ADA - Disaggregert valgmodell for transportanalyser (dokumentasjon)

Rapport 2022/7

Tor Homleid, Eivind Bjørkås og Henning Wahlquist

ADA - Disaggregert valgmodell for transportanalyser (dokumentasjon)

Kategori	Rapporter
Underkategori(er)	SamferdselModeller og databaserStrategi og prosessrådgivning
År	2022
Rapportnummer	7
Forfatter(e)	Tor Homleid Eivind Bjørkås Henning Wahlquist
Last ned	file_download (1.3 MB)
Les i nettleser	find_in_page

Rapport 2022/07

<Sett inn samarbeidspartners logo>
A	da. 	Disaggregert valg	modell	 for transportanalyser
Dokumentas	jon
Tor Homleid, Henning Wahlquist og Eivind Bjørkås

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	2

Dokumentdetaljer
Tittel	 	Ada. Disaggregert valgmodell for transportanalyser	 for transportanalyser.
Rapportnummer 	 	2022/07
Forfattere	 	Tor Homleid, Henning Wahlquist og Eivind Bjørkås	 Henning 	Wahlquist og Eivind Bjør-
kås
ISBN	 	978	-82	-8126	-565	-3
Forsidefoto	 	Detalj fra Hjernens labyrint, Munchmuséet
Prosjektleder	 	Tor Homleid
Kvalitetssikrer	 	Steinar Strøm
Dato for ferdigstilling	 	21.4.2022
Tilgjengelighet	 	Offentlig
Nøkkelord	 	Transportanalyse, 	transportmodell

Om 	Vista Analyse
Vista Analyse AS er et samfunnsfaglig analyseselskap med hovedvekt på økonomisk utredning, evaluering, råd-
givning og forskning. Vi utfører oppdrag med høy faglig kvalitet, uavhengighet og integritet. Våre sentrale te-
maområder er klima, energi	, samferdsel, næringsutvikling, byutvikling og velferd. Vista Analyse er vinner av
Evalueringsprisen 2018.
Våre medarbeidere har meget høy akademisk kompetanse og bred erfaring innenfor konsulentvirksomhet.
Ved behov benytter vi et velutviklet 	nettverk med selskaper og ressurspersoner nasjonalt og internasjonalt.
Selskapet er i sin helhet eiet av medarbeiderne.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	3

Forord
Denne rapporten dokumenter 	første versjon av 	transport	modellverktøyet 	Ada	. Navnet Ada følger av model-
lens oppbygging: 	Basert på 	kunnskap om transporttilbud og reiseetterspørsel på 	Aggregert nivå gjennomføres
beregninger 	av reisemiddelvalg og transportmiddel/avgang 	på 	Disaggregert (individ) nivå før resultatene av
beregningene igjen 	Aggregeres.
Ada 	bygger 	videre på idéer fra InterCi	ty-modellen	, som Vista Analyse gjennom mange år har benyttet ved
analyser av virk	ninger av infrastrukturtiltak og endringer i transporttilbud.	 InterCity	-modellen ble, primært,
utviklet med sikte på å analysere konkurranseflater mellom tog og andre transpo	rtmidler (annen kollektivt-
ransport	 og	 personbil). 	Målet med Ada er å etablere et modellverktøy 	egnet for å belyse 	flere	 ulike problem-
stillinger innenfor transport	markedet	.
Vi har ingen intensjon om 	å utvikle et 	universelt modellverktøy egnet for 	analyser av alle problemstillinger	.
Alle modeller har et begrenset anvendelsesområde	; modeller som er 	godt egnet til å belyse 	en type 	problem-
stillinger 	er oftest 	mindre egnet for andre. Modellenes viktigste rolle er å bidra til økt kunnskap: «En modell
representerer utvalgte egenskaper ved referansesystemet på en slik måte at man kan lære om referansesys-
temet ved å arbeide med modellen» (Greenberger et.al, 1976). 	Vårt mål er at 	bruk av 	Ada	, gjennom mer
virkelighetsnær tilnærming til 	faktiske valgsituasjon	er, 	også skal bidra til økt kunnskap om sammenhenger i
transportmarkede	r.
Rapporten «Transportmodeller mot fremtiden» 	(Transportøkonomisk Institutt, TØI 1819/2021)	 er utarbeidet
på oppdrag fra Statens vegvesen og beskriver be	hov og muligheter for modellutvikling for personreiser i Norge.
Det anbefales parallelle løp for modellutvikling der en både videreutvikler dagens transportmodellsystem på
kort og mellomlang sikt, samtidig som det satses på nye, mer dynamiske, transportmo	deller. Dette vil sikre at
transportmodeller får økt relevans for å bidra til utvikling av transportsystemene i fremtiden. Ada er en agent-
basert, dynamisk transportmodell klar til bruk.
Vi takker Tony Clay, tidligere rådgiver i NSB og oppdragsgiver i 	mange prosjekter, for inspir	asjon 	til å gå i gang
med 	utviklings	arbeidet	. Vi takker 	og	så professor	 Arne B. Sletsjøe ved Universitetet i Oslo for bidrag til løsning
av matematiske problemst	illinger. Videre har andre med	arbeidere i Vista Analyse bidratt. Med fare for å
glemme noen vil jeg nevne 	professor 	Steinar Strøm som 	bl.a. 	har hjulpet med utviklin	g av metoder for tilfeldige
trekninger med spesifisert korrelasjon	. Henning Wahlquist	 og	 Eivind Bjørkås 	har deltatt i utviklingsarbeidet og
arbeidet med denne dokumentasjonsrapporte	n, som er kvalitetssikret av Steinar Strøm	. Tor Homleid har ledet
utvikli	ngsar	beidet	.

Oslo
22. april 2022
Tor Homleid
Partner
Vista Analyse AS

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	4

Innhold
Sammendrag	 ................................	................................	................................	................................	...............	7
1 	Innledning	 ................................	................................	................................	................................	.........	 11
2 	Ada vs. andre transportmodeller	................................	................................	................................	......	 13
2.1	 	Typologi	 	13
2.2	 	Transportmarked	 	15
2.3	 	Trafikantatferd	 	16
2.4	 	Fordeling på transportmidler	 	17
2.5	 	Tidsoppløsning / transporttilbud	 	17
3 	Modellstruktur	 ................................	................................	................................	................................	.. 19
3.1	 	Reisemønster, trafikantatferd og transporttilbud	 	19
3.2	 	Simulering av valg av transportmiddel og reiserute	 	21
3.3	 	Resultatuttak og etterberegninger	 	22
3.4	 	Transporttilbudet i modellen	 	24
3.5	 	Valgmengden	 	26
3.6	 	Valgmodellen	 	27
3.7	 	Beregnin	gsprosedyren	 	31
4 	Bruk og videreutvikling	 ................................	................................	................................	.....................	 34
4.1	 	Bruksområder	 	34
4.2	 	Pågående utviklingsarbeid	 	36
4.3	 	Muligheter for videre utvikling	 	38
Vedlegg	 ................................	................................	................................	................................	.....................	 45
A 	Dataflyt	 	46
B 	NTM vs. billetts	tatistikk, InterCity	 	48
C 	Vekting av simuleringer	 	49
D 	Punktlighet 	– optimal buffertid	 	52
E 	Ordliste	 	55

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	5

Figurer	 og tabeller
Figur S.1	 	Kobling mellom etterspørsels	- og tilbudssiden i trafikkberegningsmodeller	 .............	 7
Figur S.2	 	Modellstruktur 	- Ada	 ................................	................................	................................	. 8
Figur 2	-1 	Kobling mellom etterspørsels	- og tilbudssiden i trafikkberegningsmodeller	 ...........	 14
Tabell 2.1	 	Karakteristika ved transportmodeller	 ................................	................................	......	 14
Figur 2	-2 	Ada vs. tradisjonelle (aggregerte) transportmodeller	 ................................	.............	 15
Figur 3	-1 	Modellstruktur	................................	................................	................................	.........	 19
Figur 3	-2 	Illustrasjon av modellsone (svart sirkel) og 	primærsone (grunnkretser innenfor
sirkelen) i Ada	 ................................	................................	................................	..........	 20
Figur 3	-3 	Eksempel på analyse av endringer i enkeltvariabel mot resultatdata	basen.	 ...........	 23
Figur 3	-4 	Transporttilbudet i modellen, reiser fra primærsone A i Modellsone 1 til primær	-
sone B i Modellsone 2	 ................................	................................	.............................	 24
Tabell 3.1	 	Generaliserte kostnader, reiser med individuelle transportmidler (bil)	 ..................	 30
Tabell 3.2	 	Generaliserte kostnader, reiser med kollektive transportmidler	 ............................	 31
Figur 4	-1: 	Illustrasjon av reisekjeder i dagens versjon av Ada og med koblet reisemiddelvalg
(reisekjeder hvor flere, ulike transportmidler inngår)	 ................................	.............	 37
Figur 4	-2 	Trengselskostnader. Sammenheng med setekapasitetsutnyttelse	 .........................	 39
Figur 4	-3 	Oversikt over databaser og dataflyt i Ada	 ................................	................................	 46
Figur 4	-4 	Sammenlikning beregnet antall kollektivreiser til/fra Oslo vs. Vy’s billettstatistikk	 . 48

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	6

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	7

Sammendrag
Ada 	er Vista Analyses nye modellverktøy for transportanalyser. 	Valg av transportmiddel, reiserute 	og
avgang 	baser	es i Ada	 på individuelle preferanser og 	et 	transporttilbud	 med tidsoppløsning. 	Dette gir
nye muligheter sammenliknet med tradisjonelle 	modeller b	asert på 	gjennomsnittlige preferanser og
aggregert transporttilbud.
I denne rapporten gis 	en oversikt over modellverk	tøyet	, slik det foreligger i dag	. Vi sammenlikner 	også
Ada	 med andre modellverktøy som i dag benyttes ved transportanalyser	, og identifiserer områder hvor
Ada 	vil 	være særlig godt egnet. Dette inkluderer analyser 	av konkurranseflater i regionale transport-
markeder, konkurranseflater mellom	 kollektive transportmidler med ulike egenskaper 	og bompenge	-
og ferjeavløsningsprosjekter.
Ada representerer 	en ny type transportmodellverktøy. Dette åpner opp for å tenke nytt	, og vi arbeider
med	 å utforske dette potensialet. 	Pågående utviklingsarbeid 	knyttet til 	inkludering av komfort/sikker-
het og reisekjeder med ulike transportmidler 	i valgmodellen ferdigstilles 	innen kort tid. 	Vi utforsker
også nye muligheter til å inkludere trengsel og punktlighet 	i individbaserte valgmodeller som Ada.
Hva 	skiller Ada fra andre transportmodeller?
Figur S.	1 	Kobling mellom etterspørsels	- og tilbudssiden i trafikkberegningsmodeller

Kilde: Vista Analyse	 (inspirert av 	TØI 1819/2021, s. 5)
Ada skiller seg fra andre 	transportmodeller ved at både tilbuds	- og etterspørselssiden i modellen kan
karakteriseres som mikroskopisk	: I stedet f	or estimerte 	gjennomsnittspreferanser simuleres 	enkeltindi-
viders valg basert på variasjon	 i preferanser. 	Transporttilbudet representeres	 med tidsoppløsning	;
konkrete ruteplaner for kollektivtilbudet 	og variasjoner i reisetid over døgnet for veitransport.	 Modellen
skiller seg dermed klart ut fra 	andre 	modeller (RTM	/NTM 	og Trenklin) som	 baseres på aggregert atferd
og 	transporttilbud uten ti	dsoppløsning.

Ada. Disaggreg	ert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	8

Det er flere styrker ved en mikroskopisk tilnærming:
• 	Mindre 	behov for å segmentere reisemarkedet etter reisehensikter og sosioøkonomiske variabler	.
• 	Vesentlig bedre 	mulighete	r for å ivareta konkurranseflater mellom nære substitutter 	(f.eks	. ulike
kollektivtransportmidler)
Ada 	fokuserer på valg av transportmiddel og reiserute	. Reisemønster 	(turfordeling)	 baseres på empiri,
men 	modellen beregninger endringer i reisemønster med ut	gangspunkt i beregnede endringer i 	Gene-
raliserte kostnader	. Sammenliknet med 	RTM/NTM innebærer dette 	at usikkerhet knyttet til 	reisemøns-
teret reduseres i tilfeller hvor 	det er høy kvalitet på empiriske data om reisemønster (	f.eks. to	gtrafikk)	,
samtidig vil usikkerhet	en knyttet til endringer i reisemønster i noen tilfeller kunne være større 	når disse
beregnes på grunnlag av endringer i Generaliserte kostnader alene.
Hva mener vi med Aggreg	er	t-Disaggregert	-Aggregert	?
Ada 	henter nav	net fra modellstrukturen	; Aggregert	-Disaggregert	-Aggregert	. Med utgangspunkt i ag-
gregerte data 	om transportmarkedet	, gjennomføres 	et stort antall 	simuleringer av valg av transport-
middel 	og reiserute. 	 Resultater (o	g forutsetninger) for enkeltsimuleringene lagres 	i en resultatdatabase	.
Figur S.	2 	Modellstruktur 	- Ada

Kilde: Vista Analyse
Ved avslutning av modellkjøringen 	beregnes 	aggregerte resultat	er, tilpasset ulike behov (	belastning på
veinett over døgn, belegg og reisemønster for avganger / aggregert over døgnet	, trafikantnytte, inntek-
ter fordelt på lenker i veinett og avganger i kollektivtilbud 	mv.	).
Det er også mulig å gjøre 	etterberegninger / følsomhetsanalyser mot r	esultatdatabasen	 for å analysere
virkninger av endringer i enkeltforutsetninger	. Eksempler på dette kan være endringer i billettpriser for
kollektive transportmidler eller endringer i bompengetakster	.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	9

Muligheter og begrensninger	, første versjon av modelle	n
Alle modellverktøy vil ha noen styrker og noen svakheter. 	Ada 	er ikke (	eller 	i liten grad) tilrettelagt for
å håndtere gang/sykkel som eget transportmiddel	. Videre behandles kvaliteten på transporttilbudet
eksogent	, dvs. at 	modellen ikke beregner virk	ninger av 	endringer i kvaliteten på tilbudet som følge av
endret belastning 	(køer, trengsel)	. Dette er begrensende i forhold til analyse av tiltak hvor mindre
køer/trengsel 	er et viktig mål, f.eks. økt veikapasitet i byområder.
Områder hvor 	vi mener 	den m	ikroskopiske tilnærmingen i 	Ada 	kan 	bidra til høyere kvalitet på transport-
analysene inkluderer:
• 	Konkurranseflater i regionale transportmarkeder
– 	Infrastrukturinvesteringer i jernbanenettet
– 	Større investeringer i veinettet (med unntak for 	prosjekter i områder med omfattende køpro-
blematikk)
– 	Større tilbudsendringer innenfor kollektivtrafikk
• 	Konkurranse mellom ulike kollektive transportmidler
– 	Tilbringertrafikk til lufthavner (f.eks. Flytoget	/and	re tog/ekspressbuss til/fra Oslo Lufthavn)
– 	Ekspressbusser vs. regiontog (InterCity	-markedet m.fl.)
– 	Konkurranse om trafikkgrunnlag mellom ulike lufthavner	1
• 	Bompenger og ferjeavløsning
– 	Endringer i ferjetilbud og ferjeavløsningsprosjekter
– 	Virkninger av endri	nger i brukerbetaling 	(bompengeprosjekter, veiprising)
Disaggregert	 valgmodell gir nye u	tviklingsmuligheter
En viktig erkjennelse i arbeidet med å utvikle Ada	 er at modellstrukturen åpner 	nye muligheter 	både for
inkludering av flere variabler og for å anal	ysere / forstå 	transportmarkedet. 	 Pågående utvikling	 av mo-
dellverktøyet 	er innrettet mot:
• 	Inkludere kjørekomfort/sikkerhet 	(som multiplikator på verdsetting av reisetid)	 for å fange opp
virkninger av høyere standard (	vei eller kollektivtransportmiddel).
• 	Inkludere reisekjeder 	med flere transportmidler	 (for å ivareta lange tilbringerreiser med 	bil og
kombinasjoner av ulike kollektive transportmidler)
• 	Utforske muligheter for analyser mot resultat	databasen.
Disaggregert (agentbasert) valgmodell med tidsoppløsning gir også muligheter 	til å integ	rere flere vari-
abler i valgmodellen	. Vi utforsker 	derfor:
• 	Ulike muligheter for å inkludere trengsel i kollektivtrafikk
• 	Om 	punktlighet	/forsinkelser kan implementeres so	m en kombinasjon av
– 	Kjørekomfort 	(vekting av tid i transportmiddel)
– 	Avveining mellom ulempe ved for sen ankomst og tiltak	 for å 	unngå for sen ankomst (buffertid,
ekstra ventetid)

1 Når pågående utviklingsarbeid knyttet til reisekjeder er implementert i modellverktøyet, jfr. avsnitt 	4.2.2	.

Ada. Disaggregert valgmodell for transport	analyser

Vista Analyse	 | 2022/07	 	10

Denne type 	endringer 	øker behovet for grunnlagsdata 	og kompleksiteten i mod	elluttrykket. 	Vi vurderer
derfor at det er hensiktsmessig å gjennomføre 	mindre tester, gjerne med flere alternative modellfor-
muleringer	, før evt. implementering i modellverktøyet.
Valgmodellen baseres i dag på reiser i en retning, i noen tilfeller gir dette (uønskede) ubalanser når
trafikken fordeles på retninger. 	Dersom bruk av modellverktøyet avdekker større problemer knyttet til
dette, 	er det også aktuelt å endre modellspesifika	sjonen slik at valg av transportmiddel og reiserute
baseres på tur	-retur reiser.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	11

1	 	Innledning
Ada er Vista Analyses nye 	verktøy for etablering av 	transportmodell	er. Bak utviklingen av verktøyet lig-
ger en filosofi 	om	 at 	realistisk representasjon av trafikantenes preferanser og 	valgmuligheter bidrar 	til å
øke 	kvaliteten på transportanalysene	. To hovedgrep f	or 	å oppnå dette 	er:
1. I stedet for gjennomsnittlige	, estimerte	, preferanser 	gjennomføres simuleringer 	med 	ulike prefe-
ranser trukket fra sannsynlighetsfordelinger.
2. I stedet for 	gjennomsnittlig kvalitet representeres transporttilbudet	 ved ruteplaner 	for kollektiv	-
transport og variasjoner i kjøretid over døgnet for vei	transport	. Reisekostnader er gitte størrel-
ser.
Vista Analyse har i 20 år benyttet 	InterCitymodellen ved analyser av transportmarkedet	. Modellen har
vært benyttet 	i en rekke sammenhenger, 	men 	primært ved analyser av konkurranseflater mellom ulike
kollektive transportmidler (ulike 	topprodukter	, buss, fly) og mellom kollektive transportmidler og bil.
Utviklingen av 	Ada	 bygger på erfaringer med utvikling og bruk av InterCitymodellen 	– og flere vik	tige
karakteristika ved denne modellen er beholdt:
• 	Beregningene baseres på simulering av reisemiddelvalg for enkeltreiser hvor OD	2 og trafikantenes
preferanser trekkes fra fordelinger.
• 	Modellen håndterer ulik substitusjonsgrad mellom ulike transportmidle	r gjennom korrelasjon mel-
lom preferanser knyttet til ulike transportmidler.
• 	Reisemønsteret i modellen forutsettes (primært) basert på empiriske data.
Utgangspunkt for arbeidet 	med 	Ada 	var å utvikle e	t modell	verktøy 	som gir høyere kvalitet på bereg-
ningene 	innenfor områder hvor InterCity	-modellen har vist seg velegnet. I tråd med dette 	er 	Ada lagt
til rette for	:
• 	En finere geografisk oppløsning av transporttilbudet	 (vei og kollektiv)	.
• 	Transporttilbud 	med tidsoppløsning (	avgangs	- og ankomsttider fra rutepla	ner for kollektivtrafikk
og variasjoner i reisetid over døgnet for individuelle transportmidler)	.
• 	Fordel	ing av etterspørselen	 over døgnet basert på 	ønske	t ankomst/avreisetid.
• 	Fleksible løsninger for 	hvilke variabler som inngår i modellen	, geografisk avgrensning og oppløs-
ning	.
Ved modellkjøringer 	med Ada	 representerer hver simulering 	en (andel av en) reise, hvor 	trafikantens
preferanser og valgmuligheter inngår som grunnlag for 	valg av transportmiddel, reiserute og avgang. 	I
modellverktøyet	 lagres alle resultater fra simuleringene	. D	ette kan sammenliknes med en syntetisk
reiseva	neundersøkelse.
I neste omgang 	kan 	lagrede resultater 	fra en modellberegning benyttes 	som utgangspunkt for å 	analy-
sere virkninger av endringer i transporttilbud 	– eller til å gjøre følsomhetsanal	yser knyttet til variasjo-
ner i enkeltvariabler.	 På denne måte unngås usikkerhet knyttet til 	ulike utvalg ved sammenlikning av
resultater fra to modellberegninger	 (kan sammenliknes med paneldata)	.
Ada er ikke utviklet med sikte på å håndtere alle problemstillinger vi står overfor i transportmarkedet.
Som alle andre modeller vil Ada være godt egnet til å belyse noen problemstillinger	, brukbar til å belyse

2 OD 	– Origin Destination 	(utgangspunkt og målpunkt for 	reisen)

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	12

andre p	roblemstillinger	, samtidig som det også 	vil 	finnes problemstillinger innenfor transportmarkedet
hvor modellen ikke er egnet.
Status for utviklingsarbeidet er nå (utgangen av mars 2022) at vi har et etablert modellverktøy som er
klar til å tas i bruk til ulike typer analyser. Vi har også bygget en «testmodell» (Trønderbanens konkur-
ranseflater) som benyttes i forbindelse med kva	litetssikring og uttesting av modellverktøyet.
I løpet av året vil vi etablere modeller for et utvalg markeder hvor 	vi mener 	Ada vil kunne bidra til å
belyse markedet bedre enn a	ndre	 transport	modeller. Primært ønsker vi i denne fasen å samarbeide
med ak	tører (	f.eks. 	transportetatene, operatører	 og	 administrasjonsselskap	) om å belyse konkrete pro	-
blem	stillinger.
I denne rapporten 	gis en beskrivelse av 	første versjon av modellverktøyet. 	Rapporten er ikke en full-
stendig dokumentasjon av 	Ada	; målet 	med	 rapporten 	er å 	gi et innblikk i modellverktøyet 	og å stimulere
til diskusjon om modellutvikling og 	bruk	 av transportmodeller	.
I kapittel 	2 beskrives egenskaper ved	 Ada sammenliknet med andre 	transportmodeller. Vi legger her
særlig vekt på sammenlikning med NTP	-modellene (Regionale Transportmodeller	, RTM og Nasjonal
Transportmodell, NTM).	 I kapittel 3 	gjennomgås modellstrukturen (A	-D-A) på et overordnet nivå, 	i til-
legg gis en 	nærmere beskrivelse av den	 disaggregerte	 valgmodellen (D)	. I Kapittel 4	, Bruk	 og videreut-
vikling	, peker vi på aktuelle bruksområder for 	eksisterende modellversjon. Videre gjennom	gås pågå-
ende utviklingsarbeid og muligheter for videre utvikling av modellverktøyet.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	13

2	 	Ada vs. andre transportmodeller
2.1	 	Typologi
En sammenlikning mellom 	Ada	 og andre transportmodeller kan gjøres med ulike tilnæ	rminger.	 I rapp-
orten «Transportmodeller mot fremtiden»	 (Transportøkonomisk Institutt, TØI 1819/2021)	 karakterise-
res ulike transportmodeller ut fra 	ulike	 egenskaper	3. I framstillingen deles transportmodellene inn 	etter
hvordan	 transportetterspørselen og 	trafikkavviklingen er representert. 	Etterspørselsmodellene	 deles
inn i tre kategorier:
• 	Statisk/	makroskopisk: 	Modeller 	som 	beregner aggregert etter	spørsel	, men ikke har tidsdimensjon	.
• 	Dynamisk	/makroskopisk	: Modeller som 	beregner aggregert etterspørsel	, med tidsdimensjon	.
• 	Dynamisk	/mikroskopisk	: Modeller 	med tidsdimensjon 	som beregner etterspørsel	 basert på 	enkelt-
individers (agenters) atferd	.
Ut fra dette perspektivet er 	Ada en 	dynamisk/	mikroskopisk modell. 	Etterspørselen fordeles over dagen
basert på ønsket ankomst	- eller avreisetidspunkt og 	valg av transportmiddel og reiserute er 	agent	basert	.
NTP	-modellen	e (RTM/NTM	) er 	statisk	/makroskopisk	e, modellene mangler tidsdimensjon	4 og fordelin	g
av reiser på transportmidler og reiseruter gjøres på aggregert nivå. 	Jernbanedirektoratets 	modell	, Tren-
klin	, er dynamisk/	makroskopisk	, etterspørsel beregnes aggregert, men 	inneholder en tidsdimensjon når
trafikkvolumene fordeles på avganger	. InterCity	-modellen	5 kan	, i dette perspektivet,	 defineres som 	sta-
tisk/	mikroskopisk	; Valg av transportmiddel er agentbasert, 	men modellen har ingen tidsdimensjon.
I arbeidet deles etterspørselsmodellene videre inn etter:
1. reisenes opphav (	attraksjonsbaserte eller aktivitetsbaserte modeller	)
2. tidsmessig avhengighet mellom aktiviteter (	turbasert eller modeller for hele dagen	)
3. ivaretakelse av heterogenitet 	i befolkningen (segmenter eller syntetisk befolkning)
I dette perspektivet kan Ada 	beskrives som attraksjonsbasert	, turbasert og med syntetisk befolkning.
Trafikkavviklingen (tilbudssiden	) i modellene beskrives 	også i tre dimensjoner; 	Statisk/dynamisk, Mak-
roskopisk/mesoskopisk/mikroskopisk og 	deterministisk/stokastisk. 	 Ut fra disse dimensjonene karakte-
riseres RT	M/NTM	 som statisk	, makroskopisk og deterministisk, 	Trenklin 	som 	dynamisk, makroskopisk
og deterministisk, 	mens Ada er dynamisk, mikroskopisk og stokastisk	6.
I (TØI 1819/2021, s. 5)	 plasseres 	ulike modeller basert på de karakteristika vi har beskrevet over.	 I tillegg
til 	RTM/NTM og T	renklin omtales også MATSim. 	 MATSim er en agentbasert 	transportmodell	, men 	in-
kluderer ikke detaljert 	kjøreatferd for trafikantene. Den betegnes derfor som en mesoskopisk modell.
Sammenliknet med mikroskopiske modeller (som Ada) er dette 	en fordel ved analyse av større nettverk.
I Figur 	2-1 nedenf	or har vi innplas	sert 	InterCitymodellen og Ada i det bildet som gis av ulike transport-
modeller i TØI	-rapporten.

3 Beskrivelsen nedenfor er basert på kapittel 2.2 i 	(Transportøkonomisk Institutt, TØI 1819/2021)
4 Det er etablert rutiner for å flytte veitrafikk mellom ulike tidsperioder i forbindelse med utlegging av trafikk på vei	nettet.
5 Vista Analyses tidligere transportmodell
6 Stokastikken er ivaretatt gjennom 	variasjon i trafikantenes preferanser, hver agent 	velger ruten med lavest subjektiv kostnad.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	14

Figur 	2-1 	Kobling mellom etterspørsels	- og tilbudssiden i trafikkbe	regningsmodeller

Kilde: Vista Analyse
En m	ikroskopisk/stokastisk 	valgmodell 	er spesielt egnet	 i tilfeller hvor det er ulik substitusjonsgrad 	mel-
lom transportmidlene som inngår i valgmodellen, avhengig av størrelse og retning på endringen i 	kon-
kurranseforhold mellom transportmidlene	. En annen fordel er 	konsistens i preferanser 	mellom reise-
middelvalg og rutevalg	, noe som ikke er trivielt 	i makroskopiske modeller.
Ada skiller seg fra NTP	-modellen og Trenklin ved at modellen (i dagens versjon) 	ikke har noen tilbake-
kobling mellom nettutlagt trafikk og trafikantenes atferd. Dette begrenser muligheten til å anvende
modellen på analyse av enkelte typer tiltak, f.eks. tiltak for bedre framkommelighet i tettbygde områder.
Innarbeiding av tilbakekob	ling mellom nettutlagt trafikk	 i Ada gir store muligheter 	– særlig for kollektiv-
trafikk 	– et område hvor utformingen av modellverktøyet gir betydelige muligheter. Dette kommente-
res nærmere i kapittel 	4.
Videre i dette kapitlet gjennomgås (avsnitt 	2.2	-2.5	) forskjeller mellom Ada og andre transportmodeller
som er i bruk i Norge med utgangspunkt i karakteristika oppsummert i 	Tabell 	2.1.
Tabell 	2.1 	Karakteristika ved transportmodeller
Ada	 	RTM	 /NTM	 	InterCity	-
modellen
Trenklin
Transportmarked	 	Fokusert	 	Hele	 	Fokusert	 	Fokusert
Trafikantatferd	 	Individuell	 	Gjennomsnitt	 	Individuell	 	Gjennomsnitt
Transportmidler	 	Flere	 	Flere	 	Flere	 	Ett
Tidsoppløsning	 	Ja 	Nei	 	Nei	 	Ja
Kilde:	 	Vista Analyse

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	15

2.2	 	Transportmarked
Transportmodeller kan 	innrettes med sikte på å omfatte alle reiser 	som gjennomføres innenfor et geo-
grafisk område	, eller begrenses til 	utvalgte reisemarkeder.	 Modeller som omfatter alle reiser	 (f.eks.
RTM og NTM) 	betegnes ofte	 som	 4-trinnsmodeller og	 beregner:
1. Antall reiser som gjennomføres (turproduksjon)
2. Reisemønster 	(turfordeling)
3. Fordeling av reisemønster på transportmidler
4. Utlegging av 	reisene på transportnett for de ulike transportmidlene.
Figur 	2-2 oppsummerer forskjellene mellom 	Ada	 og tradisjonelle persontransportmodeller (som Nasjo-
nal Transportmodell 	– NTM og Regionale Transportmodeller 	– RTM).
Figur 	2-2 	Ada	 vs. 	tradisjonelle 	(aggregerte) 	transportmodeller

Kilde: Vista Analyse
I RTM/NTM beregnes turproduksjon, turfordeling og valg av transportmiddel (1. 	– 3.) simultant basert
på input om kvaliteten på transportnettet (4). Deretter fordeles resulterende reiser ut på et 	transport-
nett (4) som er kodet som «gjennomsnittstilbud». For veitrafikk påvirkes framkommelighet av trafikk-
volumene, dvs. modellen kan gjøres gjentatte ganger til likevekt	 (balanse mellom beregnet etterspørsel
og 	reisetid).
«Tradisjonelle» modeller har e	n etterspørsel	sside som kan deles inn i turproduksjon (antall turer), tur	f-
ordeling (reisemønster) og reisemiddelvalg, mens tilbudssiden består av mulige reiseruter mellom soner
(ofte grunnkretser) i modellen for transportmidlene som inngår. Er det flere 	alternative ruter mellom
to soner for et transportmiddel, lages et vektet transporttilbud. For gitt kvalitet på transporttilbudet
bestem	mes de tre elementene i etter	spørselssiden simultant 	– og på aggregert nivå. Deretter legges
beregnet transport ut på 	nettet. Modellen kan deles inn i flere tidsperioder, resultatene vil være gjen-
nom	snittsresultater for hver tidsperiode.
I Ada	 beregnes reisemiddel	- og rutevalg 	samt valg av avgang simultant	, med utgangspunkt i e	t gitt 	antall
turer, 	basert på 	kostnadsminim	ering (av 	generaliserte kostnader).
Ada beregner fordeling av reisene på transportmidler (3) og transportnett (4) simultant. Detaljering av
transportnettet kan tilpasses ulike behov. Transporttilbudet er kodet med tidsoppløsning, trafikkvolu-
mene fordel	es på avgangsnivå. Ada beregner endringer i reisemønster med utgangspunkt i endringer i
generaliserte kostnader på relasjonsnivå.
Turproduksjon
Turfordeling
Rutevalg
Reisemiddelvalg
RTM / NTM	 	Ada
Endret antall turer
Reisemiddelvalg
Rutevalg
Valg av avgang
Endret antall turer
Rutevalg
Valg av avgang
Trenklin

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	16

Jernbanedirektoratets modell, Trenklin, er begrenset til	 utlegging av togreiser på transportnettet (4)	,
men 	jernbane	nettet 	er detaljert kodet (tid og kapasitet i hver avgang). 	Modellen inneholder rutiner for
omfordeling av reiser 	mellom avganger d	ersom belegget i enkeltavganger beregnes å gi trengsel	. I til-
legg beregnes endringer i antall togreiser 	(dvs. en tilnærming til (2))	 på grunnlag av endringer i 	genera-
liserte kostnader.	 Antall togreiser 	i referansesituasjonen baseres på empiri.
InterCity	-modellen	 er konsentrert om valg av transportmiddel (3	). For hv	ert transportmiddel gir model-
len 	trafikkvolumer over definerte snitt (mellom modellsoner)	. Disse volumene kan fordeles ut på vei	-
eller kollektivnett (4), 	i praksis 	blir dette bare gjort for kollektive transportmidler	. Reisemønster for 	de
ulike transportmidlene 	i referansesituasjon 	baseres på empiri og/eller 	beregninger	.
2.3	 	Trafikantatferd
Et mål med t	ransportmodeller	 er å reprodusere trafikantatferd 	på en realistisk måte. For å kartlegge
trafikantatferd gjennomføres utvalgsundersøkelser	 (reisevaneundersøkelser, preferanseundersøkelser)
som gir et datasett 	med observasjoner av enkeltindividers valg i ulike situasjoner. 	Med dette utgangs-
punktet gjennomføres så en statistisk analyse 	av datasettet	 som 	fører fram til:
1. Punktestimat for param	eterverdier
2. Sannsynlighetsfordeling for parameterverdiene
3. Kovarians mellom 	parameterverdiene
I tradisjonelle modeller (f.eks. RTM/NTM)	 er det punktestimatene for parameterverdiene som benyttes
i transportmodellen.	 Indirekte 	legges det da til grunn at atf	erden for en større gruppe 	av trafikanter
kan representeres av en 	«gjennomsnittstrafikant»	, og endringer i transportstrømmer som følge av tiltak
i transportnettet 	beregnes aggregert for grupper av trafikanter.
I Ada (og InterCitymodellen) 	benyttes ikke punktestimate	r (1)	 for parameterverdiene	. I stedet	 benyttes
sannsynlighetsfordelinger 	for 	(2) og 	kovarians mellom (3) parameterverdiene. 	 Ved gjennomføring 	av
beregninger med modellen simuleres deretter 	atferd fo	r «enkeltindivider» innenfor trafikantgruppen
med utgangspunkt i strukturerte trekninger fra sannsynlighetsfordelingene	.
Så lenge endringene i transporttilbud er begrense	t og kovariansen mellom parameterverdiene er liten,
vil d	e to metodene gi (tilnærmet	) samme resultat	. Dersom 	det er stor varians i parameterverdier 	og 	–
særlig 	– dersom 	det kovariansen mellom parameterverdiene er stor, 	vil 	«gjen	nomsnitts	beregninger	» i
liten grad fange opp hvordan 	endringene i transporttilbud påvirker trafikkstrømmene	.
Svakhetene ved bruk av punktestimater 	søkes redusert gjennom	 å:
1. Segmentere reisemarkedet 	slik at variansen innenfor hvert segment 	reduseres; f.eks. inndeling
etter reisehensikt.
2. Redusere antall parametere 	gjennom å estimere felles paramaterverdier for nære	 substitutter	,
f.eks. «kollektiv» i stedet for buss, trikk og tog	 for å redusere kovariansen.
Ved modellering 	hvor individenes	 heterogen	itet ivaretas	 (Ada	), reduseres 	behovet for å segmentere
reisemarkedet	 etter reisehensikter og sosioøkonomiske variabler	. Viktigere er 	det 	at muligheten for å
ivareta konkurranseflater mellom 	nære substitutter forbedres vesen	tlig.

Ada. Disaggr	egert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	17

Verdsetting av reisetid	 avhenger av reiselengde (evt. reisetid)	, dette er et konsistent funn fra en 	rekke
verdsettingsstudie	r, 	se 	f.eks.	 (TØI, TØI rapport 1778/2020)	 I Ada er det mulig å 	legge inn distanse-
avhengige parameterverdier 	for verdsetting av reisetid 	som 	reflektere	r dette	.
2.4	 	Fordel	ing på transportmidler
Fordeling på ulike transportmidler kan 	gjøres som en del av reisemiddelvalget (Trinn 3) eller 	utleggingen
av reisene på transportnettet (Trinn 4). 	I NTP	-modellene 	behandles kollektivtransport 	på 	ulike måter i
den nasjonale (NTM) og 	de regionale modellene (RTM)	. I den nasjonale modellen 	(NTM) fordeles rei-
sene mellom ulike kollektivtransportmidler i reisemiddelvalget, i 	de regionale modellene (RTM) behand-
les 	«K	ollektiv»	 som et transportmiddel i reisemiddelvalget før 	reisene fordeles på ulike kollektivtrans-
portmidler i forbindelse med nettutlegging. 	Implisitt 	ligger da en forutsetning om at 	parameterne for
ulike kollektivtransportmidler er identiske (100 % korrelasjon) i	 RTM	, mens de er uavhengige (ingen
korrelasjon) i NTM	.
Felles for RTM/NTM er at 	modellformuleringen ikke ivaretar ulik substitusjonsgrad mellom alternativer.
Dersom kvaliteten på f.eks. togtilbudet 	forbedres i NTM, vil	 overføringen fra andre transportmidl	er alltid
være proporsjonal med andre transportmidlers markedsandel 	før forbedringen gjennomføres.
Når valg av transportmiddel og reiserute 	gjøres «individbasert» 	(Ada) 	ivaretas 	kovarians (korrelasjon)
mellom parameterverdier 	for ulike transportmidler i 	beregningene	. Da fanges også ulik substitusjons-
grad opp, slik at 	f.eks. et forbedret togtilbud 	vil hente en større andel av trafikantene fra nære substi-
tutter (f.eks. buss) enn fra 	transportmidler med mer ulike egenskaper (buss, fly). 	Forholdet er illustr	ert
i .
I tillegg til 	en mer realistisk fordeling av reiser mellom transportmidler med liknende egenskaper, 	gjør
modellformuleringen i Ada 	det mulig å inkludere flere (nye) transportmidler i modellen uten	 endring i
parameterverdier for eksisterende transportmidler. 	Det er like	vel nødvendig å legge inn forutsetninger
om korrelasjoner i verdsetting mellom eksisterende og nye transportmidler	.
2.5	 	Tidsoppløsning	 / transporttilbud
I RTM/NTM (og andre modeller 	basert på gjennomsnittsatferd og aggregerte transportstrømmer) 	er
kollektiv	tilbudet representert gjennom 	reisekostnader, 	avstand, reisetid og frekvens for ulike 	linjer,
mens transporttilbud på vei representeres ved 	reisekostnader, 	avstand og reisetid	. På relasjoner hvor
flere	, ulike tilbud 	er representert, 	slås de alternative ti	lbudene sammen 	til ett 	(gjennomsnitts	-) tilbud
før beregning av etterspørsel	. Etter beregning av etterspørsel fordeles så aggregert etterspørsel ut på
linjer i kollektivnettet og 	lenker i veinettet.
Flere leverandører av nettverksmodeller tilbyr rutiner for fordeling av 	kollektive 	trafikkstrømmer bereg-
net med aggregerte etterspørselsmodeller (som RTM/NTM) ut på avganger i kollektivtilbudet. I rappor-
ten «	Tidtabellbasert kollektiv	rutevalg og modellerin	g av korresponderende ruter med CUBE Voyager	»
(Transportøkonomisk Institutt, TØI rapport 1633/2018)	 undersøkes rutinen i nettverksmodellen som i
dag benyttes i tilknytning til NTP	-modellene. 	Rapportens konklusjon er at 	rutinen	e i eksisterende ver-
sjon av Cube 	kan medføre inkonsistens mellom alternativer 	– og at rutinen bør videreutvikles før den
evt. blir tatt i bruk ved beregninger med RTM.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	18

Jernbanedirektoratets 	Trenklin kombinere	r aggregert (makroskopisk) etterspørsel med	 togreiser med
et 	tidsoppløst 	tog	tilbud. 	For å få til dette er det etablert 	funksjoner for fordeling av etterspørselen over
døgnet	. Basert på fordeling av etterspørselen på avganger beregnes trengselskostnader i de ulike av-
gangene	, som i neste omgang 	benyttes til å omfordele reiser mellom avgangene. 	Gjennom iterasjoner
søkes 	etabler	t en	 likevekt	 mellom trengselsnivå og belegg i avgangene	 hvor ingen trafikanter 	kan øke
nytten ved å bytte til en annen avgang.
I Ada 	fordeles beregnet etterspørsel over t	id,	 basert på	 (ønsket) ankomst	- og/eller avreisetidspunkt,
mens 	transporttilbudet baseres på faktiske ruteplaner for kollektivtransport og variasjoner i kvaliteten
på transporttilbudet på vei.

Ada. Disaggregert valgmodell for transpo	rtanalyser

Vista Analyse	 | 2022/07	 	19

3	 	Modellstruktur
I dette kapitlet gis en kortfattet oversikt 	over oppbyggingen av A	da	. Vedlegg 	A gir en oversikt over
data	flyt i modellverktøyet.	 Avsnitt 	3.7	 gir en nærmere beskrivelse av ber	egningsprosedyren.
Navnet på modellverktøyet, 	Ada	, er knyttet direkte til hvordan verktøyet er bygget opp:	 Basert på kunn-
skap om transporttilbud og reiseetters	pørsel på 	aggregert nivå gjennomføres beregninger på 	disaggre-
gert (individ) nivå før resultatene av beregningene igjen 	aggregeres. Figur 2.1 gir en oversikt over de
tre trinnene i modellen.
Figur 	3-1 	Modells	truktur

Kilde: Vista Analyse
3.1	 	Reisemønster, trafikantatferd og transporttilbud
Det første trinnet innebærer å etablere et 	modelloppsett og 	data	grunnlag	 som
gjenspeiler det markedet som skal analyseres. 	Det betyr å innhente informasjon
om 	dagens situasjon når det gjelder 	influensområde	 og avgrensning av det marke-
det som ønskes belyst	 og videre kartlegging av 	trafikkvolumer, transporttilbud og
brukerprefer	anser	 innenfor dette markedet.
Modellverktøyet inneholder ingen rutiner for estimering av parametere eller for
etablering av reisemønster. I stedet er det lagt opp til at parameterverdier og reisemønster 	– inkludert
variasjoner over døgnet 	– etableres med	 utgangspunkt i tilgjengelig empiri (reisevaneundersøkelser,
preferanseundersøkelser). I dette arbeidet er det en fordel å kombinere data fra flere ulike kilder, som
reisevaneundersøkelser, trafikkdata fra kollektivselskaper og trafikkregistreringer i vei	nett.
Reisemønster
ADA baseres på 	at det etableres kunnskap om eksisterende transportstrømmer for en referansesitua-
sjon (dagens situasjon)	. For å få et komplett reisemønster, inkludert fordeling av reiser på reisehensikter
A

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	20

og fordeling av reisene over d	riftsdøgnet, vil det i mange tilfeller være nødvendig å supplere tilgjengelig
empiri for det markedet som skal analyseres med analogier til empiri fra andre markeder og/eller inter-
polasjon/ekstrapolasjon av de data som er tilgjengelige. Et alternativ kan 	også være å benytte 	syntetiske
reisemønster som utgangspunkt.
Etablert reisemønster l	egges inn i modellens datasett i form av antall turer på hver 	relasjon	 som inngår
i modellen.	 En relasjon er en forbindelse mellom to modellsoner	. Innenfor hver modellsone kan det
være en eller flere primærsoner	. Ved avgrensing av modellsonene kan det også tas hensyn til kvaliteten
på tilgjengelige data om reisestrømmer.
Primærsonene inneholder	 attraherings	- og genereringsfaktorer (bosatte, arbeidsplasser mv.) 	som be-
nyttes som utgangspunkt for å fordele reiseetterspørselen innenfor modellsonen. 	Størrelse 	på modell-
soner og primærsoner 	(og antall relasjoner i modellen	) velges ved etablering av mo	dellen	, tilpasset
problemstillingen modellen skal belyse	. Primærsonedata kan f.eks. baseres på grunnkretsdata, delom-
rådedata eller kommunedata	.
Figur 	3-2 	Illustrasjon av modellsone (	svart 	sirkel) og primærs	one (grunnkretser innenfor sir-
kelen) i Ada

Kilde: Vista Analyse

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	21

Trafikantatferd (p	arameterverdier	)
Parameterverdier i datasettet bygges opp med utgangspunkt i tilgjengelig empiri 	om trafikantatferd	 (el-
ler 	med utgangspunkt i egen 	estimering av parameterverdier) 	og ved å sette sammen verdier fra ulike
typer preferanseundersøkelser. Ved kalibrering av mod	ellen justeres parameterverdiene med sikte på
tilpasning mellom beregnet trafikk og observert trafikk. Parameterverdiene kan varieres avhengig av
reiselengde for å gjenspeile variasjoner vi finner i preferanseundersøkelser.
Sammensetning av data fra ulike	 kilder 	– slik det legges opp til i 	Ada	 – gir noen typer usikkerhet som vi
ikke får ved estimering av modellparametere på grunnlag av reisevanedata. Dette gjelder blant annet
vurdering av kontekst i undersøkelser som benyttes opp mot kontekst i de markede	r modellen utvikles
for. På den annen side gir kombinasjon av data fra ulike kilder muligheter til å sette sammen resultater
fra undersøkelser som avgrenses til en (eller noen få) problemstilling(er) til et komplisert modelluttrykk.
Fordelen med å kombi	nere preferanseundersøkelser og empiriske data kan uttrykkes som i Train	 (2003)	:
«By combining stated	- and revealed	-preference data, the advantages of both can be obtained
while mitigating the limitations. The stated	-preference data provide the needed variations in
attributes, while the revealed	-preference data ground the predicted shares in reality	.”
Kalibrering 	(estimering) 	av parameterverdier med sikte på å få en modell til å gjenskape «dagens situa-
sjon»	 vil ikke 	nødvendigvis gi gode prediksjoner for framtidige situasjoner	. Trafikantenes atferd endres
over tid, som følge av utvikling i inntekter, 	preferanser og teknologi.
Transporttilbudet
Transporttilbudet for individuelle transportmidler bygges opp a	v noder og lenker, mens transporttilbu-
det for kollektive transportmidler bygges opp av kollektivnoder og rutetabeller for kollektivlinjer. 	I kol-
lektivnodene kan det også legges inn 	opplysninger om parkeringskostnad og kvalitet på lokalt kollektiv-
tilbud.	 Etablering av transporttilbud er nærmere beskrevet i avsnitt 	3.4	.
3.2	 	Simulering av valg av transportmiddel og 	reiserute
Kjernen i 	Ada	 består av simulering av enkeltindividers valg av reisemåte for en gitt
reisestrekning på et gitt tidspunkt.	 Tidspunkt for gjennomføring av reisen 	be-
stemmes av ønsket avreisetid eller ønsket ankomsttid.
Ved kjøring av modellen deles datasettet inn i rel	asjoner (forbindelse mellom to
modellsoner), og beregninger gjennomføres sekvensielt over alle relasjoner i mo-
dellen. Slik modellen er formulert er resultatene på hver relasjon uavhengig av resultatene på alle andre
relasjoner.
Simuleringene gjennomføre	s med utgangspunkt i tilgjengelig kunnskap (datasettets opplysninger) om:
a. 	fordeling av reiser i tid (ønsket reisetidspunkt) og rom (relasjon; sone til sone)
b. 	de reisendes preferanser (verdsetting av tidskomponenter 	mv.	).
c. 	transporttilbud
D

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	22

Innenfor hver re	lasjon fordeles simuleringene (totalt antall bestemmes av bruker) mellom primærsone-
pa	r med utgangspunkt i størrelsen på attraherings	- og genereringsvariabler tilknyttet primærsonene,
mens reisetidspunkt og den «reisendes» preferanser trekkes fra sannsynlig	hetsfordelingene.	 For hvert
primærsonepar etableres 	en valgmengde, dvs. alternative reisemuligheter 	mellom primærsonene.
Valgmengden kan bestå av et stort antall 	alternative ruter med hvert av transportmidlene som inngår i
modellen, jfr. nærmere beskrive	lse i avsnitt 	3.5	.
Valg av transportmiddel bestemmes av egenskaper ved transporttilbudet og de reisendes preferanser.
Den enkelte reisende velger det transportmiddel som 	– ut fra hans preferanser 	– medfører minst
ulempe. Enkelte variable (	f.eks.	 reisekostnader) uttrykkes i modellen direkte i kroner. Andre variable
(reisetid, ventetid	 og	 forsinkelsestid) inngår på en s	lik måte at kvanta (	f.eks.	 antall minutter) er likt for
alle reisene, mens verdsettingen av de ulike variable varierer mellom de reisende. Variasjonen i verd-
setting av tidskomponenter er i modellen representert ved lognormale sannsynlighetsfordelinger men	s
variasjon i verdsetting av uforklarte variabler er representert ved normale sannsynlighetsfordelinger.
Valgmodellen er nærmere beskrevet i avsnitt 	3.6	.
Ved gjennom	føring av et stort antall simuleringer oppnås representativitet i forhold til datagrunnlaget
som er tilgjengelig om samlet reiseaktivitet. Resultater fra enkeltsimuleringene lagres og tildeles vekter
slik at summen av simuleringsresultatene tilsvarer meng	den av reiser på relasjonen i datagrunnlaget.
Ved 	virkningsberegninger (	sammenlikning mellom ulike alternativer	) inneholder 	Ada	 rutiner for å anslå
endringer i samlet antall reiser. Det forutsettes at det eksisterer en sammenheng mellom gjennom-
snittlige 	generaliserte kostnader og antall reiser på en relasjon 	– og at denne sammenhengen kan ut-
trykkes ved en elastisitet. 	Dette er rimelige forutsetninger i en transportmodell.
3.3	 	Resultatuttak og etterberegninger
I tillegg til 	resultater av enkeltsimuleringe	ne, lagres resultater 	for ruter i vei	- og
kollektivnettet for trans	portmidlene	 samt aggregerte resultater (rei	ser fordelt 	per
transportmiddel) under modellkjøringen. 	Når beregningene er gjennomført 	for
alle relasjoner, fordeles resultatene for vei	- og kollektivrutene 	på linjer og avganger
i kollektivnettet og på 	lenker i veinettet fordelt på 	tidsintervall	.
Resultatdatabasen gir muligheter for	 en rekke ulike resultatuttak	, avhengig av formål med bereg-
ningene, 	f.eks.	:
• 	Reisemønster	 (OD)	, strekningsbelastnin	g, 	inntekter og 	passasjerkilometer per avgang og linje	 (kol-
lektiv)
• 	Reisemønster (OD), belastning på lenker i veinettet	, bom	- og ferjeinntekter	, fordelt over døgnet og
per døgn
• 	Beregning av trafikant	nytte og operatørnytte	, basert på modellparametere og/eller basert på stan-
dard verdsettingsforutsetninger.
• 	Detaljerte analyser, f.eks. knyttet til til	- og frabringertransport 	rundt et kollektivknutepunkt
Resultatuttak kan gjøres som uttak fra en 	enkelt beregn	ing eller som sammenlikning mel	lom to bereg-
ninger (virkningsberegninger). I tillegg gir sam	lingen av resultater fra enkelt	simuleringer muligheter til
å gjennomføre følsomhetsanalyser for en del variabler uten å gjennomføre nye modellberegning	er.
A

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	23

illustrerer hvordan resulta	tdatabasen kan brukes til å analysere virkninger av endringer i enkeltvariab-
ler, her endring i 	generaliserte kostnader ved reiser med t	og. 	Endringen i generaliserte kostnader kan.
f.eks. være endring i reisekostnader (billettpris)	.
Figur 	3-3 	Eksempel på analyse av endringer i enkeltvariabel mot resultatdatabasen
Kilde:	 	Vista Analyse
Av 	figuren går det fram at sammensetningen av overført trafikk til/fra tog vil variere; bussandelen er
mer	 følsom for endringer i 	generaliserte kostnader	 for tog enn andelen som reiser med bil.	 Når billett-
prisen for togreisen 	går andelen som benytter buss ra	skt mot null	, dvs. at flere togreiser primært kom-
mer på bekostning av bilreiser. Dersom 	billettprisen 	på tog øker, overføres en betydelig andel av reisene
til 	buss. Eksemplet illustrerer at 	simuleringer, med korrelasjon mellom verdsettingsparametere for 	ulike
transportmidler, 	gir varierende substitusjonsgrad mellom transportmidlene, avhengig av 	retning og
størrelse på endringen. I LOGIT	-modell	er er det ingen korrelasjon mellom 	parameterverdiene, dette gir
konstant 	substitusjonsgrad mellom transportmidlen	e (like stor andel overføres til/fra buss og bil uav-
hengig av retning og størrelse på endringen i billettpris).
Tilsvarende beregninger kan gjøres for andre variabler, blant annet endringer i reisekostnader, end-
ringer i reisetid og endringer i ulike verd	settingsparametere.	 Det kan også enkelt utvikles metodikk for
å belyse virkninger av endringer i 	andre variable, 	f.eks. bompengenivå	, som gjør det mulig å 	beregne
effekter av en rekke ulike nivåer uten nye modellberegninger.
 0%
10%
20%
30%
40%
50%
60%
70%
80%
90%
100%
 100	 80	 60	 40	 20	0	 - 20	 - 40	 - 60	 - 80	 - 100
Markedsandeler
Endring i GK for tog, kroner
Andel bil
Andel buss
Andel tog

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	24

3.4	 	Transporttilbudet i modellen
Oppbygging av tilbudet
Figur 	3-4 	Transporttilbudet i modellen, reiser fra primærsone A i Modellsone 1 til primær	-
sone B i Modellsone 2

Kilde: Vista Analyse
Figur 	3-4 gir en skjematisk oversikt over oppbygging av reisealternativer i modellen. En relasjon (et
reisemarked) er en forbindelse mellom to modellsoner. Hver modellsone består av et antall primærso-
ner (f.eks. grunnkretser).
Av figuren går det fram at transporttilbudet settes sammen av tre hovedelementer:
a) Tilbringerreise
b) Hovedreise (som kan gjennomføres med en bilrute eller en kollektivrute)
c) 	Frabringerreise
Figuren viser et eksempel med to transpor	tmidler (et individuelt og et kollektivt) og med tilknytning til
to veinoder og to kollektivnoder ved primærnode A og primærnode B. Modellen kan inneholde flere
transportmidler og det kan velges å identifisere ruter via mer enn 2 noder pr. primærsone. Me	llom par
av vei	- og kollektivnoder kan det også være flere ulike ruter.

Modellsone
Kollektivnode
Veinode
B
A
Veirute
Kollektivrute
Tilbringer
Frabringer
Modellsone 1
Modellsone 2
Modellsone 1

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	25

Hovedreisen
I nettanalysen 	etableres ruter	 mellom alle nodepar i veinettet med utgangspunkt i data om lenker i
veinettet. Lenker inneholder opplysninger om avstand, reisetid (kan vari	ere over døgnet) og reisekost-
nad (kan variere over døgnet) på en veistrekning. Veistrekningene vil oftest være mellom to kryss. Vei-
rutene kan bygges opp etter ulike søkekriterier (kortest avstand, kortest reisetid	 m.fl.	) og døgnet deles
inn i «avganger» for å fange opp variasjoner i tidsbruk og kostnader.
Veiruter kan inneholde ferjestrekninger. I disse tilfellene blir avgangstidene i rutene bindende 	– som
for kollektivtrafikk. Uten ferjestrekning 	defineres 	«avgangs	tidene» i veirutene et skift i tidsbruk eller
kostnader ved valg av ruten.
Kollektivruter mellom nodepar (holdeplasser/stasjoner) bygges opp med utgangspunkt i rutetabeller for
alle linjer som er lagt inn i modellen. Det kan være flere kollektivruter mell	om hvert nodepar dersom
det er (kombinasjoner av) linjer med ulik trasé og/eller ulikt antall overganger som knytter de to nodene
sammen.
Kollektiv	- og veirutene inneholder et antall avganger over dagen definert ved avgangs	- og ankomsttid.
Videre er det	 – for hver avgang 	– informasjon om reisetid, antall overganger, byttetid og reisekostnader.
Dersom reisen gjennomføres med bil, beregnes parkeringskostnader ved reisemål (primærsone B). Par-
keringskostnader kan variere over døgnet, avhengig av ankomsttid 	til sonen.
Tilbringer	- og frab	ringerr	eisen
I modellen er det mulig å definere flere ulike tilbringer	- og frabringer	transportmidler som karakteriseres
ved kostnader (konstant + kroner pr. km) og tidsbruk (konstant + tid pr. km). Avstand fra primærnode
til 	nærmeste vei	- og kollektivnoder beregnes ved avstand i luftlinje + et konstant og et multiplikativt
tillegg.
Der	som hovedtransportmiddel er individuelt transportmiddel (bil), forutsettes	, modellteknisk,	 samme
transportmiddel benyttet 	også på til	bringer	- og frabringerdelen av 	reisen.
Dersom bil benyttes som tilbringertransport til kollektive transportmidler, beregnes parkerings	kostna-
der ved kollektivnodene. Kostnadene kan variere avhengig av ankomsttid 	til kollektivnoden.
For kollektive tilbringertransportmidler beregnes ventetid på grunnlag av frekvens i lokalt kollektivtilbud
i primærnode A. Ventetid kan variere avhengig av ankomsttid til kollektivnoden.
For tilbringertransportmidlene i modellen er de	t mulig å legge inn ulike kostnader ved til	- og frabringer-
reiser, f.eks. for å fange opp at egen bil er et alternativ ved tilbringerreiser mens taxi 	– med tilsvarende
egenskaper, men høyere kostnader 	– er et alternativ ved frabringer	reiser. Det er også m	ulig å blokkere
tilgang til «tilbringertransportmidler» ved frabringer	reiser, f.eks. for sykkel. 	Mod	ellverktøyet gir derfor
muligheter for	 å reflektere forskjeller 	i bruk av tilbringertransportmidler mellom bosted og reisemål som
kan knyttes til at 	tilga	ngen til 	– og vilkår for bruk av 	- ulike tilbringertransportmidler	 varierer mellom
bosted og reisemål.

Ada. Disag	gregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	26

3.5	 	Valgmengden
Kollektivtilbudet på en relasjon 	mellom to primærnoder 	er definert mellom kollektivnoder 	knytte	t til
primær	node	ne, 	mens transporttilbudet p	å vei tilsvarende er definert mellom veinoder 	knyttet til pri-
mærnodene	.
Mellom hvert nodepar etableres en eller flere kollektivruter som bygges opp på grunnlag av rutetabeller
for kollektivlinjene i modellområde. En rute er definert ved en gitt trasé og	 et gitt antall overganger.
Mellom kollektivnode og primærnode består transporttilbudet av ulike tilbringer	transport	midler. An-
tallet tilbringertransportmidler kan variere mellom noden reisen er generert fra og noden reisen attra-
heres til.
Dersom vi defi	nerer:
��� 	kollektivnoder 	knyttet til primærnode 	A, transportmiddel i
��� 	kollektivnoder 	knyttet til primærnode	 B, transportmiddel i
������� 	antall tilbringertransportmidler 	primærn	ode 	A
������� 	antall tilbringertransportmidler 	primærnode	 B
����	 	antall ulike ruter mellom 	��� og 	���.
kan valgmengden for hvert kollektivtransportmiddel i simuleringene uttrykkes ved:
(i) 	�����������	=	∑	((���∗�������)∗(���∗�������)∗����	)	�
Antall tilbringertransportmidler inngår i modellspesifikasjonen, mens (maksimalt) 	antall 	kollektiv	noder
som 	knyttes til hver primærnode	 bestemmes ved gjennomføringer av beregninger. Med (eksempelvis)
2 kollektivnoder 	knyttet til primærnode	 A, 3 kollektivnoder 	knyttet til primærnode	 B og 3 alterna	tive
tilbringertransportmidler gir dett	e 54 ulike alternativer for hvert kollektive transport	middel	 i h	ver simu-
lering på relasjonen. Det kan også være flere ulike ruter mellom hvert par av kollektivnoder. Dette øker
valgmengden ytterligere.
For reiser med bil inngår ikke mulighet for valg av	 tilbringertransportmiddel, til gjengjeld er det inntil 5
ulike ruter (korteste avstand, korteste reisetid i ubelastet nett, korteste reisetid i belastet nett og ruter
uten bompenger/ferjekostnader) mellom hvert veinodepar.
Dersom vi definerer:
�������� 	an	tall veinoder 	knyttet til primærnode A	, transportmiddel i
�������� 	antall veinoder 	knyttet til primærnode	 B, transportmiddel i
����	 	antall ulike ruter mellom 	�������� og 	��������.
kan valgmengden for bil i simuleringene uttrykkes ved:
(ii)	 	���������������	=	 ∑	(��������	�	 ∗ ��������∗ ����	)
Med en begrensning på tilkobling til 3 veinoder i 	knyttet til primærnode	 A og 	primærnode	 B og inntil 5
ulike ruter gir dette 9	-45 alternative ruter med bil.
Tre kriterier må være oppfylt for at valgmengden i modeller med 	diskrete valg skal produsere resultater
som gjenspeiler markedet som analyseres	 (Train, 2003)	:
1. Alternativene må være gjensidig utelukkende
2. Alle mulige alternativ må være inkludert

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	27

3. Antall alternativ må være endelig
Det første o	g det siste kriteriet oppfylles i Ada, mens det andre kriteriet oppfylles delvis. I mange trans-
portmodeller oppfylles det første kriteriet gjennom å slå sammen flere alternativer med liknende karak-
teristika, f.eks. ved at alternative ruter for bil vektes 	sammen til et bilalternativ eller ved at kollektivruter
av ulike typer (tog, buss, trikk) og/eller med ulike traséer vektes sammen til et kollektivalternativ. I Ada
er alle alternativer unike, dvs. at ulike vei	- og kollektivruter er selvstendige alternati	v.
Det andre kriteriet kan vanskelig oppfylles når vi forutsetter at hvert alternativ skal være unikt. I et
transportnett vil det ofte være et høyt antall mulige ruter som ikke identifiseres ut fra de kriteriene vi
legger til grunn. Betydningen av å utel	ate slike ruter fra modellen vurderes å ha liten betydning for
modellens egenskaper. En viktigere begrensning i Ada er at alternativene å la være å reise eller å reise
til et annet sted ikke inngår i valg	mengden i simulerings	modellen. Valgene som simu	leres kan derfor
karakteriseres som betinget. Beslutningen om reise / ikke reise håndteres på aggregert nivå gjennom
vekting av resultater fra simuleringene. Dette omtales nærmere i 	vedlegg	 C.
3.6	 	Valgmodellen
Vi tar utgangspunkt i at det gjennomføres et antall reiser mellom A og B. Med vanlige nytte	-teoretiske
forutsetninger impliserer det at hver av reisene bidrar til økt netto nytte for de trafikantene som gjen-
nomfører reisene. Vi kan også legge til grunn a	t transportmiddelet trafikanten velger er det transport-
middelet som 	– blant alternativene 	– gir størst økning i netto nytte. Dette er det transportmiddelet som
gir trafikanten de laveste 	generaliserte kostnadene.	 I Ada 	består reisene av en tilbringerreis	e og en
frabringerreise i tillegg til hovedreisen 	– og minimeringen av 	generaliserte kostnader (i) gjennomføres i
flere trinn. Rekkefølgen på trinnene avhenger av om minimeringen av GK baseres på ønsket avreise-
tidspunkt eller ønsket ankomsttidspunkt	, noe 	som forklares nedenfor.
Generaliserte kostnader for hele reisen kan uttrykkes ved:
(i) 	�������	�=	 ∑	�������	��	∗ ��������	+	 �������+	�������	��+	 �������	��
hvor 	∑	�������	��	∗ ��������	+	 ������� representerer hovedreisen (mellom transportnoder) og 	 �������	�� og	 �������	�� er
GK for valgt ti	lbringer	- og valgt frabringertransportmiddel (mellom primærnoder og transportnoder)	, se
(i) og (ii) under	.
Variablene i uttrykket er definert som følger	:
�������� 	er mengden av variabel nr. 	i for transportmiddel nr. 	j (reisetid, overgangstid, tilbringertid, ven-
tetid mv.)
�������� 	er trafikantens verdsetting av variabel nr	. i for transportmiddel nr. 	j – som 	uttrykkes i	 kroner pr.
enhet	 av variabelen 	��������.
������� 	er et stokastisk element som inngår i den reisendes vurderin	g av transportmiddel nr. j.	 ������� re-
presenterer faktorer som ikke fanges opp i modellspesifikasjonen for øvrig, men som påvirker
trafikantens vurdering av alternativene.
Generaliserte kostnader	 for til	- og frabringerreisene finnes gjennom minimering av 	uttr	ykkene	:
(i) 	 �������	��	=	 ∑	���������	�	∗ ���������	+	 ��������
(ii)	 	�������	��=	 ∑	���������	�	∗ ���������+	 ��������

Ada. Disaggregert valgmodell for trans	portanalyser

Vista Analyse	 | 2022/07	 	28

hvor:
��������� 	 	er mengden av variabel nr. 	i for tilbringertransportmiddel nr. 	m
��������� 	 	er mengden av variabel nr. 	i for frabringertransportmiddel nr. 	n
��������	 �	og 	��������� 	er tilhørende verdsettingsvariabler og
�������� og 	�������� 	er stokastiske elementer for til	- og frabringertransportmidlene
Som nevnt over gjennomføres minimeringen av 	generaliserte kostnader trinnvis 	– og rekkefølgen på
trinnene avhenger av om avgangs	- eller ankomst	tidspunkt framstår som bindende. 	Arbeidsreiser er
eksempel på reise hvor 	ankomsttidspunkt kan ansees som bindende ved reise til arbeid, mens avgangs-
tidspunkt kan ansees som bindende 	ved rei	se fra arbeid.	7
Hvis ankomsttidspunkt er bindende, er rekkefølgen:
1. Finn beste 	frabringertransportmiddel for alle alternative ruter og ankomsttider med hovedtrans-
portmiddel basert på hovedtransportmidlenes ankomsttidspunkt til transportnode ved reisemål
og	 transporttilbud mellom transportnode og primærnode (reisemål).
2. Finn beste tilbringertransportmiddel basert på avgangstider fra transportnode ved utgangspunkt
for reisen (basert på avganger identifisert i pkt. 1) og transporttilbud mellom primærnode (start
for reisen) og transportnoden.
3. Minimer GK for reisekjeden.
Hvis avreisetidspunkt er bindende, byttes rekkefølgen på pkt. 1 og pkt. 2. 	Begrunnelsen for dette er at
det i modellen beregnes ventetid i ankomstnoden når ankomsttidspunkt er bindende, mens det	 bereg-
nes ventetid i avreisenoden når avreisetidspunkt er bindene. Metoden sikrer at avveininger mellom
ventetid, tilbringertid og valg av avgang inklud	eres ved minimering av GK. Eksempler på dette kan være
reisende som velger å benytte langsomme tilbrin	gertransportmidler fordi bruk av raske tilbringertrans-
portmidler gir lengre ventetid ved tilbringertransportmidler 	– eller at raske tilbringertransportmidler
benyttes fordi dette gir tilgang til (senere) avganger med hovedtransportmiddelet.
For variabler 	som kvantifiseres i kroner 	– f.eks.	 reisekostnader 	– er verdsettingsvariabelen 	��������	=	1 .
For variabler som kvantifiseres i form av tid, er verd	set	tingen (	��������) representert ved en sannsynlighets	-
for	deling. Denne kan skrives:
(iii)	 	��������	=	������(��������,��������)
hvor 	μij og 	σij uttrykker forventning	 og standardavvik i for	del	ingen for variabel nr. 	i for transportmiddel
nr 	j. I modellen er verdsettingsvariablene representert ved lognormale sannsynlighetsfordelinger	. Un-
dersøkelser av trafikanters 	verdsetting av reisetid og andre tidskomponenter viser ofte en høyreskjev
fordeling, som kan tilnærmes ved en lognormal fordeling. Denne fordelingen er derfor lagt til grunn for
alle fordelinger av tidskostnader i modellen.
I Ada	 legges sannsynlighetsford	elingene (	��������	=	������(��������,��������)) inn som eksogene variab	ler, dvs	. at kunn-
skapen om funk	sjonsform og verdier baseres på andre analyser / esti	mer	ings	arbeider.	 I modellen er

7 Ved videre utvikling av modellverktøyet bør det vurderes å 	erstatte absolutte bindinger knyttet til avgangs	- og ankomsttider
med 	kostnad	er knyttet både til ankomst/avgang før og etter ønsket tidspunkt. Dette er særlig aktuelt 	ved inkludering av
punktlighe	t (jfr. avsnitt 	4.3.2	) eller 	tur	-retur reiser (jfr. avsnitt 	4.3.3	) i valgmod	ellen.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	29

det mulig å variere 	både forventningsverdi (	��������) og standardavvik (	��������) etter reiselengd	e for å re-
flektere systematiske forskjeller. 	Tilsvarende 	funksjonalitet er 	også 	etablert 	i InterCity	-model-
len	8.
Trafikantenes verdsetting av ulike variable påvirkes av flere elementer 	– f.eks. påvirkes verd	settingen av
reisetid av faktorer som
• 	den reisendes inntekt,
• 	transportmidlenes komfort (mulighet til å anvende reisetiden til noe nyttig) og
• 	stramheten i den reisendes totale ”tidsbudsjett” (høyere betalingsvillighet for å redusere reisetid
ved 	reiser som gjennomføres ofte).
Enkelte faktorer (	f.eks.	 inntektsnivå) påvirker alle trans	port	midler; undersøkelser viser klare sammen-
henger mellom økt inntektsnivå og høyere betalingsvillighet for redusert reisetid. 	Vi kan derfor vente
at det er korrela	sjon mellom verdsettings	funksjonene for ulike transport	midl	er.	 Korrelasjonsmatriser
inngår som eksogene	 variabler i modellen	9, med 	tre verdsettingsfunksjoner inngår korrelasjon mellom
1 og 2, mellom 1 og 3 og mellom 2 og 3 som vist i (iv):
(iv)	 	��������������	12
��������������	13	��������������	23

Andre variabler som påvirker verdsettingen av endringer i tids	bruk er mer spesifikt knyttet til egen	ska-
per ved ulike trans	portmidler 	– og variasjoner i trafikantenes vurdering av disse egenskapene. Dette
dreier seg om forhold som t	ilgang til sitteplass, sitteplasskomfort, muligheter for aktivitet, sik	kerhet,
fleksibilitet med mer. Transportmidler med omtrent like egenskaper verdsettes omtrent likt av den
samme trafi	kant	en, mens transportmidler med svært ulike egenskaper også ka	n verdsettes ulikt.
Korrelasjonen mellom verdsettingsfunksjonene vil derfor være sterkere mellom transport	midler med
omtrent like egen	skaper (f.eks	. mellom ulike togprodukt	er) enn mellom trans	portmidler med forskjel-
lige egenskaper (f.eks	. mellom bi	l og kollektive transportmidler og mellom transportmidler med store
forskjeller i pris og/eller reisetid 	– som bil vs	. fly).
Når reisemiddelvalg simuleres, kan vi utnytte kunnskap om at trafikantenes verdsetting av (f.eks.) reise-
tid med et transportmiddel 	er korrelert med verd	set	ting	en av reisetid med andre transportmidler. I
modellen repre	sen	teres avhengighetene av korrelasjonsmatriser. Ved simu	lering dekomponeres	10 kor-
relasjonsmatrisene, slik at simu	ler	ingene gir oss et «utvalg» som både reflekt	erer variansen for den en-
kelte variable og kovariansen mellom ulike variabler.
Stokastiske restledd, variabelen 	Kj representeres også ved sannsynlig	hets	for	del	inger i model	len:
(v)	 	 �������=	������(�������,�������)

8 I rapporten «Tidsverdi som kontinuerlig funksjon av reisedistanse» 	(TØI, TØI rapport 1778/2020)	 etableres 	kontinuerlige
funksjoner for 	sammenhenger mellom tidsverdi og distanse	. Disse anbefales tatt i bruk ved nytteb	eregninger	 basert på
regionale transportmodeller	. I rapporten omtales ikke 	bruk	 av 	kontinuerlige funksjoner i transportmodellene, 	vi finner
heller ingen drøfting av	 alternative funksjonsformer.

9 Ved å sette korrelasjon	smatrisen til null for alle kombinasjoner, 	får modellen egenskapet som i større grad tilsvarer LOGIT	-
modellers egenskaper.
10 Choleski	-dekomposisjon	, se 	https://en.wikipedia.org/wiki/Cholesky_decomposition

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	30

Restleddene er ment å fange opp forhold som ikke fanges opp gjennom modellformulering (manglende
variabler, feilspesifiserte variabler) og svakheter ved modellens datagrunnlag. I utgangspunktet har vi
derfor mindre kunnskap om hvordan størrelsen på restle	ddene varierer mellom grupper av reisende.
Med dette 	utgangspunktet	 er det nærliggende å legge til grunn at variasjon i størrelsen på leddene er
normalfordelte.
Også for disse leddene er det mulig å legge inn korrelasjon mellom ulike transportmidler. S	imuleringene
av reisemiddelvalg gjennomføres slik at varians for enkeltvariabler og kovarians mellom variabler for
ulike transportmidler blir representativ.
Tabell 	3.1 og 	Tabell 	3.2 gir en oversikt over variabler som inngår i uttrykket for beregning a	v generali-
serte kostnader for hen	holds	vis indi	viduelle og kollektive transportmidler.
Tabell 	3.1 	Generaliserte kostnader, reiser med individuelle transportmidler (bil)
Element	 	Verdsetting	 	Kommentar
Reisetid	 	Reisetidsverdi (kro-
ner/time)
Inkludert distanseavhengig til	- og 	frabringertid
Forsinkelsestid	 	Forsinkelsestidsverdi
(kroner/time)
Verdsettes som reisetid (eller med egen variabel)
Omstigningstid	 	Byttetidsverdi (kro-
ner/time)
Inngår når relasjonen inneholder ferje
Ventetid	 	Ventetidsverdi (kro-
ner/time)
Inngår når 	relasjonen inneholder ferje
Tilbringertid	11 	Reisetidsverdi (kro-
ner/time)
Konstant tilbringertid, regnet en gang
Reisekost 1	 	Kroner	 	Reisekostnad mellom modellsoner (relasjon	)
Reisekost 2	 	Kroner	 	Kilometeravhengig (fra parametersett) 	Ink	l. distanse-
avhengig til	- og frabringer	kostnad
Bom/ferjekostnader	 	Kroner	 	Fra transportnett
Parkeringskostnader	 	Kroner	 	Ved reisemål
Tilbringerkostnader	 	Kroner	 	Konstant tilbringerkost, genereringssone
Forsinkelseskostnader	 	Kroner	 	Tapt nytte ved forsinkelser
GK	-tillegg 	 	Kroner	 	Stokastisk tillegg på 	generaliserte kostnader
Kilde:	 	Vista Analyse
Overgangstid / verdsetting av overgangstid er valgfri variabel. Når overgangstid ikke inngår som egen
variabel inkluderes overgangstiden i ventetid.
Forsinkelsestid/ verdsetting av forsinkelsestid er også 	inkludert	 som valgfri variabel i modellen, men 	er
foreløpig 	bare delvis implementert 	for bilreiser i modellen. Fra veinettet beregnes reisetider med/ute	n
kø	. Dette er	 et mulig utgangs	punkt for å inkludere forsinkelser. For kollektiv	trafikk er det nød	vendig å
etablere rutiner for innlesing av opplysninger om forsinkelser.

11 Tilbringertid inkluderes i reisetiden

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	31

Tabell 	3.2 	Generaliserte kostnad	er, reiser med kollektive transportmidler
Element	 	Verdsetting	 	Kommentar
Element	 	Verdsetting	 	Kommentar
Reisetid	 	Reisetidsverdi (kroner/time)	 	Mellom transportnoder, fra rutetabeller.
Omstigningstid	 	Byttetidsverdi (kroner/time)	 	Verdsettes som 	reisetid uten egen variabel
Ventetid	 	Ventetidsverdi (kroner/time)	 	Ventetid ved reisemål (fra ankomst med til-
bringer transport	middel til ønsket ankomsttid)
Tilbringertid	 	Tilbringertidsverdi (kr/time)
Frabringertid	 	Tilbringertidsverdi (kr/time)
Antall omstigninger	 	Byttetidsverdi (kroner/time)	 	Minutter pr. omstigning i parametersett
Reisekost 1	 	Kroner	 	Fra relasjonsdata
Reisekost 2	 	Kroner	 	Kostnader hovedreise (kilometeravhengig)
Parkeringskostnader	 	Kroner	 	Parkering ved stasjon 	(tilbringer med bil)
Frabringerkostnader	 	Kroner	 	Konstant + kilometer	avhengig	 kostnad
Tilbringerkostnader	 	Kroner	 	Konstant + kilometeravhengig kostnad
GK	-tillegg, tilbringereise	 	Kroner	 	Stokastisk tillegg
Kilde:	 	Vista Analyse
3.7	 	Beregningsprosedyren
I dette 	kapitlet	 gis en kortfattet beskrivelse av beregningsprosedyren i 	Ada	.
Det er tre alternativer for gjennomføring av beregningsprosedyren:
1. Kalibreringsberegninger
2. Referanseberegninger
3. Virkningsberegninger
Kalibreringsberegninger er beregninger som gjennomføres med sikte på å identifisere para	mater	verdier
som gir godt samsvar mellom modellberegninger og datagrunnlag/empiri.	 I kalibreringsberegningene
etableres vekter 	(jfr. 	Vedlegg 	C) for hvert transportmiddel på 	hver relasjon i modellen. I tilfeller hvor vi
kjenner 	fordelingen mellom ulike transportmidler 	vil observerte forskjeller i vekter mellom ulike trans-
portmidl	er gi indikasjoner på om valgte parameterverdier er egnet til å beskrive markedet.
Referanseberegninger er beregninger som gjennomføres med utgangspunkt i vekting av enkeltsimule-
ringer fra kalibreringsberegninger, men hvor beregningsår, parametersett og tr	ansporttilbud kan avvike
fra datasettet som er brukt ved kalibreringsberegninger.	 Poenget med Referanseberegninger er å lage
et utgangspunkt 	for å analysere konsekvenser av et transporttiltak som 	skal gjennomføres på et tids-
punkt fram i tid, hvor vi inklu	derer (beregnede) virkninger 	knyttet til inntektsutvikling, befolkningsutvik-
ling mv. samt virkninger av andre tiltak i transportnettet som vil være gjennomført før tidspunktet for
åpning av det prosjektet vi ønsker å analysere.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	32

Virkningsberegninger gjennom	føres 	for å belyse konsekvenser av tiltak 	i transportnettet, og sammen-
liknes med resultatene av en Referanseberegning. Virkningsberegninger gjennomføres 	som en rebe-
regning av simuleringene som inngår i resultat	databasen fra en Referanseber	egning	, dvs. at 	opplys-
ninger om reisetidspunkt og 	-strekning leses inn fra 	referanseberegningen, mens 	param	eterverdier
og	/eller	 egenskaper ved transporttilbudet 	kan endres.
3.7.1	 	Klargjøring av modell
Modellberegninger gjennomføres sekvensielt over alle relasjoner i m	odellen	12. Før beregninger med et
datasett kan starte, kan modellbruker velge:
1. Type beregning	 (kalibrering, referanse eller virkning)
2. Beregningsår (ikke ved kalibreringsberegning)
3. Innstillinger	 for 	nettanalyse (	etablering av ruter i kollektiv	- og veine	tt; antall iterasjoner i søk
etter overgangs	muligheter, maksi	malt antall transportnoder pr. primærsone, maksimal avstand
fra transportnode til primærsone, søke	kriterier for ruter i veinettet (tid, avstand, kostnad), på-
slag (på luftlinjeavstand) ved ber	egning av avstand mellom primærsoner og transportnoder 	etc.
(kun ved kalibreringsberegning)
4. Antall simuleringer pr. reisehensikt på hver relasjon (ikke ved 	virkningsberegning, h	vor 	resultat-
datasettet etablert i referanseberegning leses inn 	på nytt)
Når ber	egningene startes gjennomføres først rutiner som er felles for alle relasjoner i modellen. I tillegg
til innlesing av datagrunnlag fra database til 	strukturvariabler	, inklu	der	er dette:
1. Beregning av den enkelte primærs	ones andel av genererte og attraherte reiser innenfor en mo-
dellsone (gjøres for hver reisehensikt)
2. Nettanalyse;
a. 	Etablering av veiruter mellom alle noder i veinett for individuelle transportmidler
b. Etablering av kollektivruter mellom alle noder i kollektivne	tt for kollektive transport-
midler.
Dersom det er flere perioder (døgn) i modellen gjentas etablering av vei	- og kollektivruter for hver pe-
riode.
3.7.2	 	Gjennomføring av beregninger på en relasjon
En modell kan inneholde flere 	tidsperioder	 og flere 	reisehensikter	. Beregningene gjennom	føres sekven-
sielt over perioder. Nedenfor beskrives beregningsprose	dyre for gitt periode	.
1. Fordel totalt antall simuleringer på par av prim	ærsoner og fordel simuleringene på reiseretning.
2. Beregn avstander fra alle primærsoner til nærliggende kollektiv	- og veinoder
3. Etabler parametersett tilpasset reiselengde på relasjonen
4. Identifiser reisemuligheter over perioden (døgnet) mellom alle par av pr	imærsoner som tildeles
simuleringer	.
5. Gjennomfør det bestemte antall simuleringer på hvert primærsonepar. For hver simulering:
a. Gjennomfør trekning fra fordelinger for å tildele den «reisende	s» egen	skaper
b. Gjennomfør trekning av ønsket ankomst eller avgangst	id basert på sannsynlighetsfordelinger.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	33

c. Identi	fiser avgangsnummer i kollektivruter gitt ulike til	- og frabringer	transport	midler og gjen-
nomfør delberegning for å finne beste kombinasjon av avgangsnummer, til	- og frabringertrans-
portmidler
d. Identifiser avga	ngsnummer i veiruter (her er til	- og frabringertransport	middel	 det samme som
hovedtransportmiddel)
e. Finn ruten som gir lavest 	generaliserte kostnader
6. Beregn vekter for hver simulering
7. Oppdater resultatvariabler som inneholder resultater for mer enn en 	relasjon (	f.eks.	 kollektivru-
ter og veiruter)
8. Skriv resultater av enkeltsimuleringer 	på relasjonen 	til resultatdatabase
3.7.3	 	Avsluttende beregninger
Når beregninger for alle relasjoner er fullført, gjennomføres avsluttende beregninger knyttet til variabler
som i	nneholder resultater fra mer enn en relasjon. Sammen med aggregerte resultater skrives disse ut
til resultatdatabasen.
1. Trafikk i veirutene fordeles på lenker (og tidsintervall) i veinettet
2. Trafikk i kollektivruter fordeles på linjer og avganger i kollekti	vtilbudet
3. Trafikk på 	vei	lenker, i kollektivlinjer samt vei	- og kollektivruter skrives til resultat	data	base
4. Aggregerte resultater (pr. relasjon, pr. modellsone etc.) 	skrives 	til resultatdatabase

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	34

4	 	B	ruk	 og videreutvikling
Foregående kapitler inneholder en gjennomgang av eksisterende, operative, versjon av Ada. 	Verktøyet
er egnet til å belyse en rekke problemstillinger på en god måte. 	I tillegg	 åpner modellstrukturen, med
disaggregert valg av transportmiddel og reiserute, fo	r en rekke muligheter til å utvikle verktøyet videre
og utvide bruksområdet	. I avsnitt 	4.1	 gjennomgår vi et utvalg 	bruksområder 	og peker på muligheter og
begrensinge	r som modellverktøyet gir.
I avsnitt 	4.2	 gjennomgås pågående utviklingsarbei	d, som vil bli implementert i modellverktøyet i løpet
av 2022. I avsnitt 4.3 ser vi på 	et utvalg muligheter for videre utvikling av modellverktøyet.
4.1	 	Bruksområder
4.1.1	 	Konkurranseflater 	i regionale transportmarkeder
Hovedfokus i 	Ada 	er knyttet til 	valg av transportmiddel og reiserute	 for motoriserte transportmidler	.
Modellverktøyet 	er derfor 	særlig egnet til å analysere virkninger av tiltak hvor målet, eller en viktig virk-
ning	 av tiltaket, er å påvirke 	fordelingen av reiser mellom ulike transportmidler.	 Eksempler	 på dette er:
• 	Infrastrukturinvesteringer i jernbanenettet
• 	Veiprosjekter (bortsett	 fra 	prosjekter i områder med omfattende køproblematikk)
• 	Større tilbudsendringer, jernbane	- eller regionale busslinjer
Reisemønster i Ada baseres på empiri, mens det i RTM/NTM 	modelleres. Modellerte reisemønstre 	vil,
i en del tilfeller, avvike betydel	ig fra faktiske 	reisemønstre. Når dette er tilfelle, se eksempel i Vedlegg 	B,
vil 	ikke beregninger av effekter av tiltak i transportnettet bli riktige	, og 	sikrere resultater kan oppnås ved
å benytte modeller som tar utgangspunkt i empiriske reisemønstre	.
4.1.2	 	Konkurranse 	me	llom ulike kollektive transportmidler
Markeder med konkurranse mellom 	ulike 	kollektivtransportmidler 	er et område hvor	 Ada har potensial
for mer presise beregninger 	sammenliknet med tradisjonelle trafikkberegningsmodeller.	 Eksempler på
problemstillinger	:
• 	Tilbringertrafikken til lufthavner (f.eks. Flytoget/andre tog/ekspressbuss til/fra Oslo Lufthavn)
• 	Ekspressbuss vs. regiontog (InterCity	-markedet m.fl.)
• 	Konkurranse om trafikkgrunnlag mellom ulike lufthavner	13
Både ulik substitusjonsgrad (knyttet til korrela	sjon i preferanser) og 	tidsoppløsning av transporttilbudet
er viktige elementer for bedre beregninger knyttet til konkurranseflater mellom ulike 	kollektive trans-
portmidler.

13 Foruts	etter at reisekjeder med ulike transportmidler er implementer	t, jfr. 	4.2.2	.

Ada. Dis	aggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	35

4.1.3	 	Bompenger og ferjeavløsning
Innenfor veitrafikk 	vil Ada være særlig egnet til å 	belyse	:
• 	konsekvenser av 	endringer i ferjetilbud og 	ferjeavløsningsprosjekter
• 	virkninger 	av endringer 	i brukerbetaling (	bompengeanalyser, veiprising).
Tidsoppløsning av transporttilbudet, 	hvor	 flere alternative ruter 	(med/uten bompenger, med/uten
ferje) inngås i valg av transportmiddel og reiserute 	gir	, sammen med variasjon i preferanser,	 realistiske
val	g av transportmiddel og reiserute	.
Ada er også tilrettelagt for å gjennomføre 	følsomhetsanalyser mot resultatdataba	sen med inkremen-
telle endringer av enkeltvariabler	. For bompengeprosjekter 	kan denne funksjonaliteten benyttes til
detaljerte	 analyser 	av 	virkninger av 	ulike bompengesatser uten 	at det gjøres nye modellberegninger.
Bompengeprosjekter innebærer ofte 	en betydelig heving av kvaliteten på veinettet. 	Vi arbeider med å
implementer	e en komfort	-/sikkerhetsfaktor 	i modellverktøyet	 (jfr. avsnitt 	4.2.1	). Dette vil kunne 	gi en
ytterligere forbedring av Adas evne til å predikere 	trafikale virkninger av bompengeprosjekter.
Ferjeruter 	håndteres i Ada 	tilsvarende som 	kollektivlinje	r; det er faktiske rutetabeller som ligger til grunn
for valgene i	 modellen 	– og alternative re	iseruter 	uten ferje inngår i valgmulighetene i simuleringene.
Dette gir langt mer realistiske valgsituasjoner sammenliknet med det som etableres i modeller 	basert
på gjennomsnittlige transporttilbud.
4.1.4	 	Linjenettanalyser for kollektivtrafikk
Med detaljert fo	rdeling 	av reiser på linjer og avganger	 i kollektivnettet	, og 	mulighet til å legge inn ulike
preferanser for ulike kollektivtransportmidler (buss, trikk, bane, tog) 	gir Ada mulighet for 	å analysere
virkninger 	(trafikantnytte, endret belastning i linjer	 mv.) 	når det vurderes endringer i kollektivtilbudet.
Aktuelle til	tak Ada vil være egnet til å analysere inkluderer 	endringer i trasé	- og linjeføring, endringer i
avgangshyppighet og rutetid	, bytte av kollektivtransportmiddel (f.eks. fra buss til bane).
Linjenettsanalyser for lokale kollektivtilbud 	forutsetter at gode ku	nnskaper om dagens trafikkstrømmer
er etablert gjennom reisevaneundersøkelser og/eller innsamling av trafikkdata fra transportmidlene.
4.1.5	 	Begrensninger
I foregående avsnitt har vi pekt på aktuelle bruksområder 	for Ada. Det kan også være grunn til å peke
på	 områder hvor 	modellen vurderes lite egnet. Dette inkluderer:
• 	Tiltak i veinettet 	for å redusere overbelastning (køproblematikk)
• 	Tiltak som hovedsakelig er rettet inn mot korte reiser (gang/sykkel)
Det første er knyttet til at 	beregnede endringer i reises	trømmer 	modellverktøyet (foreløpig) ikke 	påvir-
ker kvaliteten på transporttilbudet (ingen iterasjon fram til likevekt). 	Det andre har sammenheng med
at utforming av modellverktøyet og spesifikasjon av valgmodellen primært er rettet inn mot 	motoriserte
reiser.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	36

4.2	 	Pågående utviklingsarbeid
Vi arbeider med testing og utvikling av modellverktøyet. I tillegg til å utvikle analysemuligheter basert
på resultatdatabasene, er u	tviklingsarbeidet rettes inn mot å:
• 	introdusere nye variabler i (raffinere) 	modellspesifikasjonen,
• 	øke muligheten for utnyttelse av funksjonalitet som allerede er etablert i modellen.
Komfort, sikkerhet/trygghet, trengsel og punktlighet/regularitet er eksempler på variabler som kan in-
kluderes i modellverktøyet. Før nye variabler	 introduseres, er det nødvendig å ta stilling til:
• 	om disse kan/bør 	kvantifiseres og verdsettes (modellspesifikasjon som reflekterer trafikantatferd),
inkludert om verdsetting av variabelen er uavhengig av eller korrelert med eksisterende verdset-
tingsvaria	bler (parametere) i modellen.
• 	om det finnes/er mulig å få tilgang til data som kan gi en realistisk beskrivelse av status for variabe-
len i dagens situasjon
Dersom vi (foreløpig) vurderer at det ikke er grunnlag for å inkludere variabelen i valgmodellen, kan et
alternativ være å inkludere variabelen ved beregning av nytte av tiltak.
4.2.1	 	Kjørekomfort	 / sikkerhet
Inspirert av r	apporten «Verdsetting av kjørekomfort 	for ulike veityper» 	 (Transportøkonomisk Institutt,
TØI rapport 1774/2020)	 har vi satt i gang et arbeid med å inkludere kjørekomfort/	opplevd 	usikkerhet i
valgmodellen 	i Ada.	 Implementering baseres på en forutsetning om at 	ulik	 kjørekomfort påvirker 	verd-
settingen av reisetid	, og at det ikke er systematiske forskjeller i verdsettingen mellom ulike trafikant-
grupper	. Nivå på k	jørekomfort/	usikkerhet	 kan	 dermed implementeres som en	 multiplikator på reiseti-
den. 	TØIs arbeid var innret	tet mot kjørekomfort på vei. Vi antar at kjørekomfort	, tilsvarende	, kan vari-
ere også for kollektive transportmidler og inkluderer 	komfort/sikkerhetselement også for kollektivlinjer.
Modellteknisk innebærer endringen at et komfortelement inkluderes på alle lenker i veinettet og 	for
alle linjer i kollektivnettet. Videre må nettanalysen tilpasses for å inkludere «mest komfortable» rute	 i
tillegg til de muligheter som er inkludert i eksi	sterende versjon (kortest	e rute, raskeste rute i ubelastet
nett, rask	este rute i belastet nett og rimeligste rute)	. Til slutt må komfortelementet inkluderes ved
beregning av 	generaliserte kostnader for de ulike 	mulighetene trafikantene står overfor	 i valg	modellen.
Transportøkonomisk Institutt	 (TØI rapport 1774/2020)	 dokumenterer et arbeid gjennomført på oppdrag
for Nye Veier og Statens vegvesen hvor formålet var å utvikle en metode og anbefale konkrete verdier
som kan b	rukes til å inkludere denne verdien i samfunnsøkonomiske analyser av veiprosjekter. Kjøre-
komfort defineres teoretisk som et samlebegrep som både omfatter nytte (ulemper) knyttet til bruk av
reisetiden og opplevd utrygghet. Metodisk beregnes verdsetting a	v kjøretiden på ulike typer veier som
en faktor multiplisert med trafikantenes verdsetting av reisetid.
I arbeidet omtales også bruk av faktorene i forbindelse med trafikkberegninger: «	Et viktig spørsmål er
om tidsverdifaktorene skal brukes både i trafikkb	eregninger (særlig modellering av rutevalg) og bereg-
ning av trafikantnytte, eller bare i sistnevnte. Isolert sett vil det være mest konsistent å bruke dem til
begge deler	»

Ada. Disaggregert valgmodell for tra	nsportanalyser

Vista Analyse	 | 2022/07	 	37

Vi vurdere	r at i	nkludering av tidsverdifaktorer som reflekterer ulik kjørekomfort på ulike veityper i tra-
fikkberegninger kan gi bedre kvalitet på beregningene, særlig når det gjennomføres prosjekter hvor vei-
standarden på enkelte strekninger heves betydelig. Særlig releva	nt kan det være å inkludere veistan-
dard i forbindelse med beregning av trafikkgrunnlag for bompengeprosjekter. 	For kollektivtrafikk 	kan
komfortelement inkluderes f.eks. 	i tilfeller hvor det er ekspressavganger og fullstoppende avganger på
samme strekning,	 eller 	for å vurdere nytten av å sette inn nytt materiell.
4.2.2	 	Reisekjeder med ulike transportmidler
I nåværende versjon av 	Ada	 kan det benyttes ulike transportmidler ved til	- og frabringerreiser (reiser
mellom primærsoner og noder i transportsystemet)	 til kol	lektive transportmidler. Korte tilbringerreiser
er derfor godt dekket med eksisterende modellversjon.
Det 	også 	er mulig å legge inn rutetabeller for andre transportmidler 	(f.eks. inkludere bussruter i togtil-
budet) og definere disse som materruter	. Da i	nkluderes 	kombinerte buss/togreiser i tilfeller hvor det	te
gir en høyere kvalitet på tilbudet sammenliknet med togtilbudet isolert.
Det er to ulemper med denne løsningen:
1) Den omfatter ikke kombinerte reiser med 	bil og kollektive transportmidler	 i tilfeller	 hvor begge
transportmidler utgjør 	en lengre del av reisen	. Eksempler på reisealternativ som 	ikke dekkes:
a. 	Sarpsborg 	– Oslo, med bil fra 	Sarpsborg til Råde, tog fra Råde til Oslo
b. Honningsvåg	-Oslo	, med bil eller buss fra Honningsvåg til Alta, fly til Oslo
2) Kollektivlinjer 	må 	legges inn under flere transportmidler	 – og det må gjøres en vurdering av
hvilke linjer som kan være aktuelt å legge inn.
Ved å 	utvide nettanalysen 	slik at den også inkluderer analyse på tvers av transportmidler	, vil 	modellen
også 	kunne 	ivareta 	disse forholdene.
Figur 	4-1: 	Illustrasjon av reisekjeder i dagens versjon av Ada og med koblet reisemiddelvalg
(reisekjeder hvor flere, ulike transportmidler inngår)

Kilde: Vista Analyse
Figur 	4-1 illustrerer 	reisekjedene som håndteres i 	dagens modellversjon	, og (nederst) hva vi vil oppnå
ved 	å gjennomføre nettanalyse på tvers av transportmidler.
Tilbringer	 	Frabringer	 	Hovedreise
Tilbringer	 	Delreise 1	 	Delreise	 2
Frabringer
Node i transp	ortsystemet
Reisekjede med hovedtransportmiddel
Nytt: 	Reisekjede med ulike transportmidler (koblet reisemiddelvalg)
Frabringer
Reisekjede med hovedtransportmiddel + matelinje
Tilbringer	 	Hovedreise	 	Matelinje

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	38

I modellverktøye	t er flere tilpasninger nødvendig for å ivareta reisekjeder med ulike transportmidler:
a) Modellverktøyet inneholder to sett av transportnoder; 	kollektivnoder (stasjoner/holdeplas-
ser/terminaler) og veinoder (veikryss)	. 	Ved 	tilrettelegging for reisekjeder 	må det 	etableres
ganglenker mellom nærliggende kollektivnoder og kjørelenker mellom nærlig	gende kollektiv	-
og veinoder.
b) Nettverksanalysen utvides til å omfatte attraktive 	ruter som omfatter flere transportmidler. 	Det
må utvikles rutiner for å identifisere attraktive forbindelser som inkluderer flere transportmidler.
c) 	Prosedyrene for beregning a	v generaliserte kostnader 	gjennomføres	, i eksisterende modellver-
sjon, 	delvis separat for reiser med individuelle og reiser med kollektive transportmidler. Prose-
dyrene må tilpasses for å ivareta 	kombinasjoner av individuelle og kollektive transportmidler.
d) Beregningen av 	generaliserte kostnader må reflektere 	ulik tilgang/kostnad ved bruk av bil, av-
hengig av	 hvilket ledd i reisen bruk av bil inngår (egen bil vs. leiebil)
4.2.3	 	Uttrekk av resultater 	fra resultatdatabasen	 / analyser
Slik resultatdatabasen er bygget opp, 	med tid	- og stedfesting 	av alle simuleringsresultater («reiser»), 	er
det tilnærmet uendelige muligheter til å 	analysere virkninger av tiltak på ulike nivåer. Foreløpig er 	disse
mulighetene utforsket i liten grad.	 I tillegg til uttrekk av 	enkelte 	aggregerte resultater er det etablert
rutiner for 	å hente ut resultater 	per avgang for kollektivlinjer og døgnfordeling av veitrafikk fordelt på
lenker.
En viktig del av 	utviklingsarbeidet 	i den nærmeste framtiden vil være å 	etablere rutiner for uttrekk av
resultater og 	utforske muligheter 	for 	å gjennomføre ulike 	typer analyser mot resultatdatabasene.
Vi har også startet arbeidet med å etablere 	rutiner for uttrekk av resultater til samfunnsøkonomiske
lønnsomhetsberegninger. 	 Det legges opp til 	beregninger av trafikant	- og operatørnytte både basert på
de 	verdsettingsforutsetninger som 	benyttes av transportetatene og basert på parameterverdier som
benyttes i modellen	. En utfordring i forhold til beregning med transportetatenes 	forutsetninger er at
ventetidsbegrepet i 	Ada	 avviker fra 	det frekvensavhengige ventetidsbegrepet som 	ligger til grunn for
verdsettingsforutsetningene	 (frekvensavhengig).
4.3	 	Muligheter for videre 	utvikling
4.3.1	 	Trengsel	skostnader
Trengselskostnader oppstår når kapasitetsutnyttelsen i kollektivtransportmidler blir høy. 	En rimelig an-
tagelse er at trengselskostnaden (for den enkelte trafikant) kan bestemmes som en funksjon 	av lengden
på tid med trengsel	, omfanget av trengsel og trafi	kantens verdsetting av spart reisetid	.
Omfanget av trengsel 	er 	avhengig av kapasitetsutnyttelsen	, og	 ulik for stående og sittende. 	Ulike under-
søkelser om belastningen ved trengsel gir sprikende resultater. 	I Figur 	4-2 vises 	en sammenlikning av
resultater fra 	to studier	; Kroes et al.	 (2013)	 og 	Wardman	 & Whe	lan	 (2011)	. Av figuren går det fram at
det er store forskjeller i (gjennomsnittlig) verdsetting 	mellom de to undersøkelsene.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	39

Figur 	4-2 	Trengselskostnader. Sammenheng med setekapasitetsutnyttelse

Kilde:	 Kroes	 et al	. (2013)
Trafikantenes verdsetting av tid med trengsel vs. verdsetting av tid uten trengsel vil 	kunne 	variere	.
Haywood, Koning & Monchambert 	(2017)	 analyserer 	hvilke faktorer som 	påvirker trengselsulempen og
hvordan disse varierer mellom ulike grupper av trafikanter.	 Ved siden av ulempen ved 	å stå, identifiserer
analysen 	ubehagelig nærhet («over	-closeness») og bortkastet tid («wasted time») 	som signifikante fak-
torer for å forklare	 ulempene ved trengsel. 	Fordelt på sosioøkonomiske variabler 	finner 	studien at menn
opplever mindre ubehag ved trengsel enn kvinner	, at opplevd ulempe øker med økende inntekt 	og at
opplevelsen av bortkastet tid er avtagende med alder.
En utfordring med 	å inkludere 	beregning av trengselskostnader	 i trafikkberegningsmodeller er (igjen) at
modellene ser på et gjennomsnittsdøgn, dvs. at trafikkmengden i modellen er den samme alle dager. I
praksis vil det være store variasjoner i trafikkvolumer 	mellom ukedager og sesongavhengig. 	Ved bereg-
ning av trengselsulempe basert på sammenhenger 	som illustrert i 	Figur 	4-2, vil 	beregninger på gjennom-
snittlige trafikkvolume	r undervurdere trengselskost	naden: Forventet trengsel > 	beregnet trengsel ved
forventet trafikk	.
Trenklin 	(Ranheim, 2017)	 inneholder metodikk for beregning av 	trengselskostnader. Trengselskostna-
der beregnes med 	utgangspunkt i 	funksjoner fra 	Wardman & Whelan	 (2011)	 og reisende omfordeles
mellom 	tog	avganger basert på avveininger mellom ekstra ventetid og 	reduserte trengselskostnader.
Beregningene baseres på gjennomsnittsdøgn.
Trengselskostnader i Ada
Ada kan enkelt utvikles til å beregne trengselskostnader som grunnlag for nytteberegninger, mens 	in-
kludering i valgmodellen 	krever etablering av ny funksjonalitet. 	For begge formål er det nødvendig å

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	40

inkludere forutsetninger om ka	pasitet i de enkelte avgangene (	variabel som inneholder egenskaper ved
materiellet som benyttes)	 og forutsetninger om sammenheng mellom 	belegg og trengselskostnader.
En nærliggende mulighet for implementering av trengselskostnader i valgmodellen 	vil være	:
1. gjennomføre modellberegning uten trengselskostnader	 (evt. med referanseverdier)
2. beregne trengselskostnader for hver simulert reise i resultatdatabasen	 – og endringer i valg av
transportmiddel / avgang.
3. Repetere trinn 2	 fram til likevekt	.
Dette tilsvarer pr	osessen som er etablert i Trenklin. Forskjellen består i at prosedyren gjennomføres på
«individnivå» 	og at den også vil inkludere endringer i valg av transportmiddel.
For å 	ivareta at 	forventet trengsel	 > beregnet trengsel ved forventet trafikk	 er det	, i nytteberegningen,
også nødvendig å legge inn variasjoner i etterspørselen	, og beregne 	trengselskostnaden 	for ulike 	nivåer	.
Dette ble gjort ved beregning av trengsel i 	den samfunnsøkonomiske analysen i KVU Oslo Navet	 (Vista
Analyse,	 2015)	.
4.3.2	 	Punktlighet/regularitet
Forsinkelser 	kan 	gi flere typer ulempe	r for trafikantene	:
(i) 	Redusert komfort under reisen
(ii)	 	Usikkerhet knyttet til ankomsttid
Det første forholdet er knyttet til 	varigheten av reisen (median reisetid), mens det andre forholdet er
knyttet til variasjon i reisetid 	(varians reisetid). 	 Modellering av 	redusert komfort under reisen kan gjøres
på tilsvarende måte 	som beskrevet under avsnitt 	4.2.1	 om kjørekomfort og sikkerhet.	 For veitrafikk
(hvor punktlighet har klart større betydning for komfort 	enn for kollektivtrafikk) kan 	komfortelementet
dermed enkelt inkluderes i Ada	 dersom de	t kan legges til grunn at multiplikator på verdsetting av reise-
tid gir en rimelig representasjon av 	atferden i forhold til forsinkelser.
For 	aggregerte 	modeller	 fins en rekke eksempler på 	modellering av 	usikkerhet knyttet til ankomsttid	,
bl.a. 	University o	f Leeds	 (2008)	, Danmarks tekniske Universitet	 (2008)	 og	 Cam	bridge Syste	matics	 (2012)	.
Ifølge 	Fo	sgerau	 (2016)	 er tre ting er nødvendig for å inkludere kostnader ved reisetids	varia	bilitet	:
1. Definere en måleenhet for reisetidsvariabilitet
2. Anslå omfanget av reisetidsvariabilitet
3. Bestemme kostnadene for den reisende pr. enh	et reisetidsvariabilitet
Vi mener det	 er 	betydelige 	utfordringer knyttet til 	både 	pkt. 2 og pkt. 3. 	For å anslå omfanget av reise-
tidsvariabilitet 	for kollektive transportmidler kreves detaljerte analyser 	av punktlighet 	på 	linje	- og av-
gangsnivå	, tilsvarend	e gjelder for veitrafikk. 	Analyser basert på	 posisjonsdata fra	 mobil	telefoner	 kan
være en vei til økt kunnskap om reisetidsvariabilitet	 (pkt. 2)	.
Enda vanskeligere er det å bestemme hvordan forsinkelseskostnadene for den reisende påvirkes av 	rei-
setidsvariabiliteten.	 For den enkelte trafikant 	vil 	valg av transportmiddel og reiserute påvirkes av 	avvei-
ninger mellom	:
1. konsekvenser 	av å komme senere enn ønsket til reisemålet
2. (Generaliserte) kostnader av tiltak for å øke sannsynligheten for å komme 	fram til ønsket tids-
punkt.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	41

Konsekvenser av å komme for sent	 fram 	avhenger i stor grad av om det påvirker nytten knyttet til akti-
viteten som ønskes gjennomført ved reisemålet. I noen tilfeller 	kan konsekvensen være 	stor og knyttet
til ankomst før et konkret tidspunkt	 (f.eks. flyavgang	, viktig møte	). K	onsekvensen kan da 	verdsettes som
en konstant og knyttes til 	dette tidspunktet. 	I andre tilfeller 	vil konsekvensen av å 	komme 	senere enn
ønsket være mindre (f.eks. ankom	st til arbeidssted for arbeidstager med fleksitid), konsekvensen kan
da verdsettes 	i form av kroner per tidsenhet.
Vår vurdering er at det er lite fruktbart 	å forsøke å beregne konsekvenser av å komme for sent 	som
gjennomsnitt over trafikantgrupper, inns	laget av 	konstanter (store kostnader knyttet til definerte tids-
punkt) gjør 	det også meningsløst å knytte 	konsekvenskostnadene til modellens eksisterende tidsvariab-
ler.
Kostnader knyttet til tiltak 	for	 å redusere konsekvenser	 er 	enklere å inkludere 	i en m	ode	ll. Disse vil 	–
primært 	– bestå av at traf	ikantene legger inn ekstra ventetid (buffertid), utfordringen består i å 	identi-
fisere omfanget av ekstra buffertid.
I vedlegg 	D vises hvordan	 optimal buffertid kan beregnes i en disaggregert valgmodell. 	En implemente-
ring vil forutsette 	økt 	kunnskap 	særlig 	om	:
a) Variasjoner i 	konsekvenser av 	for sen ankomst
b) Variasjoner i framføringstid i transportnettet	 (vei og kollektiv)
I tillegg kan det (med utgangspunkt i hvordan 	nettanalysen i Ada nå er bygget opp), være nødvendig å
utvide søket etter avganger til å omfatte reiseruter med ulik sannsynlighet for å ankomme til gitte tids-
punkter	:
1. For 	reiseruter med bil	 (uten ferjeforbindelser	), med kjent	 sannsynlighetsfordeling for ankomst,
kan 	hver trafikant 	legge på buffertid (ventetid) 	ved ankomst som gir optimal avveiing 	i forhold
til konsekvensen av å komme for sent.
2. For kollektive reiseruter (og bilruter som 	inkluderer ferje)	, vil	 trafikantene optimalisere innenfor
et begrenset utvalg av ankomsttider, dvs. 	buffertiden vil generelt være noe større eller noe
mindre enn det som er optimalt.
3. For reiseruter som inneholder 	flere delreiser	, vil 	også buffertiden kunne	 fordeles	 på ulike deler
av reisen.	 Samtidig øker 	kravet til punktlighet for hver delreise som inngår. For at kravet til
punktlighet skal nås for ruten som helhet, må punktligheten på hvert ledd i kjeden være	 n-te
roten av 	antall ledd (n) i reisen (	 	√�	����������������	 ����	.) Er kravet 	til ankoms	tpunktlighet 	86 % for hele
ruten, blir kravet 92,7 % pr. delreise når det er to ledd 95,1 % pr. delreise når det er tre ledd og
96,3 % pr. delreise når det er fire ledd. Konsekvensen blir at kravet til samlet buf	fertid øker
drastisk	.
Som det går fram, er det 	både økt kunnskap, innhenting av detaljerte 	data	, og endringer i modell	formu-
lering nødvendig for å benytte Ada til	 (gode) beregninger av virkninger av endringer i punktlighet. 	 I
første omgang vurderer vi derf	or at det er mer aktuelt 	å benytte modell	verktøyet	 som utgangspunkt for
å bygge kunnskap og teste modellformuleringer enn til å bygge modeller	 hvor det innhentes komplette
datasett 	som er nødvendig for å inkludere 	punktlighet i valgmodellen.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	42

4.3.3	 	Valgmodell for	 tur	-retur	-reiser
Eksisterende modellversjon er basert på 	reiser 	én ve	i. I noen tilfeller gir dette ubalanser i reisemiddel-
valg 	avhengig av reiseretning	. Dette 	kan gjelde	 i situasjoner 	hvor 	det er 	variasjoner i kvaliteten på tilbu-
det over dagen	, f.eks. 	hvis det er køer i veinettet i morgenrush	, men ikke i ettermiddagsrush eller der-
som det kjøres ekspressavganger i kollektivtilbudet 	bare i en retning. 	Bompengeinnkreving i en retning
kan gi tilsvarende problemer, dette kan løses ved å 	legge inn i	nnkreving med halv takst i begge retninger
i modellen.
Et større problem kan være at 	modellering basert på 	enkeltreiser ikke 	gir et riktig bilde av trafikantenes
preferanser i tilfeller hvor det er 	store forskjeller i reisetid mellom alternativene.	 Det b	este eksemplet
på dette er kanskje relasjoner med konkurranse mellom fly og landbaserte transportmidler	. Nytten ved
en 	reise er knyttet til den tiden den reisende oppholder seg ved reisemålet	. Hvis 	f.eks. en bosatt i
Trondheim 	vil gjennomføre en reise til Oslo	 med ønsket ankomst 9:00 og ønsket avgang 17:00	 kan dette
greit gjennomføres i løpet av dagen med fly	, mens 	reise med andre transportmidler tar så lang tid at det
gir ulemper i form av 	ekstra ov	ernattinger eller at natten benyttes til 	å reise	.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	43

Referanser
Arge, N., Homleid, T., & Stølan, A. (2000). 	Modeller på randen....	 Oslo: LOKTRA.
Cambridge Systematics. ICF International. (2012). 	Value of Travel Time Reliability. Syn	thesis Report &
Workshop Working Paper.
Danmarks tekniske Universitet, transportavdelingen. (2008). 	The Value of travel time variability for a
scheduled service.	 København.
de Jong, G., Ben	-Akiva, M., Baak, J., & Grønland, S.	-E. (2013). 	Method Report 	- Lo	gistics Model in the
Norwegian National Freight Model System (Version 3).	 Significance.
Flügel, S. (2014). 	Accounting for user type and mode effects on the value of travel time savings in project
appraisal: Opportunities and challenges.
Flügel, S., & Madslien, A. (TØI rapport 1778/2020). 	Tidsverdi som kontinuerlig funksjon av reisedistanse.
Oslo: Transportøkonomisk Institutt.
Fosgerau, M. (2016). 	The valuation og travel time variability.	 Lyngby: Danmarks Tekniske Universitet.
Greenberger, M., M.A, C., & B.R, C. (1976). 	Models in the Policy Process.	 New York: Russel Sage.
Haywood, L., Koning, M., & Monchambert, G. (2017). 	Crowding in public transportt: Who cares and why?
Transportation Research, Elsevier.
Kroes, E., Kouwenhove, 	M., Debrincat, L., & Pauget, N. (2013). 	On the value of crowding in public
transport for Ile	-de	-France.	 International Transport Forum Discussion Paper, No. 2013	-18.
Minken, H. (2005). 	Transportmodeller, forutsetninger, norsk praksis.	 OSLO: TØI, arbeidsdoku	ment
1739/2005.
Ranheim, P. B. (2017). 	Trenklin versjon 3. Dokumenmtasjon og brukerveiledning.	 	Oslo:
Jernbanedirektoratet .
Train, K. E. (2003). 	Discrete Choice Methods with Simulation.	 Cambridge University Press.
Transportøkonomisk Institutt. (TØI 1819/20	21). 	Transportmodeller mot fremtiden.	 	Oslo:
Transportøkonimsk Institutt.
Transportøkonomisk Institutt. (TØI rapport 1633/2018). 	Tidtabellbasert kollektivrutevalg og modellering
av korresponderende ruter med CUBE Voyager.	 Oslo: Transportøkonomisk Institutt.
Transportøkonomisk Institutt. (TØI rapport 1774/2020). 	Verdsetting av kjørekomfort for ulike veityper.
Oslo: Transportøkonomisk Institutt.
TØI. (TØI rapport 1778/2020). 	Tidsverdi som kontinuerlig funksjon av reisedistanse.	 Oslo:
Transporøkonomisk Institut	t.
University of Leeds. Institute for Transport Studies. (2008). 	Multimodal Travel Time Variability. Final
Report.	 London.

Ada. D	isaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	44

Vista Analyse. (2015). 	KVU Oslo Navet. Samfunnsøkonomisk analyse. Vedlegg til delrapport 4.	 Oslo:
Jernbaneverket, Ruter, Statens vegv	esen.
Wardman, M., & Whelan, G. (2011). 	Twenty Years of Rail Crowding Valuation Studies: Evidence and
Lessons from British Experience.	 Transport Reviews: A, 31:3, 379	-398.
Yuan, J. (2006). 	Stochastic Modelling of Train Delays and Delay Propagation in Stati	ons.	 Delft: Technische
Universiteit .

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	45

Vedlegg

Ada. Disaggregert valgmodell for t	ransportanalyser

Vista Analyse	 | 2022/07	 	46

A	 	Dataflyt
Innenfor modellverktøyet kan det 	etableres flere modeller, og modellspesifikke opplysninger er samlet
i en database («Modell» i figuren nedenfor).
Innenfor hver modell etableres en grunndatabase som inneholder alle eksogene variabler som inngår
ved beregninger med modellen. For kjøringer	 med modellen settes elementer fra grunndatabasen sam-
men til et datasett.
Figur 	4-3 	Oversikt over databaser og dataflyt i Ada

Under og etter modellberegningene lagres resultater av beregningene i en 	resultatdatabase. Dette in-
kluderer forutsetninger og resultater på disaggre	ge	rt nivå. Resultatdatabasen inkluderer også komplett

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	47

sett av grunndata. Samlet er det omfattende muligheter til å hente ut resultater med ulike fokus og
detaljeringsnivå 	– og å 	gjøre følsomhetsanalyser basert på endringer i enkeltvariabler eller kombinasjo-
ner av flere variabler.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/	07	 	48

B	 	NTM vs	. billettstatistikk, InterCity
I forbindelse med oppdatering av datagrunnlaget 	for InterCity	-modellen gjorde vi uttrekk av bil	- og kol-
lektivturmat	riser fra 	Nasjonal transportmodell (	NTM	). I 	Figur 	4-4 sammenliknes antall kollektivturer i
NTM med 	Vy’s statistikk f	or solgte togbilletter	 til/fra Oslo	.
Samlet for de 16 relasjonene var 	det 2,63 mill. togreiser i billettstatistikken, mot 	1,64 mill. kollektivreiser
(sum buss og tog i NTM)	, dvs. et vesentlig avvik.
I figuren er relasjonene 	sortert etter størrelse på avviket.
Figur 	4-4 	Sammenlikning	 beregnet antall 	kollektiv	reiser til/fra Oslo 	vs. Vy’s billettstatistikk

Kilde:	 	Vista Analyse
I figuren vises også kollektivandel av reise	r på de ulike relasjonen i NTM (oransje linje). Av figuren går
det fram	 at 	det nesten ikke er variasjon mellom 	de ulike relasjonene i modellen	. Sett i forhold til avvik-
ene 	mellom beregnet trafikk og statistikk over antall togreiser, ser det ut til at 	NTM i liten grad er i stand
til å 	representere faktisk reisemønster og transportmiddelvalg i disse markedene.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	49

C	 	Vekting av simuleringer
Ved gjennomføring av beregninger med mode	llen, gjennomføres et stort antall simuleringer av enkelt-
reiser på hver relasjon. Dette gir oss en fordeling av reisene på transportmidler (samt på ruter/linjer og
avganger for hvert transportmiddel) samt en rekke andre opplysninger knyttet til valgt alte	rnativ i den
enkelte simulering.
For å knytte simuleringene til datagrunnlaget (antall reiser på relasjonen), vektes hver simulering. Vek-
ting kan gjennomføres mot totalt antall reiser (lik vekt for alle simuleringer) eller mot antall reiser for
hvert tran	sportmiddel (ulike vekter for ulike transportmidler).
I kalibreringsberegninger vektes reisene slik at resultatene av simuleringene tilsvarer antall reiser i da-
tagrunnlaget for hver reisehensikt i hver periode.
Ved oppsett av kalibreringsberegning kan br	uker velge om vektingen skal gjøres summert over alle
transportmidler eller individuelt for hvert transportmiddel.
Definisjoner:
����	 	Simuleringsvekt	 i kalibreringsberegning, 	hensikt 	i, transportmiddel 	j, periode 	k
∑���������	�� 	Antall simuleringer,	 hensikt 	i, periode 	k, sum over 	j transportmidler
�������������	���	 	Antall simuleringsvalg for hensikt 	i, transportmiddel 	j, periode 	k
∑���� 	Reiser i datagrunnlag	, sum over transportmidler	, hensikt 	i, periode 	k
����	 	Reiser i datagrunnlag, hensikt 	i, transportmiddel 	j, periode 	k
Ved kalibreringsberegninger gir dette følgende formler for beregning av simuleringsvekter når det (i)
benyttes samme vekt for alle transportmidler eller (ii) vektes individuelt for hvert transp	ortmiddel.
(i) 	���	=	 ∑����
∑���������	��
(ii)	 	����	=	 ����
��������	���
Dersom det ikke registreres simuleringer for et transportmiddel (	�������������	���	=	0) eller det ikke er reiser i
datagrunnlaget (	����	=0)	, benyttes formel (i) 	for dette transportmiddelet også i beregninger hvor det
vektes individuelt.
Ved Referanseberegninger tas det hensyn til at trafikkvolumene 	– sammenliknet med kali	brer	ings	be-
regningen 	– kan påvirkes av generell etterspørselsvekst, endringer i 	arealbruks	forut	setninger og end-
ringer i transporttilbud:
1. Endringer i reiseetterspørsel (uavhengig av aktivitetsvekst). Variabelen årlig vekst (	Å��������) benyt-
tes til å framskrive fra dataår til beregningsår.
2. Endringer i reiseetterspørsel knyttet til ak	tivitetsvekst (befolkningsvekst etc.) i sonene. For hver
reisehensikt beregnes relativ endring i sonens genererings	- og attraherings	variable; veksten på
relasjonen beregnes deretter som kvadratroten av veksten i genereringsfaktorer og veksten i

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	50

attraheri	ngsfaktorer. I beregningen tas hensyn til datagrunnlagets forutsetning om fordeling av
reisene på relasjonen etter genererings	sone.
3. Endringer i gjennomsnittlige 	generaliserte kostnader for reiser på relasjonen.
β���	 	Simuleringsvekt	 i referanseberegning, 	hensikt 	i, transportmiddel 	j, periode 	k
∑���	�� 	Framskrevet antall	 reiser, sum over transportmidler	, hensikt 	i, periode 	k
��	���	 	Framskrevet antall reiser	, hensikt 	i, transportmiddel 	j, periode 	k
Å�������� 	Årlig etterspørselsv	ekst, hensikt 	i, periode 	k
���	����������	��������	 Genereringsvekt for hensikt 	i, sone = A eller B (de to modellsonene som inngår i relasjonen),
Alt = Kalibreringsalternativ eller Referansealternativ.
�������������	����������	��������	 Attraheringsvekt for hensikt 	i, sone = A eller B (de to modellsonene som inngår i relasjonen),
Alt = Kalibreringsalternativ eller Referansealternativ.
��	� 	Andel av reisene som er	 generert i modellsone A	.
�������	�����������	 	Generaliserte kostnader, hensikt	 i, transportmiddel j, periode k, Alt = kalibreringsalternativ,
Referansealternativ eller tiltaksalternativ
�������	���	 	Elastisitet mhp endringer i 	generaliserte kostnader, reisehensikt i.
Med disse definisjonene kan framskrevet trafikk for hensikt 	i, trans	portmiddel 	j, periode 	k beregnes ved
formelen:
(iii)	 	��	���	=	 ����	∗ �(�������������	Å������−��������	Å������)∗ln(1+Å��������)∗
(��	�∗( ��������	�����
��������	�
����	∗ �������������	�����
�������������	�����	)0,5+	(1−	��	�)∗( ��������	�����
��������	�����	∗ �������������	�����
�������������	�����	)0,5)
I første linje multipliseres framskrevet antall reiser endring i reiseetterspørsel (uavhengig av aktivitets-
vekst) fra dataår til beregningsår. I den andre linjen multipliseres dette uttrykket videre med beregnet
etterspørselsv	ekst som følge av økt aktivitet (flere bosatte, arbeidsplasser mv) i de to sonene som inngår
på relasjonen.
I Referanseberegninger kan simuleringsvektene etter dette beregnes med følgende formler, avhengig
av om resultatene kalibreres mot 	datagrunnlag for sum reiser på relasjonen (iv) eller mot datagrunnlag
for reiser med det enkelte transportmiddel (v):
(iv)	 	����	=	 �((ln (��	������	)−��(��	������	))∗��	��+ln (∑���	���	∑���������	���	))
(v)	 	����	=	 �((ln (��	������	)−��(��	������	))∗��	��+ln (��	���	��������	���	))

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	51

Første ledd i formlene ivaretar virkninger av endringer i 	generaliserte kostnader for reisene på relasjo-
nen. Andre ledd (	ln (∑������	∑������������)) fanger opp generell trafik	kvekst og endrede areal	bruks	forut	setninger, i til-
legg til at det ivaretar forholdet mellom trafikkgrunnlag og antall simu	ler	inger som gjennomføres for
hver reisehensikt på relasjonen.
Tiltaksberegninger forutsettes gjennomført med samme 	beregningsår som gjennomførte kalibrerings-
beregninger/referanseberegninger. Beregningene gjennom	føres også med det samme antallet simule-
ringer på hver relasjon som i referanse/kalibrerings	beregningen. Simuleringsvektene kan derfor be-
stemmes på grunnlag	 av endringer i 	generaliserte kostnader samt simuleringsvekter fra Referanse/Kali-
breringsberegning. Dersom vi definerer:
γ���	 	Simuleringsvekt	 i tiltaksberegning, 	hensikt 	i, transportmiddel 	j, periode 	k
bestemmes denne ved formelen:
(vi)	 	����	=	 �((ln (��	�����������	)−��(��	������	))∗��	��+ln (���������	))

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	52

D	 	Punktlighet 	–	 optimal buffertid
Nyttetapet knyttet til forsinkelser vil variere mellom individer, for en enkeltreise vil nyttetapet avhenge
av lengden på forsinkelsen. I det videre 	ser vi på trafikantens tilpasning gitt at	 nyttetapet 	ved forsinkelse
kan tilnærmes ved en konstant pluss et ledd som er lineært avhengig av lengden på forsinkelsen.
Definisjoner:
d: 	faktisk forsinkelse (min)
α: 	konstant ulempe gitt forsinkelse 	(kroner)
β: 	tidsavhengig kostnad (kroner/min) gitt forsinkelse
�: 	tidsavhengig kostnad (kroner/min) for 	buffertid
b: 	buffertid (min)	, ekstra tidsmargin som legges inn for å øke sannsynligheten for å komme fram
til ønsket tidspunkt
A: 	konsekvens av forsink	else (kroner)
B: 	nyttetap ved buffertid	 (kroner)
C: 	samlede konsekvenser av forsinkelsene (=A+B)
Vi antar at A er en konstant (α) pluss et ledd (β) som avhenger av forventet forsinkelse. Vi definerer
forventet forsinkelse ved	:
(i)	 	E = 	��������	(�−	�)|�	>	�|
og lar 	P (d > b)	 være sannsynligheten for at forsinkelsen er større enn buffertiden. Da kan forventet
konsekvens av forsinkelser uttrykkes ved:
(ii)	 	�	=	(∝ + �	∗��������	(�−	�)|�	>	�|)∗������(�	>	�)
Vi antar videre at kostnadene ved tiltak for å unngå forsinkelser 	– B – avhe	nger lineært av buffertiden,
med parameteren γ:
(iii)	 	�	=	 �∗�
Oppgaven er nå å finne verdien av 	b som minimerer A+B.
Antar vi at forsinkelsesfordelingen kan tilnærmes med en lognormal fordeling, kan sannsynlig-
heten for forsinkelse større enn beregnet buffertid	 uttrykkes ved:
(iv)	 	P(d>b) = 1	- ������(ln(�)−������
������	)
hvor 	Φ er den kumulative fordelingen for normalisert normalfordeling, mens 	μ er median og 	σ stan-
dardavvik i fordelingen. Figuren under viser fordelingen gitt gjennomsnittlig forsinkelse på 1,2 min og
standardavvik	 på 3 min.

Ada.	 Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	53

Kilde:	 	Vista Analyse
Leddet 	(�	∗��������	(�−	�)|�	>	�|)∗������(�	>	�) i (ii) tilsvarer integralet over den den kumu	lative
fordelingsfunksjonen i lognormal fordeling fra 	b til ∞. Dette skrives som:
(v)	 	∫	������ln	�(������)�������	=	 �������+0,5∗ ������2	∞
�	∗ ������ (������+������2−ln(�)
������	 )
Samlede kostnader kan etter dette uttrykkes ved formelen (vi) som en funksjon av buffertiden, hvor
første ledd inneholder faste kostnader ved forsinkelser, andre ledd inneholder variable kostnader ved
forsinkelser og tredje ledd inneholder kostnader ved ti	ltak for å redusere sannsynligheten for at forsin-
kelser medfører ulempe for den reisende.
(vi)	 	�(�)= ∝∗(1−	������	(ln(�)−������
������	))+	 �∗(�������+0,5∗������2∗ ������	(������+������2−ln(�)
������	))+	 �∗�
De to første leddene er avtagende funksjoner av b, mens det siste leddet øker lineært med b.
Ved å 	derivere uttrykket og finne verdien av b som gir den deriverte
(vii)	 	��′(�)=	 �(1− 1
�������)∗ ������	(ln(�)− ������
������	)− �������+0,5∗������2∗������	(������+������2−ln(�)
������	)∗ ������
�������+	 �
Ved å sette inn verdier for α, β og γ i uttrykket (vii), kan vi nå finne optimal buffertid. Med α = 800
kroner, β	 = 4 kroner pr. minutt og γ = 3 kroner pr. minutt, blir resultatet som vist i figuren under. Av
figuren går det tydelig fram at størrelsen på konstantleddet i dette tilfelle har avgjørende betydning for
optimal buffertid som vi finner ved b = 3 minutter.	 %
10 %
20 %
30 %
40 %
50 %
60 %
70 %
80 %
90 %
100 %
 -	 1	 2	 3	 4	 5	 6	 7	 8	 9	 10	 11	 12	 13	 14	 15
Andel av avganger
Minutter forsinkelse

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	54

Kilde:	 	Vista Analyse	 -20,00
-15,00
-10,00
-5,00
0,00
5,00
10,00
15,00
20,00
0	1	2	3	4	5	6	7	8	9	10
Marginale forsinkelseskostnader, kroner pr.minutt
Minutter buffertid
Marginal fast kost	Marginal variabel -kost	Marginal bufferkkost	SUM (C'b)

Ada. Disaggregert valgmodell for	 transportanalyser

Vista Analyse	 | 2022/07	 	55

E	 	Ordliste
Avstandsintervall	 	De reisendes preferanser kan i modellen variere avhengig av reiselengde. Et av-
standsintervall defineres med en nedre og øvre grense (kilometer). Modellen
kan inneholde inntil 5 	avstandsintervall. Nedre grense i første avstandsintervall
er alltid km, mens øvre grense bestemmes av bruker, i øvrige avstandsintervall
er nedre grense lik øvre grense i foregående intervall.
Datasett	 	Et datasett representerer en komplett samling av 	data som er nødvendig for å
gjennomføre beregninger med modellen.
Døgnvariasjon 	 	Døgnvariasjon brukes i modellen til å fordele reiseetterspørselen innenfor hver
periode og til å angi variasjoner i kvaliteten på deler av transporttilbudet. Mo-
dellen gir m	ulighet til å angi døgnvariasjon for følgende tilbudsvariable: Reisetid
på lenker i veinettet, reisekostnad i veinett, frekvens i kollektivt tilbringertilbud
(primærsone), frekvens på ferjestrekninger og parkeringskostnader (primær-
sone, kollektivnode)
Fra	bringerreise	 	Reise fra transportnode til attraksjonsnode ved utreise, reise fra transportnode
til genereringsnode ved hjemreise.
Generering	 	En reise defineres med et sted for generering (opprinnelse) og et sted for attrak-
sjon (reisemål). Strekningen fra 	genereringspunkt til transportnettet som er de-
finert i modellen defineres som en tilbringerreise, mens strekningen fra trans-
portnettet til attraksjonspunkt defineres som en frabringerreise.
For individuelle transportmidler vil til	- og frabringertransportmi	ddelet være det
samme som ved hovedreisen, for kollektive transportmidler vil det kunne benyt-
tes ulike til	- og frabringertransportmidler og tilgangen til / vilkårene for bruk av
til- og frabringertransportmidler kan varieres i modellen.
Generaliserte
kost	nader
Direkte utlegg (reisekostnader) og verdien av tid som medgår (reisetid, tilbring-
ertid, ventetid mv. med tilhørende verdier (kroner) per tidsenhet.
Hoved	transport-
middel
Transportmiddel som benyttes ved reise mellom transportnoder. Transportmid-
del 	som benyttes mellom transportnode og primærnode betegnes tilbringer-
transportmiddel.
Kalibreringsbe-
regning
Kalibreringsberegninger er beregninger som gjennomføres for et datasett, med
datasettets beregningsår. Hensikten med 	kalibreringsberegninger er å identifi-
sere modellparametere som gir samsvar mellom modellberegnet trafikk og mo-
dellens datagrunnlag.
Kollektivlinje	 	Kollektivlinje (eller bare linje) brukes i dette arbeidet som betegnelse på en
strekning som betjenes sammen	hengende av et transportmiddel, med faste av-
gangs	- og ankomsttider fra definerte holdeplasser (kollektivnoder).

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	56

Kollektivnoder	 	Kollektivnoder er holdeplasser/stasjoner i kollektivtilbudet, og tilkoblingspunk-
ter mellom primærnoder og transport	-nettverket s	om er definert i modellen.
Noder gis navn og defineres ved (	x, y	)-koordinater. Det er mulig å legge inn
forutsetning om parkeringskostnader i nodene (ved tilbringertransport med bil).
Kollektivnodene kan grupperes i to kategorier; knutepunktnoder og øv	rige no-
der.
Noder i kollektivsystemet knyttes sammen av avganger i kollektivlinjer som in-
kluderes i modellen ved innlesing av rutetabeller. Transportnode benyttes som
fellesbetegnelse på kollektivnoder og veinoder.
Kollektive trans-
portmidler
Kollektive 	transportmidler er ruteplanbaserte transportmidler, som tog, buss,
trikk, bane, fly og ferje.
Kollektivrute	 	Se 	rute	.
Legg	 	Legg benyttes i dette arbeidet som betegnelse på del av en rute, f.eks. vil en
kollektivrute som består av to linjer bestå av to leg	g. Tilsvarende vil en bilrute
som inneholder en ferjestrekning kunne bestå av tre legg; strekning fra første
node til ferjekai, ferjestrekningen og strekning fra ferjekai til siste node.
Lenke	 	Lenke er en forbindelse i veinettet mellom to noder. I tille	gg til identifikasjon av
de to nodene, er det til hver lenke tilknyttet opplysninger om avstand (km), has-
tighet (km/t), reisetid (min) ubelastet og belastet og reisekostnader (kr, bom-
penger og ferjekostnader). Dersom den aktuelle lenken er en ferjestre	kning,
er også opplysninger om avgangshyppighet i ferjesambandet tilknyttet lenken.
Linje	 	Se kollektivlinje.
Modellsone	 	Ada bygges opp med modellsoner som utgjør influensområdet til en (evt. flere)
større knutepunkt(er) i transportsystemet. En modellsone er en samling av pri-
mærsoner.
Node	 	Node representerer et geografisk punkt angitt ved x	- og y	-koordinater. Model-
len i	nneholder to typer noder; kollektivnoder og veinoder. I tillegg er også tyng-
depunkt i modellsoner og primærsoner representert ved en node.
Objekt	 	Et objekt brukes som betegnelse på en strukturert samling av data, og det er (i
programmet) etablert struktu	rvariabler for en rekke objekter. Primærsoner, pa-
rametersett og noder er eksempler på objekter i Ada.
Parametersett	 	Parametersett inneholder sannsynlighetsfordelinger for trafikantenes verdset-
ting av ulike tidskostnader inkludert forutsetninger om korrel	asjon mellom ulike
fordelinger. Videre inneholder settet forutsetning om sannsynlighetsfordelinger
for uobserverte variabler, kostnads	- og hastighetsforutsetninger for tilbringer-
transportmidler etc.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 202	2/07	 	57

Periode	 	I modellen kan etterspørsel/tilbud deles inn i 	flere tidsperioder som aggregeres
til samlet etterspørsel over døgn eller år. Ada er bygget opp med utgangspunkt
i at en periode i modellen skal tilsvare et døgn. Dersom det er store forskjeller i
etterspørsel og/eller tilbud mellom ulike ukedager eller m	ellom ulike deler av
året, kan det være hensiktsmessig å operere modellen med flere perioder, f.eks.
ukedag og helgedag.
Primærsone	 	Primærsoner (primærnoder) er den laveste geografiske enhet i modellen. En
primærnode kan f.eks. bestå av en grunnkrets ell	er en gruppe av grunnkretser.
Hver primærsone identifiseres ved et nummer (grunnkretsnummer) og kan til-
ordnes et navn. For hver primærsone tilordnes opplysninger om lokalisering
(primærnode med x	-koordinat, y	-koordinat 	- meterbasert), hvilken modellsone
primærsonen er knyttet opp til, avstand til modellsonesenter (meter), parke-
ringskostnader, kollektivtilbud (lokalt) samt attraksjons	- og genereringsfaktorer
(f.eks. antall bosatte og antall arbeidsplasser)
Referanse	bereg-
ning
Referanseberegninger er beregninger som gjennomføres for å finne status
transportmarkedet på et framtidig tidspunkt, før gjennomføring av tiltaket som
ønskes belyst.
Relasjonsdata	 	Relasjonsdata brukes i denne rapporten som betegnelse på data som gjelder 	en
relasjon mellom to modellsoner. Eksempler er aggregerte etterspørselsdata (an-
tall reiser, fordeling av reisene på retninger, årlig vekst i etterspørsel) og egen-
skaper ved transporttilbudet som er felles for alle som reiser på relasjonen.
Reisehensikt	 	Etterspørsel/tilbud kan deles inn i flere reisehensikter som aggregeres til samlet
etterspørsel over døgn eller år, f.eks. arbeidsreiser, fritidsreiser og forretnings-
reiser; en inndeling tilpasset det som benyttes i samfunnsøkonomiske lønnsom-
hetsanalyser.
Reisekostnader	 	Reisekostnader er kostnader knyttet til reisen med hovedtransportmiddelet som
benyttes ved gjennomføring av reisen. Modellen inneholder to variable for rei-
sekostnader; Reisekost1 som inneholder kostnader på relasjonsnivå, Reisekost2
som in	neholder distanseavhengige kostnader. Begge kostnadsvariable kan vari-
ere mellom reisehensikter, transportmidler og perioder i modellen.
Det er også mulig å legge inn kostnader på lenker i veinett (bomkostnader) og
parkeringskostnader (primærsoner og kolle	ktivnoder). Disse kostnadskompo-
nentene kan varieres over døgnet, men ikke mellom reisehensikter.
Reisetid	 	Reisetid benyttes som betegnelse på tid i hovedtransportmiddel. Dersom bil be-
nyttes både som hoved	- og tilbringertransportmiddel, benyttes samme ve	rdset-
ting av reisetid både for hoved	- og tilbringerdelen av reisen.
Relasjon	 	Forbindelsen mellom to modellsoner. Relasjonsdata er den delen av datagrunn-
laget som er felles for alle nodepar (i veinett eller kollektivnettet) som inngår i
det samlede transp	orttilbudet på relasjonen.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	58

Rute	 	En rute defineres som en forbindelse mellom to noder. Ruten kan bestå av et
eller flere legg som inneholder beskrivelse av variabler som er faste over døgnet.
Videre inneholder ruten en eller flere avganger som 	inneholder beskrivelse av
variabler som kan variere over døgnet. Modellen inneholder både kollektivruter
og veiruter, lagret i samme strukturvariabel.
Rutetabell	 	Rutetabeller på spesifisert format benyttes for innlesing av tilbud for ulike kol-
lektive tra	nsportmidler (linjer). Rutetabellene inneholder holdeplasser (noder),
avgangs	- og ankomsttider for på holdeplassene for alle avganger, oppholdstid
på holdeplassene samt av	- og påstigningsbegrensninger knyttet til hver holde-
plass.
Segment	 	Transportmarkede	t deles inn i segmenter hvor de reisende har ulike preferanser
og eller står overfor transporttilbud med ulik kvalitet. Den viktigste segmente-
ringen i modellen er mellom ulike reisehensikter og mellom ulike perioder, men
variablene «Andel som reiser alene	» og «Andel med flere reisemål» bidrar til en
ytterligere segmentering av reisemarkedet innenfor hver reisehensikt / periode.
Markedet segmenteres også geografisk (relasjoner mellom modellsoner som
igjen kan inndeles i relasjoner mellom primærsoner).
Sim	ulering	 	Gjentatte trekninger fra sannsynlighetsfordelinger for verdsettingsparametere
og reisetidspunkt, identifisering av mest attraktive avganger for et sett av alter-
native ruter og beregning av Generaliserte kostnader for å identifisere beste al-
ternativ	.
Simuleringsvekter	 	Simuleringsvekter er forholdet mellom totalt antall reiser og antall gjennomførte
simuleringer i et markedssegment. Vektene benyttes til å aggregere resultater
av enkeltsimuleringer. Når det gjennomføres 	referanseberegning eller tiltaks-
beregning, justeres vektene fra kalibreringsberegningen også for å fange opp
endringer i totalt antall reiser i segmentet.
Sone	 	En sone representerer et avgrenset, geografisk, område. Det er to typer soner i
modellen; primæ	rsoner (som f.eks. kan være grunnkretser) og modellsoner som
består av en gruppe primærsoner omkring en sonesentroide.
Strukturvariabel	 	En strukturvariabel er en samling av opplysninger/data knyttet til et spesielt ob-
jekt, 	f.eks.	 en reise eller en rute.
Tilbringerreise	 	Reise fra genereringsnode til transportnode (ved utreise), fra attraksjonsnode til
transportnode (ved hjemreise).

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	59

Transportnode	 	Transportnode benyttes som fellesbetegnelse på kollektivnoder og veinoder.
Noder er knutepunkter i 	transportsystemet, og tilkoblingspunkter mellom pri-
mærsoner og transportnettverket som er definert i modellen. Transportnoder
gis navn og defineres ved (	x, y	)-koordinater. Kollektiv	- og veinodene inneholder
i tillegg enkelte opplysninger som er spesifikk	e for hver type. Veinoder 	– som
stort sett vil være veikryss 	- inneholder i tillegg opplysninger om veinummer for
veiene som definerer noden. For kollektivnoder er det mulig å legge inn forut-
setning om parkeringskostnader. Noder i veinettet knyttes samme	n ved hjelp
av lenker. Transportnode benyttes som fellesbetegnelse på kollektivnoder og
veinoder.
Ujevn matrise	 	Ujevn matrise betegnes på engelsk «jagged array» og er en flerdimensjonal sam-
ling av dataelementer hvor antall elementer i den siste dimensjon	en tillates å
variere. Mens en tredimensjonal matrise f.eks. kan dimensjoneres ved (5, 2, 3),
dimensjoneres ujevne matriser først ved (5, 2) ( ), deretter dimensjoneres hver
av de 5 * 2 vektorene i den tredje dimensjonen.
Veinode	 	Se transportnode
Veirut	e 	Veirute er i dette arbeidet betegnelse på en forbindelse mellom et par av veino-
der. Veirutene består av 1, .. ,n lenker, og hvert nodepar kan knyttes sammen
med flere ulike veiruter.
Virkningsbereg-
ning
Virkningsberegning brukes som betegnelse på beregn	ing som gjennomføres for
å belyse virkninger av endringer i transporttilbud og / eller trafikantatferd.

Ada. Disaggregert valgmodell for transportanalyser

Vista Analyse	 | 2022/07	 	60

Vista Analyse AS
Meltzers gate 4
0257 Oslo

post@vista	-analyse.no
vista	-analyse.no