn data for, se eget avsnitt om kostnadsdata. 	 	
Selv om kostnadene beregnes på svært detaljert nivå, brukes resultatene på aggregert form 
videre i modell	syste	met. Resultat	rap	porteringen	 fra kostnadsmodellene	 gjelder dermed et 	
begrenset antall parametere: 	 	
- 	Distanseavhengige kostnader (kr/km) for kjøretøy	 	
- 	Tidsavhengige kostnader for kjøretøy og personale (kr/time)	 	
- 	Kapitalkostnader for kjøretøy og varer under frakt (kr)	 	
- 	Terminalkostnader, las	ting, lossing, omlasting (kr/tonn)	 	
- 	Lagerkostnader (kr/tonn)	 	
- 	Ordrekostnader (kr/ordre)	 	
 
Prinsippene bak kostnadsmodellen 	fremgår av 	Figur 	2.2. Til venstre 	vises de 	parameterne 	
som inngår i kostnadsfunksjonene. Videre skjer følgende:	 	
�x 	De avstandsavhengige parameterne (øverst til venstre) brukes til å beregne kost	-	
nader i kr/km	 	
�x 	De tidsavhengige kostnadselementene for kjøretøy og de tidsavhengige kostnadene 
for personell	 brukes sammen til å beregne kostnader i kr/per time for kjøretøy	 	
�x 	Det inngår en egen kalkyle for laste	- og lossekostnader. De direkte laste	- og losse	-	
kostnadene brukes sammen med de beregnede kostnadene i kr/time for kjøretøy 
(fra forrige trinn) for å bere	gne kr/ton	n og kr/forsendelse for lasting og 	lossing	. 	
Omlastingskostnadene beregnes ut fra laste	- og lossekostnadene	. 	
�x 	Basisfaktorene 	(øverste høyre hjørne) er de størrelsene kostnadene beregnes for	.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
20	 	 	Vista Analyse	 	
Figur 	2.2 Prinsipper i beregning	en	 av transportmiddelspesifikke kostnader	 	
 	
Kilde: TØI rapport 1435/2015, Figur 2.1.	 	
2.2.7	 Logistikkmodellen	 	
Det er logistikkmodellen som beregner valg av sendingsstørrelse og transportkjede, dvs. 
transportmiddel og 	-rute	, ut fra alle de a	ndre bestanddelene i NGM omtalt i avsnittene over.. 	
Logistikkmodellen er 	omtalt i TØIs generelle brukerveiledning for NGM, men også i en egen 	
rapport	 (de Jong, Ben	-Akiva, Baak, & Grønland, 2013)	1. 	
Logistikkmodellen bestemmer 	valget av sendingsstør	relse og transportkjede ut fra mini	me	-	
ring av logistikkostnadene som omtalt over. 	Logistikkvalgene bestemmes for 39 aggregerte 	
varegrupper, om lag 500 soner og nær 80 transportmidler. Varestrømmatrisene angir hvor 
mye gods innenfor h	ver enkelt vare	gruppe som skal transporteres mellom hver av sonene. 	
Modellen produserer matriser per varegruppe og transportmid	del for antall tonn gods 	
mellom alle par av soner og terminaler.	 	
Logistikkmodellen kjøres sekvensielt over de 39 varegruppene 	i modellen	, dvs. at sendings	-	
størrelsene og transportkjede bestemmes for en og en varegruppe av gangen.	 Dette inne	-	
bærer at modellen gir et stort antall ulike løsninger for de samme endogene variablene. 	 	
Logistikkmodellen bestå	r av i alt seks underprogram	mer:	 	
 	 	 	
1 de Jong, Gerard, Moshe Ben	-Akiva og Jaap Baak (Signific	ance) og Stein Erik Grønland (SITMA) 	
(2013)	: «Method Report 	– Logistics Model in the Norwegian National Freight Model System» 	
(Version 3	).

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	21	 	
1. FIRM2FIRM etablerer varestrømmer mellom bedrifter med utgangspunkt i vare	-	
strøm	mer mellom soner (PINGO).	 	
2. BUILDCHAIN generer transportkjeder mellom sonepar	 	
3. CHAINCHOICE bestemmer optimal størrelse på forsendelser og optimal transport	-	
kjede for varestrø	mmene	 	
4. CONSOLIDATE bestemmer kjøretøytyper og lastefaktor for jernbane og skip	 	
5. EXTRACT beregner OD	-matriser	 	
6. CONSTRAINTS behandler kapasitetsskranker i jernbanesystemet	 	
For å identifisere optimal sendingsstørrelse og transportkjede gjennomføres beregningene 
i flere iterasjoner, hvor output fra et underprogram benyttes som input i videre 
beregninger. 	 	
Nærmere om de enkelte programmene	 	
Etablering av varestrømmer mellom bedrifter (Firm2firm)	 	
Varestrømmer mellom bedrifter, heretter B	-til-b, etter «bedrift til bed	rift»	 etableres på 	
grunn	lag av sone	-til-sone vare	strømmatriser (PWC	-filer), samt opplysninger om antall 	
produ	senter, distributører og konsumenter i hver sone (Opplysninger som ligger i produk	-	
sjon	- og konsumfiler)	 og hva slags varestrøm det dreiser seg	 om.	 	
Reglene for fordeling er hardkodet og kan ikke endres av bruker.	 	
Generering av transportkjeder mellom sonepar (Buildchain)	 	
Prosedyren bygger opp «beste» transportkjede på 	alle relasjoner mellom sonepar.	 Rutinen 	
gjen	nomføres for et utvalg 	kjøretøytyper (noe tilpasset typiske kjøretøyer i hver vare	grup	-	
pe) og inkluderer kombinasjoner av kjøretøytyper og identifisering av optimale transfer	-	
punkter.	 	
Valg av sendingsstørrelse og transportkjede	 (Chainchoice)	 	
Som grunnlag for valg av sendingsstø	rrelse og transportkjede identifiseres et sett av mulige 	
ruter (transportkjeder) mellom alle soner og terminaler i modellen. Transportkjedene kan 
bestå av flere ledd satt sammen av i alt 11 ulike modes/submodes. Det er i alt 27 pre	defi	-	
nerte typer trans	portkjeder. For hvert sonepar undersøkes om de ulike typene er til	gjenge	-	
lige 	– og identifiserer optimal kjede for hver av de 27 typene. Trinne i dette pro	gram	met er 	
som følger: 	 	
1. Anslå sendingsstørrelse (og frekvens) på grunnlag av ordrekostnader, år	lig volum, 	
lagerkostnader, rentenivå og vareverdi.	 	
2. Varier frekvens (og sendingsstørrelse) i et intervall rundt anslått sendingsstørrelse.	 	
3. Beregn samlede logistikkostnader for hver transportkjede og frekvens.	 	
a. 	Utvid søkeområdet hvis laveste logistikkostnader	 finnes for laveste av 	
undersøkte frekvenser	 	
4. Velg transportløsning (transportmiddel, frekvens og sendingsstørrelse) som gir de 
laveste totale logistikkostnader.	 	
Konsolidering (Consolidate)	 	
Rutinen identifiserer 	forsendelser som kan fraktes i samme 	lastbærer 	– og kjøres for vare	-	
grupper hvor samlasting er praktisk gjennomførbart. Rutinen gjentas flere ganger. I første 
iterasjon beregnes konsolideringsgraden på grunnlag av transportkjedene fra 	BuildChain 	
og eksogent gitte lastefaktorer, i senere ite	rasjoner benyttes lastefaktorer beregnet 	
innenfor modellen (	ChainChoi	).

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
22	 	 	Vista Analyse	 	
For å fange 	opp at mange lastbærere frakter 	varer for 	fra ulike 	varegrupper samtidig, er det 	
også 	etablert en rutine	 for å håndtere dette	. Modelldokumentasjonen 	(Madslien, Steinsland, 	
& Grønland, Nasjonal godstransportmodell. En innføring i bruk av modellen, 2015)	 	
inneholder en oversikt over konsoliderings	muligheter i modellen. Versjonen inneholder 3 	
konsolideringsclustre som inneholder til sammen 	13	 vare	grupper:	 	
1. Frukt, grønt, blomster og planter, 	innsatsvarer og termo, 	fryst fisk og sjømat, 	
termovarer, konsum (4 varegrupper)	 	
2. Tømmer og produkter fra skogbruk, 	trelast og trevarer (2 varegrupper)	 	
3. Matvarer konsum, 	drikkevarer, 	organiske råvarer, 	andre råvarer	, plast og gummi, 	
maskiner og verktøy, 	byggevarer, 	forbruksvarer og 	bearbeidet fisk (9 varegrupper)	 	
Videre er det konsolidering innenfor varegruppen for ytterligere 14 varegrupper, mens det 
for de siste 10 varegruppene ikke tillates noen form for konsolide	ring. 	 	
Konsolideringsrutinen inneholder en multiplikator (	':2	) som blåser opp årlige trans	-	
porterte volumer i en varegruppe. Multiplikatoren gis eksogent og baseres på statistikk for 
godsomfang for hver av varegruppene som inngår i konsolideringsklust	eret. Multipli	kator	-	
en er felles for alle sone	-sone relasjoner i hver varegruppe.	 	
Beregning av OD	-matriser (Extract)	 	
Rutinen beregner sone til sone matriser med tonn pr. kjøretøytype og kjøretøy.	 	
Kapasitetsskranker i jernbanesystemet (Constraints)	 	
Det er 	utviklet en rutine for 	håndtering av kapasitetsskranker i jernbanesystemet (termi	-	
nal	- og sporkapasitet). Rutinen kjøres etter en ordinær modellberegning og starter med at 	
det knappe faktorer identifiseres og skyggepriser (utgangspunkt) for disse etablere	s. 	
Gjennom flere iterasjoner med reberegning av transportvolumer og skyggepriser identi	-	
fiseres deretter	 løsning som ivaretar kapasitetsskrankene.	 	
Resultatr	apportering	 	
Resultater rapporteres i form av:	 	
1. Makrotall pr. varegruppe	 	
2. Matriser for antall 	kjøretøy mellom alle par av soner og terminaler	 	
2. 	Det er også utviklet en tilleggsmodul med sikte på å studere effekter av kapasitets	-	
begrensninger på jernbanestrekninger og/eller 	-terminaler 	 	
Hva som bestemmes eksogent og endogent	 	
Logistikkmodellen fordeler	 eksogent gitte transportstrømmer mellom transportmidler. 	
Også pris	prognoser og transportnettverk (inklusive terminaler) gis eksogent. 	
Logistikkmodellens funksjon er derfor begrenset til å fordele varestrømmene på ruter og 
(varianter av) transport	midler.	 	
Tre stereotyper varestrømmer	 	
I varegruppene er varene delt inn etter hvilke krav de stiller til transport	kvalitet, og hvor i 	
verdikjeden varen er. Et viktig skille går mellom innsats	- og konsum	varer. Varestrøm	-	
matrisene deles inn i seks kategorier av so	ne	-til-sone	-varestrømmer, som i modellen deles 	
inn i tre stereotyper, 1	-3: 	
�x 	PC: fra produksjon til konsum (1)	 	
�x 	PP: fra produksjon til produksjon (legges til PC)	 	
�x 	PW: fra produksjon til distributør (2)	 	
�x 	WW: fra distributør til distributør (legges til PW)

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	23	 	
�x 	WC: Fr	a distributør til konsum (3)	 	
�x 	WP: fra distributør til produksjon (legges til WC)	 	
I logistikkmodellen håndteres de tre stereotypene ulikt i overganger fra sone	-sone til 	
bedrift	-bedrift (b	-til-b) varestrømmer:	 	
�x 	Varestrømmer fra produksjon til produksjon/konsum	 (PC) kan ha flere mot	tak	ere 	
og sendere i hver sone (innenlands). For eksport og import forutsettes en mottaker 
/ sender i utenlandssone.	 	
�x 	Varestrømmer fra produksjon eller distributør til distributør (PW) kan ha flere 
sendere, men bare en mottaker pr. s	one 	 	
�x 	Varestrømmer fra distributør til produksjon eller konsum (WC) har en sender pr. 
sone, men kan ha flere mottakere.	 	
Antallet	 b-til-b-relasjoner og volumet på hver relasjon 	bestemmes 	på grunnlag av volumer 	
i PWC	-matrisene og opplysninger om antall produs	enter, distributører og konsumenter	, 	
med tilhørende opplysninger om gjennomsnittsvolum gitt i 	produksjons	- og konsum	filene	 	
(de Jong, Ben	-Akiva, Baak, & Grønland, 2013)	. For PC	-relasjoner oppgis at antall 	
varestrømmer begrenses 	dersom volumet i PWC	-matrisen er mindre enn 2 tonn. Det oppgis 	
ikke om tilsvarende regler benyttes også for PW og WC	-varestrømmer. 	 	
2.3	 Et skritt tilbake: Hva er en modell?	 	
Som utgangspunkt for vurderingen av NGM vil vi ta et lite skritt tilbake 	– og kort gå	 gjennom 	
opp	bygging av en modell og avklare begreper og grunnlaget for vurderinger i denne 	
rapporten.	 	
Figur 	2.3: 	Skisse av et modellsystem	 	
 	
Kilde: Vista 	Analyse	 	
Et modellsystem kan bestå av fire hovedelementer, som vist i 	Figur 	4.2; Grunndata, 	
forutsetninger (parameterverdier), selve modellen og resultatene.	 	
Modellspe	sifikasjon	: Likninger og parameterverdier som definerer sammenhenger mel	-	
lom variabler i modellen. Modellens variabler deles i to hovedtyper: 	Eksogene variabler	 	
inneholder verdier / input til modellen	 (grunndata, parameterverdier)	. Endogene 	
Forutsetninger	 	
Grunndata	 	
Resultater	 	
Modell

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
24	 	 	Vista Analyse	 	
variabler	 inneholder output 	(resultater) 	fra modellen. Formålet med å bygge modeller er 	
å etablere systematikk for å identifisere hvordan tilstanden til en variabel påvirkes av 
tilstanden på et sett av andre variabler. 	 	
Likningen (i) nedenfor er en modellspesifikasj	on, hvor 	U er det endogene variable og 	T5 er 	
den eksogene variable.	 	
(i)	 	U
L	B� :T5; 	
Likningen (i) definerer at det er en sammenheng mellom en eksogen og en endogen 
variabel, men spesifiserer ikke hvordan variablene henger sammen. Med tilgang til 
observa	sjoner av variablene, kan vi gjennom statistiske analyser finne ut mer om avhengig	-	
heten.	 	
(ii)	 	U
L� �� �T5
E	� � 	
Likningen (ii) inneholder eksempel på avhengighet hvor verdien av den endogene varia	-	
belen 	U bestemmes av størrelsen på den eksogene variabelen 	T5 og to parametre; 	� som 	
avheng	er av størrelsen på 	T5 og 	� som er en konstant. Gitt verdien av 	T5� kan vi dermed 	
predikere verdien av 	U. 	
Størst sikkerhet om predikasjonene har vi når verdiene av 	T5 er innenfor variasjonsområdet 	
i datagrunnlaget som er benyttet som utgangspunkt for kalibrering/estimering av paramet	-	
erene 	� og 	�. For verdier av 	T5 utenfor variasjonsområdet i datagrunnlaget øker 	
usikkerheten. Vi utfordrer modellens 	gyldighetsområd	e. 	
Hva så hvis den endogene variabelen 	U� ikke bare avhenger av en eksogen variabel, 	T5, men 	
av en vektor av eksogene variabeler 	T5�	T�: 	
(iii)	 	U
L	B:T5�� T�; 	
I dette tilfelle vil ikke modellen (ii) kunne brukes til å gi anslag for verdien av 	U siden verdi	en 	
også påvirkes av verdien på variablene 	T6�	T�. Modellen er 	underspesifisert	. For å 	
predikere verdien av 	U har vi behov for å identifisere sammenhenger mellom 	U og alle 	
variabelene 	T5�	T�. Med en enkel funksjonsform kan dette skrives som:	 	
(iv)	 	U
L� �	��	�	�� T� + � 	
Dersom vi nå har identifisert alle variabler 	T5�	T� som påvirker 	U og verdien av variablene 	
T5�	T� er 	uavhengige	 av hverandre, kan modellen nå benyttes til å anslå hvordan 	U 	
påvirkes av endringer i størrelsen på enkeltvariabler 	T�. Er det avhengigheter mellom 	
variabelene dvs vi har tilfeller hvor en eller flere 	T� avhenger av andre variabeler, er også 	
modellen (iv) underspesifisert. Den må suppleres med sammenhenger av typen:	 	
(v)	 	T�
L	C�� :T5�	�T�; 	
Variablene som bestemmes innenf	or modellen, men som samtidig påvirker verdien av 	
andre variabler er ikke eksogene variabler når vi betrakter modellen som en helhet. I noen 
tilfeller vil det være mulig å etablere et 	modellhierarki	 som består av et sett med likninger 	
som bestemmer størrel	sen på modellens endogene variabler og et eller flere sett med 	
likninger som bestemmer størrelsen på variablene som inngår som input i øverste ledd i 
modellhierarkiet. Hvis vi lar 	V5�� V� betegne variabler som er eksogene i nederste ledd, 	
T5�� T� er v	ariabler som er endogene i nederste ledd i hierarkiet og eksogene i øverste ledd 	
i hierarkiet og 	U5�� U� er variabler som er endogene på øverste ledd i hierarkiet, kan vi 	
etablere en modell med et sett av likninger som beskrevet i (vi) og (vii).

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	25	 	
(vi)	 	U�
L	B�:T5�� T�; 	
 	
(vii)	 	T�
L� C�� :V5�� V�; 	
Også med en slik type modellhierarki er det utfordrende og/eller komplisert å fange opp 
alle avhengigheter innenfor modellen. Likevel er det vanlig å etablere slike modell	-	
strukturer. Det er flere årsaker til det:	 	
�x 	Knapp	het på ressurser til utvikling, bruk og vedlikehold av modellene	 	
�x 	Manglende tilgang på data som er nødvendig for å estimere/kalibrere kompliserte 
sammenhenger	 	
�x 	Manglende kunnskap om sammenhenger	 	
2.4	 Samspillet i modellsystemet NGM	 	
Når vi skal forstå samspillet i	 det modellsystemet som utgjør NGM, er det nyttig å se hen til 	
«firetrinnsmetodikken». Dette er et kjent begrep innen modellering av persontransport, og 
det eksisterer avan	serte modellverktøy og et stort antall modeller bygget opp med utgangs	-	
punkt i denn	e. Modellene er bygget opp hierarkisk: turgenerering	\turfordel	ing	\reise	-	
middel	valg	\nettutlegging, men ofte slik at tilstanden i nettet påvirker både turfordel	ing og 	
reisemiddelvalg. Rutinene på trinn 2	-4 gjentas derfor inntil det oppnås likevekt, 	karakteri	-	
sert ved at tilstanden i nettet er den samme når den benyttes som input på trinn 2 og 3 og 
som output på trinn 4.	 	
 
For gods	transportransport er situasjonen annerledes. Kommersielle verktøy er kun egnet 	
til å dekke enkelte av beslutningstrinnene.	 Etablering av modellsystemer forutsetter derfor 	
utvikling av egne modeller for å håndtere de første trinnene. Modellsystemene som er 
utviklet i Norge, Sverige og Sveits er eksempler på en slik tilnærming.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
26	 	 	Vista Analyse	 	
Figur 	2.4: 	Firetrinnsmodeller for passasjertransport og godstransport	 	
 	
Illustrasjon hentet fra 	(Brümmerstedt, Flitsch, & Jahn, 2015)	 	
Figur 	2.4 illustrerer hvordan dataflyten i firetrinnsmodeller for persontrafikk kan 	
«oversettes» til godstransport. NGM dekker alle de fire trinnene. Pilene i figuren indikerer 
at de fire trinnene gjennomføres sekvensielt. Dette stemmer for NGM, men i liten gr	ad for 	
modellverktøy som benyttes innenfor persontran	sport. I disse modellene bestemmes oftest 	
antall reiser, reisemønster, valg av transportmiddel og reise	rute simultant. Dette gjøres ut 	
fra en erkjennelse av at det er gjensidig påvirkning mellom de fir	e trinnene i modellen.	 	
 
Flere av forholdene vi ønsker å belyse nærmere kan relateres til dataflyten i NGM. Kvali	tet	-	
en på transporttilbudet har stor betydning for godsstrømmer og samlede trans	port	erte 	
volumer. En viktig problemstilling i arbeidet er der	for å vurdere betyd	ningen av (herunder 	
både behovet for og muligheter til) å utvikle modellsystemet i retning av si	mul	tane valg, 	
eller om det primært bør satses på å utvikle bedre prognoser for volumer og agg	regerte 	
transportstrømmer.	 	
Nasjonal Godsmod	ell baseres på varestrømmer og transportstrømmer på aggregert nivå 	
(sone til sone), mens logistikkbeslutingene gjøres på disaggregert nivå (bedrift). 
Modelltypen betegmes ADA (Aggregate	-disaggregate	-aggregate) og karakteriseres ved:	 	
1. Baseres på aggregert	e volumdata	 	
2. Simulerer logistikkbeslutninger basert på individuelle bedrift	-bedrift strømmer	 	
3. Bedrift	-bedriftstrømmene aggregeres opp til sone	-sone volumer for nettutlegging

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	27	 	
Figur 	2.5: 	Aggregert og disaggrert ni	vå i modellen. 	 	
 	
Illustrasjon hentet fra 	(de Jong, Ben	-Akiva, Baak, & Grønland, 2013)	 	
Nasjonal Godsmodell (NGM) består av 3 selvstendige modeller:	 	
�x 	PINGO som etablerer og framskriver sone til sone varestrømsmatriser med utgang	s-	
punkt i gjennomførte varestrømsundersøkelser.	 	
�x 	Kostnadsmodellen som etablerer kostnadsforutsetninger for Logistikkmodellen	 	
�x 	Logistikkmodellen som 	– for gitte varestrømmer og kostnadsforutsetninger 	– for	-	
deler varestrømmene på bedrift	-bedrift	-relasjoner, op	timaliserer sendings	stør	rel	-	
ser og fordeler sendingene på ulike transportmidler.	 	
PINGO/varestrømsmatrisene dekker trinn 1 og trinn 2 i modellen, mens Logistikkmodellen 
dekker trinn 3 og 4 	– inkludert disaggregering og aggregering av transportstrømmer. K	ost	-	
nads	modellen gir input til Logistikkmodellen.	 	
2.5	 Brukergrensesnitt og dokumentasjon	 	
Basismatrisene fremskrives ved kjøring av den GAMS	-baserte likevektsmodellen PINGO, 	
mens kostnads	filene fremkommer fra kjøring av en Excel	-basert kostnadsmodell. 	 Logi	-	
stikk	modellen 	er utviklet i et eldre programmeringsspråk som må kjøres fra	 DOS	. 	
PINGO er produsenteid programvare utviklet og anvendt av Transportøkonomisk Institutt.	 	
Output fra PINGO som benyttes i Logistikkmodellen er sone til sone varestrømmatriser	 	
fordelt på modellens 39 varegrupper.	 Vi har ikke hatt tilgang til modellverktøyet i vårt 	
arbeid med evaluering av NGM. Deler av modellens ligningssystem er 	dokumentert i 	
forbindelse med utarbeidelse av grunnprog	noser for godstransport til NTP 2018	-2027	 	
(Hovi, Caspersen, Johansen, Madslien, & Hansen, 2015)	. 	
Den Excel	-baserte kostnadsmodellen produserer kostnadsfiler (tekstfiler) som input til 	
Logistikk	modellen. Det er utviklet makroer som automatiserer uttrekket av 	kostnads	forut	-	
setninger. 	Enkelte variabler 	kan endres av brukere av modellen, kombinert med makroene 	
gir dette muligheter for raskt å etablere nye sett av kostnadsforutsetninger. Andre variabler 
ligger i passordbeskyttede ark. Endringer i disse forutsetningene 	må derfor gjøres utenfor 	
kostnadsmodellen, ved direkte editering av tekstfilene eller ved å åpne 	tekst	filene 	i Excel 	
eller andre verktøy.	 Kostnadsmodellen er utviklet av SITMA og er siste gang oppdater	t i 	
2015, med kostnadsdata for 2012. 	(Grønland, Kostnadsmodeller for transport og logistikk 	
- basisår 2012, 2015)	.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
28	 	 	Vista Analyse	 	
Logistikkm	odellen kan kjøres som et frittstående program, 	men d	et er også utviklet et 	
grense	snitt for bruk av modellen i CUBE Voyager.	 I vårt arbeid har vi b	enyttet den fritt	-	
stående versjonen. 	 Data som er nødvendige for å kjø	re modellen ligger dels i input	filer (bl.	a 	
fra kostnadsmodellen,	 PINGO	 og Cube	), videre ligger en rekke forutsetninger / parameter	-	
verdi	er i kontrollfiler. Modellen genererer et stort	 antall resultatfiler	, etter en modell	-	
kjøring med NGM inneholder modellarkivet i Logistikkmodellen totalt ca. 1.800 filer. Det er 
ikke etablert noen systematikk for å identifisere datasett (resultatfiler, inputfiler eller 
parameter	verdier) fra den enkel	te kjøring. Logistikkmodellen er utviklet av Significance og 	
SITMA, med første versjon i 2008. Eksisterende versjon 3 er dokumentert i 2013 	(de Jong, 	
Ben	-Akiva, Baak, & Grønland, 2013)	. 	
CUBE Vo	yager er en nettverksmodell som 	generer matriser med transporttid og distanse 	
mellom modellens ulike soner. Matriser etableres for et stort antall kjøretøytyper innenfor 
hver transport	middel. Kombinert med enhetskostnader for transporttid og distanse og 	
informa	sjon om terminal	kostnad	er får man fram transportkostnadene ved alle transport	-	
løsninger.	 I tilknytning til CUBE er det også utviklet 	et felles brukergrensesnitt 	for gjennom	-	
føring av beregninger med NGM. I tillegg til å genere LOS	-data til Logistikkmodellen, gir 	
brukergrensesni	ttet muligheter for å endre kostnads	forutsetninger, gjennomføring av 	
beregninger med Logistikkmodellen og scenariospesifikk lagring av input	- og outputfiler.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	29	 	
3.	 Problematiske sider ved NGM	 	
3.1	 Et ambisiøst og ugjennomtrengelig modellsystem	 	
Formålet med denne ra	pporten er å vurdere hvilket anvendelsesområde NGM bør ha, og 	
hvordan NGM bør videreutvikles for å fungere best mulig innenfor dette. I forrige kapittel 
så vi at dette modellsystemet består av en rekke delmodeller som tar i bruk et stort antall 
datasett fr	a ulike kilder. Ambisjonsnivået er høyt: NGM modellerer godstransporten for 39 	
ulike varegrupper, 59 transportmidler og nær 500 soner. Modellen skal kunne brukes til å 
predikere endringene i godstransporten både på detaljert og aggregert nivå 	– og opp mot 	X 	
år frem i tid. Det er vanskelig nok å spå om fremtiden på et aggregert nivå: Hvordan vil 
behovet for godstransport utvikle seg over de neste 30 årene? Det er enda vanskeligere å 
etterpå skulle fordele dette over varegrupper, transportmidler og soner: Vil	 jernbane spille 	
en større rolle fremover? Hvilke terminaler vil bli lagt ned? For å kunne lage slike predik	-	
sjoner er det nødvendig å gjøre en rekke forutsetninger, dvs. å identifisere forhold som 
antas å være oppfylt. Både delmodellene og samspillet mell	om dem hviler på forutsetninger. 	
Hver av forutsetningene kan påvirke resultatene, slik at brudd på en forutsetning kan gi feil 
prediksjoner. Kvaliteten på data	settene utgjør en annen kritisk innsatsfaktor for predik	-	
sjonene fra modellen. 	 	
Ambisjonsnivået 	for NGM gjenspeiler seg i et nærmest ugjennomtrengelig modellsystem. I 	
dag skjer bruken av NGM i all hovedsak i et samarbeid mellom to aktører: TØI og SITMA. 
Ingen andre enn disse har tilgang til alle delmodellene eller datasettene. Det er riktignok 
mulig 	å kjøre NGM gjennom Cube, men mye av informasjonen om sentrale forhold som 	
kostnader og godsmengde må tas som gitt. Deler av den Excel	-baserte kostnads	modellen 	
ligger i skjulte ark, slik at vi ikke ser alle forutsetningene. I dette prosjektet har vi for e	ksem	-	
pel ikke hatt mulighet til å endre forutsetningene om det som utgjør de største kostnadene, 
dvs. laste	- og lossekostnader, men må gjøre endringer lenger ut i beregningene i en tekstfil. 	
Vi har heller ikke fått tilgang til PINGO, som kjøres av TØI, sli	k at det ikke har vært mulig å 	
vurdere hvordan denne fungerer. 	 	
Detaljnivået gjør at datasettene blir svært ressurskrevende å vedlikeholde og øker mulig	-	
heten for feil. Med varestrømmatriser for 39 ulike varegrupper, om lag 500 soner og tre 
aktører, vil de	t nødvendigvis være kreven	de både å samle inn relevant informasjon om alle 	
størrelsene og å unngå rene tastefeil i vedlikeholdet av datasettene. Det samme gjelder 
kostnads	modeller som beregner en rekke ulike kostnadskomponenter for 59 ulike tran	-	
sportmid	ler. 	 	
Samtidig er modellsystemet basert på til dels svært enkle forutsetninger om aktørenes 
atferd og muligheter. Et eksempel er at produksjonssted og lagersted forutsettes å være 
uendret fra basisåret til prognoseåret, dvs. fra 2012 til for eksempel 2050.	 Dette kan gjøre 	
at modellen gir langt mindre endringer i tilpasningen enn det som er rimelig å forvente, 
siden aktørene i modellen ikke har mulighet til å flytte produksjonen eller lagrene, bare til 
å tilpasse valget av transportmiddel og 	-strekning ut fr	a de produksjons	- og lagerstedene 	
som allerede finnes. Optimaliseringen i modellen blir dermed snevrere enn i virkeligheten.	 	
Vårt eget ambisjons	- og detaljnivå i vurderingen av NGM må nødvendigvis bli begrenset. Vi 	
går i det videre igjennom 	noen	 av de forh	oldene ved delmodellene og datasettene som kan 	
være viktige for hvordan modellen bør brukes og videreutvikles. Vi har prioritert de for	-	
holdene vi tror er de viktigste blant de vi faktisk har fått tilgang til å vurdere, og gått grundig 
inn i disse. I tille	gg drøfter vi et større antall andre forhold som vi mener kan være av 	
betydning, men der vi ikke har hatt kapasitet til annet enn en overfladisk vurdering. Denne 
drøftingen er basert på funn i forbindelse med dette arbeidet, vår rapport «Sam	funns	-

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
30	 	 	Vista Analyse	 	
økonomis	k analyse av tiltak innenfor godstransport» fra 2015 og den tilgjengelige doku	-	
men	tasjonen av modellene og datasettene. Overblikket gir vi i dette kapitlet, sammen med 	
en drøfting av metode. I de neste kapitlene går vi nærmere inn i enkelte forhold. 	 	
3.2	 Sent	rale problemstillinger 	 	
3.2.1	 Trendbrudd i prognosene tyder på at noe er galt	 	
Det at en modell er ambisiøs og ugjennomtrengelig, er ikke nødvendigvis til hinder for at 
den fungerer utmerket. Kvaliteten på modellen kan vurderes ved dens prediksjonskraft: I 
hvor 	stor grad lykkes den i å predikere det som faktisk har skjedd? Slike analyser er 	
imidlertid en mangelvare	, særlig på detaljert nivå.	 	
Unntak er vår egen rapport fra 2015	 (Ekhaugen, Homleid, & Rasmussen, 2015)	, der vi 	
sammenholdt	 den historiske utviklingen for flere av de størrelsene modellen predikerer, 	
med resultatene fra modellen. Resultatene var foruroligende. Dette er viktig: 	En 	
samfunnsøkonomisk analyse av et tiltak krever at virk	ningen av tiltaket beregnes i forhold 	
til en	 referansebane. 	I analyser av tiltak innenfor gods	transport lages referansebanen ved 	
NGMs framskrivninger av godstransport	mar	kedet med tilhørende transport	middel	-	
fordeling. Også virkningene av tiltakene beregnes i NGM, som differansen mellom 
utviklinge	n med tiltak og referansebanen. Gyldigheten av analy	sene avhenger dermed 	
kritisk av modellens prediksjonskraft. 	 	
I 2016 har også Transportøkonomisk Institutt levert en rapport 	(Grue, Madslien, & Hovi, 	
2016)	 hvor registrert utv	ikling i godstransport sammenliknes mot tidligere 	prognoser.	 	
De påviste trendbruddene viser at NGM ikke er egnet til å analysere alle typer tiltak på gods	-	
transportområdet. De viser også at noe er galt, og gir dermed en viktig bakgrunn for 
analysene av 	hva	 dette gale kan være. Sammenhengen mellom utvik	lingen og prognoser er 	
tema for avsnitt	 4.1.3	. 	
3.2.2	 Mangler i datagrunnlaget 	 	
Beregningene i NGM skjer på et svært 	omfattende og detaljert datamateriale, satt sammen 	
av data fra en rekke kilder. Vårt inntrykk er at det i innsamlingen og tilretteleggingen av 
disse dataene ikke har vært sett tilstrekkelig hen til hva modellen faktisk krever: For 
eksempel legges det i mod	ellen opp til å beregne strømmer mellom tre aktørtyper, men 	
dette er i liten grad hensyntatt i varestrømmatrisene. Et annet inntrykk er at detalje	-	
ringsgraden i mange tilfeller er 	tilsynelatende	: Antallet varegrupper, transportmidler og 	
soner er svært stor	t, men det er flere eksempler på at informasjon om én varegruppe 	
simpelthen er hentet fra informasjon samlet inn for en annen, og der det ikke er noen 
åpenbar logikk i at disse skulle være så like. 	 	
I denne rapporten har vi valgt å gå nærmere inn i varestr	ømmatrisene, og vie særskilt 	
oppmerksomhet til de to mat	risene for drikkevarer og matvarer, se avsnitt 	4.2	. Resultatene 	
viser et stort behov for å gå kritisk igje	nnom dataene også for de øvrige varestrømmene: 	
Grans bryggeri er gitt en uforklarlig stor rolle, mens Coca	-Cola og Hansa er avspist med noen 	
småflasker. 	 	
Kostnadsdataene har vi ikke hatt mulighet til å gjøre en skikkelig vurdering av: Slik regne	-	
arkene for	 kostnads	modellen er satt opp, har vi ikke hatt tilgang til selve dataene. Av den 	
tilgjengelige dokumentasjonen ser det imidlertid ut til å være behov for en kritisk gjennom	-	
gang også av disse.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	31	 	
Det tredje datasettet vi stiller spørsmål ved er produksjons	dataene, som gir informasjon om 	
de produsentene, distributørene og konsumentene som leverer og/eller mottar hver 
varegruppe. Her ser vi flere indikasjoner på at ikke alt er som det bør være, men uten at vi 
fullt ut klarer å avdekke hva som er galt. Dette t	ar vi for oss i avsnitt 	4.3	. 	
Vi understreker igjen at detaljeringsgraden må ta mye av skylden for de manglene vi ser og 
aner i datagrunnlaget: Det er simpelthen en	 nærmest uoverkommelig jobb å skulle lage 	
korrekte data for så mange varegrupper, transportmidler og soner som det er lagt opp til i 
NGM. Et selvstendig problem er at et slikt dataarbeid nødvendigvis må involv	ere svært man	-	
ge aktører.	 	
3.2.3	 Tvilsomme modellforut	setninger	 	
I vår rapport fra 2015 trakk vi frem flere modellforutsetninger som vi mente kunne være 
problematiske. Disse kan systematiseres som følger, med den aktuelle delmodellen i paren	-	
tes: 	 
1. Hva er konsekvensen av at modellsystemet ikke fanger opp strukt	urelle endringer i 	
vare	produksjonen, som etablering, nedleggelse eller flytting av bedrifter? (PINGO) 	 	
2. Hva er konsekvensen av at modellsystemet ikke fanger opp markedsdrevne end	-	
ringer i logistikkjedene, som flytting og sammenslåing av distribusjonslagre?	 	
(PINGO) 	 	
3. Er det mulig å utvikle mer presise prognoser for transportkostnader basert på 
utviklingen i enhetspriser for sentrale innsatsfaktorer? (Kostnadsmodellen)	 	
4. Er en forutsetning om (tilnærmet) frikonkurransetilpasning egnet som grunnlag for 
å lage pr	ognoser for utviklingen i godsmarkedet? (Logistikkmodellen)	 	
I arbeidet med denne rapporten 	går vi nærmere inn på noen av disse, men 	har 	– av flere 	
grunner 	– valgt å fokusere også på andre problemstillinger i tilknytning til NGM	 som	: 	
5. Datakvalitet	 	
6. Forutsetni	nger og beregninger knyttet til stereotypier	 	
7. Forutsetninger og beregninger knyttet til konsolidering av varestrømmer på tvers 
av varegrupper. 	 	
3.2.4	 Uheldige forenklinger i modellapparatet	 	
NGM er kjennetegnet av en forbløffende detaljeringsgrad på noen områder, 	men også av 	
grove forenklinger på andre. Disse forenklingene tar ulik form, og vi ser på tre av dem: 	 	
1. Utelatte variabler, dvs. at det er potensielt viktige variabler som ikke er med i 
modellen. Punktlighet er den variabelen vi antar er viktigst i NGM: 	Punk	tlighet er en 	
viktig faktor for valg av transportform, 	og ofte vil det 	være et viktig mål ved tiltak 	
på godsområdet å bedre nettopp punktligheten	. Dette tar vi for oss i avsnitt 	4.7	. 	
2. Ingen stokastikk, dvs. at modellen ikke tar høyde for at transportvalgene kan 
påvirkes av andre forhold enn de som tas	 inn som forklaringsvariabler. D	ette gir 	
seg bl.a. utslag i en «alt eller ingenting»	-regel i valg av transportmiddel,	 se avsnitt X.	 	
3. Krav om retningsbalanse, dvs. at det ikke tas høyde for at logistikkostnadene kan 
være ulike i to forskjellige retninger på en strekning, se avsnitt X.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
32	 	 	Vista Analyse	 	
3.2.5	 Brukergrensesnitt og dokumentasjon 	 	
Delmodellene i NGM er utviklet av flere aktører og me	d ulike verktøy, og 	– tilsynelatende 	– 	
begrenset koordinering av utviklingsarbeidet. Det er de siste årene gjort et betydelig arbeid 
for å tilpasse modellsystemet til Cube, slik at logistikkmodellen kan kjøres også av andre 
enn TØI og SITMA. Det er imidler	tid svært begrenset adgang til å se og endre forutset	nin	-	
gene bak, siden dette krever tilgang til PINGO og kostnadsmodellen. Disse kjøres dessuten 
hhv. i GAMS og Excel, slik at det uansett ville vært behov for å sette seg inn i flere 
programvarer og oppse	tt. Vi forstår det dessuten slik at TØI selv gjerne kjører logistikk	-	
modellen i DOS, slik at en etterprøving av deres arbeid ville budt på ytterligere utfordringer. 	 	
TØI og SITMA har utarbeidet en egen brukerveiledning for NGM, TØI rapport 1429/2015. 
Det 	finnes også rapporter og no	tater som dokumenterer enkelte deler av modellsystemet. 	
Samlet framstår likevel dokumen	tasjonen av modellen som fragmen	tert. Det er ikke 	
umiddelbart en	kelt å forstå sammenhenger mellom delmodellene, eller om variabler som 	
be	nyttes i flere del	modeller, brukes konsistent. 	 	
Kombinasjonen av komplekst og delvis utdatert brukergrensesnitt, og usystematisk 
dokumentasjon gjør at terskelen for å ta i bruk modellsystemet er høy. En konsekvens av 
dette er at bruken av modell	systemet 	hovedsakelig er begrenset til de aktører som har stått 	
for utviklingen av del	mod	ellene. Bedre dokumentasjon og brukergrensesnitt framstår som 	
helt nødvendig for å øke bruken av 	– og bygge tillit til 	– NGM.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	33	 	
4.	 Nærmere om utvalgte problemstillinger	 	
4.1	 Modellens beskrivelser vs. virkeligheten	 	
4.1.1	 Fordelingen av kostnadene i Logistikkmodellen	 	
Som utgangspunkt for vurderingene kan det være nyttig å gjengi sentrale resultater fra 
Logistikkmodellen.	 	
Figur 	4.1: 	Fordeling av kostnader, Nasjonal Godsmodell, 2012, Innenlands transport.	 	
 	
Kilde: Vista Analyse	 	
Figur 	4.1 viser hvordan totale kostnader i modellen (2012) fordeles på 	ulike kostnads	-	
komponenter. Summert over alle varegrupper utgjør kostnader knyttet til håndtering av 
varene (Laste	- og lossekostnader, Omlastingskostnader) til sammen nær halvparten av 	
kostnadene. Kostnader knyttet til framføring av godset (kjøretøykostn	ader, bom og 	
fergekostnader, havnekostnader) utgjør litt under 1/3 av 	totale kostnader mens vareeiers 	
kostnader (tidskostnader, ordrekostnader, lagerkostnader inkl. kapitalkostnader) utgjør 
litt mindre enn 1/4 av kostnadene.	 	
Det er store variasjoner i kost	nadsfordelingen mellom ulike varegrupper. Laste	- og 	
lossekostnadenes andel varierer fra 11 % (Dyrefor) til 68 % (Byggevarer). For 14 av 39 
vare	grupper utgjør laste	- og lossekostnadene mer enn halvparten av totale kostnader.	 	
Kjøretøykostnadenes andel var	ierer fra 10 % (Petroleum	, uraffinert	) til 59 % (	Dyrefor).	 For 	
9 av varegruppene utgjør kjøretøykostnadene mindre enn 20 % av totale kostnader.	 	
Også for 	enkelt av 	kostnadskomponentene	, som 	samlet står for en mindre andel av kost	-	
nadene, er det store varia	sjoner mellom varegruppene. Eksempler på 	dette er elektrisk ut	-	
styr (	tidskostnader utgjør 37 % av totale kostnader	), uraffinert petroleum (havne	kost	nader 	
utgjør 33 % av totale kostnader) og bearbeidet fisk (lagerkostnader og kapitalkostnader 
utgjør 51 %	 av totale kostnader).	 	
Kjøretøykostnader	
29 %	
Bom	-og ferjekostnader	
2 %	
Laste	-og lossekostnader	
41 %	
Havnekostnader	
1 %	
Omlastingskostnader	
3 %	
Tidskostnader	
14 %	
Ordrekostnader	
2 %	
Lagerkostnader	
3 %	
Kapitalkostnader, lager	
5 %

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
34	 	 	Vista Analyse	 	
4.1.2	 Trendbrudd mellom historisk utvikling og modellens prognoser 	 	
I vårt arbeid med NGM har vi sett en rekke eksempler på at prediksjonene fra 	NGM 	ikke 	
stemmer 	overens med den historiske utvik	lingen: Det er trendbrudd som ikke lar seg 	for	-	
klare ut fra rimelige antakelser om fremtiden. I vår rapport fra 2015 viste vi flere tilfeller av 
dette. To slående eksempler er vist i 	Figur 	4.2 og 	Figur 	4.3. 	
Figur 	4.2: 	Innenlands godstransport på vei (tonn), 1965 	– 2040. 	 	
 	Kilde: SSB (1965	-2013) 	 	
 
 
Figur 	4.3: 	 Transportarbeid med jernbane, innenlands godstransport, 1965	-2040 	 	
 	
Kilde: SSB (1965	-2013)	 	
Figur 	4.2 viser utviklingen i godsmengde (tonn) på vei i perioden 1965	-2013 sammenliknet 	
med modellberegnet godsmengde (NGM) på vei i 2012 og 2040. Volum	er i perioden 2012	-	
2040 vises med forutsetnin	g om lik prosentvis vekst i alle år. Av figuren går det fram at det 	
er godt samsvar mellom registrert og modellberegnet godstrafikk på vei i året 2012. Det 
beregnes imidlertid en klart større økning i godsmengden i årene framover enn den 
økningen som er r	egistrert i de senere år: Den gjennomsnittlige årlige veksten anslås til 2,8 	
0	
100
200
300
400
500
600
700	
1965	1975	1985	1995	2005	2015	2025	2035	
Millioner tonn	
Veitransport	
Registrert
Modellberegnet	
0	
1000
2000
3000
4000
5000
6000	
1965	1975	1985	1995	2005	2015	2025	2035	
Millioner tonnkm	
Transportarbeid, jernbane	
Registrert
Modellberegnet

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	35	 	
pst. i perioden 2012	-2040, mot 0,7 pst. i perioden 2000	-2013. Sagt på en annen måte: 	
Antallet tonn transportert på veg har økt med om lag 50 	millioner 	tonn de siste 20 årene 	– 	
som	 omfattet en gullalder i norsk økonomi 	– og anslås å øke med om lag 250 	millioner 	tonn 	
de neste 20 årene. 	 	
Figur 	4.3 viser utviklingen i 	gjennomsnittlig fraktlengde f	or godstransport med jernbane	. 	
Denne	 har vært stigende fram til de siste årene, hvor det er registrert en klar nedgang. 	
Modell	en beregner imidlertid en 	fraktlengde	 som	 ligger over det som er registrert, selv i de 	
årene der fraktlengden har vært størst.	 	
I forbindelse med denne rapporten har vi gått nærmere inn i forholdet mellom utviklingen 
i hhv. tonnkm. og transporterte tonn. 	Det har gjennom mange år vært en større økning i 	
tonnkm	. enn i transporterte tonn. I innenriks godstransport har det de siste 20 år	ene vært 	
en gjennomsnittlig årlig økning i tonn på 1,0 % pr. år. Samtidig har gjennomsnittlig 
transportlengde økt med 2,2 % pr. år slik at veksten i godstransportarbeid har vært 3,2 % 
pr. år.	 	
I beregningene som ligger til grunn for 	grunnprognosene til NTP	2018	-2027	, er økningen i 	
tonnkm. og transporterte tonn langt likere: Det	 beregnes en årlig økning i transporterte 	
gods	mengder på 1,5 % pr. år, mens det beregnes en årlig økning i godstransportarbeid på 	
1,4 % pr. år for perioden 2012	-2050. 	(Hovi, Caspersen, Johansen, Madslien, & Hansen, 	
2015)	. Årlige vekstrater er på 1,7 % for vei og jernbane og 1,2 % for sjøtransport. 	 	
Forutsetningene for p	rognosen fram til 2050 	er som følger: 	 	
�x 	Økonomisk utvikling i tråd med Perspektivmeldinge	n. Vekstbaner for brutto	pro	-	
duk	sjons	verdi, import, eksport, konsum og investeringer for hver sektor er regio	-	
nali	sert i en likevektsmodell.	 	
�x 	Kommunefordelte befolkningsprognoser fra SSB (MMMM) med en beregnet 
gjennomsnittlig befolkningsvekst på 0,7 %	 pr. år i perioden fram til 2040.	 	
�x 	Infrastrukturprosjekter for veg fram til 2018 er inkludert i transportnettverket. Det 
forutsettes ingen endringer mht. terminalstruktur eller lokalisering av terminaler.	 	
�x 	Uendret kostnadsstruktur for alle transportformer i	 prognoseperioden, med unntak 	
for svoveldirektivet for sjøtransport (SECA).	 	
(Grue, Madslien, & Hovi, 2016)	 sammenlik	ner prognoser og prognoseforutsetninger med 	
faktisk utvikling i perioden 2006	-2014. Sammenlikningen gjennomfør	es for innenlands 	
godstransport, totalt og delt på transportmidler. Hovedbildet fra sammenlikningen er som 
følger:	 	
�x 	Det er relativt godt samsvar mellom totalprognosene og registrert utvikling (både 
tonn og tonnkm), men det er store svingninger i registrert	e godsvolumer fra år til 	
år. Godstransporten har høy konjunkturfølsomhet. Prognosene farges av valg av 
basisår.	 	
�x 	Det har i perioden vært stagnasjon eller nedgang i omfanget av godstransport på 
sjø og jernbane	1 mens godstransporten på vei har økt kraftig. 	 Utviklingstrekkene 	
er ikke fanget opp i prognosene. 	 	
 	 	 	
1 På jernbane har det vært en økning i antall transporterte tonn. Dette er knyttet til malmtransport 
på Ofotbanen. 	Godstransportarbeidet (tonnkm) var i 2014 på samme nivå som i 2006, prognosene 	
tilsa en vekst på 25 % fra 2006 til 2014.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
36	 	 	Vista Analyse	 	
4.1.3	 Analyser av forventet utvikling innarbeides ikke i modellen	 	
Det er gjort et omfattende arbeid for å vurdere hva en kan vente seg av trender fremover på 
logistikkområdet 	(Grønl	and & Hovi, Godsknutepunkter 	- struktur og effektivitet, TØI 	
rapport 1128/2011)	. Noen av de viktigste underliggende trendene	 antas å være	: 	
�x 	Økt produktspesialisering og sentralisering av lager og distribusjonspunkter	 	
�x 	Økt økonomisk aktivitet i Asia 	 	
�x 	Økt	 konsentrasjon og oppkjøp innenfor transportsektoren 	 	
�x 	Økt utnyttelse av IKT	-baserte verktøy	 	
�x 	Bruk av ny teknologi for mer miljøvennlig transport og økt utnyttelse av lastbærere 	 	
�x 	Nye logistikk	-konsepter, økt differensiering i logistikksystemer og krav til g	ods	-	
knutepunkt	 	
�x 	Økt miljøfokus	 	
Trendene påvirker både varestrømmer (færre, men større produsenter og distributører, 
relokalisering av steder for produksjon og distribusjon	) og konkurranseflater mellom ulike 	
lastbærere (ulikt potensial for effektivisering/te	knologisk utvikling).	 	
Ingen av trendene fanges imidlertid opp i det settet av forutsetninger som er valgt for 
utarbeid	else av grunnprog	no	ser for perioden fram til 2050. Grunn	prog	nosene kan derfor 	
sies å være basert på at eksisterende trend	er in	nenfor logistikken bry	tes: Ingen produ	sen	-	
ter eller distribu	tør	er flytter, konkur	ran	se	flater endres ik	ke.	 	
Det er enkelt å finne eksempler på at trend	en i retning av færre, men større, pro	du	sen	ter og 	
distri	bu	tører stadig pågår. Orklas beslu	tning om å kon	sentrere produk	sjon	en på færre 	
steder (	Boks 	4.1) er et eksem	pel på dette. Av tekst	en går det fram at effek	tiv logistikk er en 	
viktig begrunnels	e for beslutningene.	 	
Usikkerhet knyttet til framtidige varestrømmer vil være et vesentlig bidrag til samlet 
usikkerhet i beregningene når NGM anvendes til langsiktige prognoser. Samtidig er det 
vanskelig å se hvordan metoder for beregning av varestrømmer 	langt fram i tid kan utvikles 	
med sikte på å gi bedre presisjon. For mange varegrupper er det høy sannsynlighet for at 
det vil bli færre og større produksjonsenheter, men vi kan vanskelig forutsi hvilke enheter 
som vil bli lagt ned, hvilke som vil vokse e	ller om det vil komme nyetableringer på nye 	
steder.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	37	 	
Boks 	4.1: 	Produktspesialisering og sentralisering. Eksempel	 	
 
4.2	 Varestrømmatrisene	 	
4.2.1	 Fordelingen av volumer på avsender	- og mottakerparene	 	
De 39 varestrømmatrisene i modellen inneholder volumer i tonn på alle sone	-sone rela	-	
sjoner fordelt på de tre stereotypene	 (avsender	- og mottakerparene)	 PC, PW og WC	, jf.	 	
nærmere beskrivelse i avsnitt 	2.2	. Av modelldokumentasjonen er det ikke enkelt å forstå 	
hvordan fordelingen av volumer skjer i NGM. Når vi går inn i resultatene	, finner vi imidlertid 	
flere resultater som virker lite rimelige. 	 	
Kilde: orkla.no

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
38	 	 	Vista Analyse	 	
Figur 	4.4: 	Varestrømmer 2012. Fordeling på stereotyper	 	
 	
Kilde: Vista Analyse	 	
Figur 	4.4 viser fordeling på stereotyper i matrise for 2012	1. Transporter mellom soner 	
utenfor Norge er ikke inkludert i oversikten. Av figuren går det fram at varestrømmer fra 
produksjon til konsum samlet utgjør nærmere 90 % av varestrømmene (målt i tonn). Det 
er imidlertid store variasjoner mellom varegruppene	, for flere varegrupper som 	
karakteriseres ved høy verdi og lange transportavstander utgjør varestrømmer fra 
 	 	 	
1 Matriser for 2012, 2022 og 2040 mottatt fra Transportøkonomisk Institutt 3.11. Matrisen for 2012 
har enkelte mindre avvik i forhold 	til matrise i modellversjon på NTPs e	-Rom.	 	
0 %	10 %	20 %	30 %	40 %	50 %	60 %	70 %	80 %	90 %	100 %	
Jordbruksvarer	
Frukt, grønt, blomster og planter	
Levende dyr	
Innsatsvarer termo
Fersk fisk og sjømat
Fryst fisk og sjømat
Termovarer, konsum
Matvarer, konsum	
Drikkevarer	
Dyrefor	
Organiske råvarer	
Andre råvarer	
Jern og stål	
Andre metaller	
Metallvarer	
Kjemiske produkter	
Plast og gummi	
Tømmer og produkter fra skogbruk	
Trelast og trevarer	
Flis og tremasse	
Papir	
Andre råvarer	
Kull, torv og malm	
Stein, sand, grus, pukk og leire	
Mineraler	
Maskiner og verktøy	
Elektrisk utstyr	
Byggevarer	
Sement og kalk
Forbruksvarer
Høyverdivarer
Transportmidler	
Petroleum uraffinert	
Naturgass	
Raffinerte petroleumsprodukter	
Bitumen	
Avfall og gjenvinning	
Bearbeidet fisk
Kunstgjødsel	
SUM Alle varegrupper	
Andel PC	Andel PW	Andel WC

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	39	 	
distributører store andeler (matvarer, frukt og grønt, elektrisk utstyr, transportmidler og 
høyverdivarer).	 	
Det er ikke intuitivt enkelt å forstå h	vordan varestrømmer fordeles på de tre stereotypene. 	
I utgangspunktet er det vel grunn til å anta at en distributør lokalisert i en sone mottar 
omtrent like store volumer (PW	-strømmer) som han leverer videre til konsum (WC	-	
strømmer) eller andre distributø	rer (PW	-strømmer) slik at PW	-strømmene for alle 	
varegrupper burde være minst like store som WC	-strømmene. På aggregert nivå gjelder 	
dette bare for et fåtall (6) varegrupper. For mange (16) varegrupper er strømmene fra 
distributør langt større enn strømme	ne til distributør, noen av disse varegruppene har 	
ingen transportstrømmer til distributør.	 	
Av dokumentasjonen av varestrømmatrisen 	(Hovi, Caspersen, & Grue, Varestrømsmatriser 	
med basisår 2012/2013, 2015)	 går det (side 57) fra	m at feil fordeling på stereotyper er en 	
kjent problemstilling. Den gjennomførte varestrømundersøkelsen inneholder for stor 
andel leveranser fra distributør til konsument, og det er ikke forsøkt korrigert for dette ved 
«oppblåsing» av matrisene. Om usikk	erheten som følger av dette omtales «	at bruk av 	
matrisene i detaljerte analyser vil kreve at man kvalitetssikrer matrisene mot det man har av 
annen tilgjengelig informasjon i det konkrete området. Det er gjennom bruk at man avslører 
feil og mangler og kan	 forbedre matrisene gjennom mer lokal kunnskap for et delområde»	. 	
For å belyse usikkerheten knyttet til varestrømmatrisene nærmere, går vi i påfølgende 
avsnitt nærmere inn på matrisene for drikkevarer og matvarer. 	 	
4.2.2	 Eksempel: 	Matrisen for drikkevarer	 	
I dok	umentasjonen av varestrømmatrisen 	(Hovi, Caspersen, & Grue, Varestrømsmatriser 	
med basisår 2012/2013, 2015)	 finner vi følgende omtale av arbeidet med matrisen for 	
drikkevarer:	 	
«Varestrømsundersøkelsen dekker i liten grad levera	nser fra de største produsentene av 	
øl og mineralvann i Norge. Det er derfor etablert en supplerende matrise til den som 
foreligger fra VSUen, med utgangspunkt i produksjonsvolum til de største produsentene. 
Informasjon om årlig produksjonsvolum er baser	t på informasjon som ligger 	
tilgjengelig på internettsidene til de ulike produsentene. Dette produksjonsvolumet er 
dividert med totalt antall innbyggere i Norge, for å få et anslag på årlig konsum pr. 
capita. Samlet konsum pr. sone er beregnet ved å mult	iplisere konsum pr. capita med 	
antall bosatte i hver av modellens soner. Leveranse	møn	steret er beregnet på en 	
forenklet måte ved å anta at alle produsentene leverer til alle landets kommuner. Dette 
vil generere et for høyt transportarbeid, fordi noen a	v de mindre produsent	ene i 	
hovedsak leverer til et lokalt marked.» 	 	
Drikkevarebransjen produserer øl, mineralvann og leskedrikker. Ifølge 	(Rålm (redaktør), 	
2013)	 er de største produsentene i norsk drikkevarebransje Ringnes AS	 (3,8 mrd. i 	
omsetning	1), Coca	-Cola	-enterprises Norge AS (2,4 mrd. i omsetning) Hansa	-Borg (1,2) 	
kommer på tredjeplass med omsetning. I tillegg kommer en del mindre produsenter med 
samlet omsetning på nivå med Hansa	-Borg. Grans bryggeri (0,181), Aas bry	ggeri (0,247), 	
Oskar Sylte (0,122), Lerum (0,461) og Mack (0,252). Samlet omsetning for de 8 største 
aktørene er om lag 8,5 mrd. kroner.	 	
 	 	 	
1 Omsetningstall for 2015, hentet fra proff.no

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
40	 	 	Vista Analyse	 	
Tabell 	4.1: Største leverandører av drikkevarer i 2012, Nasjonal Godsm	odell.	 	
Sone	 	Produsent	1 	Antall mottakere	 	Levert volum	 (1.000 tonn)	 	
Sogndal	 	Lerum	 	57	 	272 236	 	
Sandefjord	 	Grans	 	460	 	215 803	 	
Drammen	 	Aas	 	331	 	134 493	 	
Nittedal	 	Ringnes	 	188	 	133 439	 	
Molde	 	Oskar Sylte	 	71	 	123 067	 	
Kristiansund	 	? 	33	 	114 505	 	
Lørenskog	 	Coca Cola	 	458	 	85 863	 	
Fyresdal	 	Coca Cola 	 	19	 	83 117	 	
Kilde: Vista Analyse	 	
Tabell 	4.1 gir en oversikt over levert volum av drikkevarer (pwc9.dat) i NGM. Samlet volum 	
i matrisen er 2,17 mill. tonn. De 8 største leveringssonene står til sammen for noe over 
halvparten av dette 	(1,16 mill. tonn). Fordelt på stereotyper finner vi at 71 % av strømmene 	
er registrert fra produsent til konsument, 14 % av strømmene er registrert fra produsent 
til distributør og 14 % av strømmene er registrert fra distributør til konsument.	 	
Listen over	 store leveransesoner toppes av Sogndal, Sandefjord og Drammen. Dette er 	
kommuner hvor noen av de mindre drikkevareprodusentene (Lerum, Grans og Aas) er 
lokalisert. Vurdert ut fra omsetning er samlet markedsandel for de tre produsentene om 
lag 10 % 	- lik	evel går 29 % av volumet i matrisen ut fra disse tre sonene.	 	
På fjerdeplass finner vi Ringnes produksjon i Nittedal, med et leveringsvolum på 133	 000 	
tonn. Ifølge 	Ringnes hjemmesider	 (besøkt 17.11.2016) har anlegget en kapasitet på 180 	
mill. liter, noe som tilsvarer 25 % av forbruket av øl og mineralvann i Norge. I utgangs	-	
punktet kan det derfor se ut som volumene fra Nittedal er rimelige. Korrigeres det for at 
Nittedal er en stor mottakssone for import av drikkevarer 	– og en betydelig kommuneintern 	
leveranse, reduseres netto produksjon av drikkevarer i Nittedal til 36.000 tonn 	– eller ca. 	
20 % av kapasiteten ved anlegget. Ringnes har også anlegg i Larvik (Farri	s), Stor	-Elvdal 	
(Imsdal) og Trondheim (EC Dahl). For Larvik og Stor	-Elvdal er det registrert rimelige 	
volumer i matrisen, mens det fra Trondheim kun er registrert volumer fra distributør til 
konsument. 	 	
Lørenskog (Coca Cola) er oppgitt med leveranser på 8	6.000 tonn i matrisen. Samtidig er 	
det leveranser til sonen på 120.000 tonn. Selv med et av Norges største bryggerier er 
dermed Lørenskog registrert som netto mottaker av drikkevarer i matrisen.	 	
Hansa	-Borg 	– som oppgir å produsere om lag 95 mill. liter p	r. år 	– har produksjonsanlegg i 	
Bergen, Sarpsborg, Nordfjord og Kristiansand. Bare i Sarpsborg (16	 000 tonn) inneholder 	
matrisen volumer av betydning.	 	
 	 	 	
1 Drikkevareprodusenter vi har identifisert i de aktuelle sonene. Det kan også være andre 
produsenter i de samme sonene.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	41	 	
Tabell 	4.2: Største relasjoner, drikkevarer, 2012, 	Nasjonal Godsmodell	 	
Fra 	Sone	 	Til Sone	 	Type	 	Levert volum	 (1.000 tonn)	 	
Sandefjord	 	Ski	 	PC	 	85 989	 	
Fyresdal	 	Lørenskog	 	PC	 	59 240	 	
Drammen	 	Ås	 	PW	 	46 733	 	
Kristiansund	 	Hitra	 	PC	 	44 838	 	
Sogndal	 	Oslo 1	 	PW	 	31 425	 	
Nittedal	 	Oslo 2	 	WC	 	30 093	 	
Kilde: Vista Analyse	 	
Tabell 	4.2 gir en oversikt over største innenlands relasjoner i matrisen for drikkevarer. Den 	
største leveransen går fra Sandefjord (Grans bryggeri) til Ski (Rema 10	00 Sentrallager). 	
Matrisen inneholder ingen leveranser av drikkevarer fra Ski.	 	
Volumet fra Sandefjord til Ski inngår i matrisen som leveranse fra produsent til konsument, 
det vil si at det i modellen kan være flere leverandører og mottakere i hver sone. D	et er også 	
store leveranser fra Sandefjord til Stavanger og Bergen (andre Rema	-lagre). Samtidig er det 	
registrert volumer fra Sandefjord til de fleste innenlandske soner.	 	
Det er også en betydelig varestrøm fra Drammen til Ås, registrert som leveranse fra 
produsent til distributør. Samtidig er det ikke noen leveranser fra Ås i matrisen.	 	
4.2.3	 Eksempel: Matrisen for m	atvarer	 	
Matrisen for matvarer inneholder totalt 11 millioner tonn pr. år i 2012, fordelt på 12.746 
enkeltstrømmer. Volumene fordeles med 27 % fr	a produsent til konsument (PC), 6 % fra 	
produsent til distributør (PW) og 68 % fra distributør til konsument (WC). Denne matrisen 
er altså et 	– av mange 	– eksempler på at varestrømmatrisene ikke er forsøkt justert for å få 	
til en «riktig» fordeling på ste	reotyper. 	 	
En logisk inndeling av varestrømmene tilsier også at varestrømmene til/fra hver sone i 
matrisene bør kunne deles inn i: 	 	
1. Produ	sent	soner	: Soner med betydelige produksjonsvolumer som gir PC	- og PW	-	
strømmer ut av sonen slik at brutto volumer (i fo	rhold til folketall) er betydelige. I 	
den grad produksjonen baseres på vareinnsats, vil det også kunne være store PC	- 	
og WC	-strømmer inn til sonen. Netto varestrømmer (varestrømmer fra sonen 	
fratrukket varestrømmer til sonen) er positive.	 	
2. Distributørsone	r: Soner hvor større grossister og importører er lokalisert kan 	
forventes å ha store PW	-strømmer inn til sonen som balanseres mot WC	-strømmer 	
ut fra sonen. Netto varestrømmer er negative som følge av PC	- og WC	-strømmer 	
til forbruk i sonen.	 	
3. Konsumentsoner 	(flertallet av sonene)	 er so	ner med mange WC	- og PC	-strømmer 	
inn til sonen. Netto varestrømmer vil være negative.	 	
Vi finner ingen slik logikk i matrisen for matvarer. 	Figur 	4.5 viser varestrømmer til/fra 	
sonene i Oslo, samt kommunene Ski, Ås og Vestby i Follo. Av figuren går det fram at 
varestrømmene ikke er balansert på sonenivå. Oslo 1 (Oslo havn) har varestrømmer inn 
som tilsvarer mer enn 10 % av det samlede vol	umet i matvarematrisen, men ingen vare	-	
strømmer ut. 1/3 av volumet er leveranser fra andre soner i Oslo, resten består av 
leveranser fra andre deler av landet samt ubetydelige mengder (17.000) tonn importerte 
varer.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
42	 	 	Vista Analyse	 	
Nabosonen (Oslo 2; Filipstad) har vares	trømmer ut på nesten 700.000 tonn, mens det er 	
strømmer inn til sonen på under 100.000 tonn. Leveransene fra sonen går nesten 
utelukkende til innenlandske soner. Største leveranser går til Oppegård og Ski med til 
sammen 260.000 tonn.	 	
Figur 	4.5: 	Matvarer. Varestrømmer til/fra soner i Oslo, samt til/fra kommunene Ås, Ski og 
Vestby. Nasjonal Godsmodell, 2012.	 	
 	
Kilde: Vista Analyse	 	
Oppsummert finner vi at varestrømmatrisen for matvarer inneholder store 	svakheter (feil), 	
både når det gjelder strømmenes stereotypi (PC, PW og WC). For vurdering av modell	-	
resultater på aggregert nivå er det ikke sikkert at svakheter i varestrømmønsteret har så 
stor betydning, for vurderinger på mer detaljert nivå (terminal,	 strekning) vil imidlertid 	
svakheter ved varestrømmatrisen kunne påvirke resultatene i betydelig grad. 	 	
Store varestrømmer til/fra soner med havner (Oslo 1, Oslo 2) kan i modellen tenkes å gi 
konkurransefordeler til transporter med skip. For å undersøke 	mulige konsekvenser av 	
dette, har vi gjennomført en beregning hvor volumer inn til Oslo 1	-sonen og ut fra Oslo 2	-	
sonen begge flyttes til Oslo 5 (Alnabru). Utslagene både på kostnader og fordeling mellom 
ulike kjøretøygrupper er 	– noe overraskende 	– negli	sjerbar. 	 	
 -	 200 000	 400 000	 600 000	 800 000	 1000 000	 1200 000	
UtInn
UtInn
UtInn
UtInn
UtInn
UtInn
UtInn
UtInn
UtInn
UtInn
UtInn
UtInn
UtInn
UtInn
UtInn	
Ski	
Vest	by
Ås
Oslo 1
Oslo 2
Oslo 3
Oslo 4
Oslo 5
Oslo 6
Oslo 7
Oslo 8
Oslo 9	
Oslo	10	
Oslo	11	
Oslo	12	PC	PW	WC

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	43	 	
Det er grunn til å være forsiktig med å trekke konklusjoner basert på en enkel test, men 
resultatet kan indikere at det kvaliteten på modellberegningene i liten grad avhenger av en 
finmasket inndeling av sonene.	 	
4.3	 Bedrift til bedrift	-varestrømmer	 	
Med utgangspunkt i PWC	-matrisene og opplysninger om antall produsenter og mottakere i 	
hver sone, etableres bedrift til bedrift (B til b)	- matriser for alle varegrupper. 	Dette skjer i 	
Logistikkmodellen, i etableringen av produksjons	- og konsumfilene. Også h	er er det flere 	
forhold vi reagerer på.	 	
Filen «production.txt» 	gir en oversikt over	 antall produserende bedrifter og leverende 	
distributører. Totalt inneholder filen 152.310 produsenter og 110.001 leverende 
distributører. Størst antall produsenter finner 	vi for varegruppen «Innsatsvarer termo» 	
(60.774 produsenter) og «Jordbruksvarer» og «Dyrefor» (begge med 25.880 produsenter). 	 	
Prosedyren som gjør om PWC	-matrisene til bedriftsrelasjoner (firm2firm.exe) inneholder 	
prosedyrer for å bestemme antall B til b	-relasjoner med utgangspunkt i volum på 	
sonerelasjonene i PWC	-matrisen samt antall produserende og leverende bedrifter. 	
Prosedyren inneholder rutiner 	– spesielt utviklet for den norske godsmodellen 	- som 	
begrenser antall B til b	-relasjoner i tilfeller hvor 	beregningene gir for mange små B til b	-	
rela	sjoner. Det oppgis 	(de Jong, Ben	-Akiva, Baak, & Grønland, 2013)	, side 8 at det kun 	
etableres en B til b	-relasjon i tilfeller hvor volumet på sonerelasjonen er mindre enn 0,5 	
tonn, m	ens det for volumer i intervallet 0,5	-2 tonn gjøres en nedskalering av det tallet på B 	
til b	-relasjoner som beregnes på grunnlag av volumer og antall produsenter, distributører 	
og mottakere. 	 	
Gjennomgang av B til b	-matrisen for «Innsatsvarer termo» viser a	t prosedyren i dette til	-	
fellet overstyrer (det åpenbart uriktige) tallet på produsenter i «production.txt». Matrisen 
inneholder 704 B til b	-relasjoner, mens tilsvarende PWC	-matrise inneholder 700 relasjoner. 	
Bare en av relasjonene fra PWC	-matrisen er de	lt opp i flere relasjoner (Sola	-Bergen 1). 	
Ingen volumer under 50 tonn er i denne matrisen delt opp i flere B til b	-rela	sjoner. 	 	
For jordbruksvarer skjer det også en betydelig reduksjon i tallet på B til b	-relasjoner 	
sammenliknet med oppgitt antall prod	usenter og konsumenter. B til b	-matrisen for jord	-	
bruks	varer inneholder 3.307 leveranser, mens PWC	-matrisen inneholder 1.129 relasjoner. 	
Prosedyren resulterer dermed i et antall produsenter og konsumenter som er vesentlig 
lavere enn det som oppgis i «pr	oduction.txt» og «consumption.txt» samtidig som det 	
tredobles i forhold til antallet i PWC	-matrisen.	 	
For Ringsaker kommune inneholder «Production.txt» 562 produsenter som produserer til 
sammen 93	 000 tonn. 3 av produsentene står for volumer på gjennomsnit	tlig 10.156 tonn, 	
116 produsenter står for volumer på gjennomsnittlig 123 tonn mens det er 440 produsenter 
med en gjennomsnittlig produksjon på 99 tonn. Videre er det 14 distributører som 
distribuerer i alt 38.000 tonn. «Consumption.txt» inneholder 50 di	stributører som mottar 	
i alt 56.000 tonn, med volum varierende fra 	– 17.200 tonn. Videre er det 140 konsumenter 	
som mottar i alt 18.000 tonn. De fleste konsumentene mottar volumer under 100 tonn pr. 
år. 2 konsumenter mottar over 1.000 tonn pr. år (1.6	26 tonn og 7.524 tonn), videre er det i 	
alt 7 konsumenter som mottar mellom 100 og 1.000 tonn pr. år.	 	
PWC	-matrisen inneholder kun et volum hvor kommunen inngår. Dette er et kommune	-	
internt volum på 40.800 tonn fra produsent til konsument. Ut over dette e	r det ingen 	
leveranser av jordbruksvarer til eller fra Ringsaker kommune.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
44	 	 	Vista Analyse	 	
B til b	-matrisen inneholder i alt 34 leveranser internt i kommunen med samlet volum 	
tilsvarende det vi finner i PWC	-matrisen. Dette fordeles med 3 volumer på 10.618 tonn 	
hver, 5 vol	umer i intervallet 1.000	-10.000 tonn, 7 volumer i intervallet 100	-1.000 tonn 	
mens det er 19 volumer mindre enn 100 tonn. Fordelingen indikerer at logistikkmodellen 
benytter opplysningene om antall produsenter og konsumenter og leveransenes fordeling 
på st	ørrelser som ligger i produksjons	- og konsumfilene.	 	
4.4	 Endrede forutsetninger om konsolidering	 	
Blant mekanismene i modellsystemet NGM er det noen som i større grad bidrar til å gjøre 
modellen krevende å bruke. Det er interessant å vurdere hvor viktige disse m	ekanismene 	
faktisk er: Bidrar de med så mye at de forsvarer den økte ressursbruken de krever? I dette 
avsnittet tar vi for oss den konsolideringen som skjer i logistikkmodellen, mens vi i neste 
avsnitt drøfter bruken av stereotyper.	 	
Logistikkmodellen kjøre	s sekvensielt over de 39 varegruppene i modellen. Samtidig kan 	
flere lastbærere frakte ulike varegrupper samtidig. Det betyr at transporttilbudet som er 
tilgjengelig for frakt av en varegruppe også påvirker rammebetingelsene for frakt av andre 
vare	grupp	er. I modellen er dette forsøkt tatt hensyn til ved at volumene for enkelte 	
varegrupper multi	pli	seres opp med en konsolideringsfaktor. Konsolideringsfaktoren for 	
hver varegruppe i kon	solideringsklusteret bestemmes ved volumene summert over alle 	
relas	joner og vare	grup	per i klusteret dividert med volum summert over alle relasjoner for 	
den aktuelle vare	grup	pen.	 	
Modellen inneholder tre konsolideringsklustre:	 	
�x 	Konsolideringskluster 1 består av:	 	
o 	Varegruppe 2: Frukt og grønt	 	
o 	Varegruppe 4: Innsatsvarer 	termo	 	
o 	Varegruppe 6: Fryst fisk	 	
o 	Varegruppe 7: Termovarer konsum	 	
�x 	Konsolideringskluster 2 består av:	 	
o 	Varegruppe 18: Tømmer og produkter fra skogbruk	 	
o 	Varegruppe 19: Trelast og trevarer	 	
�x 	Konsolideringskluster 3 består av:	 	
o 	Varegruppe 8: Matvarer	 	
o 	Varegruppe 9: Dri	kkevarer	 	
o 	Varegruppe 12: Andre råvarer	 	
o 	Varegruppe 17: Plast og gummi	 	
o 	Varegruppe 26: Maskiner og verktøy	 	
o 	Varegruppe 30: Forbruksvarer	 	
o 	Varegruppe 38: Bearbeidet fisk	 	
For å undersøke hvordan konsolideringsforutsetningene påvirker resultatene i gods	-	
modellen, h	ar vi gjennomført to følsomhetsberegninger hvor konsolideringsfaktorene 	
halveres i den ene og settes lik 1 (dvs ingen konsolidering på tvers av varegrupper) i den 
andre.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	45	 	
Tabell 	4.3: Konsolideringsfaktorer og	 vareverdier	 	
 	Konsolideringsfaktor	 	Vareverdi (kr/tonn)	 	
 	Utgangspunkt	 	Halv	 	Innenlands	 	Eksport	 	
2 Frukt og grønt	 	3,66	 	2,33	 	12.039	 	17.073	 	
4 Innsatsvarer termo	 	271,08	 	136,04	 	37.880	 	20.751	 	
6 Fryst fisk	 	3,48	 	2,24	 	15.090	 	15.014	 	
7 Termovarer konsum	 	2,3	 	1,65	 	33.705	 	21.508	 	 	 	 	 	 	
18 	Tømmer sagbruk	 	1,26	 	1,13	 	578	 	456	 	
19 	Trelast og trevarer	 	4,82	 	2,91	 	10.754	 	6.752	 	 	 	 	 	 	
8 Matvarer konsum	 	3,45	 	2,225	 	16.530	 	55.061	 	
9 Drikkevarer	 	28,12	 	14,56	 	15.231	 	5.013	 	
12 	Andre råvarer	 	66,36	 	33,68	 	11.577	 	5.065	 	
17 	Plast og gummi	 	8,87	 	4,945	 	20.167	 	14.195	 	
26 	Maskiner og verktøy	 	32,83	 	16,915	 	128.443	 	179.457	 	
28 	Byggevarer	 	5,53	 	3,265	 	5.651	 	5.274	 	
30 	Forbruksvarer	 	3,71	 	2,355	 	75.602	 	124.524	 	
38 	Bearbeidet fisk	 	57	 	29	 	32.661	 	31.820	 	
Kilde: Vista Analyse	 	
Tabell 	4.3 viser konsolideringsfaktorer som ligger i modellen i utgangspunktet samt verdier 	
som er forutsatt ved halv konsolidering. Konsolideringsfaktorene ligger i kontrollfiler som 
er navngitt con	solidate	A_B.ctl, hvor 	A = varegruppe og	 B = kjøretøytype.	 Det er en kontrollfil 	
for hver kjøretøytype som tillates benyttet for varegruppen 	– og konsolideringsfaktoren 	
(EXP) ligger med samme verdi i alle kontrollfilene for hver gruppe. Gjennomføring av e	n 	
(relativt) enkel følsomhetsanalyse krever derfor manuell endring av ca. 70 kontrollfiler (14 
varegrupper * gjennomsnittlig 5 kjøretøytyper) av typen som vist i 	Figur 	4.6. 	
Figur 	4.6: 	Eksempel på kontrollfil for varegruppe 8, kjøretøygruppe 6 (consolidate8_6.ctl)	 	
 
 
 
 
 
 
 
 
 
 
 
 
Tabell 	4.4 og 	Tabell 	4.5 oppsummerer innholdet i produksjons	-, konsum	- og varestrøm	-	
matrisene for varegruppene som inngår i konsolideringskluster 1. Fra produksjon	- og 	
konsumfilene er det kun antall produsenter, kons	umenter og distributører som brukes i 	
CAPA=2	 	
MODE=6	 	
EXP=2.225	 	
MINFREQ=0.453	 	
NODES=..	\input	\nodes	\Nodes8.dat	 	
VHCL=..	\input	\costs	\Vehicles.txt	 	
VEHCL=1	 	
TONNES=..	\CHAINCHOI	\TONNES8_6.dat	 	
FREQ=FREQ8_6.dat	 	
VHCLTYP=VHCL8_6.dat	 	
CONSOL=CONSOL8_6.dat

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
46	 	 	Vista Analyse	 	
beregningene. Vi legger merke til at det er store forskjeller i forutsatt antall produsenter og 
at innholdet i konsumfilene for varegruppe 2 og varegruppe 7 er identisk.	 	
Tabell 	4.4: Innhold i produksjon	- og konsumfilene for varegruppene som inngår i kon	soli	-	
derings	kluster 1.	 	
 	Varegruppe 	2 	Varegruppe 	4 	Varegruppe 	6 	Varegruppe 	7 	
Production.txt	 	 	 	 	 	
Produksjon (1.000 tonn)	 	5.793	 	3.037	 	1.133	 	2.343	 	
Antall produsenter	 	25.880	 	60.774	 	646	 	7.996	 	
Distribusjon (1.000 tonn)	 	3.336	 	- 	540	 	2.228	 	
Antall distributører	 	1.169	 	- 	521	 	1.119	 	
Consumption.txt	 	 	 	 	 	
Distribusjon. (1.000 tonn)	 	3.554	 	1.129	 	1.261	 	3.554	 	
Antall distributører	 	7.986	 	6.867	 	7.388	 	7.986	 	
Konsum (1.000 tonn)	 	1.544	 	1.879	 	1.208	 	1.544	 	
Antall konsumenter	 	23.621	 	3.182	 	2.072	 	23.621	 	
Kilde: Vista Analyse	 	
I alle varegruppene i konsolideringskluster 1 er det flest leveranser fra produsent til kon	-	
su	ment, men volumene i matrisene er samlet størst for leveranser som er 	angitt som lever	-	
an	ser fra produsent til distributør. Mesteparten av dette (5,4 mill. tonn) er imidlertid lever	-	
an	ser mellom to utenlandske soner.	 	
Tabell 	4.5: Innhold i PWC	-filer som inngår i konsolidering	skluster 1	 	 	 	
 	Gruppe 2	 	Gruppe 4	 	Gruppe 6	 	Gruppe 7	 	SUM	 	
Antall relasjoner	 	3.165	 	700	 	1.623	 	4.195	 	8.267	 	
- herav PC	 	2.475	 	700	 	1.480	 	3.585	 	6.871	 	
- herav PW	 	18	 	- 	143	 	315	 	438	 	
- herav WC	 	672	 	- 	- 	295	 	958	 	
Leveranser (1.000 tonn)	 	3.702	 	23	 	3.597	 	4.788	 	12.110	 	
- herav PC	 	803	 	23	 	1.206	 	2.829	 	4.861	 	
- herav PW	 	1.800	1 	- 	2.391	1 	1.927	1 	6.119	 	
- herav WC	 	1.099	 	- 	- 	31	 	1.130	 	
Kilde: Vista Analyse	 	
Endrede forutsetninger om konsolidering påvirker i liten grad totale kostnader innenfor det 
enkelte konsolideringskluster. Av 	Tabell 	4.6 går det fram at kostnadene i kluster 1 og 2 øker 	
marginalt, mens kostnadene for konsolideringskluster 3 beregnes redusert med halv kon	-	
soli	dering for så i	gjen å øke noe uten konsolidering. Det er i varegruppe 8, matvarer, kost	-	
nadene reduseres, de øvrige varegruppene i konsolideringskluster 3 har en utvikling til	-	
svarende den vi finner for konsolideringskluster 1 og 2. 	 	
 	 	 	
1 Av dette er 1.800 tonn leveranser mellom t	o utenlandske soner

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	47	 	
Tabell 	4.6: Totale kostnader (mill. kroner) og prosentvis endring ved endrede forutset	-	
ninger om konsolidering	 	
 	Totale kostnader 	
(mill.kr)	 	
Halv 	
konsolidering	 	
Ingen konsolidering	 	
Konsolideringskluster 1	 	3 297 731	 	0,09 %	 	0,29 %	 	
Konsolideringskluster 2	 	3 082 606	 	0,00 %	 	0,02 %	 	
Konsolideringskluster 3	 	16	 902 784	 	- 0,48 %	 	0,18 %	 	
Kilde: Vista Analyse	 	
Mulighetene for konsolidering påvirkes også av hvilke forutsetninger om hvilke kjøretøy	-	
typer som kan benyttes til frakt av de ulike 	varegruppene. For konsolideringskluster 2 er 	
det bare ved sjøtransport samme kjøretøytyper kan benyttes for de to varegruppene som 
inngår i klusteret. Når beregnede volumer med sjøtransport samtidig er begrensede er det 
derfor ikke overraskende at utslag	ene av endrede forutsetninger blir marginale.	 	
Det er noe større utslag når vi ser på volumer for de enkelte kjøretøygrupper. I kon	soli	-	
derings	kluster 1 og 2 beregnes en beskjeden økning i volumene med lastebil og tog, sam	-	
tidig som volumene med skip red	useres. I konsolideringskluster 3 beregnes en betydelig 	
reduk	sjon i volumene med skip 	– og tilsvarende en sterk vekst i volumene med tog. Det er 	
også noe økning for lastebil. Summert over konsolideringsklustre og kjøretøy	grupper er 	
be	reg	nede endring	er logiske sett i relasjon til at lavere konsolideringsfaktorer gjør last	bær	-	
ere med stor kapasitet mindre attraktive. 	 	
Tabell 	4.7: Endring i transportarbeid i Norge ved endrede forutsetninger om konsolideri	ng	 	
 	Mill. tonnkm i Norge 	 	Halv 	
konsolidering	 	
Ingen konsolidering	 	
Konsolideringskluster 1	 	 	 	 	
Lastebil	 	706	 	0,63 %	 	0,67 %	 	
Tog	 	238	 	0,21 %	 	1,56 %	 	
Skip	 	338	 	- 1,52 %	 	- 1,75 %	 	
SUM	 	1 281	 	- 0,02 %	 	0,21 %	 	
Konsolideringskluster 2	 	 	 	 	
Lastebil	 	1 665	 	0,01 %	 	0,07 %	 	
Tog	 	486	 	- 0,03 %	 	0,25 %	 	
Skip	 	13	 	0,08 %	 	- 29,8 %	 	
SUM	 	2 164	 	0,00 %	 	- 0,06 %	 	
Konsolideringskluster 3	 	 	 	 	
Lastebil	 	4 020	 	0,23 %	 	2,61 %	 	
Tog 	 	1 289	 	1,92 %	 	15,46 %	 	
Skip	 	3 045	 	- 5,15 %	 	- 18,6 %	 	
SUM	 	8 355	 	- 1,47 %	 	- 2,78 %	 	
Kilde: Vista Analyse	 	
I til	legg til reduksjonen i volumer fraktet med skip, skjer det også en omfattende 	
omfordeling mellom ulike skipstyper. For containerskip overføres transporter fra mindre

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
48	 	 	Vista Analyse	 	
skip til større skip, mens det motsatte er forholdet for ro/ro	-skip. Gitt forutsetningen 	om 	
mindre grad av konsolidering er overgangen til større (container) skip overraskende.	 	
Figur 	4.7: 	Fordeling mellom skipstyper med modellens konsolideringsfaktorer (2012), 
med halvert konsolidering og uten kon	solidering. Konsolideringskluster 3	1. 	
Tonnkm i Norge.	 	
 	
Kilde: Vista Analyse	 	
4.5	 Endrede stereotyper	 	
I logistikkmodellen behandles varestrømmer ulikt avhengig av om varestrømmene går fra 
produsent til konsument (PC), fra produsent til distributør (PW) eller 	fra distributør til 	
konsument (WC). Som illustrert i 	Figur 	4.8 er tallet på distributører i en sone begrenset til 	
1, mens det kan være mange produsenter og konsumen	ter.	 	
 	 	 	
1 Merk avvik mellom tonnkm i figuren og tonnkm i 	Tabell 	4.7. Årsak til avvik ikke identifisert.	 	
 -
 500
 1 000
 1 500
 2 000
 2 500
 3 000
 3 500
 4 000
 4 500	
2012	2012HalvKons	2012_UtenKons	
4 1 Skip Container lo/lo 8 500 dwt
4 2 Skip Container lo/lo 14 200 dwt
4 3 Skip Container lo/lo 23 000 dwt
5 2 Skip Break bulk lo/lo 2 500 dwt
5 3 Skip Break bulk lo/lo 5 000 dwt
5 4 Skip Break bulk lo/lo 9 000 dwt
5 5 Skip Break bulk lo/lo 17 000 dwt
5 6 Skip Break bulk lo/lo 40 000 dwt
5 15 Skip Ro/ro (cargo) 8 000 dwt
5 16 Skip Ro/ro (cargo) 15 000 dwt
5 17 Skip Reefer 426 000 dbf
5 26 Skip GC (coastal sideport) 1 250 dwt
5 27 Skip GC (coastal sideport) 2 530 dwt
5 28 Skip GC (coastal ro/ro) 4 440 dwt

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	49	 	
Figur 	4.8: 	Stereotyper i Logistikkmodellen. Fordeling av sone	-til-sone volumer på bedrift 	
til bedrift	-relasjoner	 	
 	
Kilde: Vista Analyse	 	
Antall produsenter, konsumenter og leverende/mottakende distributører 	– og anslag for 	
volumer for disse 	– gis i produksjons	- og konsumfilene som er input til modellen. Mangler 	
opplysninger for en sone, settes anta	llet til 1. Dette er f.eks tilfelle for alle soner utenfor 	
Norge. 	 	
For relasjoner med volumer 	– og flere leverandører og mottakere 	– bestemmes antall 	
bedrift til bedrift	-relasjoner av en algoritme i modellen som inkluderer begrens	ninger 	
knyttet til mins	te årsvolum for ulike stereotyper. Forutsetninger og begrensinger er hard	-	
kodet (ikke mulig å endre for brukere av modellen), det er derfor ikke mulig å under	søke 	
om / i hvilken grad disse forutsetningene påvirker modellresultatene.	 	
For å undersøke hvord	an forutsetninger om varestrømmenes stereotyper påvirker 	
kostnader og fordeling mellom ulike transportmidler og kjøretøygrupper, har vi gjennom	-	
ført beregninger samlet for konsolideringskluster 1. Volumene i PWC	-matrisen er aggre	-	
gert, deretter er beregni	nger med ulike forutsetninger om stereotyper gjennomført. Øvrige 	
forut	setninger for beregningene er hentet fra varegruppe 2.	 	
Det er gjennomført beregninger med tre ulike sett av forutsetninger:	 	
4. Fordeling på stereotyper fra varestrømmatrisene (PWC)	 	
5. Fordel	ing hvor alle leveranser er forutsatt å gå fra produsent til konsument (PC)	 	
6. Fordeling hvor alle leveranser forutsettes å gå fra produsent til distributør / fra 
distributør til konsument (PW/WC)	 	
Årsaken til at beregningene for PW og WC er identiske er at in	gen av sone til sone 	
varestrømmene i disse kjøringene ble delt opp på flere bedrift til bedrift	-relasjoner.	 	
Fra produsent til 
konsument (PC)	 	
Fra produsent til 
distributør (PW)	 	
Fra distributør	 til 	
konsument (WC)

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
50	 	 	Vista Analyse	 	
Tabell 	4.8: Oppsummering av resultater. Beregninger for konsolideringskluster 1 med ulike 
forutsetn	inger om varestrømmenes stereotyper. Innenlands transport.	 	
 	PWC	 	PC	 	PW/WC	 	
Antall 	B til b	-relasj	oner	 	13 034	 	18 960	 	4 258	 	
Antall forsendelser	 	63 871	 	76 649	 	45 055	 	 	 	 	 	
Kjøretøykostnader (mill.kr)	 	753	 	754	 	751	 	
Tidskostnader (mill.kr)	 	254	 	254	 	254	 	
Lasse	- og	 lossekostnader (mill.kr)	 	1.840	 	1.841	 	1.839	 	
Havnekostnader (mill.kr)	 	3 	3 	3 	
Omlastingskostnader (mill.kr)	 	132	 	132	 	132	 	
Bom	- og ferjekostnader (mill.kr)	 	46	 	46	 	46	 	
SUM Transportkostnader (mill.kr)	 	3.028	 	3.030	 	3.025	 	
Ordrekostnader (mill.kr)	 	40	 	48	 	28	 	
Lagerkostnader (mill.kr)	 	39	 	46	 	29	 	
Kapitalkostnader (mill.kr)	 	54	 	62	 	40	 	
SUM Andre kostnader (mil.kr)	 	133	 	155	 	98	 	
Totale kostnader (mill.kr)	 	3.160	 	3.185	 	3.123	 	
Kilde: Vista Analyse	 	
 
Av 	Tabell 	4.8 går det fram at endrede forutsetninger om varestrømmenes stereotypi har 	
stor betydning for antall bedrift til bedrift relasjoner og antall forsendelser. Dersom alt 
forut	settes levert fra 	produsent til konsument øker antall relasjoner med 46 pst. og antall 	
for	sendelser med 20 pst. I tilfellet hvor alt forutsettes levert fra produsent til distributør 	
(eller fra distributør til konsument) reduseres antall B til b	-relasjoner med 67 pst. mens	 	
antall forsendelser reduseres med 30 pst.	 	
Sammenliknet med utslagene i tallet på relasjoner og forsendelser er virkningene på kost	-	
nadene marginale (+/	- 1 pst.). Virkningene på transportkostnadene er enda mindre (+/	- 	
0,1 pst.), mens utslagene på andre ko	stnader er større. Vi finner heller ikke nevneverdige 	
utslag i fordeling av transportene mellom kjøretøygrupper.	 	
Resultatene tilsier at skillet mellom ulike stereotyper har marginal betydning for logistikk	-	
modellens resultater. Om det betyr at dette er e	n konklusjon som også står seg i praksis er 	
vi mer usikre på. Beskjedne forskjeller mellom ulike forutsetninger om stereotyper kan 
også skyldes	 	
c) feil og unøyaktigheter i fordelingen av varestrømmer mellom stereotyper i 
modellens datagrunnlag 	(PWC	-matrisene)	 	
d)	 modellspesifikasjon og kostnadsforutsetninger kan dekke over forskjeller; ulike 
stereotyper behandles likt på områder hvor ulike stereotyper står overfor ulike 
muligheter. 	 	
4.6	 Utvikling i transportkostnader	 	
Innledningsvis i dette kapitlet så v	i at l	aste	- og lossekostnade	ne er de som	 utgjør den største 	
kostnaden i Nasjonal godsmodell (NGM). Summert over alle varegrupper utgjør denne

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	51	 	
kostnadskomponenten nærmere 40 % av totale kostnader. Med utgangspunkt i dette har 
vi valgt å gjennomføre en føls	omhetsanalyse	 av kostnadsmodellen, der	 laste	- og losse	kost	-	
nadene varieres gitt de muligheter som ligger i modellen	1. 	
I logistikkmodellen er laste	- og lossekostnadene for en leveranse gitt ved en konstant + et 	
mengde (tonn)	-avhengig ledd. Forutsetningen	e differensieres i modellen mellom 59 ulike 	
kjøre	tøyer, men ikke mellom varegrupper eller mellom ulike stereotyper (PC, PW, WC). Det 	
gis ingen begrunnelse for valg av funksjonsform.	 	
I (Grønland, Kostnadsmodeller for transport og l	ogistikk 	- basisår 2012, TØI	-rapport 	
1435/2015)	 redegjøres for hvordan kostnadsforutsetningene er utarbeidet. Viktige kilder 	
oppgis å være observasjoner på terminaler og opplysninger gitt av operatører. Det oppgis 
at det ligger inne forutsetninger o	m fordeling mellom ulike laste	- og lossemetoder. Videre 	
påpekes at kostnadene pr. forsendelse vil kunne variere betydelig, blant annet avhengig av 
hvor mange forsendelser det er pr. (bil) lass.	 	
Lar vi K betegne laste	- og lossekostnadene, 	-4 faste kostnad	er pr. leveranse og 	-5være 	
mengde	avhengige kostnader, bestemmes laste	- og lossekostnadene for hvert kjøretøy ved 	
formelen:	 	
(i)	 	-	
L	-4
E� -5�6KJJ	 	
Det redegjøres ikke for grunnlaget for fastsettelse av forutsetningene for 	-4, for 	-5 er det i 	
doku	mentasj	onen formler som angir grunnlaget for fastsettelse av verdiene, f.eks for 	
jernbane:	 	
(ii)	 	-5
L	&ENAGPA	� GKOPJ=@	� LN	�PKJJ	
E� �������������	� ���	� ���	
��������������	
E� ���������������
����	� �� �����	 	
Gitt den store betydningen for samlede kostnader er omtalen av laste	- og lossekostnadene 	
gitt en nokså beskjeden plass i modelldokumentasjonen. I Kostnadsmodellen 	som følger 	
Cube	-versjonen av NGM 	ligger underlags for beregning av 	-4 og 	-5 i skjulte ar	k. Vi finner 	
bare verdier til formelen (i) i åpne ark.	 	
Kombinasjonen av stor betydning for modellresultatene og begrenset dokumentasjon av 
grunnlaget for forutsetningene som er benyttet, gjør at laste	- og lossekostnadene peker seg 	
ut som et område hvor de	t bør være mulig å heve kvaliteten på beregningene i NGM. Det 	
kan være grunn til å vurdere flere forhold:	 	
1. 	Funksjonsform. Er det riktig å forutsette lineær avhengighet?	 	
2. 	Er det systema	tiske forskjeller mellom varegrupper? Kan slike forskjeller 	
ivaretas ved	 også å ta hensyn til volum?	 	
3. 	Er det systematiske forskjeller mellom ulike stereotyper? 	 	
For å få en indikasjon på hvordan endrede forutsetninger om laste	- og lossekostnader 	
påvirker modellresultatene har vi gjennomført en beregning hvor konstantleddet (	-4) 	
tredobles samtidig som det mengdeavhengige leddet 	-5 reduseres til 1/3 av opprinnelig 	
nivå. Endringene er ikke gjennomført for bulkskip og transport med fly. Oversikt over 
kostnads	forutsetninger i følsomhetsanalysen vises i 	vedlegg 1.	 	
 	 	 	
1 Vi har benyttet Cube	-versjonen av kostnadsmodellen, hvor makroer og enkelte beregningsark er 	
passordbeskyttet. Vi er blitt gjort oppmerksom på at skjul	te ark ikke er passordbeskyttet i versjon	en 	
av kostnadsmodellen som ikke har makroer for generering av inputfiler til logistikkmodellen.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
52	 	 	Vista Analyse	 	
Figur 	4.9: 	Laste	- og lossekostnader for containertransport, avhengig av mengde (tonn) og 	
transportmiddel. Ref = NGM	-forutsetninger. Til = Forutsetninger i følsomhets	-	
analyse.	 	
 	
Kilde: Vista Analyse	 	
Figur 	4.9 viser hvordan kostnadsforutsetningene er endret i følsomhetsanalysen for et 	
utvalg kjøretøyer, alle gjelder containerbasert transport. Vi ser at kostnadene for små 
volumer (under	 2 tonn) er økt, mens kostnadene for større volumer er redusert. I NGM er 	
det betydelige forskjeller mellom ulike kjøretøy når volum pr forsendelse øker, i følsom	-	
hetsanalysen er også forskjellen mellom ulike kjøretøy redusert.	 	
Det framgår ikke helt klart av modelldokumentasjonen 	(de Jong, Ben	-Akiva, Baak, & 	
Grønland, 2013)	 hvordan kostnadene beregnes for kombinerte transporter (f.eks bil	-tog	-	
bil). Vi antar at kostnadene er knyttet til stedet hvor la	stingen av containeren foregår. Det 	
betyr at det er satsene for lastebil som benyttes i de fleste tilfelle, mens satsene for skip og 
jernbane i hovedsak kommer til anvendelse ved overgang fra containerisert transport til 
annen transport ved jernbanetermin	aler og havner.	 	
Resultater av følsomhetsberegningen oppsummere i 	Tabel	l 4.9. Ikke uventet reduseres 	
samlede kostnader betydelig (	-10,3 pst). Mye av reduksjonen skyld	es reduserte laste	- og 	
lossekostnader (	- 22,3 pst), men også omlastingskostnader (	- 7,9 pst) og kjøretøykostnader 	
(- 4,8 pst) reduseres betydelig. Høyere faste laste	- og lossekostnader bidrar også til at tallet 	
på forsendelser reduseres med 3,5 pst.	 	
 -	
 500
 1 000
 1 500
 2 000
 2 500
 3 000
 3 500
 4 000	
0	1	2	3	4	5	6	7	8	9	10	11	12	13	14	15	16	17	18	19	20	
Laste
-og lossekostnader (kroner)	
Mengde (tonn)	
Semitrailer_Ref
Semitrailer_Alt
Lo/Lo8500_Ref
Lo/Lo8500_Til
Jernbane_Ref
Jernbane_Til

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	53	 	
Tabel	l 4.9: Oppsummering av resultater. Beregninger med endrede forutsetninger om 
laste	- og lossekostnader. Alle varegrupper, Innenlands transport, 2012.	 	
 	Alle varegrupper	 	Alle 	 	Endring	 	
Antall 	B til b	-relasj	oner	 	155.869	 	155.677	 	- 0,1 %	 	
Antall forsendelser	 	1.446.647	 	1.396.264	 	- 3,5 %	 	 	 	 	 	
Kjøretøykostnader (mill.kr)	 	16.502.217	 	15.710.527	 	- 4,8 %	 	
Tidskostnader (mill.kr)	 	7.976.823	 	8.190.369	 	2,7 %	 	
Lasse	- og lossekostnader (mill.kr)	 	22.995.562	 	17.861.324	 	- 22,3 %	 	
Havnekostnader (mill.kr)	 	820.670	 	836.090	 	1,9 %	 	
Loskostnader (mill.kr)	 	82.646	 	84.358	 	2,1 %	 	
Omlastingskostnader (mill.kr)	 	1.784.093	 	1.642.480	 	- 7,9 %	 	
Bom	- og ferjekostnader (mill.kr)	 	863.340	 	808.387	 	- 6,4 %	 	
SUM Transportkostnader (mill.kr)	 	51.052.840	 	45.160.952	 	- 11,5 %	 	
Ordrekostnader (mill.kr)	 	1.060.730	 	1.024.518	 	- 3,4 %	 	
Lagerkostnader (mill.kr)	 	1.786.671	 	1.825.422	 	2.2 %	 	
Kapitalkostnader (mill.kr)	 	2.654.588	 	2.712.734	 	2,5 %	 	
SUM Andre kostnader (mil.kr)	 	5.501.989	 	5.571.674	 	1,3 %	 	
Totale 	kostnader (mill.kr)	 	56.554.832	 	50.732.624	 	- 10,3 %	 	
Kilde: Vista Analyse	 	
Beregnet omfang av jernbanetransport øker betydelig i følsomhetsanalysen, tonnkm med 
jernbane øker med 32 %. Økningen kommer på bekostning av transport med lastebil som 
reduseres med	 7 %. Transport med skip er tilnærmet uendret (kostnadsforutsetningene er 	
bare endret for enkelte skipstyper). Ser vi på endringer innen kjøretøygruppene, finner vi:	 	
�x 	Økte transportmengder for lett distribusjon med lastebil	 	
�x 	Økte volumer for 25,25 meter vo	gntog	 	
�x 	Reduserte volumer for tyngre distribusjonsbiler og øvrige typer lastebil	 	
�x 	Sterk vekst for vognlast på jernbane (men fra et nivå tilnærmet 0)	 	
�x 	Dobling av termo	-kombitransport med tog	 	
�x 	Betydelig økning i andre kombinerte transporter med tog.	 	
Slik vi har 	gjennomført beregningene fanges ikke opp at endringer i laste	- og losse	kost	-	
nadene i Kostnadsmodellen også medfører endringer i omlastingskostnader. Dersom disse 
endringene var inkludert, ville beregningsresultatene vært noe annerledes, men neppe i en 
slik grad at det ville påvirke inntrykket av at forutsetninger om laste	- og lossekostnader er 	
av stor betydning for modellresultatene.	 	
4.7	 Modellformulering og variabler i modellen	 	
4.7.1	 Deterministisk modell gir usikkerhet 	 	
Prosedyren for valg av sendingsstørrelse o	g frekvens i Logistikkmodellen er deterministisk. 	
Alle transportører står overfor de samme kostnader og verdien av varene er også lik 
(innenfor hver varegruppe). Det er dermed bare forskjeller i sendingsstørrelse som kan 
føre til at ulike transport	løsn	inger velges for en varegruppe på en sone til sone relasjon.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
54	 	 	Vista Analyse	 	
Dette vil medføre at endrede forutsetninger i enkelte tilfelle gir store endringer i valg av 
transportløsning, men i langt flere tilfeller ikke fører til noen endringer	. 	
Med mange sone til son	e relasjoner vil det ofte være slik at vi får store endringer på noen få 	
relasjoner, mens løsningen på de fleste relasjonene ikke endres. Deterministisk løsning er 
derfor et mindre problem når modellen benyttes til å se på aggregerte resultater enn i 
tilf	eller hvor en er opptatt av å analysere endringer på detaljert nivå.	 	
I praksis vil det være store variasjoner rundt de gjennomsnittsverdier som inngår i forutset	-	
ningene i Logistikkmodellen. Det vil også være forhold som ikke er spesifisert i modellen 
som	 påvirker valg av transportløsning. Begge deler gir grunn til å anta at valg av transport	-	
løsning (på sone til sone nivå) vil være mer variert enn det som beregnes i modellen.	 	
Logistikkmodellen optimerer sendingsstørrelse og frekvens på disaggregert nivå.	 Det betyr 	
at forholdene ligger godt til rette for å introdusere stokastiske elementer som kan gi større 
realisme også på et mer detaljert nivå. Det bør være mulig å legge inn variasjoner knyttet 
til enkeltforutsetninger i modellen, i tillegg kan det ogs	å legges til et stokastisk ledd for å 	
forsøke å ta hensyn til manglende variabler.	 	
4.7.2	 Modellen håndterer ikke variasjoner i punktlighet	 	
Punktlighet/pålitelighet inngår ikke blant 
variab	lene som bestemmer transport	bruk	-	
ernes tilpasning i NGM. Samtidig vet 	vi at 	
pålite	lighet har stor betyd	ning for valg av 	
trans	port	løsning innen gods	transport. 	 	
Analyser gjennomført av verdsetting av tid og 
pålitelighet for godstransport på jernbane 
(Halse & Killi, TØI rapport 1189/2012)	 finn	er 	
enhetsverdier for spart forsinkelsestid i stør	-	
relsesorden 6	-7 ganger verdien av spart trans	-	
porttid, 	tilsvarende verdsetting finnes for 	
laste	biltransport i 	(Halse, Samstad, Killi, 	
Flügel, & Ramjerdi, TØI rapport 1083/2010)	. 	
Konsekvensene av for sene leveranser 
varierer i betydelig grad mellom ulike 
transporter. I mange tilfeller er konse	kven	-	
sene av mindre forsinkelser beskjedne, i noen 
tilfeller kan konsekvensene bli store. Dette 
gjelder f.eks	. dersom produksjonsprosesser 	
må stanses fordi nødvendige innsatsvarer ikke 
kommer fram i tide.	 	
Transportbrukerne kan tilpasse seg til en gitt 
pålitelighet ved å legge en buffertid mellom 
planlagt ankomst for transp	orten og 	
tidspunktet varene skal anvendes videre. 	For 	
den enkelte transportør vil derfor forsink	-	
elses	kostnadene ikke være lineært avhengig 	
av forsinkel	senes lengde, den kan f.eks	. uttrykkes ved en sammenheng som vist i 	Figur 	4.10	 	
(hentet fra 	(Halse & Killi, TØI rapport 1189/2012)	). 	
Kilde: (Jernbanemagasinet nr 5, 2016)

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	55	 	
Figur 	4.10	: Tenkt sammenheng mellom forsinkelsens lengde og 	forsinkelseskostnadene	 	
 	
Kilde: 	(Halse & Killi, TØI rapport 1189/2012)	 	
Med en slik sammenheng, kan forsinkelseskostnadene (	F) tilnærmes ved en formel av 	
typen:	 	
(i)	 	(	
L� (4�2:B
P	>;
E	(5�> 	
hvor b er buffertiden, 	(5 er kostnader pr. time for buffertid, 	(4 er kostnader som oppstår 	
når forsinkelsen er større enn buffertiden og 	2� :B
P	>; er sannsynligheten for at forsink	-	
elsen er større enn buffertiden som er lagt inn. 	Med	 en slik sammenheng, vil vareeierne 	
søke å mi	nimere forsinkelseskostnadene 	ved å finne den lengden på buffertiden hvor 	
kostnad	ene ved å øke buffertiden (	(5) motsvarer endret sannsynlighet for forsinkelse 	
lengre enn buffertiden (	!�
!�	) multiplisert med kostnaden (	(4): 	
(ii)	 	!�
!�	�� (4
L� (5 	
Vareeier	s mulighet til å optimalisere buffertiden avhenger av om han selv kan bestemme 	
når transporten gjennomføres. For rutegående transport må optimaliseringen gjennom	-	
føres gjennom å velge mellom et sett av buffertider, gitt av transportørenes ruteplaner. Git	t 	
samme sannsynlighet for forsinkelser, vil derfor forsinkelseskostnadene være større når 
varetransportene skjer med rutegående transport.	 	
Med endret sannsynlighet for forsinkelser, vil vareeierne ønske å tilpasse lengden på buffer	-	
tiden. Færre forsinkels	er gir gevinster både i form av redusert buffertid og mindre sann	-	
synlighet for forsinkelser lengre enn buffertiden.	 	
Modellering av pålitelighet er ikke vanlig i transportmodeller, verken for persontransport 
eller godstransport. Det kan være flere årsak	er til dette:	 	
1. Begrenset kunnskap om konsekvenser for transportbrukerne (redusert nytte, økte 
kostnader) av endringer i pålitelighet.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
56	 	 	Vista Analyse	 	
2. Begrenset statistisk grunnlag om pålitelighet for ulike transportmidler, både nivå 
(median) og variasjoner (standardavvik) 	på forsinkelsene.	 	
3. Problemer knyttet til å inkludere variasjoner i pålitelighet, særlig i modeller som 
baseres på aggregerte reisestrømmer.	 	
Logistikkmodellen er basert på disaggregerte reisestrømmer. 	Dette gjør at det kan ligge til 	
rette for å inkludere pu	nktlighet som variabel i modellen og inndele forsinkelseskostnadene 	
tilsvar	ende det som er gjort i (i). Vi vet lite om hvordan forsinkelseskostnadene (	(4� �o�g	� (5) 	
varierer mellom ulike transporter, men antar at det er store variasjoner, særlig i kostna	dene 	
som oppstår når forsinkelsen overstiger buffertiden (	(4). 	Generelt er det også begrenset 	
tilgang til opplysninger om hvordan punktligheten varierer i dagens situasjon. 	I hvilken 	
grad i	nnarbeiding av forsinkelseskostnader i modellen vil heve kvalite	ten på 	beregningene 	
er derfor likevel usikkert.	 	
Alle tiltak som påvirker kapasiteten i transportnettet og ved terminaler kan også påvirke 
punktligheten for varestrømmene. Når punktlighet ikke inngår som egen variabel i	 logi	-	
stikk	model	len har det derfor	 størst konsekvenser for denne typen prosjekter: Nytten av 	
tiltakene undervurderes systematisk sammenliknet med andre typer tiltak.	 	
4.7.3	 Retningsbalanse	 	
I Nasjonal Godsmodell hånd	teres varestrømmer i ulike retninger separat. 	Det betyr at 	
løsningen (fordeling p	å kjøretøytyper, frekvens for de ulike kjøretøytypene og kostnad pr. 	
godsenhet) for en stor varestrøm fra A til B	 finnes uavhengig av løsningen for en liten vare	-	
strøm i motsatt retning (fra B til A). 	For å ta hensyn til retningsubalanse, legges det i 	
mod	ellen på et prosentpåslag på alle kjøretøystrømmer for 	å ivareta tomkjøring. 	Vi får:	 	
�x 	Større kjøretøyer og/eller høyere frekvens fra A til B enn fra B til A	 	
�x 	Tilnærmet lik kapasitetsutnyttelse i begge retninger	 	
�x 	Lavere transportkostnader 	(for vareeier) 	fra A	 til B enn fra B til A	 	
Utenfor modellen finnes løsninger for 	transportstrømmene fra A til B 	simultant 	med 	
løsningene for transportstrømmen fra B til A, og transportørene tar både hensyn til kost	-	
nader og etterspørsel (betalingsvilje). Dette gir som oftest	 løsninger karakterisert ved:	 	
�x 	Samme kjøretøyer og frekvens i begge retninger	 	
�x 	Høyere kapasitetsutnyttelse fra A til B enn fra B til A	 	
�x 	Høyere transportkostnader (for vareeier) fra A til B enn fra B til A	 	
Basert på opplysninger innhentet fra transportører 	(Grønland, Berg, Bø, & Hovi, TØI rapport 	
1372/2014)	 finnes store variasjoner i prising avhengig av retning på enkelte større 	
innenlands relasjoner	 (se 	Figur 	4.11	). Det er gjennomgående høyere transportpriser fra 	
Østlandet sammenliknet med transporter til Østlandet, men forskjellene varierer mye 
mellom ulike relasjoner.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	57	 	
Figur 	4.11	: Forhold mellom 	priser og kostnader (pst.) for en del utvalgte strekninger 	
(lastebil)	 	
 	
Kilde: 	(Grønland, Berg, Bø, & Hovi, TØI rapport 1372/2014)	 	
Det er ikke gitt at en modellformulering som ivaretar retningsbalanse mellom ulike 
områder vil gi store forskjeller i resultatene på aggregert nivå sammenliknet med hvordan 
NGM i dag finner løsninger for varestrømmene. Det er nærliggende å anta at en simu	ltan 	
løsning av varestrømmer i flere retninger ville gi en løsning for begge retninger som likner 
mer på løsningen for dimensjonerende retning (fra A til B) enn på løsningen i motsatt 
retning (B til A). Er dette riktig, 	vil en simultan løsning innebære hø	yere andeler for 	
kjøretøytyper med stor kapasitet og lavere andeler for kjøretøytyper med mindre kapasitet 
sammenliknet med dagens modell.	 	
Med noe større sikkerhet kan det slås fast at beregnede endringer i valg av kjøretøytyper 
som følge av ulike endringe	r (volumendringer, tiltak i transportnettet m.v.) vil bli mindre 	– 	
og mer realistiske 	- dersom NGM endres slik at hensynet til retningsbalanse fanges opp i 	
modellen.	 	
4.7.4	 Andre sammenhenger	 	
Modellformuleringen inneholder en rekke forutsetninger om sammenhenger 	mellom ulike 	
variabler. Vi har ikke hatt mulighet til noen systematisk gjennomgang av disse, men ser at 
det kan være grunn til å stille spørsmål ved hvordan enkelte sammenhenger defineres i 
modellen. 	 	
Et eksempel på dette er laste	- og lossekostnadene som	 i modellen varierer mellom ulike 	
last	bærere og avhenger av mengden (tonn) samtidig som kostnadene ikke varierer av	-	
hengig av varetype eller volum.	 Det kan også tenkes at det er forskjeller i laste	- og 	
lossekostnadene mellom ulike stereotyper	. For l	ever	anser 	fra produsent 	til distri	butør 	er 	
det grunn til å anta at det etableres effektive rutiner for håndtering av lasting og lossing som 
kan være vanskelig å realisere ved 	leveranser 	produsent eller distributør 	til konsument.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
58	 	 	Vista Analyse	 	
5.	 Bruk og utvikling av NGM	 	
5.1	 Hva 	skal NGM kunne brukes til?	 	
Et foredrag fra 2010 	(Madslien, DEMOLOG; Modellering av logistikk fra et makroperspektiv, 	
2010)	 gir en oversikt over hva modelletablererne på det tidspunktet så for seg at modellen 	
kunne brukes til å 	beregne virkninger av endringer i et stort antall eksogene variabler:	 	
1. Endring i transportkostnader, både fremføring og laste/losse/omlasting (baken	-	
forliggende detaljert kostnadsmodell med drivstoffpriser og andre priser, 
sjåførlønn, laste/lossekostnad mv)	 	
2. Endring i transporttid (infrastruktur, tidsbruk i terminal osv.)	 	
3. Endring i kjøretøytyper tilgjengelig	 	
4. Endring i terminalstruktur (antall, lokalisering, tilgang for kjøretøy og varer)	 	
5. Endring i kapasitet på jernbanen	 	
6. Endring i dybde ved kai	 	
7. Endring i lokal	isering av industri (påvirker matrisene)	 	
8. Økonomisk utvikling (påvirker matrisene; MSG og Pingo)	 	
Vi har ingen oversikt over samlet bruk av modellsystemet, men antar at modellen er 
anvendt av flere brukere i tilknytning til analyser av større tiltak innenfor	 vei	- , jernbane	- 	
og havnesektoren.	 	
Videre foreligger en rekke rapporter som dokumenterer arbeider hvor NGM er benyttet til 
å belyse spesielle problemstillinger. De vi har funnet er alle utarbeidet av 	– eller basert på 	
beregninger gjennomført av 	- en elle	r flere av organisasjonene som har utviklet modellen 	
(Transportøkonomisk Institutt, SITMA, Signifi	cance). Et par av disse arbeidene gjennomgås 	
i avsnitt 	5.2	. 	
5.2	 Eksempler på bruk av NGM	 	
5.2.1	 NTP Godsanalyse. Hovedrapport	 	
I forbindelse med utarbeidelsen av Nasjonal Transportplan for perioden 2018	-2029 gjen	-	
nom	førte transportetatene og Avinor en bred 	samfunnsanalyse av godstransport. Hen	-	
sikten med arbeidet var å etablere et oppdatert kunnskapsgrunnlag for etatenes arbeid med 
godstransport 	– og målet var å bidra til sikrere, mer miljøvennlig og samfunns	øko	nomisk 	
effektiv transport av gods.	 	
Resultate	ne av arbeidet oppsummeres i en hovedrapport 	(NTP Godsanalyse, 2015)	, vår 	
tolkning av konklusjonene gjengis nedenfor.	 	
1. Transport av gods må bli sikrere, mer miljøvennlig og effektivt for alle transport	-	
former	 	
1.1.	 Teknologisk utvikli	ng.	 	
1.2.	 Peker på offentlige aktørers rolle som eiere av infrastruktur og foretak, regulator 
og transportkjøper.	 	
2. Liten konkurranse mellom transportformene	 	
2.1.	 Ulike transportmidler har ulike roller.	 	
2.2.	 5-7 millioner tonn kan overføres fra vei til skip eller jernbane d	ersom sterke tiltak 	
settes i verk. Vurdert ut fra samfunnsøkonomiske lønnsomhets	kriterier er 	
potensialet mer beskjedent.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	59	 	
3. Lastebilens og flytransportens økte konkurransekraft henger sammen med mer hast 
og mer handel mot øst.	 	
3.1.	 Veitransport her vunnet terren	g som følge av endringer i hva vi handler, hvem vi 	
handler med, grad av sentrallagring samt lastebilens anvendelighet og fleksibilitet	 	
3.2.	 Raske leveranser med fly utvider markedet for fersk fisk	 	
3.3.	 Utvidelsen av EU har flyttet industriproduksjon og varestrømmer 	østover	 	
4. Desentralisert terminalstruktur med god arealtilgang gir størst volum på sjø og bane	 	
4.1.	 Lave innhentings	- og distribusjonskostnader er avgjørende for kombinerte trans	-	
porter	 	
4.2.	 Dagens arealstrategier legger til rette for effektiv transport på vei, etablering av 
bynære havne	- og jernbaneterminaler møter arealkonflikter og begrensninger. 	 	
5. For jernbanen er sikring av dagens transport den viktigste oppgaven.	 	
5.1.	 Driftssikkerhet og effekt	ivitet må bedres for å holde på kundene.	 	
5.2.	 Nødvendig med store investeringer i terminaler og banenett, konkurranse med 
persontog om begrenset sporkapasitet	 	
6. Sterk vekst for alle transportformer 	– men sterkest for lastebilen	 	
6.1.	 Veksten i vegtransport kan halveres	 ved å gjøre veitransport dyrere og annen 	
trans	port billigere og mer effektiv.	 	
6.2.	 Bedre veinett, større vogntog og økt konkurranse styrker veitransportens 
konkur	ransekraft.	 	
Nasjonal godsmodell (NGM) er brukt intensivt i arbeidet med den brede samfunnsanaly	sen 	
av godstransport. De fleste konklusjonene fra analysen (1, 3, 4 og 5) ser likevel ut til å være 
basert hovedsakelig på generell kunnskap om status og utvikling i godsmarkedet. Arbeidet 
med å etablere datagrunnlag for godsmodellen kan ha hatt stor bet	ydning for etablering av 	
denne kunnskapen.	 	
Konklusjonene 2 og 6 ser ut til å være basert på beregninger gjennomført med NG	M. Som 	
vi har påpekt i avsnitt 	Feil! Fant ikke referansekilden.	 undervurderer modellen 	
konkurranseflatene mellom trans	port	midlene; det forutsettes at transportsystemet ikke 	
påvirker hvor varer prod	useres, i tillegg forutsettes det også uendret lokalisering av 	
terminaler	 og grossistlagre	. 	
5.2.2	 Godsknutepunkter 	– struktur og effektivitet	 	
Rapporten 	(Grønland & Hovi, Godsknutepunkter 	- struktur og effektivitet, TØI rapport 	
1128/20	11)	 belyser 	 	
�x 	Terminalstrukturer	 	
�x 	Alternative transportkjeder for import av containergods til Vestlandet	 	
�x 	Potensial for økt grensekryssende jernbanetransport	 	
�x 	Godsknutepunktstruktur rundt Oslofjorden	 	
Terminalstruktur og potensial for grensekryssende 	jernbanetransport	 er belyst utenfor 	
NGM, men det er 	i begge tilfeller 	tatt utgangspunkt i forutsetninger fra Kostnadsmodellen	 	
og datagrunnlag fra varestrømmatriser mv	. 	
Analysen av a	lternative transportkjeder for import av containergods til Vestlandet er	 gjen	-	
nom	ført ved å endre PWC	-matrisene slik at import av gods i mindre grad går via Oslo. 	
Deretter er det gjennomført beregninger med Logistikkmodellen som er sammenliknet med 
beregninger gjennomført med de opprinnelige PWC	-matrisene.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
60	 	 	Vista Analyse	 	
Analysen av altern	ativ knutepunktstruktur rundt Oslofjorden er gjennomført ved hjelp av 	
modellen. Konkret er det lagt restriksjoner på bruk av ulike skipstyper i ulike havner for å 
analysere konsekvenser av ulike muligheter for etablering av godsknutepunkter. 	Analysen 	
fra	mstår som et godt eksempel på hva modellen kan brukes til.	 	
5.3	 Videre utvikling av NGM	 	
Med bakgrunn i 	vår gjennomgang av Nasjonal Godsmodell, baserer vi vår vurdering av 	
videre utvikling av modellen på følgende hovedkonklusjoner:	 	
4. NGM er mer egnet til å gjennom	føre analyser på kort sikt enn på lang sikt. Usikker	-	
heten knyttet til framtidige godsstrømmer er vesentlig større enn den usikkerheten 
vi finner i persontransportmodeller. For mange varegrupper er det vanskelig å se 
for seg at det kan etableres gode met	oder for å anslå utvikling i lokalisering av 	
produksjon og distribusjon. 	 	
5. Modellen er mer egnet til å gjennomføre analyser på aggregert nivå enn på disag	-	
gre	gert nivå. Dette skyldes både svakheter ved modellens datagrunnlag og egen	-	
skaper ved modellen.	 	
6. Modellsystemet framstår som lite tilgjengelig og stiller store krav til brukerne.	 Uten 	
et bedre brukergrensesnitt (muligheter til å gjennomføre endringer i viktige ekso	-	
gene variabler uten å redigere tekstfiler eller kontroll	filer) og en sikrere håndterin	g 	
av datasett er det vanskelig å se for seg at modellen vil kunne tas i bruk i særlig grad 
utenfor de organisasjonene som har hatt ansvar for å etablere modellen.	 	
Modellen har i dag et høyt detaljeringsnivå. Dette gjelder både antall soner i modellen, 
ant	all 	kjøretøytyper og antall varegrupper. Videre må det etableres datasett som inne	-	
holder et betydelig antall forutsetninger for hver sone, kjøretøytype og varegruppe. 	 I de 	
arbeider vi har sett, hvor modellen har vært benyttet, har mulighetene til å hent	e ut resul	-	
tater med høyt detaljeringsnivå vært benyttet i liten grad. 	 Vår gjennomgang dekker bare 	
et lite utsnitt av datamengden som kreves og vi har kun testet enkelte mekanismer i logi	-	
stikkmodellen. 	Likevel finner vi grunn til å anbefale:	 	
�x 	Tallet på 	varegrupper bør reduseres. Behovet for data reduseres og modellen vil 	
kjøre raskere. Beregningene vi har gjennomført tyder på at det bare har marginal 
betydning for resultatene å slå sammen varegrupper	. 	
�x 	Antall soner i modellen holdes på dagens nivå elle	r reduseres. Det er behov for å 	
heve kvaliteten på sonedata i modellen, det tror vi er lettere å oppnå ved å begrense 
tallet på soner. Vår test av flytting av varestrømmer fra en sone til en annen gav 
knapt merkbare utslag på resultatene i modellen.	 	
�x 	Vi h	ar ikke gjennomført analyser hvor tallet på kjøretøytyper eller ramme	betingel	-	
sene for disse er 	endret, men også her kan det være grunn til å vurdere forenklinger.	 	
Logistikkmodellen framstår i dag som en avansert modell for optimering av varestrømmer	, 	
sam	tidig er håndteringen av inndata og resultater på et svært lavt nivå	. Vår gjennomgang 	
gir	 grunnlag for å peke på følgende muligheter for utvikling av modellen:	 	
�x 	Introdusere stokastiske elementer ved kostnadsminimeringen i Logistikkmodellen. 
Benyttet på (	enkelte av) modellens kostnadsvariabler kan dette gi mer realistiske 	
endringer i transportstrømmer på relasjonsnivå. Det kan også benyttes stokastikk 
for lokalisering av 	produsenter, distributører og konsumenter.	 	
�x 	Inkludere variabel (variabler) som ivareta	r punktlighet i modellen. 	 	
�x 	Etablere systematikk for gjennomføring av følsomhetsanalyser knyttet til framtidig 
lokalisering av produsenter og distributører.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	61	 	
�x 	Organisere modellens output og input slik at ingen forutsetninger / parametere 
ligger i kontrollfil	er 	– og alle data knyttet til en modellkjøring samles i et datasett.	 	
�x 	Gå gjennom sammenhenger i modellen med sikte på forenklinger /økt realisme

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
62	 	 	Vista Analyse	 	
6.	 Bibliografi	 	
Brümmerstedt, K., Flitsch, V., & Jahn, C. (2015). 	Cost Functions in Freight 	Transport Models.	 	
Hamburg International Conference of Logistics (paper).	 	
de Jong, G., Ben	-Akiva, M., Baak, J., & Grønland, S. (2013). 	Method Report 	- Logistics Model in 	
the Norwegian Freight Model System (Version 3).	 Significance / SITMA.	 	
Ekhaugen, T., Hom	leid, T., & Rasmussen, I. (2015). 	Samfunnsøkonomisk analyse av tiltak 	
innenfor godstransport. .	 Oslo: Vista Analyse, rapport 2015/37.	 	
Grue, B., Madslien, A., & Hovi, I. (2016). 	Gods	- og persontransportprognoser 2006	-2014.	 Oslo: 	
Transportøkonomisk Institutt	, TØI rapport 1468/2016.	 	
Grønland, S. (2011). 	Kostnadsmodeller for transport og logistikk.	 Oslo: SITMA og 	
Transportøkonomisk Institutt, rapport 1127.	 	
Grønland, S. (2015). 	Kostnadsmodeller for transport og logistikk 	- basisår 2012.	 Oslo: SITMA 	
og Transportø	konomisk Institutt, rapport 1435.	 	
Grønland, S. (TØI	-rapport 1435/2015). 	Kostnadsmodeller for transport og logistikk 	- basisår 	
2012.	 Oslo: Transportøkonomisk Institutt og Sitma.	 	
Grønland, S., & Hovi, I. (TØI rapport 1128/2011). 	Godsknutepunkter 	- struktur o	g effektivitet.	 	
Oslo: Tranportøkonomisk Institutt og Sitma.	 	
Grønland, S., Berg, G., Bø, E., & Hovi, I. (TØI rapport 1372/2014). 	Kostnadsstruktur i 	
godstransport. Betydning for priser og transportvalg.	 Oslo: Transportøkonomisk 	
Instititt og Sitma.	 	
Halse, A. 	H., & Killi, M. (TØI rapport 1189/2012). 	Verdsetting av tid og pålitelighet i 	
godstransport på jernbane.	 Oslo: Transportøkonomisk institutt.	 	
Halse, H. A., Samstad, H., Killi, M., Flügel, S., & Ramjerdi, F. (TØI rapport 1083/2010). 	
Verdsetting av framføring	stid og pålitelighet i godstransport.	 	Oslo: 	
Transportøkonomisk Institutt.	 	
Hansen, W., & Johansen, B. G. (2016). 	Beregning av netto ringvirkninger på utvalgte 	
prosjekter. NTP 2018	-2029.	 Oslo: Transportøkonomisk Institutt, TØI rapport 1471.	 	
Hovi, I., Caspers	en, E., & Grue, B. (2015). 	Varestrømsmatriser med basisår 2012/2013.	 Oslo: 	
Transportøkonomisk Institutt, TØI rapport 1399/2015.	 	
Hovi, I., Caspersen, E., Johansen, B., Madslien, A., & Hansen, W. (2015). 	Grunnprognoser for 	
godstransport til NTP 2018	-2027.	 Os	lo: Transportøkonomisk Institutt, TØI	-rapport 	
1393.	 	
Madslien, A. (2010). 	DEMOLOG; Modellering av logistikk fra et makroperspektiv.	 	
Madslien, A., Steinsland, C., & Grønland, S. (2012). 	Nasjonal godstransportmodell. En 	
innføring i bruk av modellen.	 Oslo: Tr	ansportøkonomisk Institutt, rapport 1247.	 	
Madslien, A., Steinsland, C., & Grønland, S. (2015). 	Nasjonal godstransportmodell. En 	
innføring i bruk av modellen.	 Oslo: Transportøkonomisk Institutt, TØI rapport 	
1429/2015.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	63	 	
NTP Godsanalyse. (2015). 	Hovedrapport.	 Jernbaneverket, Avinor, Statens vegvesen og 	
Kystverket.	 	
Osloregionen. (April 2012). 	Gods og logistikk i Osloregionen.	 Oslo: Osloregionen.	 	
Rålm (redaktør), P. (2013). 	Mat og industri 2013.	 Oslo: Norsk institutt for 	
landbruksøkonomisk forskning.	 	
University of Florida, Center for Urban Transportation Research. 	(u.d.). 	Analysis of Freight 	
Movement Mode Choice Factors.

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
64	 	 	Vista Analyse	 	
Vedlegg 1: 	Følsomhetsanalyse laste og lossekostnader	 	
 	 	 	Modellforutsetninger	 	Følsomhetsanalyse	 	
 	 	 	Pr. for	-	
sendelse	 	
Pr.	 tonn	 	Pr. for	-	
sendelse	 	
Pr. tonn	 	
1 	1 	LGV	 	47,	- 	330,	- 	141,	- 	110,	- 	
1 	2 	Light distribution	 	61,	- 	227,	- 	183,	- 	76,	- 	
1 	3 	Heavy distribution, closed unit	 	126,	- 	183,	- 	378,	- 	61,	- 	
1 	4 	Heavy distribution, containers	 	114,	- 	143,	- 	342,	- 	48,	- 	
2 	1 	Articulated semi, 	closed	 	99,	- 	114,	- 	297,	- 	38,	- 	
2 	2 	Articulated semi, containers	 	112,	- 	143,	- 	336,	- 	48,	- 	
2 	3 	Tank truck, distance	 	93,	- 	10,	- 	279,	- 	3,- 	
2 	4 	Dry bulk truck	 	94,	- 	4,- 	282,	- 	1,- 	
2 	5 	Timber truck with hanger	 	221,	- 	7,- 	663,	- 	2,- 	
2 	6 	Termo truck	 	54,	- 	186,	- 	162,	- 	62,	- 	
A 	1 	Truck2525	 	152,	- 	117,	- 	456,	- 	39,	- 	
4 	1 	Container lo/lo 8500 dwt	 	86,	- 	159,	- 	258,	- 	53,	- 	
4 	2 	Container lo/lo 5200 dwt	 	114,	- 	158,	- 	342,	- 	53,	- 	
4 	3 	Container lo/lo 23000 dwt	 	78,	- 	154,	- 	234,	- 	51,	- 	
5 	1 	Break bulk lolo, 1.000 dwt	 	53,	- 	103,	- 	159,	- 	34,	- 	
5 	2 	Break bulk lolo, 2.500 dwt	 	57.	- 	99,	- 	171	,- 	33	,- 	
5 	3 	Break bulk lolo, 5.000 dwt	 	94.	- 	104.	- 	282	,- 	35	,- 	
5 	4 	Break bulk lolo, 9.000 dwt	 	153,	- 	98,	- 	459	,- 	33	,- 	
5 	5 	Break bulk lolo, 17.000 dwt	 	278,	- 	99,	- 	834,	- 	33,	- 	
5 	6 	Break bulk lolo, 40.000 dwt	 	819,	- 	100,	- 	2.457,	- 	33,	- 	
5 	15 	Ro/ro (cargo) 8.000 dwt	 	74,	- 	113,	- 	222,	- 	38,	- 	
5 	16 	Ro/ro (cargo) 8.000 dwt	 	85,	- 	111,	- 	255,	- 	37,	- 	
5 	17 	Ro/ro (cargo) 8.000 dwt	 	172,	- 	124,	- 	516,	- 	41,	- 	
5 	26 	GC (coastal sideport) 1.250 dwt	 	30,	- 	60,	- 	90,	- 	20,	- 	
5 	27 	GC (coastal 	sideport) 2.530 dwt	 	29,	- 	52,	- 	87,	- 	17,	- 	
5 	28 	GC (coastal roro) 4.440 dwt	 	30,	- 	22,	- 	90,	- 	7,- 	
6 	1 	Electricwagon load trains	 	65,	- 	73,	- 	195,	- 	24,	- 	
6 	2 	Car trains	 	269,	- 	26,	- 	807,	- 	9,- 	
7 	1 	Electric combi trains	 	65,	- 	180,	- 	195,	- 	60,	- 	
7 	2 	Electric timber 	trains	 	160,	- 	22,	- 	480,	- 	7,- 	
7 	3 	Electric system trains (dry bulk)	 	98,	- 	2,- 	294,	- 	1,- 	
7 	4 	Combi thermo trains	 	70,	- 	180,	- 	210,	- 	60,	- 	
7 	6 	Electric system trains (wet bulk)	 	242,	- 	6,- 	726,	- 	2,- 	
B 	1 	Diesel combi trains	 	65,	- 	180,	- 	195,	- 	60,	- 	
B 	2 	Diesel 	timber trains	 	180,	- 	24,	- 	540,	- 	8,- 	
B 	3 	Diesel system trains (dry bulk)	 	103,	- 	2,- 	309,	- 	1,- 	
B 	4 	Diesel combi thermos trains	 	75,	- 	180,	- 	225,	- 	60,	- 	
B 	6 	Diesel system trains (wet bulk)	 	512,	- 	7,- 	1.536,	- 	2,-

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	65	 	
Vedlegg 	2: Mappestrukturen i NGM	 	
Godsmodellen har en spesiell mappestruktur; alle forutsetninger og resultater lagres 
sammen med filene som er nødvendig for å kjøre modellen. Navn på filer inneholdende 
forutsetninger og resultater er det samme i alle kjøringer. Til sammen gir en kjøring 	med 	
modellen et arkiv med 1	 844 filer. Dette inkluderer både filer som er nødvendig for å kjøre 	
modellen (.exe og .bat og en rekke .ctl	-filer). 	 	
�	 input	 	�	�costs	 	vehicles	.txt	 	 	
 	 	consolfac.txt	 	 	
 	 	transferprohibition.txt	 	 	
 	 	transfer.dat	 	 	
 	 	cargocosts.dat	 	Verdi pr. tonn, 
varegrupper	 	
 	�	 capa	 	lincost.txt	 	 	
 	 	linecap.txt	 	 	
 	 	termcap.txt	 	 	
 	 	termcost.txt	 	 	
 	�	�calib	 	calib.fac … calib5.fac	 	 	
 	�	 	los	 	Trai_DISTANCE.CSV	 	 	
 	�	Trai_DOM_DIST.CSV	 	 	
 	�	trai_TIME.CSV	 	 	
 	�	Trai_TOLL.CSV	 	 	
 	�	TRAINDIST.EXE	 	 	
 	�	�	nodes	 	nodes1.dat …. nodes39.dat(*)	 	Informasjon om 
terminalene	 	
 	�	�PWC	�	consumption.txt	 	 	
 	�	production.txt	 	 	
 	�	pwc1.dat … pwc39.dat	 	 	
�	�	ForceChain	 	ForceChain.exe	 	 	 	
�	ForceChain.out	 	 	 	
�	�	Firm2firm	�	firm2firm.exe 	 	 	 	
�	f2f	i.ctl	 	i = varegruppe	 	 	
�	F2F	i.dat	 	i = varegruppe (*)	 	Godsstrømmer 
mellom bedrifter	 	
�	D2F	i.log	 	i = varegruppe	 	Logfiler med 
informasjon om evt. 
supplering av 
bedrifter

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
66	 	 	Vista Analyse	 	
�	�Extract	�	extract.exe	 	 	Genererer 
kjøretøyfiler	 	
�	extract1_1.ctl .. extract1_4.ctl	 	 	
�	extract2_1.ctl .. extract2_6.ctl	 	 	
�	extract3_1.ctl .. extract3_6.ctl	 	 	
�	extract4_1.ctl .. extract4_3.ctl	 	 	
�	extract5_1.ctl .. extract5_30.ctl	 	 	
�	extract6_1.ctl .. extract6_2.ctl	 	 	
�	extract7_1.ctl .. extract7	_6.ctl	 	 	
�	extract8_1.ctl.ctl	 	 	
�	extract9_1.ctl .. extract9_2.ctl	 	 	
�	ExtractA_1.ctl	 	 	
�	extractB_1.ctl .. extractB_6.ctl	 	 	
�	OD_Vhcl	i_j	.dat	 	i = 	mode	 	
j = 	kjøretøy	 	
Antall kjøretøy pr 
relasjon	 	
�	OD_Tonnes	i_j.	dat	 	i = 	mode	 	
j = 	kjøretøy	 	
Tonn pr. relasjon	 	
�	OD_VhclA	 	 	 	
�	 	 	 	
�	�	CONSTRAINTS	�	Constraints.ctl	 	 	 	
�	CONSTRAINTS.EXE	 	 	 	
�	linc	ost.txt	 	 	 	
�	Lincost1.txt	 	 	 	
�	linevol.txt	 	 	 	
�	linevol1.txt	 	 	 	
�	summury0.rep	 	 	 	
�	termcost.txt	 	 	 	
�	termvol.txt	 	 	 	
�	termvol1.txt	 	 	 	
�	TRAINDIST.exe	 	 	 	
�	�	Consolidate	�	consolidate.exe	 	 	 	
�	consolidate	i_j.ctl	 	i = ? (varegruppe)	 	 	
�	CONSOL	i_j	.dat	 	j =?	 	 	
�	VHCLi_j.dat	 	 	 	
�	FREQi_j.dat	 	 	 	
�	 	 	 	
�	�	ChainChoi	�	MergeOut.exe	 	 	 	
�	report.exe	 	 	 	
�	Select.dat

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
Vista Analyse 	 	 	Side 	67	 	
�	ChainChoi_init	i.ctl	 	i =varegruppe	 	 	
�	ChainChoi	i.cst	 	i =varegruppe	 	 	
�	ChainChoi	i.ctl	 	i =varegruppe	 	 	
�	CONSOL	i_j	.fac	 	I = 1	-13, j = 3 og/eller 9	 	 	
�	chainchhoi	i.log	 	 	resultater	 	
�	chainchhoi	i.out	 	 	 	
�	chainchhoi	i.rep	 	 	 	
�	chainchhoi	i.cst	 	 	 	
�	linevol	i.txt	 	i = 1	-1 	 	
�	termvol	i.txt	 	 	 	
�	TONNES	i_j.dat	 	i = Varegruppe, j = mode	) 	
(1..8 samt A og B	 	
Sone	-sone tonn pr 	
mode	 	
�	summary.rep	 	 	Oppsummering pr. 
varegruppe	 	
�	Vehicles.rep	 	 	Oppsummering pr	 	
kjøretøytype	 	
�	�BuildChain	�	BuildChain.exe	 	 	Bygger transport	-	
kjeder	 	
�	BuildChain	i.ctl	 	I = varegruppe 1..39	 	Parametere, 
forutsetninger	 	
�	Chains	i.dat	 	i = varegruppe 1..39

Forsøk på å beskrive det ugjennomtrengelige 	– en vurdering av Nasjonal godsmodell	 	
68	 	 	Vista Analyse	 	
 	
Vista Analyse AS	 	
Vista 	Analyse AS er et samfunnsfaglig analyseselskap med hovedvekt på 	 	
økonomisk forskning, utredning, evaluering og rådgivning. Vi utfører oppdrag	 	
med høy faglig kvalitet, uavhengighet og integritet. Våre sentrale temaområder 	 	
omfatter klima, energi, samferdsel	, næringsutvikling, byutvikling og velferd.	 	
 
Våre medarbeidere har meget høy akademisk kompetanse og bred erfaring	 	
 inn	ennfor konsulentvirksomhet. Ved behov benytter vi et velutviklet nettverk med 	 	
selskaper og ressurspersoner nasjonalt og internasjonalt. 	Selskapet er i sin 	 	
helhet eiet av medarbeiderne.	 	
Vista Analyse AS	 	
Meltzersgate 4	 	
0257	 Oslo	 	
 
post@vista	-analyse.no	 	
vista	-analy	se.no