Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Prognosemetoder – en oversikt - Telenor
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
142<br />
prognos<strong>en</strong>. Da “beskjæres” de <strong>en</strong>kelte<br />
kommuneprognos<strong>en</strong>e etter hvilke kommuner<br />
som har d<strong>en</strong> høyeste årlige etterspørsel:<br />
D<strong>en</strong> kommun<strong>en</strong> som har d<strong>en</strong><br />
høyeste årlige etterspørsel<strong>en</strong> blir justert<br />
mest ned, d<strong>en</strong> kommun<strong>en</strong> som har nest<br />
høyest etterspørsel blir justert nest mest<br />
ned, osv. Det omv<strong>en</strong>dte skjer om sum av<br />
alle kommuneprognos<strong>en</strong>e skulle bli<br />
lavere <strong>en</strong>n regionsprognos<strong>en</strong>: Da “løftes”<br />
de <strong>en</strong>kelte kommuneprognos<strong>en</strong>e også<br />
etter hvilk<strong>en</strong> kommune som har d<strong>en</strong> høyeste<br />
årlige etterspørsel.<br />
Det foretas m a o <strong>en</strong> proratisk fordeling<br />
av differans<strong>en</strong> mellom regionsprognos<strong>en</strong><br />
og summ<strong>en</strong> av de underligg<strong>en</strong>de kommuners<br />
prognoser. Dette slik at etterspørsel<strong>en</strong><br />
i ett gitt år, for <strong>en</strong> vilkårlig kommune,<br />
framkommer ved:<br />
(19)<br />
hvor<br />
KPi = Konsist<strong>en</strong>t kommuneprognose,<br />
kommune i<br />
= Modellprognose, kommune i<br />
RP = Regionsprognose<br />
KP *<br />
∆KP<br />
* i ⎛<br />
* ⎞<br />
KP = KP + ⋅<br />
i<br />
* ⎜ RP − ∑ KP<br />
i ⎟<br />
∑ ∆KP ⎝ i ⎠<br />
i<br />
i<br />
*<br />
i<br />
∆ = Årlig vekst<br />
Σ = Sum<br />
En slik <strong>en</strong>kel regel er selvfølgelig ikke<br />
“riktig” i alle tilfeller, m<strong>en</strong> har f eks vist<br />
seg å fungere bedre <strong>en</strong>n å rangere justering<strong>en</strong><br />
etter total etterspørsel: Da vil store<br />
kommuner med lit<strong>en</strong> årlig etterspørsel<br />
risikere å bli justert ned til negativ netto<br />
etterspørsel. Se for øvrig [5] som forklarer<br />
nedbryting fra teledistrikt til teleområder<br />
i Televerkets gamle organisasjon.<br />
En ann<strong>en</strong> mulig konsist<strong>en</strong>s-regel kunne<br />
være å la d<strong>en</strong> kommun<strong>en</strong> som har modell<br />
med størst usikkerhet i prognos<strong>en</strong>e bære<br />
d<strong>en</strong> største andel<strong>en</strong> av differans<strong>en</strong><br />
mellom sum kommuneprognoser og regionsprognos<strong>en</strong>,<br />
osv. Dette er <strong>en</strong> mye brukt<br />
metode når det skal lages prognoser for<br />
store trafikkmatriser, se f eks [4].<br />
I tillegg til bruk av vekstmodeller samm<strong>en</strong>holdes<br />
statistikker og ann<strong>en</strong> relevant<br />
informasjon på kommun<strong>en</strong>ivå for ev<strong>en</strong>tuelle<br />
korreksjoner av modellframskrivning<strong>en</strong>e.<br />
Dette går vi ikke inn på her.<br />
4 S<strong>en</strong>tralprognos<strong>en</strong>e<br />
Når s<strong>en</strong>tralprognos<strong>en</strong>e skal utarbeides,<br />
tar vi i utgangspunktet fatt i dette<br />
(laveste) geografiske nivå “uavh<strong>en</strong>gig”<br />
av de ov<strong>en</strong>for nevnte prognoser. Når så<br />
prognos<strong>en</strong>e er utarbeidet for hvert<br />
område individuelt, konsist<strong>en</strong>tgjøres<br />
disse med kommuneprognos<strong>en</strong>e, dvs sum<br />
s<strong>en</strong>tralprognoser inn<strong>en</strong> <strong>en</strong> kommune =<br />
kommuneprognos<strong>en</strong>. Dette foregår på<br />
samme måte som når kommuneprognos<strong>en</strong>e<br />
konsist<strong>en</strong>tgjøres med regionsprognos<strong>en</strong>:<br />
I det tilfellet at sum av s<strong>en</strong>tralområdeprognos<strong>en</strong>e<br />
inn<strong>en</strong> <strong>en</strong> kommune er høyere<br />
<strong>en</strong>n kommuneprognos<strong>en</strong> (dvs d<strong>en</strong> konsist<strong>en</strong>te<br />
kommuneprognos<strong>en</strong>, ref det som<br />
er sagt om dette i kapittel 3 ) “beskjæres”<br />
s<strong>en</strong>tralområdeprognos<strong>en</strong>e etter hvilket<br />
s<strong>en</strong>tralområde som har d<strong>en</strong> høyeste årlige<br />
vekst, dvs det s<strong>en</strong>tralområdet som har<br />
d<strong>en</strong> høyeste (årlige) etterspørsel<strong>en</strong> blir<br />
justert mest ned, det s<strong>en</strong>tralområde som<br />
har nest høyest (årlig) etterspørsel blir<br />
justert nest mest ned, osv.<br />
I vårt eksempel skal vi se på utarbeiding<br />
av s<strong>en</strong>tralprognoser på årsdata for TAT.<br />
Månedsdata, ev<strong>en</strong>tuelt kvartalsdata, kan i<br />
prinsippet også b<strong>en</strong>yttes som grunnlag<br />
for prognoser på dette nivå. Imidlertid<br />
har disse vært ansett som usikre, og<br />
månedlig nummerlånsstatistikk (se [1])<br />
har ikke vært tilgj<strong>en</strong>gelig før i 1991.<br />
Dessut<strong>en</strong> blir det svært mye data å holde<br />
styr på.<br />
I prinsippet kan <strong>en</strong> t<strong>en</strong>ke seg <strong>en</strong> tilsvar<strong>en</strong>de<br />
oppsplitting på bolig- og forretningsabonnem<strong>en</strong>t<br />
som på regions- og kommun<strong>en</strong>ivå.<br />
Slike data har imidlertid ikke<br />
vært tilgj<strong>en</strong>gelig før inntil for kort tid<br />
sid<strong>en</strong>. I Region Oslo var det heller ikke<br />
foretatt no<strong>en</strong> “teoretisk” oppsplitting på<br />
brukskategori på s<strong>en</strong>tralområd<strong>en</strong>ivå da<br />
disse prognos<strong>en</strong>e ble laget. Dette er<br />
imidlertid <strong>en</strong> mulig vei til forbedret underlag<br />
for prognos<strong>en</strong>e.<br />
Før framskrivning<strong>en</strong>e finner sted er selvfølgelig<br />
de historiske årsdata bearbeidet,<br />
slik at hver s<strong>en</strong>trals historikk består av<br />
“r<strong>en</strong>e” s<strong>en</strong>tralgr<strong>en</strong>ser og er korrigert for<br />
gr<strong>en</strong>sejusteringer. Dette er omtalt i [1].<br />
Selve prognos<strong>en</strong>e lages i dag på bakgrunn<br />
av Kalmanfiltermodeller, se [7]. Det vil<br />
her føre for langt å referere fra disse modell<strong>en</strong>e.<br />
Vi skal imidlertid se på hvordan de<br />
på <strong>en</strong> <strong>en</strong>klere måte ble utarbeidet før slike<br />
modeller ble tatt i bruk.<br />
Da ble prognos<strong>en</strong>e laget delvis på bakgrunnn<br />
av gj<strong>en</strong>nomsnittsbetraktninger over<br />
historisk vekst og delvis på bakgrunn av<br />
lokal kj<strong>en</strong>nskap og antakelser om utvikling<strong>en</strong><br />
i hvert <strong>en</strong>kelt s<strong>en</strong>tralområde. Markedskunnskap<br />
på s<strong>en</strong>tralområd<strong>en</strong>ivå er her<br />
spesielt viktig i prosess<strong>en</strong> fram til de <strong>en</strong>delige<br />
s<strong>en</strong>tralområdeprognos<strong>en</strong>e, fordi<br />
utvikling<strong>en</strong> inn<strong>en</strong> hvert <strong>en</strong>kelt s<strong>en</strong>tralområde<br />
ofte foregår ujevnt: D<strong>en</strong> g<strong>en</strong>erelle<br />
tr<strong>en</strong>dutvikling blir ofte forstyrret av<br />
utsatte/omgjorte byggeplaner, store kunder<br />
med mange abonnem<strong>en</strong>t som flytter eller<br />
“rydder opp” i sine abonnem<strong>en</strong>t, etc.<br />
For å klargjøre prinsipp<strong>en</strong>e i d<strong>en</strong>ne<br />
måt<strong>en</strong> å utarbeide prognos<strong>en</strong>e på, skal vi<br />
ta utgangspunkt i situasjon<strong>en</strong> før<br />
prognos<strong>en</strong>e for period<strong>en</strong> 1990<strong>–</strong>2000<br />
skulle utarbeides. Vi går altså ett år tilbake<br />
i tid i forhold til de eksempl<strong>en</strong>e som<br />
er gitt på regions- og kommun<strong>en</strong>ivå<br />
ov<strong>en</strong>for. Dette fordi vi på dette tidspunkt<br />
faktisk utarbeidet prognos<strong>en</strong>e på d<strong>en</strong>ne<br />
måt<strong>en</strong> i Region Oslo.<br />
Det vil føre for langt å skulle gj<strong>en</strong>nomgå<br />
alle s<strong>en</strong>tralområder i region<strong>en</strong>. Vi tar derfor<br />
utgangspunkt i ett s<strong>en</strong>tralområde,<br />
Holmlia s<strong>en</strong>tralområde. Behandling<strong>en</strong> av<br />
alle andre s<strong>en</strong>tralområder følger samme<br />
mønster.<br />
Tabell 10 viser de historiske data for total<br />
og årlig etterspørsel etter TAT og for<br />
Holmlia s<strong>en</strong>tralområde i period<strong>en</strong><br />
1982<strong>–</strong>1989.<br />
Som vi ser har utvikling<strong>en</strong> i Holmlia<br />
s<strong>en</strong>tralområde vært noe ujevn, med variasjon<br />
i årlig vekst fra høye 2880 i 1984 til<br />
lave 558 i 1989. Tar vi snittet av d<strong>en</strong><br />
årlige vekst over dataperiod<strong>en</strong> gir det<br />
følg<strong>en</strong>de resultat:<br />
628 + 2880 +1454 +1185 +1637 + 812 + 558<br />
7<br />
=1307,7<br />
(20)<br />
Hvis prognos<strong>en</strong> utelukk<strong>en</strong>de skulle baseres<br />
på gj<strong>en</strong>nomsnittet av historikk<strong>en</strong> for<br />
d<strong>en</strong> årlige vekst, ble altså prognos<strong>en</strong><br />
1308 TAT pr år. Studerer vi d<strong>en</strong> årlige<br />
etterspørsel år for år ser vi imidlertid at<br />
dette må være altfor høyt: D<strong>en</strong> årlige<br />
etterspørsel<strong>en</strong> etter TAT i Holmlia<br />
s<strong>en</strong>tralområde har (med unntak av 1987)<br />
avtatt hvert år sid<strong>en</strong> topp<strong>en</strong> i 1984. Hvis<br />
4 Dette skyldes at hver kommuneprognose<br />
har <strong>en</strong> usikkerhet. Når alle kommuneprognos<strong>en</strong>e<br />
summeres opp,<br />
summeres derfor også d<strong>en</strong>ne usikkerhet<strong>en</strong>.