National Transport Library Research Database

Användning av Samgodsprognos i Bangods (Use of Samgods forecast in Bangods)

  • Edwards, Henrik
  • Sweco AB, Svenskt företag eller organisation, 556542-9841
Sponsors, duration, budget: Trafikverket ; 2016-05-11 -- 2016-12-24 Registration number:
  • Trafikverket 2016/42250
Subject(s): Online resources: Abstract: Samgodsmodellens järnvägsprognos framtas genom att utgå från utvecklingen per varugrupp i Samgodsmodellen och nyckla den till godstågstrafikering i basåret på tågnivå. Anledningen till att data inte hämtas direkt ur Samgodsmodellen är att data på bandelsnivå anses vara alltför osäkra. Genom att stödja sig på faktisk trafikering nås ett rimligare resultat för finare aggregeringsnivåer. Tekniken med sk. nyckling från relativt aggregerade tillväxttal i Samgods till tågtrafik i Bangods medför emellertid vissa problem. Ett av dem är att skillnaden i geografisk tillväxt inom varje varugrupp helt förvinner, vilket kan ge inkonsistenta och orealistiska resultat för delar av järnvägssystemet. Ett annat problem med tekniken är att den inte är automatiserad och därför tar onödigt lång tid och har en hög risk för fel. Det finns alltså både kvalitets- och användarmässiga skäl till att undersöka möjligheten att söka förbättra och/eller frångå metoden med efterbearbetning i Bangods. Ett sätt att lösa problemet är att undersöka möjligheterna för en metod som via statistiska uppgifter i Bangods och eventuellt kompletterande uppgifter från annat datamaterial, binda samman prognosresultaten från Samgods med Bangods via exempelvis någon typ av pivot point metodik. Ett annat sätt är att undersöka möjligheten att på sikt ändra metodiken för tåghantering i Samgods i grunden och implementera någon form av godstågtidstabell. Detta skulle vara ett större ingrepp i modellens struktur, varför en förstudie om för- och nackdelar i sådana fall är att föredra. Syftet med detta projekt är att i ett första steg beskriva och utvärdera befintlig metodik och jämföra dess funktion med mål med och krav på Trafikverkets prognoser, samt baserat på slutsatserna föreslå ett antal utvecklingsförslag. I ett andra steg kan en metod tas fram för att överföra utvecklingen i Samgodsprognosen till Bangods på ett lämpligt sätt m a p varugrupper och rumslig fördelning. Beskriva dagens Bangods, målsättning och krav på prognoser/scenarie-analyser, beskriva med exempel hur basåret presenteras och hur prognoser/scenarier tas fram och relateras till basåret. utifrån detta ta fram ett antal förslag till hur kraven från Bangods skulle kunna tillmötesgås med förändringar och anpassningar i Samgods. Syftet är att undersöka flera förslag och välja ut det mest lämpade förslaget som sen eventuellt kan implementeras i Samgodsmodellen. Nedan beskrivs några av förslagen i korthet. Ex 1. Konvertering till hantering av aggregerad tidtabellbaserad godstågshantering Idén handlar om att definiera en tidtabell för godståg, där transportutbudet beskrivs av frekvenser och rutter. Metoden kräver att godstågslinjer beskrivs i LOS-matriserna i kombination med att variabler definierar årsfrekvenser av användningen av dessa linjer. Frekvenserna kopplas till RCM-modulen (Railway-Capacity-Management) så att alla transporter täcks in och att alla kapacitetsvillkor är uppfyllda. Ex 2. Dimensionera ett linjeutbud efter dagens RCM-lösning Idén handlar om att definiera en samling av godstågslinjer som täcker behovet i transportefterfrågan som den uttrycks efter RCM-lösningen. Detta är ett enklare (linjärt) "set covering"-problem, men som också innefattar att länkflödesvillkor måste vara uppfyllda. Ansatsen är ganska liknande den i Ex 1, men i denna metod definieras ingen godstågslinje i LOS-data. Ex 3. OD-matris får tåg Från Samgods tas OD-matriser ut för olika tågtransporter som beskriver den regionala spridningsmönstret för varje produktgrupp. Genom att koppla samman lämplig geografisk nivå av dagens faktiska tågflöden med basåret, borde det vara möjligt att kombinera resultat för basår och prognosår med faktiska transporter i basåret via pivot-point metodik.Abstract: The freigth railway forecast from the Samgods model (the Swedish national freight transport model) is based on the development per product group in the model. These numbers are mapped to the freight train usage for the base year at the individual train levels, the reason being that a direct usage of the detailed Samgods model results are judged too uncertain. By using the actual base year traffic volumes more reasonable results are obtained at disaggregated levels. However, the technique with the mapping from rather aggregated growth numbers in Samgods to rather detailed train traffic in Bangods (the specific national railway freight model) lead to some problems. One of them is that the geographic distribution of the growth pattern vanishes, which can result in inconsistent and unrealistic results for parts of the railway system. Another problem is that the technique is not automized and it therefore requires unnecessarily long handling times and leads to high risk for mistakes. Thus there are both quality and user handling reasons for investigating the possibilities for improving the current method and/or modify the method in Samgods so that Bangods can be abandoned. One way of solving the problem is to investigate the possibilities for integrating statistics in Bangods and other input data with Samgods forecasts, and to carry out the forecasts for Bangods with some type of pivot-point method. A second option for solving the problem is to investigate the possibilities for changing the basic freight train handling in Samgods, and instead implement some form of time table handling. This would encompass a more dramatic change of the model’s structure, in particular the railway capacity management module, and therefore a pre-study of its pros and cons would be suitable. The purpose of this project is to describe and evaluate the current method used with respect to objectives and requirements associated with forecasts from Trafikverket, and then to suggest a number of methods that may be used. In a second phase a suitable method will be suggested for translating the forecast from Samgods into Bangods, in such a manner that the spatial distribution across product groups is maintained. This involves a description of today’s Bangods, objectives and requirement on forecast/policy-analyses, construction of examples regarding how the base year situation is presented, and how forecast/policy-analyses are related to the base year. Given this a number of proposals regarding how the Bangods requirements may be met by changes and adjustments of Samgods should be constructed. The purpose is to investigate a number of suggestions, and to choose the best suggestion for a possible implementation in the Samgods model. Ex 1. Conversion to handle an aggregate timetable for freight trains in Samgods. The idea here is to define a time table based handling of freight train, in which the transport supply is defined by the frequencies of the various freight train time tables (frequencies and routes). The method would require a definition of freight rail lines in the LOS-matrices, in combination with variables for defining the yearly usage frequencies of the lines. The frequencies should be aligned with the current RCM-model (Railway Capacity Management) in such a manner that all transport are covered, and all capacities are satisfied. Ex 2. Set up a freight train plan satisfying today’s RCM-solution. The idea is to define a set of freight train lines covering the transport demand as presented in the RCM-solution. This is a rather straight forward (linear) set covering problem, but also comprising the actual link capacity flow constraints to be satisfied. The approach is quite similar to the one in Ex 1, but here we have not predefined any line in the LOS-data. Ex 3. OD-matrix for railway. From Samgods we can derive OD-matrices for different train transports describing the regional distribution pattern per product group. Through a mapping at suitable regional levels of today’s freight train pattern to the base year situation, it ought to be possible to combine the model results for the base and the forecast years with the mapping to the actual base year transport distribution into a pivot-point method.
Item type: