Bilisters hastighetsval i relation till gaturummets utformning och ...

Rapport 2005:2
Bilisters hastighetsval i relation till
gaturummets utformning och händelser
Joachim Karlgren
Tema Stad & Trafik
Institutionen för Arkitektur
Chalmers tekniska högskola

Bilisters hastighetsval i relation till gaturummets utformning och händelser
© Joachim Karlgren, 2005
Foton: författaren
Kartbilder: kommunens grundkartor samt Gula Sidorna
Publikation – Chalmers tekniska högskola, Institutionen för Arkitektur
ISSN 1650 – 6340, 2005:2
Tema Stad & Trafik
Institutionen för Arkitektur
Chalmers tekniska högskola
S-412 96 Göteborg
+46 31 772 1000
www.arch.chalmers.se
Rapporten finns tillgänglig i färg som pdf-fil på
http://www.arch.chalmers.se/tema/stad-trafik/
Detta projekt har finansierats av Vägverket.
Publiceringen innebär inte att finansiären har tagit ställning till innehållet.
Majornas CopyPrint AB
Göteborg, 2005
2

Bilisters hastighetsval i relation till gaturummets utformning och händelser
Relations between car drivers’ choice of speed and street design along with street incidents
Joachim Karlgren
Department of Urban Transport Planning
School of Architecture
Chalmers University of Technology
Abstract
In order to decrease the number of traffic accidents and feeling of insecurity in urban areas,
increased knowledge concerning relations between car drivers’ choice of speed and street design are
of great importance. In this project, the speed behaviour of passing motorists has continuously
been studied in both directions on 14 different street segments. Traffic volume on the studied
streets varied from 1600 to 9500 vehicles per day and street width varied from 6,6 to 12,9 meters.
The first step was to identify street incidents (i.e. meeting other vehicle, passing a cyclist, passing a
parked vehicle etc.) that have an effect on the speed behaviour. Thereafter, car drivers for whom
speed affecting street incidents occurred, were removed from the material. With the remaining
material, a mean speed for each street segment and direction were calculated, based on the car
driver’s speed behaviour. Those mean speed values were related to variables documented for each
street segment (i.e. carriage way width, number of parked vehicles per 100 m, number of
pedestrians and cyclists crossing the street per hour and 100 m, etc.).
Regression analyses resulted in the following model (R 2=0,92): Mean speed = 16,24 -0,030 *
crossing pedestrians and cyclists per hour and 100 m +0,061 * number of passing vehicles per hour
in current direction +3,942 * (average carriage way width -(number of parked vehicles/32)) -0,041 *
number of passing pedestrians and cyclists per hour +0,368 * average width from pavement to
nearest building or tree. A simplified model was also created (R 2=0,88): Mean speed = 26,31
+0,043 * number of passing vehicles per hour in current direction +2,520 * average carriage way
width -0,054 * crossing pedestrians and cyclists per hour and 100 m.
Comparisons show that the results from this study are in line with results from other similar
studies. The conclusion of this project is that it will be difficult to secure that no one drives faster
than for example 40 km/h, only using the variables presented in the model. However, it should be
possible to direct the mean and 90 th percentile speed to desired level, using above mentioned
variables.
Keywords: Speed profile, choice of speed, street design
Language: Swedish
3

Innehåll
1 Inledning 6
1.1 Bakgrund och samhällsproblem ............................................................................................................... 6
1.2 Forskningsproblem..................................................................................................................................... 7
1.3 Syfte och målsättning ................................................................................................................................. 8
2 Studerade gator 9
2.1 Föreningsgatan ............................................................................................................................................ 9
2.2 Viktor Rydbergsgatan...............................................................................................................................10
2.3 Såggatan norra ...........................................................................................................................................11
2.4 Såggatan södra ...........................................................................................................................................12
2.5 Nordhemsgatan södra ..............................................................................................................................13
2.6 Nordhemsgatan norra ..............................................................................................................................13
2.7 Kobbarnas väg...........................................................................................................................................14
2.8 Fridkullagatan södra .................................................................................................................................15
2.9 Fridkullagatan norra..................................................................................................................................16
2.10 Gibraltargatan..........................................................................................................................................16
2.11 Geijersgatan .............................................................................................................................................17
2.12 Norra Gubberogatan..............................................................................................................................18
2.13 Sammanfattning ......................................................................................................................................19
3 Insamling och hantering av data 20
3.1 Datainsamling i fält...................................................................................................................................20
3.2 Bearbetning av insamlad hastighetsdata................................................................................................21
3.3 Analys av videofilm för trafikmängdsdata ............................................................................................21
3.4 Analys av videofilm för händelsedata ....................................................................................................22
3.5 Inmätning och sammanställning av geometriska variabler.................................................................25
4 Analyser på fordonsnivå 28
4.1 Effekt av möte med annat fordon..........................................................................................................28
4.2 Effekt av parkerade fordon.....................................................................................................................29
4.3 Regressionsanalyser med avseende på händelser.................................................................................31
5 Analyser på gatunivå 36
5.1 Korrelation mellan hastighet och övriga variabler...............................................................................37
5.2 Regressionsanalys med avseende på geometriska variabler ...............................................................38
5.3 Modelltest...................................................................................................................................................40
6 Diskussion 42
6.1 Koppling till andra studier.......................................................................................................................42
6.2 Felkällor och metodproblem...................................................................................................................48
6.3 Slutsatser och slutdiskussion...................................................................................................................49
7 Referenser 53
4

Bilaga 1 55
B1.1 Kartor med de studerade gatorna........................................................................................................55
B1.2 Fotografier från de studerade gatorna.................................................................................................55
B1.3 Hastighetsprofiler...................................................................................................................................58
B1.4 Diagram med korrelation mellan hastighet och övriga variabler....................................................70
Bilaga 2 Litteraturstudie 74
B2.1 Inledning..................................................................................................................................................74
B2.2 Litteratursökningen................................................................................................................................74
B2.3 Begrepp och enheter..............................................................................................................................74
B2.4 Avsmalning, gatubredd..........................................................................................................................75
B2.5 Siktsträcka................................................................................................................................................77
B2.6 Gatans längd mellan korsningarna ......................................................................................................77
B2.7 Multivariabla analyser ............................................................................................................................78
B2.8 Övrigt .......................................................................................................................................................79
B2.9 Diskussion ...............................................................................................................................................79
B2.10 Preliminärt urval av variabler .............................................................................................................82
B2.11 Referenser..............................................................................................................................................82
5

1 Inledning
Föreliggande rapport avslutar det vägverksfinansierade projektet ”Bilisters hastighetsval i relation
till gatans och omgivningens utformning – studier med hjälp av kontinuerliga hastighetsmätningar”.
Projektet påbörjades våren 2003, efter en inledande litteraturstudie som genomfördes hösten 2002
(bifogad i Bilaga 2). Vidare ingår en delrapportering av studier genomförda under 2003 på Röda
vägen och Dammgatan i Borlänge (Karlgren, 2004) i projektet.
1.1 Bakgrund och samhällsproblem
Det finns ett väl belagt samband mellan fordonshastighet och förekomst av olyckor. En minskning
av medelhastigheten på en gata med 1 km/h minskar olycksfrekvensen med 3-5 % 1 . Att studera vad
olika typer av förändringar av gatan har för effekt på bilisters val av hastighet är därför av stor vikt
för att det ska vara möjligt att ytterligare reducera trafikolyckorna i stadstrafiken. Men förbättrad
kunskap om dessa samband, som kan leda till lägre hastigheter, är också av stor vikt för att minska
den otrygghet som många känner när de vistas i trafiken. Denna otrygghet minskar möjligheterna
att fritt förflytta sig i staden och det är i första hand de svaga grupperna (barn, äldre och funktionshindrade)
som är mest utsatta.
I dagsläget förlitar vi oss i stort till olika typer av farthinder för att dämpa hastigheten mellan två
korsningar. Farthinder är mycket effektiva i det avseendet och de har god trafiksäkerhetshöjande
effekt vid exempelvis olycksdrabbade övergångsställen. Exempelvis kan nämnas att Göteborg,
bland annat genom att använda farthinder, har lyckats minska antalet dödade och svårt skadade
kraftigt de senaste åren. ”Det totala antalet dödade och svårt skadade personer har successivt
minskat och med en mycket kraftig minskning under slutet av 90-talet. Under de senaste åren har
tyvärr förbättringen stannat av och en viss ökning har skett sedan år 1999. År 2003 skadades och
dödades 328 personer vilket är 296 färre än medelvärdet för åren 1985-89 (624). Uttryckt i procent
är denna minskning 47 %.” 2
Vidare skapar farthinder en trygghet på exempelvis lägre trafikerade gator nära bostäder och vid
skolor. Problemen som farthindren skapar, i första hand för kollektiv- och utryckningstrafik,
kvarstår dock och de påverkar inte heller det egentliga trafiksäkerhetsproblemet – bilisters
uppfattning av lämplig hastighet på just den gatan. Bilisten verkar i första hand dämpa hastigheten
vid farthinder för att undvika obehag och för att inte skada sitt fordon. Vid exempelvis fartkuddar
är det vanligt att bilister kör med endast ena sidan av bilen över hindret och därmed är det möjligt
att passera hindret i 50 km/h eller mer utan betydande obehag 3 . Det är alltså inte gatans utformning
i sig som medför att bilisten förändrar hastigheten, utan själva farthindret. Gatans geometri i sig
signalerar ofta att en helt annan hastighet är lämplig än vad farthindret syftar att få ned hastigheten
till. Vidare skapar farthinder alltid ett ”ryckigt” körförlopp 4 vilket innebär att den tid som bilisten
1
Se Mackie & Webster, 1995; Finch et al, 1994.
2
Trafikkontoret Göteborg, 2004.
3
Se Karlgren (2004, s 11) för mätningar omkring fartkuddar och beskrivning av vad placeringen av dessa i relation till refuger betyder för
dess effekt på hastigheten. Vid en genomgång av 145 fordon som studerades under 80 minuter på Viktor Rydbergsgatan (se mer om
mätningarna på den gatan nedan) framgår att 41 av dem (28 %) tydligt körde vid sidan om de fartkuddar som finns strax norr om
mätområdets gräns.
4
Karlgren, 2001, s 153-154.
6

under sin färd ägnar åt acceleration och retardation ökar. Att ett ryckigt körförlopp, i jämförelse
med ett jämnt, leder till ökad bränsleförbrukning och därmed ökade utsläpp, så länge hastighetsnivån
är densamma, är klarlagt 5 . Dock verkar det inte vara klarlagt hur stor den generella
sänkningen av medelhastigheten, till följd av farthindret, ska vara för att bränsleförbrukningen över
den sträckan totalt ska minska i jämförelse det jämnare och högre hastighetsförloppet som var
innan. I ett uthållighetsperspektiv vore det dock att föredra om vi kunde förmå bilister att hålla låg
och jämn hastighet.
Kunskap om hur vi med gatans utformning bättre kan förmå bilister att hålla låg och jämn hastighet
kan därför ses som en viktig pusselbit i vår strävan mot ett mer uthålligt, tryggt och säkert samhälle.
1.2 Forskningsproblem
En lång rad studier av bilisters val av hastighet på gator och vägar har genomförts. Vanligtvis har
syftet varit att avslöja vilka effekter på hastigheten som en eller flera förändringar av gatans
utformning har haft. Olika metoder har använts för detta 6 . Hastighetsmätning av ett stort antal
fordon i en punkt före och efter ombyggnad har varit den vanligaste, men även bilförföljelse och
dataloggning i specialutrustat fordon där testpersoner fått köra längre sträckor, är vanliga. Mindre
vanliga har kontinuerliga hastighetsmätningar över en avgränsad gatusträcka varit.
Ett problem med ovan nämnda metoder är att de i första hand har givit värden i form av medelhastighet
samt 85- eller 90-percentil baserat på hela urvalet, eftersom det vanligtvis utgörs av alla
passerande fordon eller ett större antal slumpmässigt utvalda. Således har de händelser som bilisten
råkat ut för vid sin färd längs gatan inte påverkat huruvida just det fordonet ska ingå i materialet.
Dock har i många av dessa studier endast så kallade fria fordon studerats. Med fritt fordon menas
ett fordon som inte behöver ta hänsyn till andra fordon framför eller bakom (mer om detta i avsnitt
3.4). Dock har sällan tagits hänsyn till om fordonet är fritt från mötande trafik eller andra händelser
som kan tänkas påverka deras val av hastighet.
För att kunna svara på frågan vad i gatugeometrin som får bilister att välja en viss hastighet på en
viss gata, krävs först studier av vad det är för övriga variabler som påverkar hastigheten. En enkel
indelning av de olika variablerna skulle kunna vara variabler på fordonsnivå, variabler på gatunivå
och bakomliggande variabler. De på fordonsnivå skulle då kunna beskrivas som händelser som
bilisten råkar ut för under sin färd. Exempel på sådana händelser kan vara en fotgängare som
promenerar över gatan några meter framför bilisten, möte med annat fordon, omkörning av en
cyklist o s v. De på gatunivå kan beskrivas som sådant som upprepar sig och är specifikt just för
den gatan eller den delen av gatan. Exempel på sådant är gatubredd, parkeringsdensitet, farthinder
m m. Vissa variabler faller delvis mellan dessa två, såsom trafikmängd, buss vid hållplats m m. Den
sista gruppen, de bakomliggande variablerna, handlar om varför bilisten kör på just den gatan
(genomfart eller parkeringssökande), hur stressad eller hur långt ifrån resans mål han/hon är, o s v.
Denna typ av variabler kommer dock inte att hanteras i någon större omfattning i detta projekt.
När effekterna av variablerna i den första gruppen är detekterade återstår att avslöja hur variablerna
i den andra gruppen påverkar de bilister som ej råkat ut för de variabler i den första gruppen som
visade sig ha effekt på hastigheten. Då har vi skalat bort effekter av händelser i stil med ”möte med
5 Abbot et al, 1995, s 52-54; Hedström,1999; Cloke et al, 1999, s 47.
6 Se Karlgren, 2001, s 26-29, för genomgång av olika mätmetoder.
7

annat fordon” och har ett mer precist urval av bilister som, förhoppningsvis, bara har baserat sitt
val av hastighet på gatans geometriska utformning.
1.3 Syfte och målsättning
Syftet med projektet är att klargöra vilka av de variabler som beskriver gatans geometriska
utformning, som påverkar hastigheten. En avsikt är också att belysa vilka av de mest frekventa
händelserna i gaturummet som påverkar bilisters val av hastighet. Målsättningen är att nå fram till
ett effektsamband mellan fordons medelhastighet över en viss gatusträcka och gatusträckans geometriska
utformning. En förhoppning är att vi med detta samband bättre ska förstå hur vi kan
påverka bilisters val av hastighet med hjälp av förändringar i gaturummets utformning.
8

2 Studerade gator
Inför det inledande skedet av projektet valdes två gator där pilotstudierna skulle äga rum –
Föreningsgatan och Viktor Rydbergsgatan. Med dessa mätningar som bas utvecklades metoden och
nya lämpliga gator kunde därefter identifieras. I första hand valdes gator med trafikmängd på 1500-
5000 ådt (med undantag för två gator). Vidare var önskemålet att gatan skulle var rak och med ett
slutet rum, samt med en längre sträcka utan avbrott för större korsningar, trafikljus eller farthinder.
Därefter återstod att finna en möjlig plats att utföra mätningarna ifrån, vilket ofta visade sig svårt.
Bland annat av dessa anledningar har vissa gator delats upp i flera olika sträckor som studerats,
redovisats och analyserats separat. Totalt har 14 olika gatusträckor studerats i båda riktningarna.
Målsättningen har varit att varje gata ska studeras vid minst två olika tillfällen – mellan 09.30-11.00
och 14.00-15.30 samt på två olika veckodagar. Tidpunkterna är valda för att minimera risken för tät
trafik och spridningen över dygnet syftar till utjämna skillnader som kan finnas i trafikens riktning.
Varje gata presenteras i var sitt avsnitt. Först visas en plankarta i skala 1:1000 över det område som
studerats. Området är markerat med lodräta streck samt måttangivelser (som inte är av intresse i
detta sammanhang, men de anger avstånd i meter). I planen är även inritat de ytor som ofta
används för parkering och som i analysen av effekter av gatugeometriska variabler betraktats som ej
körbar yta. Plankartorna har vidare uppdaterats och förändrats för att stämma med hur gatan såg ut
när studien utfördes. Vidare visas fotografier på gatan och dess omgivningar samt datum för när
fotografiet togs. I bilaga 1 visas kartbilder över Göteborg med aktuella gator inritade, samt fler
fotografier och hastighetsprofiler.
I föreliggande rapport kallas ibland sydgående trafik för trafik i riktning 1, norrgående för riktning
2, västgående för riktning 3 och östgående för riktning 4.
2.1 Föreningsgatan
N
Figur 2.1 Föreningsgatan mellan Södra Viktoriagatan och Karl Gustavsgatan, skala 1:1000. 95 meter av gatan
(mellan angivelserna 25 och 120) har studerats.
Den del av Föreningsgatan som studerats minskar i bredd ju längre västerut man kommer. Gatan
kan sägas vara 11,3 meter bred vid den östra delen (9,3 om man tar bort två meter för de parkerade
bilarna) och 6,6 meter bred vid den västra delen. Gatan kan beskrivas som förhållandevis lugn med
många fotgängare och cyklister som rör sig i nord-sydlig riktning strax öster om mätområdet, vid
den korsning som syns i figur 2.2 nedan. Strax väster om mätområdet finns det ett farthinder, och
9

ortanför detta en skola. Skolan genererar också en del trafik på förmiddagen. 2002 var trafikmängden
3600 fordon per årsmedelvardagsdygn (ÅMVD) 7 .
Föreningsgatan studerades vid 4 olika tillfällen. De första två (6/6 2003, 14.00-14.40; 4/11 2003,
10.30-11.20) tillhörde pilotstudien, men fordonen och händelserna ingår i de slutliga analyserna.
Däremot dokumenterades inte de olika trafikströmmarna, varför variablerna som beskrivs i avsnitt
3.3 nedan och sammanställs i figur 5.1 nedan, endast är baserade på de två sista mättillfällena (17/3
2004, 09.30-10.30; 26/5 2004, 09.30-10.50). Vid mättillfället 17/3 2004 stod det en container några
meter väster om mätområdet på norra sidan (se figur B1:4 Bilaga B1.1). Hur detta hanterades
framgår i avsnitt 4.3 nedan.
Figur 2.2 Den studerade sträckan av Föreningsgatan,
västerut från mätplatsen. 2003-05-23.
2.2 Viktor Rydbergsgatan
Figur 2.4 Viktor Rydbergsgatan mellan von Gerdesgatan och Stuartsgatan, skala 1:1000. 95 meter av gatan
(mellan angivelserna 30 och 125) har studerats.
På Viktor Rydbergsgatan förekommer det en hel del busstrafik. Vidare är trafiken till och från en
affär som är belägen strax till sydost om mätområdet (in till höger i figur 2.5 nedan) relativt tät. 30
meter norr om mätområdet finns det två fartkuddar som har viss påverkan på hastighetsförloppet.
Gatan är 9,1 meter bred över den studerade sträckan. Trafikmängden var 2600 fordon per
årsmedelvardagsdygn (ÅMVD) 2004 8 .
Viktor Rydbergsgatan studerades vid totalt 5 olika tillfällen. De tre första (5/11 2003, 11.30-11.55
och 15.05-15.50; 6/11 2003, 10.55-11.15) tillhörde pilotstudien, men fordonen och händelserna
ingår i de slutliga analyserna. Liksom för Föreningsgatan dokumenterades inte de olika trafikströmmarna
för dessa mättillfällen, varför variablerna som beskrivs i avsnitt 3.3 nedan och samman-
7 Enligt www.trafikkontoret.goteborg.se 2005-02-03.
8 Enligt www.trafikkontoret.goteborg.se 2005-02-03.
10
N
Figur 2.3 Föreningsgatan österut. 2004-07-21

ställs i figur 5.1 nedan, endast är baserade på de två sista mättillfällena (16/3 2004, 14.05-15.25;
30/6 2004, 09.40-11.05).
Figur 2.5 Viktor Rydbergsgatan norrut, från mätplatsen.
2004-06-30.
2.3 Såggatan norra
N
Såggatan är förhållandevis bred och längs denna norra del förekommer det mycket trafik med lokala
målpunkter. Denna del av gatan kan sägas ha två olika passager. Den norra av dem (mellan avståndsmåtten
70 och 120 i figur 2.7 ovan) är något ombyggd med avsmalningar vid de frekvent
använda övergångsställena och en refug däremellan som framtvingar en sidoförskjutning. Den
södra delen uppfattas som bred och rymlig. Ungefär 75 meter norr om mätområdet finns det ett
farthinder som dock inte borde ha någon direkt påverkan på beteendet längs den studerade
sträckan. Gatan är 12 meter bred (6,1 vid avsmalningarna) och refugen är 2 meter bred. Trafikmängden
var 2900 fordon per årsmedelvardagsdygn (ÅMVD) 2002 9 .
Vid vissa av mätningarna uppstod det problem med batterier varför det blev några mätuppehåll.
Såggatans norra del studerades vid 3 olika tillfällen: måndag 15/3 2004 mellan 14.10 och 15.10;
tisdag 16/3 2004 mellan 09.10 och 10.55 (med ett uppehåll på 6 minuter i videofilm och 25 minuter
i hastighetsmätning) och onsdag 16/6 2004 mellan 09.35 och 10.25 (15 minuters uppehåll i
hastighetsmätning).
9 Enligt www.trafikkontoret.goteborg.se 2005-02-03.
Figur 2.6 Viktor Rydbergsgatan söderut. 2004-07-22.
Figur 2.7 Såggatan norra, från Galateagatan och söderut, skala 1:1000. 100 meter av gatan (mellan angivelserna
20 och 120) har studerats.
11

Figur 2.8 Såggatan söderut, från avståndsmått 120 i
figur 2.7 ovan. 2004-03-16.
2.4 Såggatan södra
Figur 2.10 Såggatan södra, mellan Vingagatan och Kabyssgatan, skala 1:1000. 115 meter av gatan (mellan
angivelserna 30 och 145) har studerats.
Längs denna södra och något bredare del av Såggatan var andelen trafik med lokala målpunkter
något mindre än på den norra delen. Mellan avståndsmåtten 30 och 78 i figur 2.10 ovan är gatan
12,9 meter bred (refugen är 0,8 meter bred). Mellan korsningen och avståndsmått 145 är gatan 12,1
meter bred. På den västra sidan av gatan, mellan avståndsmåtten 78 och 145, finns det snedställda
parkeringsplatser som tränger ihop gatans bredd och skapar en sidoförskjutning. Något år innan
mätningen genomfördes var det endast tillåtet med kantstensparkering längs den sträckan. Tyvärr
gjordes ingen mätning före förändringen, varför det i detta fall inte går att uttala sig om effekten av
den enskilda åtgärden. Trafikmängden är samma som för den norra delen av gatan.
12
N
Figur 2.11 Såggatan norrut, från mätplatsen söder om
avståndsmått 30 i figur 2.7 ovan. 2004-05-26.
Figur 2.9 Såggatan norrut, från avståndsmått 20 i figur
2.7 ovan. 2004-07-21.
Figur 2.12 Såggatan norrut, mot övergångsstället vid
avståndsmått 78 i figur 2.7 ovan. 2004-03-18.

Denna del av Såggatan studerades vid tre olika tillfällen: torsdag 18/3 2004 09.45-11.15 och 14.00-
15.30 samt onsdag 26/5 2004 14.05-15.35.
2.5 Nordhemsgatan södra
Figur 2.13 Nordhemsgatan södra, mellan Plantagegatan och Fjärde Långgatan, skala 1:1000. 65 meter av gatan
(mellan angivelserna 15 och 70) har studerats.
2.14 Nordhemsgatan söderut, från strax norr om
avståndsmått 70 i figur 2.13 ovan. 2003-04-08.
Denna gata är förhållandevis smal och lågt trafikerad. Däremot är det många fotgängare som korsar
den, särskilt precis vid avståndsmått 70 (de som promenerar längs Fjärde Långgatan korsar Nordhemsgatan).
Vid de två första mättillfällena var det vägarbete på Plantagegatan som korsar Nordhemsgatan
på den södra sidan av mätområdet (Plantagegatan har karaktär av huvudgata). Nordhemsgatan
är 6,7 meter bred längs denna sträcka. Trafikmängden var 1600 fordon per årsmedelvardagsdygn
(ÅMVD) 2002 10 . Gatan studerades vid tre tillfällen: onsdag 28/4 2004 9.25-11.10;
torsdag 29/4 2004 14.05-15.40 samt torsdag 1/7 2004 09.40-10.05. Det sista mättillfället avbröts på
grund av kraftigt regn.
2.6 Nordhemsgatan norra
Längs denna del av gatan är det fler som korsar gatan mitt på sträckan än på den södra delen, ofta
på väg mot den saluhall som syns till vänster i figur 2.17 nedan. Här är gatan 6,9 meter bred från
kantsten till kantsten. Dock finns det på den östra sidan ytterligare en kantsten som ej utgör ett
fysiskt hinder. Denna smalnar av gatan visuellt till 6,6 meter, men det är den fysiska bredden som
använts i de senare analyserna. Vidare är beläggningen tät gatsten till skillnad från alla andra gator i
10 Enligt www.trafikkontoret.goteborg.se 2005-02-03.
N
2.15 Nordhemsgatan söderut, från avståndsmått 70 i
figur 2.13 ovan. 2004-04-29.
13

denna studie. Trafikmängden antas vara ungefär samma som för den södra delen. Gatan studerades
vid två tillfällen, men endast under en dag: måndag 28/6 2004 09.35-11.05 och 14.05-15.35.
Figur 2.16 Nordhemsgatan norra, mellan Fjärde och Tredje Långgatan, skala 1:1000. 60 meter av gatan
(mellan angivelserna 0 och 60) har studerats.
2.7 Kobbarnas väg
Längs denna gata finns det en helt sluten och relativt hög fasad på den östra sidan och glesa träd på
den västra. Bortanför träden finns ett likadant hus som på östra sidan, men betydligt längre bort
från gatan. Längs hela gatan står de kantstensparkerade fordonen tätt. Gatan är 10 meter bred (6
meter vid övergångsstället). Trafikmängden var 3000 fordon per årsmedelvardagsdygn (ÅMVD)
14
N
Figur 2.17 Nordhemsgatan söderut, från strax norr om
avståndsmått 60 i figur 2.16 ovan. 2004-06-28.
Figur 2.18 Nordhemsgatan söderut, från strax norr om
avståndsmått 60 i figur 2.16 ovan. 2004-06-28.
Figur 2.16 Kobbarnas väg, från Lagerströmsplatsen och norrut, skala 1:1000. 110 meter av gatan (mellan
angivelserna 25 och 135) har studerats.

2004 11 . Gatan studerades vid tre tillfällen: torsdag 29/4 2004, 09.30-11.00; måndag 10/5 2004,
13.55-15.20 samt tisdag 29/6 2004, 09.25-10.50.
Figur 2.17 Kobbarnas väg norrut, från mätplatsen
strax söder om avståndsmått 25 i figur 2.16 ovan.
2004-05-10.
2.8 Fridkullagatan södra
Figur 2.19 Fridkullagatan, södra delen, från Grågåsgatan och söderut, skala 1:1000. 120 meter av gatan (mellan
angivelserna 40 och 160) har studerats.
Figur 2.20 Fridkullagatan, södra delen, norrut, från
mätplatsen strax söder om avståndsmått 40 i figur 2.19
ovan. 2004-05-10.
Den studerade delen av gatan är helt rak med husen något indragna från gatan. Gång- och cykelvägen
på nordöstra sidan används frekvent medan det är få som korsar gatan längs den studerade
sträckan. Denna del av gatan är ungefär 8,1 meter bred och trafikmängden var 7200 fordon per
11 Enligt www.trafikkontoret.goteborg.se 2005-02-03.
Figur 2.18 Kobbarnas väg söderut, från avståndsmått
135 i figur 2.16 ovan. 2004-05-10.
Figur 2.21 Fridkullagatan söderut, från avståndsmått
160 i figur 2.19 ovan. 2004-07-22.
15

årsmedelvardagsdygn (ÅMVD) 2002 12 . Sträckan studerades vid två tillfällen: torsdag 3/6 2004,
09.40-10.55 samt torsdag 1/7 2004, 14.00-14.35 (denna mätning avbröts på grund av kraftigt regn).
2.9 Fridkullagatan norra
Figur 2.22 Fridkullagatan, norra delen, mellan Grågåsgatan och Tapetseraregatan, skala 1:1000. 125 meter av
gatan (mellan angivelserna 30 och 155) har studerats.
Denna del av Fridkullagatan är något ombyggd. Körbanan har smalnats av till förmån för en
bredare gång- och cykelbana på den östra sidan. De båda refugerna skapar sidoförskjutningar,
speciellt för norrgående trafik. Strax norr om mätområdet finns en busshållplats och ytterligare
längre norrut finns en korsning och farthinder. Dessa torde dock inte påverka beteendet längs den
studerade sträckan. Gatan är 6,7 meter bred mitt på sträckan och 8,5 meter vid mätområdets ändar.
Refugen i södra änden är 1,5 meter bred och den i norr 1,9 meter. Trafikmängden var 9500 fordon
per årsmedelvardagsdygn (ÅMVD) 2002 13 . Sträckan studerades vid två tillfällen: onsdag 16/6 2004,
14.00-15.30 och tisdag 29/6 2004, 14.00-15.20.
Figur 2.23 Fridkullagatan norrut, från mätplatsen
strax söder om avståndsmått 30 i figur 2.22 ovan.
2004-06-29.
2.10 Gibraltargatan
Denna gata har höga hus längs hela östra sidan medan det är mer öppet åt väster. Många fotgängare
korsade gatan vid övergångsstället vid avståndsmått 40, på väg till en vårdcentral intill. Denna
vårdcentral genererar även viss korttidsparkering på parkeringsplatsen direkt norr om ovan nämnda
övergångsställe. Mitt emot denna parkering, på gatans östra sida, finns en busshållplats och
12 Enligt www.trafikkontoret.goteborg.se 2005-02-03.
13 Enligt www.trafikkontoret.goteborg.se 2005-02-03.
16
Figur 2.24 Fridkullagatan norrut, mot övergångsstället
vid avståndsmått 155 i figur 2.22 ovan. 2004-07-22.

korttidsparkering. Gatan är 10,7 meter bred i södra änden (refugen är 1 meter bred), 9,3 meter vid
infarten mot väster och 8,7 vid den norra änden. Trafikmängden var 6700 fordon per årsmedelvardagsdygn
(ÅMVD) 2004 14 . Gatan studerades vid två tillfällen. Det första, onsdag 5/3 2003,
14.05-14.35, var del i en fas av metodutveckling som genomfördes innan pilotstudierna. Det andra,
tisdag 14/12 2004, 13.45-14.45, är det som ligger till grund för analyserna i föreliggande rapport.
Figur 2.25 Gibraltargatan, mellan Vidblicksgatan och Ålandsgatan, skala 1:1000. 100 meter av gatan (mellan
angivelserna 40 och 140) har studerats.
Figur 2.26 Gibraltargatan norrut, från mätplatsen
strax söder om avståndsmått 40 i figur 2.25 ovan.
2004-12-14.
2.11 Geijersgatan
N
Figur 2.28 Geijersgatan, mellan Götabergsgatan och Arkivgatan, skala 1:1000. 75 meter av gatan (mellan
angivelserna 30 och 105) har studerats.
14 Enligt www.trafikkontoret.goteborg.se 2005-02-03.
Figur 2.27 Gibraltargatan norrut, från mätplatsen
strax söder om avståndsmått 40 i figur 2.25 ovan.
2004-12-14.
17

Geijersgatan är den mest centralt belägna av de studerade gatorna. Den är 10,1 meter bred och
refugen vid avståndsmått 105 är 1,7 meter bred. Trafikmängden var 4100 fordon per årsmedelvardagsdygn
(ÅMVD) 2002 15 . Gatan studerades vid ett tillfälle: torsdag 16/12 2004, 10.05-11.15.
Figur 2.29 Geijersgatan österut, från mätplatsen strax
väster om avståndsmått 30 i figur 2.28 ovan. 2004-12-
16.
2.12 Norra Gubberogatan
Figur 2.31 Norra Gubberogatan, strax norr om Lagerströmsplatsen, skala 1:1000. 100 meter av gatan (mellan
angivelserna 45 och 145) har studerats.
Figur 2.32 Norra Gubberogatan söderut, från mätplatsen
strax norr om avståndsmått 145 i figur 2.31
ovan. 2004-12-15.
Gatan är svagt böjd med ett slutet gaturum. Strax norr om mätområdet finns ett signalreglerat
övergångsställe. Gatan är 10,4 meter bred och 6,6 meter vid avsmalningarna. Längst söderut (vid
15 Enligt www.trafikkontoret.goteborg.se 2005-02-03.
18
Figur 2.30 Geijersgatan österut, från mätplatsen strax
väster om avståndsmått 30 i figur 2.28 ovan. 2004-12-
15.
Figur 2.33 Norra Gubberogatan norrut, från mitt
emellan avståndsmått 45 och 145 i figur 2.31 ovan.
2004-12-15.

avståndsmått 45) är gatan 7,0 meter bred. Trafikmängden var 5000 fordon per årsmedelvardagsdygn
(ÅMVD) 2000 16 . Gatan studerades vid ett tillfälle: torsdag 16/12 2004, 13.40-15.05.
2.13 Sammanfattning
För att komma fram till vilka variabler som har betydelse, har varje gatusträcka och trafikriktning
studerats var för sig. Alla fordon har tilldelats en medelhastighet längs aktuell sträcka, baserat på
varje enskilt fordons hastighetsprofil. Gatans mätsträcka är olika för olika gator, men för att
fordonet ska ingå i analysen krävs att det finns hastighetsvärden för 75 % av den studerade
sträckan.
Gatusträcka
Mätområdets
längd i m
Mättid i
minuter
Minst antal
mätvärden
Mätområdets
avståndsmått
Föreningsgatan 95 128 72 25-120
Viktor Rydbergsgatan 95 164 72 30-125
Såggatan norra 20-70 50 193 38 20-70
Såggatan norra 70-120 50 193 38 70-120
Såggatan södra 30-78 48 266 36 30-78
Såggatan södra 78-145 67 266 51 78-145
Nordhemsgatan södra 55 205 42 15-70
Nordhemsgatan norra 60 179 45 20-80
Kobbarnas väg 110 262 83 25-135
Fridkullagatan södra 120 118 90 40-160
Fridkullagatan norra 125 171 94 30-155
Gibraltargatan 100 60 75 40-140
Geijersgatan 75 69 56 30-105
Norra Gubberogatan 100 87 75 45-145
För varje sträcka har alltså båda riktningarna studerats och eftersom dessa ofta skiljer sig mycket i
geometri, och framförallt antal parkerade fordon, har de hanterats var för sig. Således blir det totalt
28 sträckor som har studerats (Såggatans norra delar studerades dock samtidigt från en och samma
plats, men de hanteras som två olika sträcker – liksom Såggatans södra delar).
16 Enligt www.trafikkontoret.goteborg.se 2005-02-03.
19

3 Insamling och hantering av data
3.1 Datainsamling i fält
Inifrån mätfordonet (en vanlig personbil) samlades hastighetsdata in med hjälp av en laser av
samma typ som polisen ofta använder för hastighetskontroll 17 . Lasern räknar ut hastigheten genom
att jämföra avståndsmått med varandra och hur lång tid det gått mellan mätningarna. Den mäter
alltså inte objektets egentliga hastighet, utan med vilken hastighet objektet närmar sig lasern. Lasern
skickar iväg strålar mot objektet kontinuerligt och ungefär tre gånger per sekund läser den av och
räknar ut hastigheten. Samtidigt skickar den data till en eventuellt inkopplad dator i form av tid
(från när knappen på lasern trycktes in), hastighet och avstånd till mätobjektet.
Figur 3.1 Detta är ungefär vad den som använder lasern ser under
mätning.
Mätfordonet var parkerat någonstans längs den sträcka som studerades. När ett fordon kom inom
synhåll mättes hastigheten och avtryckaren på lasern hölls intryckt hela tiden tills fordonet kommit
ända fram till mätfordonet (där mätningen utfördes ifrån). Det går även att mäta hastigheten på
fordon som färdas i riktning från lasern. Laserns sikte (se figur 3.1 ovan) och precision gör det
möjligt att mäta hastigheten på ett fordon som befinner sig mitt i en kö. På detta viset matas datorn
hela tiden med hastighetsdata som gör det möjligt att ta fram en hastighetsprofil. När ett fordon
studerats hela vägen fram till slutet av mätsträckan påbörjades genast mätning av nästa fordon som
kom in i detta område och som hade förutsättningar att ingå i studien.
Så långt skiljer sig inte förfarandet från de studier jag tidigare utfört 18 . I detta projekt har dock en
videokamera filmat händelserna på gatan inifrån mätbilen. Detta ställer extra krav på placeringen av
mätbilen men i gengäld kan ett mer detaljerat material erhållas, eftersom hastighetsdata för varje
enskilt studerat fordon i efterhand kan kopplas till videofilmen och därmed till de händelser som de
studerade fordonen råkat ut för.
17 Lasern klarar av att mäta hastigheten på objekt som befinner sig mellan 10 och 1400 meter bort. Den mäter avstånd med en
noggrannhet av ± 0,1 meter och hastigheter med en noggrannhet av ± 0,8 km/h. Den klarar av hastigheter från 5 km/h till 480 km/h.
18 Se Karlgren 1999 och 2001.
20

3.2 Bearbetning av insamlad hastighetsdata
Inledningsvis bearbetas hastighetsdatamaterialet på samma sätt som redovisas i Karlgren, 2001
(avsnitt 3.3), vilket ger att det finns ett hastighetsvärde för varje enskild meter som fordonet
studerats. Ibland störs mätningen av korsande trafik eller fotgängare m m, vilket ger att det inte
finns hastighetsvärden för hela den aktuella mätsträckan för alla fordon. Om en gatusträcka på 75
meter har studerats krävs att fordonen har minst 56 hastighetsvärden (75 % av 75) inom
mätområdets gräns för att de ska få vara med. I vissa fall har färre värden accepterats i de inledande
analyserna på gatunivå, där syftet är att visa vilka av de registrerade händelserna som påverkar
fordonens hastighet. I de slutliga analyserna, där syftet är att visa vilka av gatornas geometriska
variabler som påverkar fordonens hastighet, har dock inga fordon med färre mätvärden än för 75%
av mätsträckan ingått.
Varje fordon för aktuell gata hanteras separat, med information om i vilken riktning det färdades,
fordonstyp (personbil, skåpbil, taxi, liten lastbil, buss m m) samt tillhörande hastighetsdata kopplat
till sig i en databas. Ett värde för den medelhastighet som varje separat fordon hade över aktuell
gatusträcka beräknas. Information om det enskilda fordonets högsta och lägsta hastighet längs
sträckan, hur stor skillnaden är mellan dessa, antal mätvärden, standardavvikelse, m m har också
registrerats.
3.3 Analys av videofilm för trafikmängdsdata
Från videofilmen av hastighetsmätningen tas manuellt data om hur många fordon som totalt under
mättiden passerat i de olika riktningarna samt in och ut på aktuell gata från korsningar, parkeringsplatser
och kantstensparkering. Materialet redovisas som antal fordon per timme, samt i tillämpliga
fall även per 100 meter gata. På de flesta gator har mätningar och filmningar utförts vid minst två
tillfällen. Då har medelvärden för de olika trafikmängderna beräknats. Dessa har viktats efter hur
länge varje mätning pågått. Följande variabler har dokumenterats:
Antal inkörande fordon per timme och 100 m gata
Detta är baserat på hur många fordon som kör in på körbanan i aktuell riktning från kantstensparkering
eller från anslutande gator.
Antal avkörande fordon per timme och 100 m gata
Samma som ovan men för fordon som kör av gatan.
Parkeringsomsättning per timme och 100 meter gata
Detta mått baseras på det totala antalet fordon som stannat vid, eller kört ifrån, en parkering längs
gatan under den totala mättiden. Bilens ljus ska ha släckts, eller så ska bilen ha stått stilla minst 30
sekunder för att det ska räknas som en parkering.
Antal fotgängare och cyklister på närliggande trottoar per timme
Detta mått baseras på alla passerande fotgängare och cyklister vid ett eller två tvärsnitt på gatan.
Medelvärdet för de två tvärsnitten gäller. Vidare är det bara fotgängare och cyklister som färdats i
gatans riktning, inte korsat gatan, som räknats med. Hänsyn har inte tagits till hur långt bort från
biltrafiken som fotgängarna och cyklisterna rört sig, så länge det varit på en trottoar eller gångbana i
direkt anslutning till gatan.
21

Antal fotgängare och cyklister på körbanan per timme
Samma som ovan, men för de som rör sig på körbanan istället för trottoaren eller gångbanan.
Antal korsande fotgängare per timme och 100 meter gata
Detta mått baseras på antal som korsar hela gatan och i huvudsak gör det inom mätområdets
gränser. I de fall cyklister har korsat har de också tagits med i beräkningarna.
Trafikmängd per timme och riktning
Totalt antal passerande registrerade fordon i varje riktning per timme. Beräkningar har gjorts vid
mätområdets båda gränser och det är medel för dessa två som redovisas.
Andel genomfartstrafik
Baseras på hur många av de fordon som kör in i mätområdet som också kör ut ur mätområdet. Då
det finns ett visst samband mellan andel avsvängande fordon och hur lång den studerade sträckan
är, har variabeln en svaghet i att den inte tar hänsyn till den studerade sträckans längd.
Ej studerade variabler
Hänsyn har ej tagits till variabler i stil med antal korsningar per 100 meter gata, av den anledningen
att man måste studera betydligt längre sträckor för att det ska vara meningsfullt att beräkna ett
sådant värde. Eftersom jag inte tagit fram några regler för hur mätområdet ska definieras har
mätområdets gränser dragits mer eller mindre efter godtycke. Det avgörande har varit hur god sikt
jag haft inifrån mätfordonet och över hur lång sträcka jag kunnat studera och videofilma varje
enskilt fordon. Om mätområdet skulle flyttas 20 meter åt något håll skulle det få stora effekter på
variabler i stil med antal korsningar per 100 meter gata.
3.4 Analys av videofilm för händelsedata
För att kunna identifiera vilka händelser i gaturummet som påverkar bilisternas hastighetsval måste
de olika händelserna först definieras. Endast det som händer bilisten inom, eller i direkt anslutning
till, mätområdet har hanterats och det måste hända så nära att det kan tänkas påverka bilistens
hastighetsval (en fotgängare som korsar gatan 100 meter bort påverkar troligen inte hastigheten).
Ibland har det dock uppstått gränsfall och då har händelsen vanligtvis registrerats eftersom fordon
som råkat ut för hastighetspåverkande händelser ändå kommer att tas bort till de slutgiltiga
analyserna. Det viktigaste är att de fordon som väljs ut till nästa analys är fria från hastighetspåverkande
händelser. I figur 3.2 nedan visas hur formuläret som används vid analys av videofilmerna
ser ut (programmet Ms Access används) och vilka händelser som dokumenteras. Hur
dessa har definierats beskrivs i de följande avsnitten.
Till en början markeras vad det är för typ av fordon som avses, samt om det är en kombi eller taxi.
Detta är inte av egentligt intresse för studien utan är mer till för att förenkla kopplingen mellan
mätdata och videofilm. I exemplet nedan, som avser Kobbarnas väg, finns även kryssrutor för om
fordonet svängde in mot en parkeringsplats direkt söder om mätområdet eller svängde runt och
åkte tillbaka. Detta är ett exempel på hur varje enskild gata fick egna skräddarsydda formulär, där
händelser som bara uppstod på den gatan kunde dokumenteras. I detta fall var avsikten att studera
huruvida de bilister som i förväg visste att de skulle svänga in på parkeringen, körde långsammare
22

än de övriga. Tyvärr blev inte det statistiska urvalet tillräckligt stort för att analysen skulle kunna
slutföras.
Figur 3.2 Formulär för dokumentation av händelser på Kobbarnas väg. De fält som är inringade med streckad linje
får sin information från andra tabeller och behöver inte fyllas i.
Inga händelser
Om det studerade fordonet inte råkat ut för någon av de nedanstående händelser alls, görs en
markering för detta.
Bil nära framför länge
Denna ruta markeras när det studerade fordonet inte är ”fritt” under större delen av mätsträckan.
Enligt Åberg & Haglund betraktas ett fordon som fritt ”om avståndet till närmast framförvarande,
respektive bakomvarande, är minst 6 sekunder” (1989, s 5). I detta sammanhang har dock 4
sekunder valts som gräns (alltså 44 meter om fordonen färdas i 40 km/h) och hänsyn har endast
tagits till framförvarande fordon.
Bil nära framför kort
Samma som ovan, men detta alternativ markeras om det gäller mindre än hälften av mätsträckan.
Vanligtvis har det studerade fordonet hunnit upp ett framförvarande fordon som är på väg att
svänga av den studerade gatan, när detta alternativ markeras.
Bil stannar/park/svänger längs gata
Denna fylls i om det studerade fordonet stannar eller svänger av gatan inom eller i direkt anslutning
till mätsträckan. För att bilen ska betraktas som stannad ska hastigheten vara under laserns gräns för
vad som är mätbart (5 km/h).
Möte bil
Antal personbilar (även skåpbilar och motorcyklar eller små lastbilar) i rörelse som studerat fordon
möter inom mätsträckan.
Möte lastbil/buss
Sammas om ovan, men för lastbilar och bussar.
23

Möte stilla bil
Denna fylls i om studerat fordon möter annan personbil som står parkerad på motsatt körbana men
utanför en rad med parkerade bilar eller på en plats där det normalt inte står bilar parkerade.
Möte stilla lastbil
Samma som ovan men gällande lastbil (som då troligen lossar varor).
Möte buss vid hållplats
Samma som ovan men gällande buss och vid en busshållplats.
Bil väntar vid nära korsning
Denna fylls i om ett fordon väntar på att köra ut på den gata som studeras när studerat fordon
passerar. Fordonet ska stå på höger sida för att händelsen ska räknas.
Omkör bil i rörelse
Denna händelse är ovanlig i stadstrafik. Vanligtvis handlar det då om att studerat fordon kör om ett
fordon som kör ovanligt långsamt (vanligen letar efter en parkeringsplats).
Omkör lastbil/buss i rörelse
Samma som ovan men för buss eller lastbil.
Omkör stilla bil
Samma som ”möte stilla bil” men bilen står på samma körbana som det studerade fordonet kör på.
Omkör stilla lastbil
Samma som ovan men för lastbil.
Omkör buss vid hållplats
Samma som ovan men för buss vid busshållplats.
Möte cykel/fot på körbana
Denna fylls i om studerat fordon möter fotgängare eller cyklist som färdas på motsatt körbana.
Omkör cykel/fot på körbana
Samma som ovan, men cyklisten eller fotgängaren rör sig på samma körbana som studerat fordon.
Möte/omkör fotg/cykel trottoar
Denna fylls i om studerat fordon passerar fotgängare eller cyklist på trottoaren på höger sida (alltså
inte motsatt körbanas trottoar). Här gäller att det ska få plats maximalt två fordon (likadana som det
som studeras) mellan fotgängaren eller cyklisten och det studerade fordonet när detta passerar.
Annars är fotgängare eller cyklisten för långt bort för att ha någon påverkan på beteendet. Inte
heller får det finnas något som hindrar sikten mellan studerat fordon och fotgängare/cyklist om
händelsen ska räknas. Som hinder räknas parkerade bilar, tätt buskage minst 1,5 meter högt, o s v.
Dessa båda regler saknar vetenskaplig grund utan är baserade på antaganden från min sida.
24

Kors fotg/cykel, broms
Denna markeras när en fotgängare eller cyklist korsar gatan, vid övergångsställe eller på sträcka, på
ett sådant sätt att studerat fordon bromsar, men inte stannar helt.
Kors fotg/cykel, stopp
Som ovan, men studerat fordon stannar helt.
Fotg/cykl vid ögs, ej broms
Detta alternativ fylls i om fotgängare eller cyklist är på väg att korsa gatan vid övergångsställe men
studerat fordon inte bromsar, vilket medför att fotgängare eller cyklist måste vänta. Eftersom
variabeln är definierad så att den ej beskriver påverkan på fordons hastighet är den inte intressant i
föreliggande studie, varför den ej heller kommer att redovisas i de senare analyserna.
Fotg/cykl vid ögs, broms
Samma som ovan, men studerad bilist bromsar, dock utan att fotgängare eller cyklist korsar före det
att fordonet har passerat.
Antal parkerade fordon
Här fylls i hur många parkerade fordon som studerat fordon passerat inom mätområdet. För att
fordonet ska räknas som parkerat ska det stå stilla när studerat fordon passerar och det ska stå på
en plats där det är vanligt att fordon parkerar (men inte nödvändigtvis tillåtet). Vid parkeringen med
snedställda fordon på Såggatans södra del räknas fordonen på samma sätt som vid de övriga.
3.5 Inmätning och sammanställning av geometriska variabler
Varje gatusträcka har kontrollmätts gentemot tillgängliga grundkartor, med avseende bredd mellan
trottoarers och refugers storlek och läge, avstånd mellan hus, m m. Därefter har ett antal olika mått
som beskriver gatugeometrin beräknats. Nedan redovisas de som använts i analyserna och som
testats med avseende på eventuella samband med bilisternas hastighetsval.
Körbanans medelbredd, riktningsvis
Detta är ett mått som även kan kallas effektiv köryta, om hänsyn ej skulle tas till de fordon som står
parkerade längs gatan. Körbanans medelbredd beräknas genom att den totala körbara ytan som
fordonen i varje riktning har att tillgå, även där det står fordon parkerade, delas med mätsträckans
längd. Refuger, som ej är körbar yta, approximeras i tillämpbara fall med en rektangel. Vid
korsningar inom mätsträckan räknas den körbara ytan fram till där trottoaren skulle vara om
korsningen ej funnits. Övriga detaljer, såsom ”öron” vid tillfälliga avsmalningar, approximeras med
räta linjer då den totala körbara ytan ska beräknas. Se figur 3.3 nedan för exemplifiering av detta.
25

Figur 3.3 Studerad del av Såggatan norra, skala 1:1000. Exempel på hur mittlinje ritas och hur kurvor
approximeras med räta linjer för beräkning av ytor, visas med streckade linjer.
Närliggande trottoars medelbredd
Detta mått avser hur bred trottoaren eller gångytan på höger sida i medeltal är längs den studerade
sträckan. Om det funnits både gång- och cykelbana har dessa lagts ihop. Sålunda är det medelbredden
på den totala hårdgjorda ytan avsedd för mjuka trafikanter som beräknats.
Medelbredd trottoar – hus
I detta mått ingår trottoarens medelbredd. Avsikten med detta mått är dock att beskriva bredden på
bilistens synfält, hur brett gaturummet upplevs. Måttet är medelavståndet från trottoarkanten till
närmaste hus eller högre buskage. Om avståndet är större än 10 meter avrundas det ned till 10
meter. Detta görs för att det aritmetiska medelvärdet är känsligt för extremvärden, och om det över
en kortare sträcka är ”fri sikt” åt sidan, d v s där finns inga direkta hinder, så blir medelbredden på
rummet orättvist stort. Om gaturummet är helt öppet åt ena hållet blir således medelbredden 10
meter. Detta mått tillsammans med körbanans medelbredd ger ett mått på hela gaturummets bredd
i aktuell riktning.
Gaturummets medelhöjd höger sida
Här har höjden på byggnaderna inom 10 meter från trottoarkanten beräknats, utifrån antagandet att
varje våning är 3 meter. För vissa äldre hus, med tydligt högre våningsplan, har jämförelser med
kringliggande hus gjorts. I vissa fall har hänsyn tagits till träd och/eller högre buskage. Dessa har
jämförts med omkringliggande hus för att ge en uppfattning om höjden. Eftersom dessa troligen
inte uppfattas lika rumsavgränsande som en fasad har den uppskattade höjden halverats för träden
och buskagen. Hänsyn till trädens inbördes avstånd har också tagits. Om det ej funnits hus eller
träd/buskage inom 10 meter har höjden antagits vara 0 för de delarna av gatan.
Förhållande rumshöjd/rumsbredd
För att få ett mer generellt mått på rummets proportioner har rummets medelhöjd på höger sida
dividerats med rummets medelbredd på höger sida (medelbredd trott-hus + körbanans medelbredd),
så som dessa värden beräknats enligt beskrivningen ovan.
Andel slutet gaturum höger sida
Här har beräknats hur många procent av den studerade sträckan som har vad som kan uppfattas
som ett slutet gaturum (på höger sida i färdriktningen). I detta fall har byggnader och större
träd/buskage inom 15 meter från trottoarkant tagits med i beräkningen. För att buskage ska
betraktas som rumsavgränsande ska det ej gå att se en bil igenom eller över det (ungefär 1,5 meter
högt).
26

Riktningsvinkel per 100 meter gata
Detta mått avser beskriva hur mycket bilisten måste svänga längs aktuell gatusträcka. För att
beräkna detta har punkter mellan en tänkt mittlinje och trottoarkant ritats ut vid de platser där
körbanans bredd förändras. Vid de platser där det vanligen står fordon parkerade har körbanans
bredd minskats med 2 meter. Mellan dessa utritade punkter dras linjer enligt exemplet i figur 3.4
nedan. De vinklar som bildas i skärningarna mäts och läggs samman till en summa som här har
kallats riktningsvinkel. Denna summa divideras med mätsträckans längd och multipliceras därefter
med 100 meter.
Figur 3.4 Del av Såggatan norra, skala 1:500. Exempel på hur hjälplinjer för beräkning av riktningsvinkel kan
ritas.
Ej studerade variabler
Det finns naturligtvis många variabler som skulle vara möjligt att ta med i en analys av detta slag
men som ej gjorts av olika orsaker. Dock finns det några variabler som jag kom att tänka på under
arbetets gång men som det ej funnits tid för att gå vidare med.
Höjd på närliggande kant/objekt: Avsikten är att få med skillnaden i att köra sitt fordon längs en
vanlig trottoar eller längs en rad med parkerade fordon eller längs en hög och vass kantsten.
Variabeln skulle behöva konstrueras så att även avståndet från de passerande fordonen till trottoarkanten
eller de parkerade fordon får betydelse. Gissningsvis avtar effekten snabbt med avståndet
mellan passerande fordon och kant/parkerat fordon.
Medelavstånd mellan körbanor: Avsikten är att belysa vilken betydelse som avståndet till mötande
trafik har på hastigheten. Dels beror detta på hur stor köryta man har men även på om det finns
refuger mellan de båda riktningarna. I den analys som presenteras i föreliggande rapport har dock
fordon som fått möten tagits bort ur materialet, varför variabeln inte varit lika aktuell.
27

4 Analyser på fordonsnivå
Analyserna har delats in i två delar. Den första (detta kapitel) syftar till att klarlägga vilka av de
händelser som registrerades för varje enskilt fordon, som hade någon effekt på medelhastigheten.
Här har sökts samband inom en grupp fordon som färdats i samma riktning på samma gata, där
varje post består av ett medelvärde för aktuellt fordons hastighet över studerad sträcka och riktning.
Den andra delen (kapitel 5) syftar till att klarlägga vilka av de geometriska variablerna som hade
någon effekt på hastigheten hos de fordon som inte råkade ut för hastighetspåverkande händelser.
Här har sökts samband inom en grupp gator och riktningar, där varje post består av ett medelvärde
för de fordon som färdats längs aktuell gata och riktning och inte råkat ut för några händelser som i
den första analysen visade sig påverka medelhastigheten. Således var den första delen nödvändig för
att kunna genomföra den andra delen.
4.1 Effekt av möte med annat fordon
Nedan visas en jämförelse mellan fordon som inte råkade ut för några händelser alls och de fordon
som endast råkade ut för att de mötte annat fordon (bil och/eller buss/lastbil) längs gatan.
Materialet är sammanställt som medelhastighet av fordonens medelhastighet över aktuell gatusträcka.
Fordonen ska ha studerats över minst 75 % av gatusträckan, och varje grupp ska innehålla
minst 10 fordon. 7 sträckor saknas på grund av att det var för få fordon utan händelser eller för få
med möten.
Gatusträcka Riktning
28
Medelhast.
utan händelser
Antal
fordon
Medelhast.
med möten
Antal
fordon
Skillnad
medelhast.
Sannolikhet
förändr. (%)
Antal möten i
medeltal
Viktor Rydbergsgatan sydgå 39,74 73 38,56 31 1,19 53,6 1,46
Viktor Rydbergsgatan norrgå 43,82 10 41,11 36 2,71 72,9 1,31
Såggatan norra 20-70 sydgå 42,98 76 44,32 12 -1,33 36,5 1,00
Såggatan norra 70-120 sydgå 39,40 57 39,76 16 -0,36 17,8 1,12
Såggatan södra 30-78 sydgå 44,97 96 43,68 28 1,29 58,0 1,07
Såggatan södra 30-78 norrgå 43,73 104 40,39 11 3,34 94,0 1,00
Såggatan södra 78-145 sydgå 43,82 85 38,14 20 5,68 99,6 1,30
Såggatan södra 78-145 norrgå 43,75 66 43,25 32 0,50 22,1 1,13
Nordhemsgatan södra sydgå 23,01 32 23,36 17 -0,35 16,1 1,24
Nordhemsgatan norra sydgå 23,19 15 22,31 12 0,88 82,6 1,17
Kobbarnas väg sydgå 37,95 67 35,94 31 2,01 97,8 1,23
Kobbarnas väg norrgå 38,24 87 35,53 50 2,71 64,6 1,28
Fridkullagatan södra sydgå 42,74 20 44,14 18 -1,39 86,0 1,83
Fridkullagatan södra norrgå 49,46 17 46,02 38 3,44 54,3 1,76
Fridkullagatan norra sydgå 44,49 56 43,70 75 0,80 72,5 1,69
Fridkullagatan norra norrgå 42,48 59 43,76 60 -1,28 35,2 1,55
Gibraltargatan sydgå 42,60 14 36,99 14 5,62 97,5 1,57
Gibraltargatan norrgå 45,60 19 44,44 25 1,16 38,2 1,72
Geijersgatan östgå 34,77 17 32,40 12 2,37 62,3 1,42
Norra Gubberogatan sydgå 44,07 30 44,16 22 -0,08 3,6 1,62
Norra Gubberogatan norrgå 44,99 38 43,31 24 1,69 60,3 1,38
Medel: 1,46
Figur 4.1 Sammanställning samt jämförelse av medelhastigheter för de fordon som ej råkat ut för några händelser
och de som mött annat registrerat fordon.
Som vi kan se är det alltså, på de flesta av de studerade sträckorna, en skillnad i medelhastighet
mellan de fordon som inte råkat ut för några händelser och de som mött annat fordon. Dock bör vi
vara lite försiktiga med slutsatserna eftersom det på många av sträckorna är ett något tunt underlag.
Detta visar sig i kolumnen Sannolikheten förändring (%) i tabellen ovan, som ger ett statistiskt mått
på sannolikheten för att det verkligen finns en skillnad mellan de båda urvalsgrupperna. Detta värde

är baserat på antal fordon och standardavvikelsen. Endast på tre sträckor kan man säga att det är
större än 95 % sannolikhet för att det verkligen skett en förändring och på dessa är medelhastigheten
i genomsnitt 4,44 km/h lägre för dem som fick möten.
I gruppen fordon som har mött ett annat fordon ingår även sådana som mött eller kört om
fotgängare eller cyklist på den närliggande trottoaren. Det visade sig nämligen i ett liknande test
som det ovan, att det inte gick att finna några tydliga skillnader i medelhastighet mellan de fordon
som inte råkade ut för några händelser alls och de som mötte eller körde om fotgängare eller cyklist
på närliggande trottoar. Lika ofta som dessa fordon hade lägre medelhastighet än de utan händelser,
hade de högre.
Slutsatsen av denna analys är att på de flesta studerade sträckor kör de fordon som möter annat
fordon långsammare än de som inte får möten. Därför kommer alla fordon som råkat ut för möten
att utgå ur materialet inför de senare analyserna.
4.2 Effekt av parkerade fordon
På sju sträckor och riktningar har analyser avseende effekt av kantstensparkerade fordon genomförts.
Sträckorna har valts efter kriteriet att det ska vara stor variation i antal parkerade fordon över
den tid som sträckan studerats. Nedan visas punktdiagram för dessa sträckor med antal parkerade
fordon på X-axeln och fordonets medelhastighet över mätsträckan på Y-axeln. Inga händelser,
förutom möte eller omkör av fotgängare eller cyklist på närliggande trottoar, har accepterats. Vidare
har inga bussar, större lastbilar, motorcyklar eller övningskörningsfordon ingått i materialet.
I denna analys har en kortare del än vanligt använts för Föreningsgatan. Detta beror på att det stod
en container på norra sidan vid avståndsmått 25 (se figur 2.2 ovan och figur B1:4 i Bilaga 1), som
troligen påverkade hastigheten på vissa fordon mellan avståndsmåtten 25 och 50. Därför är
fordonens medelhastigheter i diagrammet nedan endast baserade på värden från avståndsmåtten 60-
120.
I diagrammen nedan representerar varje punkt ett fordon. En trendlinje med tillhörande formel och
R 2 (determinationskoefficient) visas också. Determinationskoefficienten ”är ett mått på förklaringsgraden”.
”Tolkningen av R 2=0.972 är att ca 97% av variationen /---/ förklaras av regressionssambandet”
19 .
Medelhastighet
70
60
50
40
30
20
10
0
Föreningsgatan, 60-120, västgående
19 Andersson et al, 1994, s 84-86.
y = -0,18x + 29,74
R 2 = 0,01
0 1 2 3 4 5 6 7 8 9 10 11
Antal parkerade fordon
Medelhastighet
70
60
50
40
30
20
10
0
Viktor Rydbergsgatan, sydgående
y = -1,47x + 44,75
R 2 = 0,14
0 1 2 3 4 5 6 7 8 9 10 11
Antal parkerade fordon
29

Medelhastighet
Medelhastighet
Medelhastighet
Figur 4.2-4.8 Diagram över samband mellan antal parkerade fordon och medelhastighet.
Som vi kan se i diagrammen ovan existerar det, på de flesta av de studerade gatorna, inget samband
mellan antal parkerade fordon och passerande fordons medelhastighet. Det är endast på Viktor
Rydbergsgatan och Norra Gubberogatan som vi ser tendenser till samband. På Viktor Rydbergsgatan
verkar sambandet till stor del bygga på att gatan studerats vid tre huvudsakliga tidpunkter: 5-
6/11 2003; 16/3 2004 och 30/6 2004. Bilisternas medelhastighet skiljer sig förhållandevis mycket
mellan dessa olika tidpunkter – mer än vad som kan förklaras av hur många parkerade fordon
bilisterna i medeltal passerade vid de olika mättillfällena. Vid mätningarna 5-6/11 2003 var medelhastigheten
för de fordon som ingått i denna analys 41,4 km/h och de passerade i medeltal 4,2
parkerade fordon. Motsvarande för mätningen 16/3 2004 var 36,5 km/h och 4,3 fordon, och för
mätningen 30/6 2004 42,5 km/h och 1,1 fordon. Det samband som ser ut att finnas i diagrammen
kan alltså istället bero på skillnader vid mättillfällena.
Motsvarande analyser för fordon som mött andra fordon har också genomförts på de sträckor som
visas i diagrammen ovan. Då resultaten ej visade på starkare samband än för fordon utan möten har
de dock ej redovisats.
30
70
60
50
40
30
20
10
0
70
60
50
40
30
20
10
0
70
60
50
40
30
20
10
0
Såggatan södra, 20-70, sydgående
y = -0,39x + 44,81
R 2 = 0,00
0 1 2 3 4 5 6 7 8 9 10 11
Antal parkerade fordon
y = 0,15x + 36,86
R 2 = 0,00
Kobbarnas väg, sydgående
0 1 2 3 4 5 6 7 8 9 10 11
Antal parkerade fordon
Norra Gubberogatan, norrgående
y = -2,18x + 52,79
R 2 = 0,12
0 1 2 3 4 5 6 7 8 9 10 11
Antal parkerade fordon
Medelhastighet
Medelhastighet
70
60
50
40
30
20
10
0
70
60
50
40
30
20
10
0
Såggatan södra, 20-70, norrgående
y = 0,21x + 41,02
R 2 = 0,00
0 1 2 3 4 5 6 7 8 9 10 11
Antal parkerade fordon
y = 0,10x + 37,78
R 2 = 0,00
Kobbarnas väg, norrgående
0 1 2 3 4 5 6 7 8 9 10 11
Antal parkerade fordon

Att det inte verkar finnas några samband mellan antal parkerade fordon och medelhastighet strider
något mot vad tidigare erfarenheter 20 säger oss. Kanske behövs det mätningar före och efter det att
kantstensparkering tillåts? Eller är det så att de studerade gatorna är så pass breda att det inte
upplevs som någon större skillnad mellan att det står 7 eller 1 fordon parkerat längs gatan? Kanske
krävs det att det blir helt fritt från parkerade fordon längs gatan för att någon ökning av
medelhastigheten ska uppstå? När det på Viktor Rydbergsgatan (sydgående riktning) endast stod ett
eller två fordon parkerade tog de passerande bilisterna ändå inte den för tillfället fria körytan i
anspråk. På Gibraltargatan (norrgående riktning) utnyttjades däremot motsvarande ledig yta, kanske
beroende på att det inte var lika vanligt med parkerade fordon där. Den mest rimliga förklaringen
tror jag dock är att utformningen av gatan skiljer sig åt mellan dessa två exempel. På Viktor
Rydbergsgatan är parkeringen indragen i trottoaren (se figur 2.4 ovan) så att det är naturligt att köra
utanför där det är tänkt att bilar ska stå parkerade, även om där ej står några bilar. På Gibraltargatan
är trottoaren rak och det finns dessutom en refug (se figur 2.25 ovan) som medför att passerande
fordon måste svänga runt de fordon som parkerat längs sträckan och att passerande fordon lockas
att köra på den fria ytan om där inte står några fordon parkerade. Ett ”öra” i trottoaren, precis
söder om parkeringen, skulle troligen ha viss påverkan på hastigheten (dock finns där en busshållplats
som eventuellt förhindrar en sådan lösning).
4.3 Regressionsanalyser med avseende på händelser
I detta avsnitt analyseras variabler med avsikten att klarlägga hur de olika händelserna påverkar
hastigheten på varje gata och riktning. Dessa är således unika för varje sträcka, eller åtminstone är
händelsernas förklaringsgrad unika för de olika sträckorna och riktningarna. Möte med cykel eller
fotgängare på körbanan kan ha god hastighetsdämpande effekt på en sträcka men motsatt effekt på
en annan. Ett syfte med dessa analyser har varit att klarlägga hur stor påverkan på hastigheten dessa
händelser har på olika typer av gator. Viktigast har dock varit att komma fram till vilka händelser
som påverkar den enskilda sträckans fordon, så att det är möjligt att ta hänsyn till dessa när gatans
geometriska variabler ska studeras. I princip handlar det om att rensa materialet från fordon som
råkat ut för hastighetspåverkande händelser, utan att onödigt många fordon tas bort.
För att beräkna de olika händelsers betydelse för fordonens medelhastighet över mätsträckan har
Excels inbyggda funktion för regressionsanalys använts. Den justerade determinationskoefficienten
(R 2) för hela sambandet har i de flesta fall hamnat under 0,1 (d v s modellen förklarar 10 % av
medelhastighetens värde) vilket vittnar om att dessa variabler generellt inte är av stor betydelse för
vilken hastighet bilisterna väljer. För att det ska finnas något statistisk samband mellan medelhastigheten
och en händelse bör p-värdet vara mindre än 0,05 (se figur 4.9 nedan). I denna del av
analysarbetet har dock 0,1 ansetts vara tillräckligt lågt för att hänsyn ska tas till variabeln. Alla
händelser som har ett p-värde på mindre än 0,1 betraktas alltså som påverkande händelser och
fordon som råkat ut för dessa kommer att utgå ur materialet i analyserna i kapitel 5.
20 Se exempelvis Daisa & Peers, 1997, som återges och diskuteras i Bilaga 2, s 75-77.
31

Exempel på regressionsmodell, Föreningsgatan
Regressionsstatistik
Justerad R-kvadrat 0,135
Observationer 109
Koefficienter p-värde Antal
Konstant 30,58 0,000
Summa möte fordon 0,07 0,938 35
Möte stilla bil -1,00 0,215 32
Möte stilla lastbil 2,66 0,359 4
Omkör stilla bil -3,56 0,057 8
Omkör stilla lastbil -2,13 0,076 27
Möte cykel/fot på körbana 2,52 0,023 21
Omkör cykel/fot på körbana -0,33 0,806 10
Möte/omkör fotg/cykel trottoar 0,11 0,889 35
Kors fotg/cykel, broms -2,23 0,138 5
Antal parkerade fordon -0,47 0,021 299
Figur 4.9 Sammanställning av utdata samt antal av varje händelse, Föreningsgatan riktning 3.
Regressionsstatistik
Justerad R-kvadrat -0,036
Observationer 53
Koefficienter p-värde Antal
Konstant 29,38 0,000
Summa möte fordon -1,55 0,396 11
Möte stilla bil -1,65 0,593 3
Möte stilla lastbil 0,74 0,659 14
Omkör stilla summa 1,07 0,372 20
Möte cykel/fot på körbana 3,32 0,223 4
Omkör cykel/fot på körbana -2,98 0,109 4
Möte/omkör fotg/cykel trottoar
Kors fotg/cykel +
-0,17 0,779 54
Fotg/cykl vid ögs, broms -0,16 0,967 3
Figur 4.10 Sammanställning av utdata samt antal av varje händelse, Föreningsgatan riktning 4.
Som vi ser i tabellerna ovan är det stor skillnad i hur många gånger de olika händelserna har
inträffat i de båda riktningarna. Kolumnen ”Antal” anger hur många fordon eller stilla lastbilar som
totalt har mötts av de studerade fordonen, alltså inte hur många fordon som fått möte eller
motsvarande. Vi ser också att flera av de analyserade händelserna påverkade de studerade
fordonens medelhastighet över sträckan. För västgående trafik (riktning 3) var det ”omkör stilla
bil”, ”omkör stilla lastbil”, ”möte cykel/fotgängare på körbana” samt ”antal parkerade fordon”.
Däremot var det inga av de analyserade händelserna som hade statistiskt säker påverkan på
östgående fordons hastighet. Dessa resultat beror naturligtvis inte enbart på vad som verkligen är
sant angående händelsernas påverkan, utan även på hur många, och vilka, fordon som råkat ut för
respektive händelse på respektive sträcka. Dock kan vi vara förhållandevis säkra på att händelsen
möte med annat fordon inte hade någon effekt på hastigheten på dessa sträckor.
Sammanställning av påverkande händelser
Regressionsanalyserna för varje enskild gata och riktning har lett fram till de koefficienter som visas
i figur 4.11 nedan. Det är alltså de händelser som har tilldelats ett värde som har påverkat fordonens
hastighet längs de studerade sträckorna. Därmed ska fordon som råkat ut för dessa händelser (olika
för olika sträckor) utgå ur materialet i de senare analyserna. Vissa händelser har bara inträffat för ett
eller två fordon längs aktuell sträcka. I dessa fall har de fordonen utgått ur materialet redan innan
dessa första regressionsanalyser. I tabellen nedan markeras flera koefficienter för olika sträckor med
”x”. Detta innebär att händelsen har tagits med i regressionsanalysen för den sträckan men att pvärdet
var högre än 0,1 vilket innebär att sambandet är för svagt (dock är variabeln med i den
modell som det justerade R2-värdet avser). Som exempel kan nämnas variabeln ”Möte/omkör
fotg/cykel trottoar”. Betydelsen av denna variabel har analyserats för de flesta sträckor, men tydligt
samband mellan variabeln och fordonens medelhastighet över sträckan hittas bara på tre sträckor
32

(Såggatan norra 70-120 båda riktningarna och Viktor Rydbergsgatan riktning 2). På två av dessa var
p-värdet mindre än 0,05 och koefficienten för dessa har därför markerats med fet stil. Just denna
händelse har behandlats speciellt, eftersom den är så vanligt förekommande. På exempelvis Viktor
Rydbergsgatans norra riktning studerades totalt 172 fordon över tillräckligt lång sträcka (71 meter)
och av dessa var det endast 32 som inte råkade ut för att fotgängare eller cyklister rörde sig på
trottoaren. Eftersom händelsen inte visat sig ha samband med medelhastigheten på de övriga 17
sträckorna som den förekommit, har jag valt att inte ta hänsyn till denna händelse när urvalet av
fordon för fortsatta analyser görs. Istället får den händelsen, tillsammans med antalet parkerade
fordon som aktuellt fordon passerat, följa med varje enskilt fordon i de fortsatta analyserna, så att
medelvärde för den händelsen kan beräknas. Detta beskrivs närmare i kapitel 5.
Gatusträcka + riktn
Föreningsgatan
Föreningsgatan
Viktor Rydbergsgatan
Viktor Rydbergsgatan
Såggatan norra 20-70
Såggatan norra 20-70
Såggatan norra 70-120
Såggatan norra 70-120
Såggatan södra 30-78
Såggatan södra 30-78
Såggatan södra 78-145
Såggatan södra 78-145
Nordhemsgatan södra
Nordhemsgatan södra
Nordhemsgatan norra
Nordhemsgatan norra
Kobbarnas väg
Kobbarnas väg
Fridkullagatan södra
Fridkullagatan södra
Fridkullagatan norra
Fridkullagatan norra
Gibraltargatan
Gibraltargatan
Geijersgatan
Geijersgatan
Norra Gubberogatan
Norra Gubberogatan
Medel
Antal
Std av
3
4
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
1
2
3
4
1
2
Justerad R-kvadrat
0,0
28
0,1
0,13
-0,04
0,10
0,06
-0,04
-0,03
0,02
0,09
0,00
0,01
0,05
-0,02
0,09
-0,04
0,02
-0,03
-0,01
0,04
0,18
0,13
0,04
0,00
0,12
0,02
-0,12
0,05
0,04
0,04
Konstant
39,7
28
8,2
30,6
29,4
43,9
42,7
42,2
41,7
39,4
40,8
45,8
42,1
42,5
44,7
26,3
26,6
19,4
23,1
37,2
38,2
47,8
49,6
43,8
42,2
43,1
47,1
38,9
40,0
52,2
50,2
Möte bil (oftast + lastbil)
-2,5
7
0,7
x
x
-1,6
x
x
x
x
x
x
x
-3,8
x
-1,4
x
x
x
x
-2,4
x
-2,7
x
x
-2,7
x
x
-2,7
x
x
Möte lastbil/buss
-5,6
1
0,0
-5,6
x
Möte stilla bil
x
x
x
x
x
x
x
x
x
Möte stilla lastbil
x
x
x
x
Figur 4.11 Sammanställning av påverkande händelser. De händelser som inte resulterade i någon statistiskt
säker koefficient har ej redovisats. Koefficienter i fet stil hade p-värden mindre än 0,05. De i normal stil hade pvärden
mellan 0,05 och 0,1.
x
x
Bil väntar vid nära korsning
7,0
1
0,0
x
x
x
x
7,0
x
x
Omkör bil i rörelse
-9,0
1
0,0
-9,0
Omkör stilla bil
-3,6
2
0,0
-3,6
x
x
x
x
-3,6
Omkör stilla lastbil
-3,7
2
1,6
-2,1
x
x
x
x
-5,3
Möte cykel/fot på körbana
-3,6
6
3,1
2,5
x
-5,2
-4,0
x
x
x
-4,4
-2,8
x
x
x
x
x
x
x
x
x
x
x
x
-7,5
x
x
Omkör cykel/fot på körbana
-4,9
1
0,0
x
x
x
x
x
x
-4,9
x
x
x
x
x
x
x
x
x
x
x
x
x
x
x
Möte/omkör fotg/cykel trottoar
-2,2
3
1,2
x
x
x
-0,9
x
-2,1
-3,8
x
x
x
x
x
x
x
x
x
x
x
x
x
Kors fotg/cykel, broms
x
x
x
x
x
x
x
Fotg/cykl vid ögs, broms
-10,8
1
0,0
x
x
-10,8
Antal parkerade fordon
-0,6
5
0,8
-0,5
-1,2
x
x
x
x
x
x
-0,6
0,7
x
x
x
x
x
x
x
x
-1,4
33

Diskussion
Som vi ser i figur 4.11 ovan är det få av de händelser som påverkar hastigheten som återkommer
för flera olika sträckor. De vanligast förekommande är Möte med annat fordon (på de flesta gator
har bilar och lastbil/buss lagts ihop), Möte cykel/fotgängare på körbana och Antal parkerade
fordon. Den sistnämnda har dock inte tagits hänsyn till, då den hanteras i analyserna i kapitel 5. Vi
ser också att vissa händelser har olika hastighetspåverkan på olika sträckor. Föreningsgatans
västgående trafik ökar hastigheten vid möte med fotgängare eller cyklist på körbanan, medan
bilisterna på övriga sträckor minskar hastigheten vid samma händelse. Beteendet på Föreningsgatan
är troligen inte heller resultatet av tillfälligheter, då det var så många som 21 av de studerade
bilisterna som råkat ut för händelsen. Dock är det klart att mötande av fotgängare eller cyklist på
körbanan har någon sorts påverkan på de studerade fordonen på Föreningsgatans västgående trafik,
varför de fordon som råkat ut för den händelsen utgår ur materialet vid de senare analyserna.
På vissa sträckor har det kanske bara varit två fordon som råkade ut för möte med buss eller lastbil,
medan kanske 12 fordon mötte annan personbil. I dessa fall har möte med lastbil/buss likställts
med möte med personbil. Test har även gjorts med att räkna varje lastbil eller buss som två
personbilar men det resulterade inte i starkare korrelation. I de flesta fall har gränsen satts vid 3
händelser för den ska hanteras vidare. Om det är färre och den inte kan paras ihop med annan
variabel (som exemplet ovan) så får de fordon med sådana händelser utgå ur analysen.
Ibland blir koefficienterna något missvisande. Som exempel kan nämnas att regressionsanalysen ger
koefficienten +7,0 för händelsen Bil väntar vid nära korsning på Fridkullagatan södra delen för
riktning 1. Vid en närmare titt på denna gata och riktning visar det sig att analysen baseras på 67
fordon och att deras medelhastighet var 42,9 km/h över aktuell sträcka. Av dessa var det 4 som
råkat ut för ovan nämnda händelse. Deras medelhastigheter över sträckan var 58,5; 44,0; 50,1 och
44,5 km/h. Alla körde alltså något snabbare än medelbilen över aktuell sträcka. Det första och sista
av de fyra fordonen råkade inte ut för några andra händelser, medan det andra fordonet mötte en
annan bil och det tredje mötte 6 andra bilar och en lastbil. Naturligtvis har det förstnämnda
fordonet, med sin höga medelhastighet, haft mycket stor påverkan på koefficientens värde. Om
detta fordon utgår ur analysen sänks koefficienten till 3,98 och p-värdet ökar från 0,006 till 0,15
(vilket medför att variabeln inte längre kan betraktas som statistiskt säker). Alltså bör man vara lite
försiktig när betydelsen av dessa olika variabler tolkas. De är som sagt i första hand till för att
bestämma vilka variabler som över huvudtaget har betydelse för hastigheten på de olika sträckorna.
På liknande sätt blir koefficienten -9,0 km/h för händelsen Omkör bil i rörelse på Viktor Rydbergsgatans
norra riktning något missvisande. Den baseras på tre fordon och de har alla kört med lägre
hastighet än medelhastigheten, och det berodde kanske på att de dämpade hastigheten innan de
bestämde sig för att köra om fordonet framför (som gissningsvis letade efter parkeringsplats eller
skulle svänga av gatan). De tre fordonen ska i vilket fall som helst utgå ur materialet inför de senare
analyserna.
Som vi ser i tabellen ovan är det inte på alla sträckor som möte med annat fordon har någon
statistiskt säker effekt på hastigheten. På grund av resultatet av den analys som redovisas i avsnitt
4.2 ovan, och för att vara på den säkra sidan, har dock alla fordon som mött annat fordon tagits
bort ur materialet i de analyser som redovisas i kapitel 5, även på de gator där ingen effekt påvisats.
Vidare tas även fordon bort som råkat ut för händelserna Kors fotg/cykel broms; Kors fotg/cykel
34

stopp och Fotg/cykl vid ögs broms, eftersom det ligger i händelsernas definition att fordonens
hastighet har påverkats och att denna påverkan inte beror på gatans geometri.
Nu har vi kommit fram till vilka av de enskilda fordonen på de olika gatorna och sträckorna som
ska tas bort ur materialet för att de råkat ut för händelser som, statistiskt, påverkat deras val av
hastighet. Redan tidigare har bussar, större lastbilar, motorcyklar, övningskörningsfordon och
fordon som stannat eller haft annat fordon nära framför, tagits bort ur materialet. Nästa steg är att
ta bort de fordon som eventuellt finns kvar som inte har studerats över tillräckligt lång sträcka,
alltså 75 % av den totala mätsträckan. De fordon som blir kvar efter dessa avskalningar är de som
ligger till grund för det medelvärde för fordonens medelhastighet över mätsträckan som redovisas i
figur 5.1 nedan. På exempelvis Föreningsgatan återstår 41 fordon i västgående riktning av de totalt
117 fordon som studerats över tillräckligt lång sträcka. Övriga 76 fordon har således varit bussar,
lastbilar, mc eller övningskörningsfordon, eller så har de råkat ut för en eller flera händelser som
påverkat deras hastighet. Av de 117 fordonen var det 31 som fick möte med annat fordon. 28 av de
117 mötte ett stillastående fordon på andra sidan gatan (många östgående fordon stannade till vid
affären till vänster i figur 2.2 ovan, även om det egentligen inte var tillåtet) och 8 av de 117 körde
om en stillastående bil. Under ett av mättillfällena stod det en container placerad på norra sidan, vid
avståndsmått 25. De fordon som körde förbi denna fick händelsen ”omkör stilla lastbil” registrerad.
Totalt råkade 31 av de 117 fordonen ut för detta. 21 fordon möte cyklist eller fotgängare på
körbanan och 8 körde om fotgängare eller cyklist på körbanan. 28 fordon passerade fotgängare eller
cyklist som rörde sig på trottoaren på höger sida och 5 av de 117 fordonen fick anpassa sin
hastighet till fotgängare som korsade gatan.
35

5 Analyser på gatunivå
I figur 5.1 nedan visas de uppmätta och framräknade värdena som ligger till grund för de analyser
som redovisas längre ned i detta kapitel. Med antal fordon avses det antal fordon som ligger till
grund för den framräknade medelhastigheten, alltså de som är kvar efter avskalningen som
beskrivits ovan. Varje studerat fordon bidrar med en medelhastighet för den studerade sträckan och
av dessa värden beräknas en total medelhastighet för sträckan (”Medel medelhastighet”) samt en
standardavvikelse. Denna standardavvikelse samt antalet fordon ligger till grund för beräknat 95 %
konfidensintervall. Vidare bidrar varje studerat fordon med sin högsta registrerade hastighet. Dessa
ligger till grund för ”Medel högsta hastighet”. Båda dessa medelvärden jämförs med övriga variabler
i analyserna nedan.
Riktning
Gatusträcka
Föreningsgatan 3 95 128 41 1,8 29,8 34,3 4,3 2,5 3,1 16,7 2,2 100 55,8 3,9 4,9 7,9 71,3 92,8 63,8 92,7 3,0 0,4
Föreningsgatan 4 95 128 34 1,6 29,2 34,1 4,3 2,8 4,2 11,5 1,4 100 15,8 3,5 3,5 5,4 68,4 92,8 43,6 92,5 0,0 0,9
Viktor Rydbergsgatan 1 95 164 97 1,3 39,9 43,5 4,5 2,6 6,3 18,0 1,6 100 16,8 17,3 8,9 7,3 47,7 67,4 96,6 90,9 3,2 0,1
Viktor Rydbergsgatan 2 95 164 71 1,7 41,5 45,3 4,5 2,6 9,0 11,1 0,9 83 7,4 5,4 18,9 0,8 88,0 67,4 120,5 85,9 0,0 1,8
Såggatan norra 20-70 1 50 193 75 1,9 43,6 45,9 5,6 3,4 7,4 8,0 0,6 76 24,0 13,1 27,4 8,1 32,6 43,5 78,0 83,5 9,3 0,0
Såggatan norra 20-70 2 50 193 75 1,7 41,7 43,9 5,6 3,4 6,0 7,7 0,7 72 8,0 31,1 6,8 3,7 37,3 43,5 76,9 95,2 5,4 0,1
Såggatan norra 70-120 1 50 193 68 1,8 39,7 43,2 5,2 3,7 8,5 5,5 0,4 52 68,0 19,9 6,8 6,2 47,3 81,5 79,7 95,5 2,0 0,0
Såggatan norra 70-120 2 50 193 67 1,5 39,8 42,5 5,2 3,7 8,3 7,4 0,5 62 58,0 21,8 12,4 1,2 40,7 81,5 84,1 92,5 0,0 0,3
Såggatan södra 30-78 1 48 266 120 1,4 45,7 48,0 6,4 4,3 8,4 1,5 0,1 62 25,0 1,4 1,4 2,8 52,1 61,6 79,6 99,2 0,0 0,3
Såggatan södra 30-78 2 48 266 123 1,2 43,8 45,8 6,4 2,9 2,9 8,1 0,9 90 29,2 1,9 1,4 3,3 67,9 61,6 81,5 99,2 3,7 0,4
Såggatan södra 78-145 1 67 266 104 1,4 44,7 47,3 6,1 2,5 4,9 4,7 0,4 100 14,9 13,1 11,8 3,7 37,0 18,5 78,6 89,8 6,5 0,1
Såggatan södra 78-145 2 67 266 99 1,3 44,9 46,8 6,1 3,0 3,8 6,7 0,8 75 10,4 8,1 15,8 0,3 61,8 18,5 78,9 87,0 1,5 0,5
Nordhemsgatan södra 1 55 205 52 1,1 23,4 27,8 3,4 2,6 2,6 12,3 1,8 100 32,7 10,1 12,2 22,4 56,5 260,2 43,9 84,9 6,0 0,1
Nordhemsgatan södra 2 55 205 88 0,9 26,4 30,7 3,4 2,6 2,6 19,9 4,0 100 10,9 3,2 3,2 6,4 85,5 260,2 68,8 97,4 0,0 0,7
Nordhemsgatan norra 1 60 179 24 2,1 22,5 26,3 3,5 3,0 3,0 15,0 2,0 100 26,7 16,2 12,3 28,5 58,0 265,4 52,6 75,8 8,4 0,0
Nordhemsgatan norra 2 60 179 94 0,8 22,7 26,6 3,5 5,5 5,5 10,0 1,3 100 10,0 2,8 2,8 5,6 73,7 265,4 55,1 97,8 0,0 0,6
Kobbarnas väg 1 110 262 93 1,1 37,4 41,3 4,9 2,7 7,3 2,7 0,2 40 1,8 5,0 6,2 11,2 8,7 28,9 90,9 92,5 6,4 0,0
Kobbarnas väg 2 110 262 101 1,4 38,7 43,0 4,9 2,7 2,7 18,0 2,4 100 0,9 8,1 7,5 15,6 32,3 28,9 100,0 91,7 5,9 0,0
Fridkullagatan södra 1 120 118 25 1,6 43,4 47,1 4,0 2,2 4,3 8,6 0,9 96 0,0 8,5 7,6 16,1 9,7 17,4 166,3 94,5 10,5 0,0
Fridkullagatan södra 2 120 118 24 3,2 48,5 52,0 4,0 5,8 10,0 10,4 0,8 87 0,0 0,0 0,0 0,0 34,6 17,4 168,8 100 0,0 0,0
Fridkullagatan norra 1 125 171 75 1,3 44,0 48,5 3,5 2,0 6,3 5,3 0,5 67 4,0 2,0 3,4 0,0 12,6 15,2 205,8 98,0 0,0 0,3
Fridkullagatan norra 2 125 171 71 1,4 42,3 46,8 3,5 4,6 9,7 0,2 0,0 8 12,8 4,5 2,8 0,0 35,1 15,2 224,2 98,4 0,0 0,3
Gibraltargatan 1 100 60 16 3,5 43,5 47,1 6,2 5,9 9,9 5,2 0,3 94 5,0 22,0 20,0 24,0 255,0 87,0 236,0 91,5 10,9 0,0
Gibraltargatan 2 100 60 21 3,6 46,2 49,0 4,7 2,8 2,8 21,0 2,8 100 3,0 8,0 14,0 12,0 106,0 87,0 287,0 95,2 0,9 0,3
Geijersgatan 3 75 69 17 3,3 37,5 40,9 5,0 3,0 3,0 21,0 2,6 100 16,0 3,5 8,1 8,1 41,7 113,6 137,4 95,6 5,3 0,1
Geijersgatan 4 75 69 19 3,1 34,6 38,2 5,0 4,5 7,1 1,2 0,1 56 32,0 3,5 5,8 7,0 90,4 113,6 78,3 94,5 9,3 0,1
Norra Gubberogatan 1 100 87 35 2,7 44,1 46,9 5,0 4,2 4,2 18,0 1,9 100 8,0 13,8 11,0 23,4 50,3 34,5 152,4 92,7 11,7 0,0
Norra Gubberogatan 2 100 87 39 2,2 45,1 48,1 5,0 4,7 4,7 11,3 1,2 87 8,0 22,1 20,7 40,7 53,8 34,5 204,1 89,8 3,6 0,0
Figur 5.1 Sammanställning gatu- och riktningsvis av de olika uppmätta och framräknade variablerna.
36
Antal meter
Mättid i min
Antal fordon
95% konfidensintervall
Medel medelhastighet
Medel högsta hastighet
Körbanans medelbredd
Närliggande trottoars medelbredd
Medelbredd trottoar - hus
Gaturummets medelhöjd höger sida
Förhållande rumshöjd-rumsbredd
Andel slutet gaturum höger sida
Riktningsvinkel per 100 m gata
Inkörande per h och 100 m gata
Avkörande per h och 100 m gata
Parkeringsomsättning
Passerande GC på trottoar/körbana per h
Korsande GC per h och 100 m gata
Passerande fordon per h
Andel genomfartstrafik
Parkerade fordon i medel per 100 m gata
Möte/omkör fotg/cykel på trottoar i medel

5.1 Korrelation mellan hastighet och övriga variabler
Nedan visas en tabell där korrelationen (R 2) mellan olika variabler och de två hastighetsvariablerna,
så som dessa redovisas i figur 5.1 ovan, sammanställs. Först jämförs variablerna med medel för
medelhastigheten längs sträckan, och därefter med medel för högsta hastigheten. Punktdiagram
med trendlinje för alla nedanstående variabler återfinns i Bilaga B1.4.
Jämförd gatuvariabel
R 2 - Medel
medelhastighet
R 2 - Medel högsta
hastighet
Körbanans medelbredd 0,340 0,279
Närliggande trottoars medelbredd 0,023 0,020
Medelbredd trottoar – hus 0,170 0,186
Gaturummets medelbredd höger sida 0,319 0,315
Gaturummets medelhöjd höger sida 0,082 0,079
Förhållande rumshöjd-rumsbredd 0,194 0,189
Andel slutet gaturum höger sida 0,075 0,082
Riktningsvinkel per 100 m gata 0,079 0,093
Inkörande per h och 100 m gata 0,019 0,011
Avkörande per h och 100 m gata 0,041 0,031
Parkeringsomsättning 0,029 0,030
Passerande gc på trottoar/körbana per h 0,004 0,005
Korsande gc per h och 100 m gata 0,767 0,800
Passerande fordon per h 0,348 0,394
Andel genomfartstrafik 0,087 0,100
Parkerade fordon i medel per 100 m gata 0,001 0,000
Möte/omkör fotg/cykel på trottoar i medel 0,039 0,034
Figur 5.2 Sammanställning av korrelation (R2) mellan olika variabler och hastighet.
Som vi ser i tabellen ovan gör det inte stor skillnad om vi jämför med medel för medelhastigheten
eller medel för högsta hastigheten. Vi ser också att det endast är en variabel som har ett starkt
samband med hastigheten (Korsande gc per h och 100 m gata) och ytterligare fyra som har ett
svagare samband med hastigheten (Körbanans medelbredd, Medelbredd trottoar – hus, Förhållande
rumshöjd-rumsbredd och Passerande fordon per h). Vidare finns det ett samband mellan Gaturummets
medelbredd höger sida och hastigheten, men då denna variabel är en sammanslagning av
två andra (Körbanans medelbredd och Medelbredd trottoar – hus) kommer den inte att användas i
de nedanstående analyserna.
Ett problem med variabeln Korsande gc per h och 100 m gata är att värdet är samma för de båda
riktningarna på en gata, vilket kan skapa ett orättvist högt R 2. Test har dock gjorts där variabeln
testades mot ett medelvärde för de båda riktningarnas medelhastighet. Resultatet skilde sig inte
nämnvärt från det beskrivet i figur 5.2 ovan och diagrammet i Bilaga B1.4. Vidare skapar de
extrema värdena för antal korsande gc på de båda studerade delarna av Nordhemsgatan ett kanske
för högt R 2. Utan dessa fyra studerade riktningar blir R 2 istället 0,33.
Vissa av variablerna kan visa på samband som egentligen inte borde finnas, såsom Andel genomfartstrafik.
Eftersom vi tagit bort alla fordon som låg nära annat fordon eller som stannade, är det
bara fordon som haft fri passage genom sträckan som är med i materialet. Andelen genomfartstrafik
ska alltså inte ha påverkat hastighetsförloppet hos de fordon som medelhastigheterna
ovan är baserade på. Dock kan det finnas samband mellan Andel genomfartstrafik och någon av de
övriga variablerna (exempelvis trafikmängd) som i sin tur påverkar eller påverkas av hastigheten.
Som nämndes ovan i avsnitt 3.3 beror Andel genomfartstrafik också på hur lång sträcka som
studerats, vilket medför att den bör hanteras med viss försiktighet. Nämnas bör också att variabeln
Passerande gc på trottoar/körbana per h är en sammanläggning av antal passerande gång- och
cykeltrafikanter på körbanan respektive trottoaren. Dessa lades ihop eftersom det gav ett bättre R 2värde
och för att det blir enklare att hålla ordning på färre variabler.
37

Ett antal varianter av de variabler som beskrivits ovan har också testats, bland annat en variant av
körbanans medelbredd där den yta som vanligtvis tas i anspråk av parkerade fordon tagits bort.
Tanken med det värdet var att det mer skulle motsvara vad som kan kallas effektiv köryta. Dock var
korrelationen med hastigheten något sämre än för den variant av medelbredd som beskrivits ovan.
Lite förvånande ser vi också att det inte finns någon korrelation alls mellan hastigheten och antal
parkerade fordon per 100 meter gata som de studerade fordonen i medeltal passerade. Ett sätt att
närma sig ett mått på det som ovan beskrevs som effektiv köryta, kan vara att från körbanans
medelbredd för varje riktning ta bort ett värde som beror på antal parkerade fordon per 100 m gata.
Detta mått skulle se enligt följande: Körbanans medelbredd – (Antal parkerade fordon per 100 m
gata/X) där X är en konstant. För de sträckor som här har studerats visar det sig att en konstant i
närheten av 20 ger bäst R 2-värde (0,355) för korrelation med Medel medelhastighet. Motsvarande
för Medel högsta hastighet är att X ska vara omkring 17, vilket ger ett R 2-värde på (0,294). Vilket
det slutliga värdet på konstanterna blir kommer dock att bero på vad som ska ingå i den slutliga
modellen, varför de inte slutgiltigt kan bestämmas i detta skede.
5.2 Regressionsanalys med avseende på geometriska variabler
Medel medelhastighet
Sammanställningen i figur 5.2 ovan gäller bara de direkta sambanden mellan hastigheten och en
variabel. Vi ska nu gå vidare och undersöka samband mellan hastighet och flera variabler
tillsammans. För att komma fram till vilka variabler som ska vara med i den slutgiltiga modellen har
ett stort antal tillfälliga modeller testats. Av korrelationstestet ovan kan vi utgå ifrån att Korsande gc
per h och 100 m gata ska vara med. Vi börjar med att skapa en modell som beskriver hur den
variabeln och medel för medelhastigheten förhåller sig till varandra. Excels funktion för
regressionsanalys ger följande svar:
Justerad R-kvadrat 0,758296
Standardfel 3,779849
Observationer 28
Koefficienter Standardfel t-kvot p-värde
Konstant 45,88171 1,051594 43,63065 7,52E-26
Korsande gc -0,08424 0,009099 -9,25779 1,03E-09
Figur 5.3 Utdata från Excels regressionsanalys med en variabel.
Detta ska tolkas som att medelhastighet på en gatusträcka är 45,88-0,084 * Korsande gc per timme
och meter gata. Vi ser att det justerade R2-värdet (detta är en variant av vanligt R2 men det tar även
hänsyn till antalet variabler i modellen) är 0,758 vilket får ses som förhållandevis högt. Vi ser också
att p-värdena för både Konstant och Korsande gc (Korsande gc per h och 100 m gata) är mycket
låga. Nästa steg blir att testa modeller där sambandet mellan hastighet och Korsande gc samt var
och en av de övriga variablerna beskrivs för att ta reda på vilka av de övriga variablerna som bäst
förstärker modellen, d v s där det justerade R2-värdet blir högst. Detta visar sig vara Passerande
fordon per h (variabeln kallas Trafikmängd) som tillsammans med Korsande gc ger ett justerat R2 på 0,815. Koefficienterna och p-värdena förändras naturligtvis något när en ny variabel plockas in i
modellen, och den nya modellen får följande utseende:
Koefficienter Standardfel t-kvot p-värde
Konstant 41,25302 1,804815 22,8572 2,84E-18
Korsande gc -0,07334 0,008768 -8,36427 1,03E-08
Trafikmängd 0,032074 0,010755 2,982189 0,006302
Figur 5.4 Utdata från Excels regressionsanalys med två variabler.
38

I nästa skede visar det sig att det är körbanans medelbredd som ska tas med. Om vi inte tar hänsyn
till parkerade fordon så blir justerat R 2 0,885 och om vi gör det (X=20) blir det 0,894. Alltså väljer
vi det senare alternativet (variabeln kallas Bredd-park/20). Vi fortsätter att plocka in variabler så
länge som det är möjligt att förbättra det justerade R 2-värdet och så länge inga p-värden blir allt för
höga (inte över 0,1). Nästa variabel blir Mängd gc-tot (Passerande gc på trottoar/körbana per h)
som ger en modell med ett justerat R 2 på 0,907. Därefter är det endast variabeln Medelbredd
trottoar-hus som ger högre justerat R 2: 0,915. Det ger följande modell:
Koefficienter Standardfel t-kvot p-värde Nedre 95% Övre 95%
Konstant 17,19779 4,50724 3,815592 0,000945 7,850334 26,54524
Korsande gc -0,03154 0,010534 -2,99414 0,006685 -0,05339 -0,00969
Trafikmängd 0,0599 0,009982 6,000842 4,86E-06 0,039199 0,080601
Bredd-park/20 3,864268 0,710041 5,442315 1,82E-05 2,391731 5,336805
Mängd gc-tot -0,03785 0,014412 -2,62628 0,01542 -0,06774 -0,00796
Medelbredd trott-hus 0,335776 0,192243 1,746628 0,094651 -0,06291 0,734464
Figur 5.5 Utdata från Excels regressionsanalys med sex variabler.
Vi bör notera att den sista variabeln har ett något högt p-värde (0,09) vilket också visas av att
gränserna för övre och nedre 95-percentilerna (%) ligger på var sin sida om 0. Om vi lägger till fler
av de tillgängliga variablerna kommer modellen att bli sämre med avseende på justerat R2 och pvärden.
Vad som nu återstår är att slutjustera X i variabeln Bredd-park/X (som är 20 i modellen ovan) och
det visar sig att 32 är det värde som ger högst justerat R 2: 0,917. Den slutliga modellen blir därmed
följande:
Justerad R-kvadrat 0,916534
Standardfel 2,221202
Observationer 28
Koefficienter Standardfel t-kvot p-värde Nedre 95% Övre 95%
Konstant 16,23696 4,602367 3,527958 0,001893 6,692223 25,78169
Korsande gc -0,02971 0,010648 -2,78991 0,010677 -0,05179 -0,00762
Trafikmängd 0,061097 0,009997 6,111269 3,76E-06 0,040363 0,08183
Bredd-park/32 3,942154 0,713009 5,528901 1,48E-05 2,463463 5,420845
Mängd gc-tot -0,04072 0,014572 -2,79417 0,010575 -0,07094 -0,0105
Medelbredd trott-hus 0,367771 0,19125 1,922978 0,067522 -0,02886 0,7644
Figur 5.6 Utdata från Excels regressionsanalys med sex variabler, efter justering av X.
I den slutliga modellen för att beskriva hur medel för medelhastigheten beror på de olika
variablerna, har tyvärr p-värdet för Konstant ökat något, samtidigt som p-värdet för Medelbredd
trott-hus har minskat. Modellen kan skrivas på följande sätt:
Medelhastighet = 16,24 – 0,030*korsande gc + 0,061*trafikmängd + 3,942*(körbanans medelbredd – (antal parkerade fordon/32))
– 0,041*mängd gc + 0,368*medelbredd trottoar-hus
Test har även gjorts med att ta in variabeln Riktningsvinkel per 100 m gata på liknande sätt och dra
bort även den (dividerat med en konstant) från körbanans medelbredd. Om konstanten sattes till
150 och X till 30 blev det justerade R 2 som högst, nämligen 0,920. Då sänktes även p-värdet för
Medelbredd trott-hus till 0,0418 (även övriga p-värden, förutom för Korsande gc, sänktes något).
Jag har dock valt att inte använda variabeln Riktningsvinkel i modellen, dels för att hålla nere antalet
variabler och dels för att variabeln i sig är något osäker och besvärlig att hantera. En tydligare
definition och enklare mätförfarande hade behövts för att göra den mer användbar, i relation till
vad man vinner i ökad säkerhet hos modellen.
39

Medel högsta hastighet
För att komma fram till en modell som beskriver medel för högsta hastighet används samma
förfarande som beskrivits ovan. Variablerna blir desamma, men koefficienterna och X-värdet blir
annorlunda, liksom justerad R2. Justerad R-kvadrat 0,926454
Standardfel 1,961182
Observationer 28
Koefficienter Standardfel t-kvot p-värde Nedre 95% Övre 95%
Konstant 25,6599 4,002095 6,411617 1,88E-06 17,36005 33,95974
Korsande gc -0,03681 0,009307 -3,95555 0,000672 -0,05611 -0,01751
Trafikmängd 0,054941 0,00878 6,257753 2,68E-06 0,036733 0,073149
Bredd-park/24 2,845671 0,625926 4,546341 0,000159 1,547579 4,143763
Mängd gc-tot -0,02943 0,01273 -2,31156 0,030552 -0,05583 -0,00303
Trott-hus 0,343418 0,168478 2,038358 0,053712 -0,00598 0,69282
Figur 5.7 Utdata från Excels regressionsanalys med sex variabler, för medel högsta hastighet.
Denna modell beskriver ännu mer precist hur hastigheten, i det här fallet medel för högsta
hastighet, förhåller sig till övriga variabler. Det justerade R2-värdet blir 0,926 och dessutom är pvärdet
för Konstant betydligt lägre än i modellen i figur 5.6 ovan. Notera också att X blev 24 i
denna modell. Modellen kan även skrivas på följande vis:
40
Högsta hastighet = 25,66 – 0,037*korsande gc + 0,055*trafikmängd + 2,846*(körbanans medelbredd – (antal parkerade fordon/24))
– 0,029*mängd gc + 0,343*medelbredd trottoar-hus
5.3 Modelltest
Nu ska vi jämföra de hastighetsvärden som modellen resulterar i med vad hastighetsmätningarna
gav för resultat. På detta vis får vi bättre kontroll över var, på vilka gatutyper, som modellen inte ger
korrekta uppskattningar av hastigheten. Nedan visas en sammanställning av sträckornas egenskaper,
hastigheter, vad de två olika modellerna ger för resultat och hur dessa skiljer sig från uppmätt
hastighet. De poster där skillnaden är större än 2,5 km/h visas med fet stil.

Antal meter
Mättid i min
Antal fordon
Korsande GC per h och 100 m gata
Passerande fordon per h
Körbanans medelbredd
Parkerade fordon i medel per 100 m gata
Riktning
Gatusträcka
Föreningsgatan 3 95 128 41 92,8 63,8 4,3 3,0 71,3 3,1 29,76 32,05 -2,29 2,29 34,27 36,50 -2,23 2,23
Föreningsgatan 4 95 128 34 92,8 43,6 4,3 0,0 68,4 4,2 29,21 31,76 -2,55 2,55 34,09 36,24 -2,15 2,15
Viktor Rydbergsgatan 1 95 164 97 67,4 96,6 4,5 3,2 47,7 6,3 39,85 37,76 2,09 2,09 43,54 41,60 1,93 1,93
Viktor Rydbergsgatan 2 95 164 71 67,4 120,5 4,5 0,0 88,0 9,0 41,53 38,98 2,55 2,55 45,34 43,05 2,29 2,29
Såggatan norra 20-70 1 50 193 75 43,5 78,0 5,6 9,3 32,6 7,4 43,61 42,08 1,53 1,53 45,85 44,79 1,07 1,07
Såggatan norra 20-70 2 50 193 75 43,5 76,9 5,6 5,4 37,3 6,0 41,67 41,78 -0,11 0,11 43,91 44,57 -0,66 0,66
Såggatan norra 70-120 1 50 193 68 81,5 79,7 5,2 2,0 47,3 8,5 39,70 40,25 -0,55 0,55 43,16 43,21 -0,05 0,05
Såggatan norra 70-120 2 50 193 67 81,5 84,1 5,2 0,0 40,7 8,3 39,83 40,95 -1,12 1,12 42,48 43,81 -1,33 1,33
Såggatan södra 30-78 1 48 266 120 61,6 79,6 6,4 0,0 52,1 8,4 45,73 45,51 0,22 0,22 47,95 47,36 0,59 0,59
Såggatan södra 30-78 2 48 266 123 61,6 81,5 6,4 3,7 67,9 2,9 43,79 42,46 1,33 1,33 45,79 44,64 1,15 1,15
Såggatan södra 78-145 1 67 266 104 18,5 78,6 6,1 6,5 37,0 4,9 44,67 44,03 0,63 0,63 47,33 46,48 0,85 0,85
Såggatan södra 78-145 2 67 266 99 18,5 78,9 6,1 1,5 61,8 3,8 44,87 43,24 1,63 1,63 46,76 45,97 0,79 0,79
Nordhemsgatan södra 1 55 205 52 260,2 43,9 3,4 6,0 56,5 2,6 23,41 22,31 1,10 1,10 27,77 26,54 1,23 1,23
Nordhemsgatan södra 2 55 205 88 260,2 68,8 3,4 0,0 85,5 2,6 26,37 23,39 2,98 2,98 30,66 27,77 2,89 2,89
Nordhemsgatan norra 1 60 179 24 265,4 52,6 3,5 8,4 58,0 3,0 22,54 22,88 -0,34 0,34 26,33 26,93 -0,60 0,60
Nordhemsgatan norra 2 60 179 94 265,4 55,1 3,5 0,0 73,7 5,5 22,72 24,34 -1,62 1,62 26,65 28,46 -1,81 1,81
Kobbarnas väg 1 110 262 93 28,9 90,9 4,9 6,4 8,7 7,3 37,40 41,96 -4,56 4,56 41,27 45,15 -3,89 3,89
Kobbarnas väg 2 110 262 101 28,9 100,0 4,9 5,9 32,3 2,7 38,68 39,81 -1,14 1,14 43,01 43,35 -0,34 0,34
Fridkullagatan södra 1 120 118 25 17,4 166,3 4,0 10,5 9,7 4,3 43,39 41,63 1,76 1,76 47,08 45,55 1,53 1,53
Fridkullagatan södra 2 120 118 24 17,4 168,8 4,0 0,0 34,6 10,0 48,53 44,14 4,39 4,39 51,96 48,14 3,82 3,82
Fridkullagatan norra 1 125 171 75 15,2 205,8 3,5 0,0 12,6 6,3 44,04 43,82 0,21 0,21 48,45 48,06 0,40 0,40
Fridkullagatan norra 2 125 171 71 15,2 224,2 3,5 0,0 35,1 9,7 42,33 45,30 -2,96 2,96 46,85 49,59 -2,74 2,74
Gibraltargatan 1 100 60 16 87,0 236,0 6,2 10,9 255,0 9,9 43,53 44,48 -0,94 0,94 47,06 47,71 -0,65 0,65
Gibraltargatan 2 100 60 21 87,0 287,0 4,7 0,9 106,0 2,8 46,18 46,13 0,05 0,05 49,00 49,20 -0,20 0,20
Geijersgatan 3 75 69 17 113,6 137,4 5,0 5,3 41,7 3,0 37,46 39,66 -2,20 2,20 40,88 42,38 -1,50 1,50
Geijersgatan 4 75 69 19 113,6 78,3 5,0 9,3 90,4 7,1 34,61 35,08 -0,47 0,47 38,21 38,64 -0,43 0,43
Norra Gubberogatan 1 100 87 35 34,5 152,4 5,0 11,7 50,3 4,2 44,11 42,34 1,77 1,77 46,94 45,60 1,34 1,34
Norra Gubberogatan 2 100 87 39 34,5 204,1 5,0 3,6 53,8 4,7 45,13 46,52 -1,39 1,39 48,13 49,45 -1,33 1,33
Medel 0,00 1,59 Medel 0,00 1,42
Std av 1,97 1,16 Std av 1,74 1,00
Figur 5.8 Sammanställning av de uppmätta och framräknade hastigheterna samt skillnader mellan dessa.
Passerande GC på trottoar/körbana per h
Generellt resulterar de båda formlerna i hastighetsvärden som ligger mycket nära de uppmätta.
Medelavvikelserna är 1,59 km/h för medelhastigheten och 1,42 för högsta hastigheten, vilket i
sammanhanget får ses som små. Några större avvikelser finns dock. Främst är det på Fridkullagatan
södra, norrgående riktning och Kobbarnas väg, sydgående riktning som större avvikelser uppstår.
På Kobbarnas väg överskattar formeln hastigheten något. Enligt formeln borde sydgående fordon
köra fortare än norrgående, eftersom de inte har nära till husen och färre fotgängare på trottoaren.
Skillnaderna i antal parkerade fordon och trafikmängd är dessutom små. Kanske beror skillnaden på
vad bilisterna i de båda riktningarna har för slutmål med sin resa, hur nära de är detta när de
passerar Kobbarnas väg?
På Fridkullagatans södra del underskattar formeln medelhastigheten. Dessutom skiljer det mycket i
hastighet mellan gatans båda riktningar. Här är det dock enklare att komma med tänkbara orsaker,
nämligen att det står parkerade fordon längs hela sträckan i sydgående riktning men inte i
norrgående. Kanske är betydelsen av detta större på Fridkullagatan än vad formeln ger sken av?
Kanske är det så att det betyder mer ju större trafikmängden är och ju högre hastigheten är?
Medelbredd trottoar - hus
Medel medelhastighet
Formel medelhastighet
Skillnad formel och verklig hastighet
Absolutbelopp av skillnad
Medel högsta hastighet
Formel högsta hastighet
Skillnad formel och verklig hastighet
Absolutbelopp av skillnad
41

6 Diskussion
6.1 Koppling till andra studier
Den nya metoden i relation till den ursprungliga och Trafikkontorets punktmätningar
För att det ska vara möjligt att använda de ovan framställda formlerna krävs att värdena översätts
till ”vanliga” värden. De uppmätta medelvärdena som ges i figur 5.8 för medelhastighet och högsta
hastighet är baserade på ett annat urval av fordon än vad som fås vid normalt mätningsförfarande. I
ett första steg jämförs därför mätningar som gjorts med vad som i denna rapport kallats den
ursprungliga metoden, d v s kontinuerliga hastighetsmätningar av slumpmässigt utvalda passerande
fordon (se Karlgren, 2001, kapitel 3) med en sorts simulering av den ursprungliga metoden. Detta
har gjorts för Föreningsgatan och Viktor Rydbergsgatan. I nästa steg jämförs mätningarna i föreliggande
rapport utförda med den nya metoden, med dem som är en simulering av den ursprungliga
metoden. Den ursprungliga metoden simuleras genom att hastighetsprofiler baserade på alla
studerade fordon, inte bara de som ej råkat ut för hastighetspåverkande händelser, tas fram. På så
vis skapas en länk mellan denna ”nya” metod och den ursprungliga. Återstår gör då att koppla dessa
till den typ av hastighetsmätningar som de flesta använder sig av och som utförs med slangar eller
metallplattor – mätning av alla passerande fordon under ett eller flera dygn.
Allra först redovisas dock hastighetsförloppen för de 41 fordon som ligger till grund för Medel för
medelhastighet, västgående riktning på Föreningsgatan (se figur 6.1 nedan). Motsvarande hastighetsprofiler
finns för alla studerade sträckor i Bilaga B1.3.
42
N
Hastighet (km/h)
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120
Avstånd i meter
Figur 6.1 Föreningsgatans 41 västgående fordons hastighetsförlopp i relation till gatans utformning. Den feta (röda)
kurvan indikerar medelhastigheten i varje punkt för de 41 fordonen. Den streckade linjen indikerar medel för
medelhastighet (29,76 km/h).

Den feta (röda) kurvan i figur 6.1 ovan är den som används som underlag för jämförelserna nedan.
Om vi infogar den i ett diagram tillsammans med motsvarande kurvor för mätning med den
ursprungliga metoden och simulering av den ursprungliga, blir resultatet följande:
N
Medelhastighet (km/h)
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120
M edelhast västgå, ny
Avstånd i meter
M edelhast västgå, ursprunglig
M edelhast västgå, simulerad
Figur 6.2 Jämförelse mellan olika sätt att mäta medelhastigheten.
Vi ser att simuleringen av den ursprungliga metoden hamnar ganska nära sin förebild, speciellt på
den västra delen av gatan där skillnaden mellan den nya och ursprungliga metoden är som störst.
Om vi nu väljer att sammanställa skillnaderna dem emellan, meter för meter, och därefter beräkna
ett medelvärde för dessa skillnader, får vi -0,66 km/h. I medeltal visar alltså, för just denna gata och
denna riktning, den simulerade medelhastigheten 0,66 km/h lägre medelhastighet än den som tagits
fram med den ursprungliga metoden. Motsvarande medelvärde för Föreningsgatans östgående
trafik är 0,34 km/h och för Viktor Rydbergsgatans sydgående 2,02 km/h och norrgående 0,38
km/h. Det skiljer således inte mycket mellan resultatet från den ursprungliga metoden och
simuleringen av den ursprungliga. De skillnader som finns kan lika gärna bero på olika förhållanden
vid mättillfällena.
Nu ska vi jämföra mätningarna med den nya metoden (så som materialet redovisas i figur 6.1 ovan)
med simuleringarna. Detta har inte kunnat göras på alla gator, eftersom vissa av de senare
mätningarna (exempelvis Gibraltargatans nya mätning) utfördes med speciell inriktning mot den
nya metoden. Detta innebar att inga bussar, stora lastbilar o s v studerades och mätning av de
fordon som visade sig få annat fordon nära framför avbröts. I medeltal är skillnaden mellan den nya
metoden och simulering av den ursprungliga 1,55 km/h. Detta värde är således baserat på skillnader
över hela de studerade sträckorna.
Egentligen är detta inte vad vi behöver för att kunna koppla denna nya mätmetod, och därmed den
framtagna formeln, till punktmätning av hastighet mitt emellan två korsningar på en gata. Vi
behöver använda den högsta medelhastighet längs den studerade sträckan. För ett urval av de
43

studerade sträckorna (de där det är möjligt att simulera den ursprungliga metoden) tar vi därför
fram den högsta simulerade medelhastigheten längs sträckan – alltså strax över 31 km/h i figur 6.2
ovan (den tunna svarta kurvan). Denna ska vi jämföra med den högsta medelhastigheten längs
sträckan för den nya metoden, alltså strax över 32 km/h i figur 6.2 ovan. Detta har gjorts för
Föreningsgatan, Viktor Rydbergsgatan, alla delar av Såggatan, Nordhemsgatan södra, Kobbarnas
väg (de första två mättillfällena) och båda delarna av Fridkullagatan. Störst skillnad var det på Fridkullagatans
södra del, norrgående (4,26 km/h). Minst skillnad var det på Kobbarnas väg, sydgående
(0,23 km/h). Medelskillnaden för de 18 sträckorna blev 1,2 km/h (se figur 6.3 nedan).
Nu går vi över på den formel vi tog fram i kapitel 5 för att beräkna medelhastigheten över en viss
sträcka. I tabellen nedan redovisas en jämförelse mellan det värde som formeln resulterar i och den
högsta medelhastigheten för simulering av den ursprungliga metoden (alltså det som mest ska likna
vanlig punktmätning av medelhastighet).
44
Högsta
medelhast.
Högsta
medelhast.
Skillnad högsta
medelhast. Ny
metod - Simulering
Skillnad högsta
medelhast.
Simulering - Formel
Absolutbelopp
av
skillnad
Gatusträcka Riktning Ny metod Simulering
Formel
medelhast.
Föreningsgatan västgå 32,49 31,32 32,05 1,16 -0,73 0,73
Föreningsgatan östgå 32,18 31,17 31,76 1,01 -0,60 0,60
Viktor Rydbergsgatan sydgå 41,64 40,08 37,76 1,55 2,32 2,32
Viktor Rydbergsgatan norrgå 43,20 40,16 38,98 3,05 1,18 1,18
Såggatan norra 20-70 sydgå 44,54 43,47 42,08 1,07 1,39 1,39
Såggatan norra 20-70 norrgå 42,70 41,69 41,78 1,01 -0,09 0,09
Såggatan norra 70-120 sydgå 42,48 39,22 40,25 3,26 -1,03 1,03
Såggatan norra 70-120 norrgå 41,31 40,47 40,95 0,84 -0,48 0,48
Såggatan södra 30-78 sydgå 42,48 45,11 45,51 -2,62 -0,40 0,40
Såggatan södra 30-78 norrgå 41,31 42,75 42,46 -1,44 0,29 0,29
Såggatan södra 78-145 sydgå 45,18 43,84 44,03 1,34 -0,19 0,19
Såggatan södra 78-145 norrgå 45,24 43,19 43,24 2,06 -0,05 0,05
Nordhemsgatan södra sydgå 26,35 25,19 22,31 1,16 2,89 2,89
Nordhemsgatan södra norrgå 28,72 28,00 23,39 0,72 4,61 4,61
Kobbarnas väg sydgå 39,39 39,16 41,96 0,23 -2,81 2,81
Kobbarnas väg norrgå 40,89 38,39 39,81 2,49 -1,42 1,42
Fridkullagatan södra sydgå 46,28 45,08 41,63 1,20 3,45 3,45
Fridkullagatan södra norrgå 51,09 46,83 44,14 4,26 2,69 2,69
Fridkullagatan norra sydgå 47,22 46,17 43,82 1,06 2,34 2,34
Fridkullagatan norra norrgå 45,55 44,82 45,30 0,72 -0,47 0,47
Medel: 1,21 0,64 1,47
Figur 6.3 Sammanställning av högsta medelhastighet över studerad sträcka med Ny metod och Simulering av
ursprunglig metod, samt medelhastighet med Formel.
Vi ser att formeln i medeltal underskattar hastigheten med 0,64 km/h i jämförelse med
simuleringen av den ursprungliga metoden. Med formeln för medelhastighet kommer vi alltså nära
vad man troligen skulle få för resultat vid en punktmätning på gatan, om man utför punktmätningen
ungefär där den högsta medelhastigheten inträffar (i medeltal när ungefär 60 % av
sträckan mellan två korsningar eller farthinder har avverkats 21 ).
I ett sista steg ska vi nu jämföra de olika hastighetsvärden ovan med de punktmätningar som
Trafikkontoret (TK) i Göteborg genomför med jämna mellanrum (se figur 6.4 nedan). Dock finns
det inte material tillgängligt för alla studerade sträckor och inte separat för de båda riktningarna.
Därför har medelvärden för de båda riktningarna jämförts med TKs mätningar. Vidare är TKs
värden medianvärden för mätningar över hela dygnet, vilket medför att alla fordon, även de som
inte kan köra i sin ”egen” hastighet på grund av framförvarande, kommer med i materialet. I vissa
fall kan hastighetsbeteendet också ha ändrats sedan TKs mätningar genomfördes och det är inte
säkert att TKs mätningar har gjorts i exakt de punkter där den högsta medelhastigheten inträffar.
21 Karlgren, 2001, s 115-116.

De mätningar som gjorts inom ramen för detta projekt är inte avsedda att spegla medel för alla
fordon över hela dygnet, varför det av naturliga skäl blir skillnader mellan resultaten.
Högsta
medelhast.
Högsta
medelhast.
Trafikkontorets
(TK) mätning
(samt årtal)
Skillnad högsta
medelhast. Ny
Skillnad högsta
medelhast.
Simulering - TK
Skillnad
medelhast.
Formel - TK
Gatusträcka
Ny metod Simulering
Formel
medelhast.
metod - TK
Nordhemsgatan södra 27,54 26,60 22,85 20 (2002) 7,54 6,60 2,85
Kobbarnas väg 40,14 38,78 40,89 38 (1999) 2,14 0,78 2,89
Fridkullagatan södra 48,69 45,95 42,89 42 (2002) 6,69 3,95 0,89
Fridkullagatan norra 46,38 45,49 44,56 44 (2002) 2,38 1,49 0,56
Gibraltargatan 47,50 44,65* 45,30 43 (2003) 4,50 1,65 2,30
Norra Gubberogatan 45,58 44,43 42 (1996) 3,58 2,43
Medel: 4,47 2,89 1,99
Figur 6.4 Sammanställning av jämförelse mellan hastighetsvärden producerade inom detta projekt (medel för båda
riktningarna) och de mätningar av alla fordon över hela dygnet som Trafikkontoret i Göteborg genomfört (årtal för
mättillfället är angivet intill medianhastigheten).
(*) Det värde som anges i kolumnen Högsta medelhastighet Simulering för Gibraltargatan är inte
baserat på simulering (eftersom den gatan studerades inriktat mot den nya metoden) utan på en
äldre mätning med den ursprungliga metoden.
Av tabellen ovan kan vi utläsa att det skiljer i medeltal 4,5 km/h mellan TKs punktmätningar av
hastighet och den högsta medelhastigheten över aktuell gatusträcka, baserat på endast de fordon
som ej råkade ut för hastighetspåverkande händelser. Detta är en stor, men inte förvånande
skillnad. Vi ser också att det i medeltal skiljer ungefär 2 km/h mellan TKs mätningar och de värden
som erhålles med formeln för medelhastighet som presenterades i avsnitt 5.2 ovan. Även denna
skillnad får betraktas som väntad. Om vi istället räknar i procent så utgör värdena från TKs
mätningar i medeltal 94 % av värdena som formeln genererar. Fler jämförelser av den här typen
skulle dock behövas för att vi ska vara helt säkra på att värdena från formeln i avsnitt 5.2 ska
multipliceras med just 0,94 för att resultera i ett värde som är jämförbart med det som vanliga
punktmätningar ger.
Jämförelse av trafikmängd enligt föreliggande studie och enligt Trafikkontorets mätningar
Nedan jämförs de värden som togs fram inom detta projekt med hjälp av videofilmer med
resultaten från de mätningar som Trafikkontoret (TK) har genomfört. Även här finner vi givetvis
skillnader, i första hand beroende på att TKs mätningar avser medeltrafikmängden för hela vardagsdygn,
men även för att vissa mätningar är något gamla och inte alltid utförda på exakt samma
platser som de i föreliggande studie. Nedan visas en sammanställning i tabellform. I diagrammet
längre ned visas hur dessa två sätt att mäta trafikmängder förhåller sig till varandra.
Gatusträcka
Fordon per h,
summa båda rikt,
medel för sträcka
Antal fordon per
årsmedelvardagsdygn
enligt TK Årtal
Föreningsgatan 107 3600 2002
Viktor Rydbergsgatan 217 2600 2004
Såggatan 159 2900 2002
Nordhemsgatan södra 113 1600 2002
Kobbarnas väg 191 3000 2004
Fridkullagatan södra 335 7200 2002
Fridkullagatan norra 430 9500 2002
Gibraltargatan 523 6700 2004
Geijersgatan 216 4100 2002
Norra Gubberogatan 357 5000 2000
Figur 6.5 Sammanställning av trafikmängder enligt föreliggande studie och enligt TK.
45

Antal fordon per ÅMVD enligt TK
Figur 6.6 Illustration av samband mellan Trafikkontorets värden för antal fordon per årsmedelvardagsdygn och de
värden som tagits fram inom ramen för detta projekt.
För att göra om de värden för trafikmängd som tagits fram inom detta projekt till ”vanlig”
trafikmängd (antal fordon per årsmedelvardagsdygn) ska man enligt formeln i diagrammet ovan
multiplicera värdet för summan av de båda sträckorna med 14,7 och lägga till 716. Omvänt, för att
göra om vanlig trafikmängd till antal passerande per timme, vid de tider som mätningarna genomförts,
multipliceras den vanliga trafikmängden med 0,047 och 46,3 läggs till. Vi får dock inte
glömma att R 2 för sambandet inte är högre än 0,7. Mätningar med respektive metod är att föredra
framför att beräkna värdet med hjälp av formeln.
Jämförelse med rapporter genomgångna i litteraturstudien
I bilaga 2 har bifogats den litteraturstudie som detta projekt inleddes med. Där redovisas ett antal
diagram, i vilka en rad formler för hur hastigheten varierar med olika variabler visualiseras. Avsikten
här är att jämföra resultaten från föreliggande studie med dem som redovisas i litteraturstudien.
Först behöver vi ta fram medelvärden för de variabler som ingår i formeln från avsnitt 5.2, så att vi
kan låta endast en variabel i taget bestämma hastigheten. Följande medelvärden gäller:
Korsande gc per h och 100 m gata 84,81
Passerande fordon per h 115,5
Körbanans medelbredd 4,77
Parkerade fordon i medel per 100 m gata 4,06
Passerande gc på trottoar/körbana per h 59,15
Medelbredd trottoar - hus 5,65
Till att börja med undersöker vi körbanans medelbredd. Om vi sätter in medelvärden istället för alla
variabler utom för Körbanans medelbredd, blir formeln för medelhastighet följande (x=körbanans
medelbredd): 16,24+(3,94*(x-0,127))+7,060-2,520-2,409+2,078 vilket även kan skrivas som:
20,449+(3,94*(x-0,127). För att vi ska kunna jämföra med övriga studier översätter vi medeltrafikmängden
(115,5) till ”vanlig” trafikmängd, vilket blir ungefär 4100 fordon per årsmedelvardagsdygn.
Inom ramen för detta projekt har körbanebredder mellan 3,35 och 6,41 meter studerats,
vilket innebär gatubredder mellan 6,7 och 12,8 meter. Om vi vill att trafikmängden istället ska vara
3000 ska variabeln trafikmängd sättas till 93,65. Detta ger att konstanten 20,449 ska minskas till
19,115. När vi jämför detta med resultaten från de rapporter som diskuteras i litteraturstudien får vi
fram följande diagram.
46
10000
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
y = 14,74x + 716,47
R 2 = 0,70
0 100 200 300 400 500 600
Fordon per h, summa båda riktningarna, medel för sträcka

Medelhastighet i km/h
65
60
55
50
45
40
35
30
25
20
15
10
5
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Daisa & P eers, 1997 (8,2 - 12,8 m) Faro uki & Nixo n, 1976 (5,2 - 11 m)
Gatubredd i m
Clark, 1985, medelvärden Clark, 1985, 200 m lång gata, 3000 ådt
Karlgren, 2005, 4100 ådt Karlgren, 2005, 3000 ådt
Figur 6.7 Visualisering av olika resultat om samband mellan medelhastighet och gatubredd.
Som vi ser i diagrammet skiljer sig föreliggande studie något från den som är gjord närmast i tid
(Daisa & Peers, 1997) och ännu mer från dem som är äldre. Detta kan bero på många olika saker,
bland annat vad det är man menar med medelhastighet och hur de olika variablerna är definierade,
vilket inte har varit tydligt i de rapporter som här refereras till. Ytterligare ett diagram för hastighet
presenterades i litteraturstudien, avseende 85-percentilen istället för medelhastighet. För att kunna
översätta de värden för hastighet som genereras av formeln i föreliggande studie till 85-percentil
krävs först en undersökning av hur stor denna skillnad i normala fall är. En snabb genomgång av
hastighetsmaterial från tidigare studier 22 ger att medelhastigheten vanligtvis är 82 procent av 85percentilen.
När vi använder detta och tar in de värden modifierade för att ge 85-percentiler i
diagrammet får vi följande resultat.
85-percentil i km/h
65
60
55
50
45
40
35
30
25
20
15
10
5
0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
Daisa & P eers, 1997 (8,2 - 12,8 m) Pau & Angius, 2001 (körbanebredd 3,15 - 7,2 m) Gatubredd i m
Poe & M ason, 1995 (2 korsningar, 4 infarter) Poe & M ason, 1995 (4 korsningar, 8 infarter)
Karlgren, 2005, 4100 ådt Karlgren, 2005, 3000 ådt
Figur 6.8 Visualisering av olika resultat om samband mellan 85-percentil och gatubredd.
22 Se Karlgren, 2001 och Karlgren, 1999. Skillnader mellan medelhastighet och 85-percentil på 11 olika gator (19 olika sträckor) ligger till
grund för detta värde. Skillnadens storlek beror i första hand på standardavvikelsen.
47

Även här ser vi att resultaten från föreliggande studie ligger väl i linje med de senast genomförda
övriga studier, speciellt Pau & Angius, 2001. Återstår gör nu att jämföra med de studier som
presenteras i litteraturgenomgången avseende samband mellan trafikmängd och medelhastighet. För
att kunna göra detta måste vi återigen ändra på den formel vi använde ovan. Om vi låter
körbanebredden vara 4,5 meter, så att gatan blir 9 meter bred och i övrigt använder medelvärdena,
får vi följande samband mellan medelhastighet och trafikmängd: 16,24+17,23+x*0,061-2,520-
2,409+2,078 där x är trafikmängd i antal fordon per timme. För att kunna använda fordon per
årsmedelvardagsdygn istället för fordon per timme i båda riktningarna ska x multipliceras med
0,047 och därefter adderas med 46,3. Formeln gäller för trafikmängder mellan 2300 till 8400. Om vi
dessutom förenklar något får formeln följande utseende: 30,619+(0,061*((x*0,0235+46,3)). När vi
för in det i det diagram som återfinns i figur 8 i litteraturstudien blir resultatet följande.
Medelhastighet i km/h
Figur 6.9 Visualisering av olika resultat om samband mellan medelhastighet och trafikmängd.
Här ser vi att det inte finns stora likheter mellan resultatet från föreliggande rapport och de två
övriga studierna, troligen beroende på olikheter i urval av gator. Vidare bör man vara försiktig i
tolkningen av det samband som visas ovan. Det är inte säkert att medelhastigheten skulle minska
bara för att trafikmängden minskar på en gata. Sambandet kanske istället ska ses som att passerande
fordon är av en viss mängd delvis på grund av att hastigheten är på en viss nivå. Och denna nivå
kanske bestäms av faktorer som gatuutformning, var i nätet gatan ligger, vad den har för funktion
m m. På detta sätt kan vi resonera kring flera av de i denna rapport studerade variabler.
6.2 Felkällor och metodproblem
Felkällor
En vanlig källa till fel är naturligtvis direkta mätfel vad avser hastigheten. I detta fall torde dessa
dock vara små, då metoden för datainsamling är väl beprövad och dokumenterad. På vissa sträckor
är dock det statistiska underlaget något klent vilket resulterat i att konfidensintervallet där överstigit
± 3 km/h. Detta gäller i första hand de sträckor som endast studerades vid ett tillfälle eller där stor
andel av fordonen råkade ut för hastighetspåverkande händelser. Som diskuterades i avsnittet ovan
48
65
60
55
50
45
40
35
30
25
20
15
10
5
0
0
250
500
750
1000
1250
Daisa & Peers, 1997 (fordon per h, 10% av dygn, 200-1500 ådt)
Clark, 1985, medelvärden
Clark, 1985, 200 m lång gata, 9 m bred
Karlgren, 2005, 9 m bred
1500
1750
2000
2250
2500
2750
3000
Trafikmängd ådt

ör viss försiktighet iakttas vad gäller att översätta de uppmätta medelhastigheterna på sträckan till
verkliga medelhastigheter som gäller för hela dygnet.
Ett sätt att komma till rätta med eventuella avvikelser i hastighetsbeteende till följd av dagsaktuella
händelser är att sprida ut mätningarna. Som beskrivs i avsnitt 4.2 ovan var det viss skillnad i
medelhastighet på Viktor Rydbergsgatan mellan de olika mätningarna. Att det skiljer så mycket som
5 km/h i medelhastighet mellan två mätningar som utförs under likvärdiga förhållanden är, så vitt
jag varit med om, mycket ovanligt. Tyvärr har det inte varit möjligt att sprida ut de olika
mätningarna så mycket som skulle vara önskvärt och vissa gator (Gibraltargatan, Geijersgatan och
Norra Gubberogatan) har endast studerats vid ett tillfälle. Alltså finns här ett visst utrymme för fel,
men det är svårt att uppskatta i vilken omfattning de kan påverka de slutliga resultaten. Eventuella
framtida kompletterande mätningar kan förhoppningsvis eliminera dessa eventuella fel.
En annan källa till fel är dokumentation och kodning av händelsedata, då dessa utförts med hjälp av
videofilm som är filmad inifrån mätfordonet. Bristande bildkvalitet och snävt synfält i kombination
med ibland svåra ljusförhållanden medförde att det i vissa fall var svårt att bedöma händelserna och
för vilka fordon de egentligen inträffade. Vid några få tillfällen har det även hänt att bilister, till
synes utan anledning, kört onormalt långsamt (se exempel på detta i hastighetsprofilen för
Fridkullagatans norra delen, sydgående trafik, i Bilaga 1). I dessa fall har de utvalda händelserna som
kan registreras inte ”räckt till” utan en kommentar har fått läggas till. Om ingen anledning till det
långsamma körbeteendet har kunnat hittas, har fordonet fått vara kvar i materialet tills de slutliga
analyserna.
Avgränsning
En annan mycket viktig aspekt i denna typ av sammanhang är hur man avgränsar det område som
ska studeras. Som exempel kan nämnas Viktor Rydbergsgatan, där mätområdet börjar strax söder
om en refug där många fotgängare korsar gatan. Om mätområdet istället skulle ha börjat 20 meter
längre norrut så skulle antalet korsande fotgängare per timme och 100 m gata minska väsentligt. På
liknande sätt kan man resonera kring de flesta av de geografiska avgränsningar som gjorts inom
ramen för detta projekt. Denna typ av problem blir extra tydlig för variabler som inte relaterats till
gatulängden, såsom andel genomfartstrafik.
Naturligtvis kan detta vara en betydande källa till fel, speciellt när olika studier, med olika sätt att
avgränsa områden, jämförs med varandra. Det är också en felkälla som är mycket svår att hantera
på annat sätt än vara tydlig i hur de studerade områdena avgränsats.
6.3 Slutsatser och slutdiskussion
Vald modell
Vi kan konstatera att det finns ett tydligt samband mellan den uppmätta hastigheten på de
studerade gatorna och deras geometriska utformning samt olika trafikmängder. Detta samband,
som gäller medelhastigheten över studerad sträcka, ser ut enligt följande modell (R2=0,92): Medelhastighet = 16,24
-0,030 * antal korsande fotgängare och cyklister per timme och meter gata
+0,061 * antal passerande fordon per timme i aktuell riktning
+3,942 * (körbanans medelbredd i meter - (antal parkerade fordon i medeltal per 100 m gata / 32))
-0,041 * antal passerande fotgängare och cyklister på aktuell körbana samt på närliggande trottoar/gc-bana, per timme
+0,368 * medelbredd i meter från närliggande trottoarkant till hus/träd (max avstånd 10 meter)
49

Resultaten från denna studie ligger också i linje med tidigare genomförda studier. För att kunna
översätta den medelhastighet som modellen ovan resulterar i till vad som erhålles av en traditionell
punktmätning, ska medelhastigheten multiplicera med ett tal i närheten av 0,94. Detta är dock
baserat på ett något klent underlag, och kompletterande studier behövs för verifikation.
Detta samband beskriver relationen mellan variablerna på de studerade sträckorna och den
hastighet som uppmätts. Om ytterligare ett antal gator skulle ha ingått i studien skulle modellens
utseende säkerligen förändras något. Relationen är inte heller resultatet av regelrätta experiment där
de olika variablerna en efter en förändras och eventuella effekter studeras. Vi kan alltså inte vara
säkra på åt vilket håll relationen är giltig eller på vad som skulle hända om någon variabel
förändrades. Modellen ska således i första hand användas för att skapa ytterligare förståelse för
varför hastigheten blir si eller så på en viss gata. Modellen kan även användas för att ta fram ett
ungefärligt värde på vad medelhastigheten är på en viss gata, så länge det rör sig om en gata med
ungefär liknande förhållanden som de som ingått i denna studie. Dock är det tveksamt om
modellen kan användas för att ta reda på vad medelhastigheten kan förväntas bli på en gata om
man exempelvis med olika åtgärder minskar trafikmängden med 20 %. Enligt modellen ska medelhastigheten
då minska med 2-6 % beroende på trafikmängd. Detta är svårt att hålla för troligt.
Alternativa modeller
I inledningen nämndes en avsikt att nå fram till praktiskt användbar kunskap om eventuella
samband mellan gatugeometri och hastighet. För att resultaten ska vara praktiskt användbara har
alternativa modeller, med färre variabler, tagits fram. Dessa kan ses som alternativ till att ange
medelvärdena från sidan 46 ovan för de variabler man ej känner till. Den första består därför endast
av trafikmängd och körbanebredd. Justerad R2 blev 0,696. Notera att p-värdet för Konstant blev
förhållandevis högt samtidigt som dess koefficient blev låg.
Koefficienter Standardfel t-kvot p-värde Nedre 95% Övre 95%
Konstant 7,471801 4,369815 1,709867 0,099676 -1,52799 16,4716
Trafikmängd 0,072662 0,012523 5,802142 4,76E-06 0,046869 0,098454
Körbanebredd 4,797974 0,83558 5,742091 5,54E-06 3,077067 6,518881
I nästa modell tar vi även in Parkerade fordon i medeltal per 100 meter gata. Bäst justerad R 2
(0,715) får vi om vi låter konstanten som vi dividerar antal parkerade fordon med vara 19.
Koefficienter Standardfel t-kvot p-värde Nedre 95% Övre 95%
Konstant 7,281433 4,176212 1,74355 0,093525 -1,31963 15,8825
Trafikmängd 0,07293 0,012125 6,014765 2,78E-06 0,047958 0,097903
Bredd-park/19 5,05828 0,833219 6,070769 2,41E-06 3,342234 6,774325
Nästa variabel vi testar att ta med är Korsande gc per timme och 100 meter gata. Modellen nedan
visar det bästa sambandet och det ger justerad R 2=0,894.
Koefficienter Standardfel t-kvot p-värde Nedre 95% Övre 95%
Konstant 25,7921 3,738097 6,899796 3,9E-07 18,07705 33,50715
Trafikmängd 0,044275 0,008583 5,158709 2,78E-05 0,026562 0,061989
Bredd-park/15 2,742558 0,617332 4,442598 0,000171 1,468448 4,016669
Korsande-gc -0,05306 0,008049 -6,59269 8,08E-07 -0,06967 -0,03645
Samma modell som ovan, men utan Parkerade fordon, ser ut enligt nedan (justerad R 2=0,885).
Denna modell får kanske ses som den mest precisa i relation till antal variabler, och den som blir
enklast att hantera rent praktiskt.
Koefficienter Standardfel t-kvot p-värde Nedre 95% Övre 95%
Konstant 26,3077 3,951212 6,658132 6,91E-07 18,1528 34,4626
Trafikmängd 0,043452 0,008911 4,876003 5,69E-05 0,02506 0,061845
Körbanebredd 2,519744 0,621704 4,052961 0,000461 1,236609 3,802878
Korsande-gc -0,05425 0,00835 -6,49778 1,02E-06 -0,07149 -0,03702
50

Följande modell, med Passerande gc på trottoar/körbana per timme, istället för Korsande gc per
timme och 100 meter gata, ger justerad R 2=0,853.
Koefficienter Standardfel t-kvot p-värde Nedre 95% Övre 95%
Konstant 6,441293 3,046793 2,114123 0,045085 0,153023 12,72956
Trafikmängd 0,086067 0,009079 9,479804 1,38E-09 0,067329 0,104805
Körbanebredd 5,562544 0,599302 9,281699 2,06E-09 4,325645 6,799443
Mängd gc-tot -0,07038 0,013387 -5,25732 2,17E-05 -0,09801 -0,04275
Om vi även tar in Parkerade fordon i modellen ovan blir den enligt följande (justerad R 2=0,863):
Koefficienter Standardfel t-kvot p-värde Nedre 95% Övre 95%
Konstant 6,342508 2,931512 2,163562 0,040675 0,292165 12,39285
Trafikmängd 0,085916 0,008771 9,795039 7,35E-10 0,067813 0,104019
Bredd-park/30 5,727335 0,590914 9,692333 9,02E-10 4,507749 6,946922
Mängd gc-tot -0,06858 0,012887 -5,32189 1,84E-05 -0,09518 -0,04199
Om vi byter ut Passerande gc på trottoar/körbana per timme mot Medelbredd trottoar – hus, blir
justerad R 2=0,728 och både Konstant och den nya variabeln får för höga p-värden, varför den
modell förkastats.
Förkastade variabler
Av de rent geometriska variablerna kan vi förkasta Andel slutet gaturum höger sida som
förklarande för vilken hastighet passerande bilister väljer att hålla. Vidare verkar Gaturummets
medelhöjd höge sida, så som den mäts i detta projekt, inte påverka hastigheten nämnvärt. Däremot,
när gaturumshöjden sätts i relation till gaturummets bredd (variabeln Förhållande rumshöjd–rumsbredd)
och jämförs med hastigheten, kan vi se ett visst samband (se figur 5.2 ovan). Om vi tittar på
diagrammen i Bilaga B1.4 som visar detta samband ser vi dock att det i första hand är en
gatusträcka, Nordhemsgatans södra, norrgående riktning, som är orsak till sambandet. Utan denna
sträcka sänks R2 från 0,19 till 0,11. Vid försök att ta in denna variabel i den regressionsmodell som
beskrivs i avsnitt 5.2 ovan, blir det också tydligt att den inte tillför något, utan snarare försämrar
modellen.
Flera variabler för att beskriva gatans och gaturummets bredd har tagits fram och dessa visar alla ett
visst samband med hastigheten, förutom Närliggande trottoars medelbredd. Dock ingår denna
variabel i Medelbredd trottoar – hus. Variabeln Gaturummets medelbredd höger sida utgörs av
Medelbredd trottoar – hus och Körbanans medelbredd. Även om korrelationen är stark mellan
denna variabel och hastigheten (R 2=0,32) så har den inte tagits med i regressionsmodellen. Detta
beror på att de två variablerna som den utgörs av gör större nytta var för sig och att det inte får
finnas några dubbleringar i modellen.
Variabeln Riktningsvinkel per 100 meter gata kan eventuellt tas med i en regressionsmodell (se
resonemang i avsnitt 5.2 ovan) genom att körbanans medelbredd minskas med Riktningsvinkel/X
där X är en konstant som bör vara omkring 150. Variabeln kan alltså inte förkastas helt, även om
den inte uppvisar starkt samband med hastigheten som ensam variabel. Eventuellt skulle den
tillföra mer om definitionen av den preciserades något. Detta får bli ett ämne för framtida
forskning.
Variabeln Parkerade fordon i medel per 100 meter gata ser inte ut att ha något samband med
hastigheten alls, varken i figur 5.2 ovan, i diagrammen i Bilaga 1 eller i analysen i avsnitt 4.2 ovan.
Dock kan den hanteras på samma sätt som diskuterades för variabeln Riktningsvinkel ovan. Detta
utreds grundligare i avsnitt 5.1 ovan.
51

Enligt diagrammen i Bilaga 1 verkar det inte finnas något samband mellan hastighet och variabeln
Passerande gc på trottoar/körbana per timme. Dock blir variabelns p-värde mycket lågt när den tas
in i en regressionsmodell, varför den inte kan förkastas. Kanske beror dess betydelse i regressionsmodellen
på rena tillfälligheter – det får i så fall senare studier utvisa.
Flera av variablerna som rör trafikmängder (Inkörande och avkörande per timme och 100 meter
gata, Parkeringsomsättning och Andel genomfartstrafik) uppvisar nästan inga samband alls med
hastigheten, vilket kan te sig något förvånande. Detta beror dock troligen på att de fordon som
skulle ha påverkats av dessa variabler har tagits bort ur materialet. För att parkeringsomsättningen
ska påverka hastigheten krävs att de studerade fordon som tvingats bromsa för ett fordon som
håller på att parkera, ingår i materialet. Så har inte varit fallet och det är heller inte denna typ av
variabler som varit denna studies huvudintresse.
Variabeln Möte/omkör fotg/cykel på trottoar i medel ser inte heller ut att påverka hastigheten. I
kapitel 4, där varje händelses betydelse för hastigheten på respektive gatusträcka analyserades,
kunde vi dock se att den hade en hastighetsdämpande effekt på några sträckor. Dock var det på fler
sträckor som den inte alls påverkade hastigheten. Av dessa orsaker förkastas variabeln.
Ytterligare en variabel analyserades på en mer generell nivå – Möte med annat fordon. Effekten av
denna händelse diskuteras dock utförligt i avsnitt 4.1 varför det här endast nämns att det verkar
som att möte med annat fordon har viss hastighetsdämpande effekt.
Slutord
Detta projekt har resulterat i delvis ny kunskap om samband mellan hastighet och gatans utformning
och händelser på gatan. Det finns en tydlig koppling mellan hastighet och körbanebredd som
bör kunna utnyttjas. Möjligheten att tillåta kantstensparkering kan också användas för att smalna av
körbanans bredd och tränga ihop gaturummet. Vidare borde de händelser som uppstår till följd av
tillåten kantstensparkering ha viss hastighetsdämpande effekt, men man bör också ta med i
beräkningarna den ökning i olycksrisk som kantstensparkering kan utgöra.
Att vidta åtgärder för att få ned medelhastigheten kan ge en lugnare trafikrytm över hela gatan och
dess omgivning. Huruvida detta verkligen påverkar de fordon som kör mycket för fort, och som
ofta orsakar oro hos passerande fotgängare och andra trafikanter är dock oklart. Min egen
erfarenhet, från omkring 1500 timmars fältstudier totalt, säger mig att en liten del av bilisterna (eller
motorcyklisterna) kommer att fortsätta köra så fort de kan med avseende på gatans geometri och
eventuella hinder. På en gata utan direkta hinder brukar det alltid vara någon som kör fortare än 70
km/h (ibland betydligt fortare) om mätningar utförs under några timmars tid. Om det däremot
finns farthinder tvingas även dessa ned i hastighet, åtminstone temporärt.
Att helt förlita sig på de variabler som ingår i den slutliga modellen – körbanans medelbredd,
parkeringsdensitet, trafikmängd, antal korsande och passerande fotgängare och cyklister samt
medelbredd mellan trottoarkant och närmaste hus/träd – för att säkerställa att ingen bilist kör
fortare än exempelvis 40 km/h verkar tyvärr svårt. Att däremot styra medelhastigheten, och även i
viss mån 90-percentilen, torde vara fullt möjligt att göra med hjälp av dessa variabler – speciellt med
körbanebredden. Och om vi genomför detta på mer än några få gator, kommer förhoppningsvis
detta med tiden även att påverka den lilla skara trafikanter som kör mycket för fort och som orsakar
en stor del av olyckorna och den upplevda otryggheten i trafiken.
52

7 Referenser
Abbot, P G et al. 1995. The environmental assessment of traffic management schemes: a litterature review. TRL
Report 174, Transport Research Laboratory, Crowthorne.
Andersson, Göran; Jorner, Ulf & Ågren, Anders. 1994. Regressions- och tidsserieanalys. Studentlitteratur,
Lund.
Clark, Jeffrey E. 1985. ”High speeds and volumes on residental streets: an analysis of physical street
characteristics as causes in Sacramento, California” i: 1985 Compendium of Technical Papers, Institute of
Transportation Engineers, pp. 93–96. Washington, DC, 1985.
Cloke, J et al, 1999. Traffic calming: environmental assessment of the Leigh Park area safety scheme in Havant.
TRL Report 397, Transport research laboratory, Crowthorne UK.
Daisa, J M & Peers, J B. 1997. ”Narrow Residential Streets: Do They Really Slow Down Speeds?” i:
ITE Annual Meeting Compendium, 1997. Institute of Transportation Engineers, Washington (DC).
Farouki, Omar T & Nixon, William J. 1976. ”The effect of the width of suburban roads on the
mean free speeds of cars” i: Traffic Engineering & Control, December 1976, pp 518-519.
Finch, D J et al. 1994. Speed, speed limits and accidents. TRL Project Report PR58, Department of
transport, Transport research laboratory, Crowthorne.
Hedström, Ragnar. 1999. Miljöeffekter av 30 km/h i tätort – med avseende på avgasutsläpp och buller. VTI
meddelande 869, Väg- och transportforskningsinstitutet, Linköping.
Karlgren, Joachim. 1999. Bilisters hastighetsanpassning i fyra 30-zoner i Stockholm – del 2: eftersituation,
resultat och analys. Rapport STACTH 1999:5, Avdelningen för Stads- och trafikplanering,
Institutionen för Stadsbyggnad, Chalmers tekniska högskola, Göteborg.
Karlgren, Joachim. 2001. Bilars hastighet längs gator med gupp – metod för framställning av hastighetsprofiler
och analys av hastighetsförlopp. Doktorsavhandling. Rapport 2001:1, Tema Stad & Trafik, Chalmers
tekniska högskola, Göteborg.
Karlgren, Joachim. 2004. Bilisters hastighetsval – studier på Röda vägen och Dammgatan i Borlänge med hjälp
av kontinuerliga hastighetsmätningar. Arbetspapper. Tema Stad & Trafik, Chalmers tekniska högskola,
Göteborg.
Mackie, A & Webster, D. 1995. ”Monitoring of 20 mph zones” i: Traffic management and road safety,
Proceedings of Seminar G of the 23rd European Transport Forum. University of Warwick, 11-15 September
1995. Volume P394. PTRC Educational and Research Services, Ltd, United Kingdom.
Pau, Massimiliano & Angius, Silvano. 2001. ”Do speed bumps really decrease traffic speed? An
italian experience” i: Accident Analysis and Prevention, 33 (2001), pp 585-597.
Poe, Christopher M & Mason, John M Jr. 1995. ”Geometric design guidelines to achive desired
operation speed on urban streets” i: 1995 Compendium of Technical Papers, Institute of Transportation
Engineers, pp 70–74. Washington, DC, 1995.
53

Trafikkontoret Göteborg. 2004. Trafikolycksutvecklingen i Göteborg 1990-2003. Varför har olyckorna
minskat? PM av Lennart Adolfsson, tillgängligt (2005-03-14) på www.trafikkontoret.goteborg.se/
nyheter/pdf/Trafikolycksutvecklingen_1990-2003.pdf
Trafikkontoret Göteborg. 2005. Uppgifter om gatornas trafikmängder och hastigheter kommer från
http://www.trafikkontoret.goteborg.se (besökt 2005-02-03).
54

Bilaga 1
B1.1 Kartor med de studerade gatorna
Figur B1:1 Del av Göteborg (karta från Gula Sidorna). Följande gator är markerade med fet linje (från vänster
till höger): Såggatan, Nordhemsgatan, Geijersgatan och Gibraltargatan.
Figur B1:2 Del av Göteborg (karta från Gula
Sidorna). Följande gator är markerade med fet linje
(uppifrån och ned): Viktor Rydbergsgatan, Fridkullagatan.
Figur B1:3 Del av Göteborg (karta från Gula
Sidorna). Följande gator är markerade med fet linje
(från vänster till höger): Kobbarnas väg, Norra
Gubberogatan.
B1.2 Fotografier från de studerade gatorna
Gatorna presenteras i samma ordning som i kapitel 2 (dock finns det inte extra fotografier för alla
gator). I bildtexten anges det datum som fotografiet togs.
55

Föreningsgatan
Viktor Rydbergsgatan
Figur B1:5 Viktor Rydbergsgatan norrut, 2003-05-
26.
Såggatan norra
Figur B1:7 Såggatan, norra delen, söderut. 2004-03-
15.
56
Figur B1:4 Föreningsgatan
västerut, från
mätplatsen. Containern
längst bort i bild var
placerad strax utanför
mätområdet men påverkade
troligen de passerande
fordonen även
när de var inom den
studerade sträckan.
2004-03-17.
Figur B1:6 Viktor Rydbergsgatan norrut. 2004-03-
16.
Figur B1:8 Såggatan, norra delen, norrut. 2004-07-
21.

Såggatan södra
Figur B1:9 Såggatan södra delen, söderut. 2004-03-16. Figur B1:10 Såggatan södra delen, norrut. 2004-07-
21.
Nordhemsgatan, norra
Kobbarnas väg
Figur B1:11 Gatstensbeläggning och visuell avsmalning på Nordhemsgatans
norra del, söderut. 2004-07-21.
Figur B1:12 Kobbarnas väg norrut. 2004-04-29.
57

Fridkullagatan
Figur B1:13 Fridkullagatan, södra delen, norrut.
2004-07-22.
Norra Gubberogatan
Figur B1:15 Norra Gubberogatan, söderut. 2004-12-
16.
B1.3 Hastighetsprofiler
Nedan visas hastighetsprofiler för de sträckor som ingått i denna studie. De båda trafikriktningarna
för varje sträcka representeras av var sitt diagram, där varje enskilt fordon som ingått i de slutliga
analysera i kapitel 5, representeras av en kurva. X-axeln utgörs av avståndsmått i meter. Y-axeln
utgörs av hastighet i km/h. Omfånget på X-axeln är olika för de olika sträckorna. Y-axelns omfång
är 10-70 km/h, med några få undantag (Fridkullagatan södra, norrgående och Gibraltargatan
norrgående).
I diagrammen finns även en fet (röd) kurva som representerar medelhastigheten för de fordon som
syns i diagrammet. Där så varit möjligt har två sträckor presenterats på samma sida. Vidare har
kurvorna för de enskilda fordonen förskjutits något i Y-ledet, olika mycket för varje fordon, för att
de inte ska hamna rakt ovanpå varandra (vilket skulle innebära att man inte skulle kunna få någon
uppfattning om hur många fordon det egentligen var som körde i 42 km/h mitt på Viktor
Rydbergsgatan). Detta har enbart en visuell betydelse, det har inte påverkat medelhastigheten eller
övriga värden på något sätt. Dock är några av kurvorna för de sträckor med flest studerade fordon,
förskjutna upp till 1,9 km/h.
58
Figur B1:14 Fridkullagatan, norra delen, söderut.
2004-07-22.
Figur B1:16 Norra Gubberogatan, söderut. 2004-12-
15.

Föreningsgatan
N
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120
25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120
59

Viktor Rydbergsgatan
60
N
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125

Såggatan norra
N
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
20 25 30 35 40 45 50 55 60 65 770
75 80 85 90 95 100 105 110 115 120
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
20 25 30 35 40 45 50 55 60 65 70 7 75 80 85 90 95 100 105 110 115 120
61

Såggatan södra
62
N
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
30 35 40 45 50 55 60 65 70 75 8
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
80 85 90 95 100 105 110 115 120 125 130 135 140 145
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
30 35 40 45 50 55 60 65 70 75 80 8 85 90 95 100 105 110 115 120 125 130 135 140 145

Nordhemsgatan
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
N
15 20 25 30 35 40 45 50 55 60 65 70
15 20 25 30 35 40 45 50 55 60 65 70
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
0 5 10 15 20 25 30 35 40 45 50 55 60
0 5 10 15 20 25 30 35 40 45 50 55 60
63

Kobbarnas väg
64
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
25 30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135

Fridkullagatan södra
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140 145 150 155 160
72
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140 145 150 155 160
65

Fridkullagatan norra
66
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140 145 150 155
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140 145 150 155

Gibraltargatan
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140
74
72
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
40 45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140
67

Geijersgatan
68
N
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105
30 35 40 45 50 55 60 65 70 75 80 85 90 95 100 105

Norra Gubberogatan
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
70
68
66
64
62
60
58
56
54
52
50
48
46
44
42
40
38
36
34
32
30
28
26
24
22
20
18
16
14
12
10
45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140 145
45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125 130 135 140 145
69

B1.4 Diagram med korrelation mellan hastighet och övriga
variabler
Nedan redovisas punktdiagram med tillhörande trendlinje, formel och R 2-värde, som visar samband
mellan hastighet och de variabler som redovisas i figur 5.1 ovan och vars R 2-värde diskuteras i
anslutning till figur 5.2 ovan. För diagrammen nedan gäller att Y-axeln på diagrammen i den vänstra
kolumnen visar Medel medelhastighet (km/h) och i den högra kolumnen Medel högsta hastighet
(km/h).
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
70
y = 4,59x + 16,85
R 2 = 0,34
0 1 2 3 4 5 6 7 8 9 10
Körbanans medelbredd (m)
y = 1,06x + 35,11
R 2 = 0,02
0 1 2 3 4 5 6 7 8 9 10
Närliggande trottoars medelbredd (m)
y = 1,26x + 31,61
R 2 = 0,17
0 1 2 3 4 5 6 7 8 9 10
M edelbredd trottoar - hus (m)
y = 1,52x + 22,87
R 2 = 0,32
0 2 4 6 8 10 12 14 16 18 20
Gaturummets medelbredd höger sida (m)
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
y = 3,91x + 23,53
R 2 = 0,28
0 1 2 3 4 5 6 7 8 9 10
Körbanans medelbredd (m)
y = 0,94x + 38,95
R 2 = 0,02
0 1 2 3 4 5 6 7 8 9 10
Närliggande trottoars medelbredd (m)
y = 1,24x + 35,17
R 2 = 0,19
0 1 2 3 4 5 6 7 8 9 10
M edelbredd trottoar - hus (m)
y = 1,42x + 27,33
R 2 = 0,32
0 2 4 6 8 10 12 14 16 18 20
Gaturummets medelbredd höger sida (m)

60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
y = -0,36x + 42,38
R 2 = 0,08
0 2 4 6 8 10 12 14 16 18 20 22
Gaturummets medelhöjd höger sida (m)
y = -0,09x + 46,28
R 2 = 0,08
y = -3,48x + 42,87
R 2 = 0,19
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0
Förhållande rumshöjd-rumsbredd
0 10 20 30 40 50 60 70 80 90 100
Andel slutet gaturum höger sida (%)
y = -0,12x + 40,91
R 2 = 0,08
0 10 20 30 40 50 60 70 80 90 100
Riktningsvinkel per 100 m gata
y = 0,13x + 37,46
R 2 = 0,02
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32
Inkörande per h och 100 m gata
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
y = -0,33x + 45,53
R 2 = 0,08
0 2 4 6 8 10 12 14 16 18 20 22
Gaturummets medelhöjd höger sida (m)
y = -0,09x + 49,59
R 2 = 0,08
y = -3,23x + 46,01
R 2 = 0,19
0,0 0,5 1,0 1,5 2,0 2,5 3,0 3,5 4,0 4,5 5,0
Förhållande rumshö jd-rumsbredd
0 10 20 30 40 50 60 70 80 90 100
Andel slutet gaturum höger sida (%)
y = -0,12x + 44,39
R 2 = 0,09
0 10 20 30 40 50 60 70 80 90 100
Riktningsvinkel per 100 m gata
y = 0,10x + 41,24
R 2 = 0,01
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32
Inkörande per h och 100 m gata
71

60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
72
y = 0,23x + 36,61
R 2 = 0,04
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Avkörande per h och 100 m gata
y = -0,13x + 40,01
R 2 = 0,03
0 5 10 15 20 25 30 35 40 45 50
P arkeringsomsättning
y = -0,01x + 39,39
R 2 = 0,00
0 50 100 150 200 250 300
P asserande GC på trottoar/körbana per h
y = -0,08x + 45,88
R 2 = 0,77
0 50 100 150 200 250 300
Ko rsande GC per h och 100 m gata
y = 0,07x + 30,70
R 2 = 0,35
0 50 100 150 200 250 300
Passerande fordon per h
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
y = 0,19x + 40,42
R 2 = 0,03
0 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30
Avkörande per h och 100 m gata
y = -0,12x + 43,38
R 2 = 0,03
0 5 10 15 20 25 30 35 40 45 50
P arkeringsomsättning
y = -0,01x + 42,80
R 2 = 0,00
0 50 100 150 200 250 300
P asserande GC på trottoar/körbana per h
y = -0,08x + 49,01
R 2 = 0,80
0 50 100 150 200 250 300
Ko rsande GC per h och 100 m gata
y = 0,07x + 34,13
R 2 = 0,39
0 50 100 150 200 250 300
Passerande fordon per h

60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
y = 0,41x + 0,49
R 2 = 0,09
0 10 20 30 40 50 60 70 80 90 100
Andel genomfartstrafik (%)
y = 0,04x + 38,56
R 2 = 0,00
0 2 4 6 8 10 12 14 16 18 20
Parkerade fordon i medel per 100 m gata
y = -4,04x + 39,79
R 2 = 0,04
0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0
Möte/omkör fotg/cykel på trottoar i medel
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
60
55
50
45
40
35
30
25
20
15
10
5
0
y = 0,42x + 3,61
R 2 = 0,10
0 10 20 30 40 50 60 70 80 90 100
Andel genomfartstrafik (%)
y = 0,01x + 42,12
R 2 = 0,00
0 2 4 6 8 10 12 14 16 18 20
Parkerade fordon i medel per 100 m gata
y = -3,54x + 43,09
R 2 = 0,03
0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,4 1,6 1,8 2,0
M öte/omkör fotg/cykel på trottoar i medel
73

Bilaga 2 Litteraturstudie
Här återges den litteraturstudie som genomfördes och avrapporterades hösten 2002. Vissa mindre
ändringar av redaktionell karaktär har gjorts.
B2.1 Inledning
I januari 2002 erhöll undertecknad medel från Vägverkets ramprojekt ”TS:10 Utveckling och
utvärdering av trafiksäkerhetssystem och trafiksäkerhetsåtgärder” för att genomföra en litteraturstudie
som ska utgöra den första etappen i forskningsprojektet ”Bilisters hastighetsval i relation till
gatans och omgivningens geometriska egenskaper” (numera ”Bilisters hastighetsval i relation till
gatans och omgivningens utformning – studier med hjälp av kontinuerliga hastighetsmätningar”).
Avsikten med etappen är att komma fram till ett preliminärt urval av variabler som kan tänkas
påverka bilisters val av hastighet på en viss gata. Detta ska göras med hjälp av en genomgång av
befintlig litteratur inom detta kunskapsfält. I första hand är det studier där hastighet har satts i
relation till gators geometriska egenskaper över en längre sträcka, som har varit av intresse. Således
har ingen uppmärksamhet ägnats åt gupp, tillfälliga avsmalningar och liknande. Dessa typer av
åtgärder diskuteras utförligt i Karlgren (2001, kap 2).
B2.2 Litteratursökningen
Litteratur har sökts på internet vid större organisationers söktjänster (TRB, ITE, TRL, VTI,
Vägverket o s v) samt i flera större sökdatabaser (TRIS Online, Ei Compendex, NTIS, Dissertation
Abstracts Online, o s v) med hjälp av bibliotekarie vid Chalmers bibliotek.
I första hand har följande sökord har använts: street*, speed*, ”geometric design”, ”street design”,
”speed reduction”, ”speed measurement”, measure*, narrow*, width. Följande ord, eller varianter
av dem, kan ha förekommit (jag har inte utfört alla sökningar själv): geometry, behaviour, (traffic)
safety, accident frequency/reduction, speed control.
B2.3 Begrepp och enheter
Determinationskoefficienten (R 2) ”är ett mått på förklaringsgraden”. ”Tolkningen av R 2=0,972 är
att ca 97% av variationen /---/ förklaras av regressionssambandet” (Andersson et al, 1994, s 84-86).
Om exempelvis sambandet mellan gupps lutning och deras hastighetsdämpande effekt har ett
R 2=0,64 så innebär det att guppets lutning förklarar 64% av sambandet, d v s till 64% är det
guppets lutning som är orsaken till att hastigheten blir som den blir vid guppet.
Ett annat vanligt värde i dessa sammanhang är korrelationskoefficienten ”r”. Detta värde beskriver
hur mycket observationerna avviker från ett perfekt linjärt samband. ”r” varierar mellan -1 och 1,
där ett minustecken indikerar ett negativt samband. Ju närmare 1 eller -1 som korrelationskoefficienten
hamnar, desto starkare är sambandet. Vid enkel, linjär regression erhålles determinationskoefficienten
R 2 genom kvadrering av korrelationskoefficienten ”r” (ibid).
I vissa formler anges hastighet i miles per hour (mph). En mile är ungefär 1,61 km vilket ger att 20
mph är 32,2 km/h, 25 mph är 40,2 km/h och 30 mph är 48,3 km/h. Vidare används feet i vissa
formler. En foot är ungefär 0,30 m.
74

B2.4 Avsmalning, gatubredd
Det finns en uppsjö av studier som kommer fram till att studerad avsmalning av körbanan inte haft
någon hastighetsdämpande effekt. De avsmalningar som i dessa fall har studerats kan dock sällan
anses vara speciellt smala i relation till hur bred en vanlig personbil är (ca 1,8 m) och ofta rör det sig
om visuella avsmalningar (d v s utförda med målade linjer). Marconi (1977) anger att det inte
uppstod någon hastighetsdämpande effekt (95-percentilen minskade inte) när körfälten med målade
linjer smalnades av till som minst 3,4 meter. Marconi resonerar att avsmalningar ned till 7 eller 9
feet (2,13 eller 2,74 meter) kanske skulle ha större hastighetsdämpande effekt. Lum (1984) redovisar
ett försök där man med målade heldragna linjer smalnat av körfälten till 2,74 meter (genom att
skapa ett 1,2 m brett cykelfält mellan körfält och trottoar). Detta hade dock ingen dämpande effekt
på medelhastigheten alls. En amerikansk studie från 1990 (Ballard) visar att avsmalning av körfälten
från 6,4 m till 4,0 m, genom målade linjer 2,4 m från trottoarkanten, inte hade någon dämpande
effekt alls (hastigheten ökade på lika många mätplatser som den minskade).
Många studier är inte utformade som regelrätta före- och efterstudier utan gjorda som jämförelser
mellan ett antal gator med liknande egenskaper men olika gatubredder. Flera sådana studier visar att
körfältsbredden, eller bredden mellan trottoarerna, inte har något direkt samband med medelhastigheten
(se exempelvis Gattis, 1999). Å andra sidan finns det naturligtvis studier som visar att
det finns samband mellan körbanebredd/körfältsbredd och hastighet. En sådan är Farouki &
Nixon (1976) vars studie visar på ett linjärt samband mellan körfältsbredd och hastighet (se figur 1
nedan med data från mätningar i Belfast). En formel baserad på deras egna mätningar blir: medelhastighet
= 2,78 * gatubredd + 30,27.
Figur B2:1. Samband mellan körfältsbredd och hastighet (Farouki & Nixon, 1976). De fyllda
punkterna visar resultat från en tidigare utförd studie. Författarna refererar till Moore, R L. 1969.
”Some human factors affecting the design of vehicles and roads” i: J Inst Highway Engrs, 16 (8),
August 1969, pp 13-22.
En studie utförd i San Francisco (Daisa & Peers, 1997) visar tydliga samband mellan medelhastighet
och gatubredd (trottoarkant till trottoarkant), men författarna har grupperat gatorna i fem olika
”breddklasser” och jämfört medelhastigheten för varje klass (d v s för alla gator i den breddklassen)
med varje klass gatubredd (se figur 2 nedan). Det blir alltså endast fem punkter som ligger till grund
för R 2-värdet vilket är en av anledningarna till att det blir så högt som 0,90.
75

Figur B2:2. Samband mellan gatubredd och hastighet (Daisa & Peers, 1997).
Författarna nämner att medelhastigheterna för varje enskild gata inom varje breddklass är betydligt
mer spridda och att korrelationen inte är lika hög där. Om regressionslinjen i diagrammet översätts
till formel, med mått i km/h och meter, så blir medelhastigheten = 0,853 * gatubredd + 33,68. När
motsvarande sammanställning i diagramform görs för 85-percentiler, visar det sig att spridningen
blir större (R 2=0,78). Om punkterna i diagrammet studeras känns verkar det dock tveksamt om det
finns något samband över huvudtaget. Formeln, baserat på diagrammet ovan, blir: 85-percentil =
0,915 * gatubredd + 38,84.
I samma studie undersöks även samband mellan medelhastighet och trafikvolym (se figur 3). Lägre
trafikmängd resulterade i högre hastighet (R 2=0,60). Vidare undersöktes samband mellan medelhastighet
och parkeringsdensitet (antal fordon per längdenhet). Även här fanns ett samband, om än
inte lika starkt som för gatubredden (R 2=0,59). Om regressionslinjen i diagrammet nedan översätts
till en formel, med mått i km/h och fordon per timme, och ”opposing volume” dubblas för att
gälla båda riktningarna, blir medelhastigheten = -0,118 * trafikmängd per timme + 53,45. Normalt
brukar man säga att trafikmängden för maxtimmen är 12% av dygnets trafikmängd. Om vi utgår
från att mätningarna gjorts ganska nära maxtimmen kan vi räkna med att värdet motsvarar 10% av
dygnets trafikmängd. Då får vi samma formel men -0,0118 istället för –0,118.
Författarna diskuterar också begreppet ”effektiv gatubredd” med vilket de avser den faktiska
gatuytan som blir kvar om man tar hänsyn till parkerade bilar (se figur 3 nedan).
76

Figur B2:3. Samband mellan trafikmängd och medelhastighet. Effektiv gatubredd på en smal gata
med låg parkeringsdensitet, vilket enligt författarna skapar en måttligt trafiklugnande effekt (Daisa
& Peers, 1997).
En italiensk studie, i första hand avsedd för att utröna mindre farthinders hastighetsdämpande
effekt, resulterade i följande formel för relationen mellan 85-percentilen och den totala körfältsbredden:
S = 19,19 + 6,29 LW (R 2 = 0,49), där S är 85-percentilen i km/h och LW är körfältsbredd
i meter (Pau & Angius, 2001).
Ett av huvudproblemen med de studier som presenterats ovan är att de i första hand hanterar
medelhastighet, eller ibland 85-percentil, vilket inte så väl speglar förhållandena när det är lägre
trafikintensitet och få möten uppstår. För att god hastighetsdämpande effekt ska uppstå krävs
troligen att det frekvent uppstår möten på gatan, så att bilisten tvingas ta hänsyn till gatubredden
(annars kan man köra mitt i gatan). Om möten inte uppstår så känns gatan inte smal om det bara är
en målad linje i mitten. Det skulle krävas trottoarkanter eller refuger på båda sidor om bilisten för
att gatan verkligen skulle kännas smal, eller att det uppstår möten i princip hela tiden.
B2.5 Siktsträcka
I flera studier dras slutsatsen att raka gator leder till höga hastigheter (bl a Szplett & Butzier, 1999).
Dock har jag inte sett att någon av dessa särskilt har studerat denna gatuegenskap i tätbebyggt
område. De studier som gjorts rör oftast amerikanska trafikleder.
B2.6 Gatans längd mellan korsningarna
Fitzpatrick m fl (1997) använder sig av ett mått som de kallar ”approach density”, vilket de
definierar som antal korsningar och uppfarter per km gata. I studien, som i första hand berörde
hastighetsanpassning vid kurvor på huvudleder, kom de fram till att antalet korsningar och uppfarter
inte påverkar hastigheten (85-percentil) så länge frekvensen ligger mellan 3 och 15 per km.
I en studie från 1983 kommer författaren fram till ett samband mellan gatans längd (mellan
korsningar) och hastighet. Om gatulängden är under 200 m och över 50 m så ökar medelhastigheten
med 0,1 km/h per meter gata (se figur 4 nedan). Enligt studien är medelhastigheten som mest
30 km/h om gatan är 50 m lång och 45 km/h om den är 200 m (Bennet, 1983). Omgjort till en
formel, blir det för gatulängderna 60-225 m: medelhastighet = 0,09 * gatulängd + 26. För gatulängderna
225-525 m blir motsvarande formel: medelhastighet = 0,01 * gatulängd + 44.
77

Figur B2:4. Samband mellan gatans längd och medelhastighet (Bennet, 1983).
B2.7 Multivariabla analyser
Några studier visar att gatans kurvatur står i direkt samband med passerande fordons hastighet.
Enligt Poe & Mason (1995, s 73) ser sambandet mellan 85-percentilen och ”grad av kurvatur”
(förkortat som DC i formeln) för gator med 85-percentiler under 70 km/h ut enligt följande: 85percentilen
= 65 - 0,52*DC + 0,002*DC 2 (R 2 = 0,89). I samma artikel redovisas även en modell
som tar hänsyn till alla undersökta variabler. Dessa var körfältsbredd (LW), antal korsningar (IN),
antal uppfarter till bostäder (DR), (absolut) stigningsgrad (G), samt grad av fara, vilket är ett mått på
antal påkörningsbara hinder inom 1,5 meter från vägkanten, samt hur farliga de anses vara (HZ).
Modellen blev följande: 85-percentilen = 61,7 – 0,23*(DC) – 0,52*(G) – 0,82*(HZ) – 2,66*(IN) –
1,08*(DR) + 0,15*(LW). Determinationskoefficienten (R 2) blev 0,67 för den modellen. Högst grad
av signifikans hade grad av kurvatur, grad av fara och stigningsgrad. Hur de olika variablerna
definierats framgår ej av artikeln. I vad som verkar vara en fördjupning av ovan nämnda studie
kommer Poe, Tarris & Mason (1998) fram till en ett antal regressionsmodeller för olika egenskaper
och hur många procent av hastighetsvariationen som dessa modeller förklarar (R 2). Fem olika
modeller skapades och dessa slogs sedan samman till en gemensam. Denna gemensamma modell
förklarade 75% av hastighetsvariationen.
De fem olika modellerna, vilka variabler de har baserats på samt respektive modells förklaringsgrad:
Linjeföring, baserat på ”critical design speed”, kurvatur, tillgängligt ”stoppsynfält”, tillgängligt
”beslutsfattandesynfält”, absolut stigningsgrad (69%).
Gatans tvärsektion, baserat på ”road configuration”, körfältsbredd, skevning, trottoartyp och
ytbeläggning (29%).
Gatans sidoparti, baserat på grad av fara (i det här fallet avstånd till hinder vid sidan av gatan
och hur farliga de anses vara), markanvändning, antal uppfarter till bostäder, antal korsningar
och närhet till stadskärnan (24%).
Trafikövervakning (55%). Författarna säger att förklaringsgraden för denna variabel är överskattad.
Förare/fordon (5%).
78

Enligt en annan amerikansk studie (Clark, 1985) blir medelhastigheten på en gata (i mph): 3,36 +
11,9L 0,13 + 0,05W + 0,28V 0,50 + 3,43 e 0,05X. L är gatans längd i miles mellan korsningarna. W är
gatans bredd i feet mellan trottoarkanterna. V är antal passerande fordon per dygn. X beskriver
trottoarförhållandena, där trottoar på båda sidor motsvaras av 1, ingen trottoar är 2 och trottoar på
vissa sträckor är 3. Sambandet, som är baserat på mätningar på 248 gator i och omkring
Sacramento, California, resulterade i ett R 2-värde på 0,14 vilket innebär att det nästan inte finns
något samband alls. Medelvärdena för de olika variablerna var: längd – 853 m; bredd – 11,62 m;
volym – 1635 st. I diagrammen nedan (fig 5, 7, 8) har jag använt värde 1 för trottoar, vilket alltså
motsvarar trottoar på båda sidor av gatan.
En omfattande australiensisk studie, baserad på mätningar från 55 olika platser, kom fram till att
gatans längd och trafikflöde hade störst förklaringsvärde, av de alla undersökta variabler, för
medelhastigheten på en gata. För 85-percentilen hade även gatubredden stort förklaringsvärde
(Armour, 1982).
B2.8 Övrigt
Andel genomfartstrafik i relation till andel trafik med lokalt mål, kan tänkas ha viss påverkan på
hastigheten. Speciellt bilister som söker parkeringsplats tenderar att köra betydligt långsammare än
övriga. Andel parkeringssökande torde bestämmas av var i staden gatan finns och tillgång till
parkeringsplatser längs gatan. Dock skilde det endast 3-5 km/h när medelhastigheten för alla
studerade fordon jämfördes med enbart genomfartstrafikens medelhastighet i en amerikansk studie
(Gattis & Watts, 1999). I medeltal för de 8 studerade sträckorna utgjorde den rena genomfartstrafiken
79 % av den totala trafiken (andelen varierade mellan 45 och 100 %).
B2.9 Diskussion
En viktig aspekt, som nämns i Smoker et al (1996) är att bilisters val av hastighet inte enbart baseras
på förhållandena de närmaste metrarna framför. Även förhållandena som just passerats och de som
är lite längre fram inom synfältet, påverkar valet. Detta kan tyckas vara självklart när man diskuterar
geometriska, objekt såsom farthinder, sidoförskjutningar och relaterar det till att fordonen alltid
accelererar efter objekten har passerats. Dock är det inte lika självklart när det gäller övriga
variabler, och det kanske är så att effekten avtar med avståndet (eller tiden). Detta skulle i så fall
innebära den påverkan på bilisters val av hastighet som gatan och dess omgivning har i en viss
punkt, kanske till 10 % beror på det som passerades för 100 m sedan, till 20 % på det som
passerades för 50 m sedan o s v. Med detta tankesätt skulle eventuellt ännu större precision i
modellerna kunna erhållas.
Av de olika variabler som presenterats ovan verkar det som att gatubredd och längd mellan
korsningar är de som studerats mest utförligt. Även samband mellan hastighet och trafikmängd har
studerats, men man är inte överens om huruvida ökad trafikmängd har ökande eller minskande
effekt på hastigheten (delvis beroende på olika syften med studierna). I diagrammen nedan
visualiseras de olika forskningsresultaten så att de lättare kan jämföras med varandra.
79

80
Medelhastighet i km/h
65
60
55
50
45
40
35
30
25
20
15
10
5
0
0
1
2
3
4
5
6
7
8
Daisa & Peers, 1997 (8,2 - 12,8 m)
Farouki & Nixon, 1976 (5,2 - 11 m)
Clark, 1985, medelvärden
Clark, 1985, 200 m lång gata, 3000 ådt
9
10
11
12
13
14
15
Gatubredd i m
Figur B2:5. Visualisering av olika resultat om samband mellan medelhastighet och gatubredd.
Värdena inom parenteserna för Daisa & Peers och Farouki & Nixon anger inom vilka gatubredder
som studien utförts. För Clark har två grafer redovisats. I den svarta har den studiens medelvärden
angivits för i de variabler som inte ska illustreras (gatans längd och trafikmängd). I den vita grafen
har värden för en vanlig svensk stadsgata använts.
85-percentil i km/h
65
60
55
50
45
40
35
30
25
20
15
10
5
0
0
1
2
3
4
5
6
7
8
9
Daisa & Peers, 1997 (8,2 - 12,8 m)
Pau & Angius, 2001 (körbanebredd 3,15 - 7,2 m)
Poe & Mason, 1995 (2 korsningar, 4 infarter)
Poe & Mason, 1995 (2 korsningar, 8 infarter)
Poe & Mason, 1995 (4 korsningar, 8 infarter)
10
11
12
13
14
15
Gatubredd i m
Figur B2:6. Visualisering av olika resultat om samband mellan 85-percentil och gatubredd. För Poe
& Mason har tre olika grafer presenterats. I deras formel ska värden för antal korsningar och
infarter/utfarter på gatan anges. Dock är det oklart vad som menas med en gata i detta
sammanhang.
I de två diagrammen ovan blir det mycket tydligt hur viktig gatubredden är för hastigheten enligt
olika undersökningar. Enligt vissa formler ökar hastigheten nästan inte alls med gatubredden. En
detalj som kanske är av intresse är att europeiska studier har resulterat i betydligt kraftigare lutning
på grafen än de amerikanska. En kraftigare lutning innebär att gatubredden tilldelas större vikt
avseende bilisters val av hastighet, än vad en flackare graf gör.

Medelhastighet i km/h
65
60
55
50
45
40
35
30
25
20
15
10
5
0
0
50
100
150
200
250
300
Bennet, 1983
Clark, 1985, medelvärden
Clark, 1985, 9 m bred gata, 3000 ådt
350
400
450
500
550
Gatulängd i m
Figur B2:7. Visualisering av olika resultat om samband mellan medelhastighet och gatulängd. Det är
oklart vad som menas med gatulängd i Clarks studie.
Medelhastighet i km/h
65
60
55
50
45
40
35
30
25
20
15
10
5
0
0
250
500
750
1000
1250
Daisa & Peers, 1997 (fordon per h, 10% av dygn, 200-1500 ådt)
Clark, 1985, medelvärden
Clark, 1985, 200 m lång gata, 9 m bred
1500
1750
2000
2250
2500
2750
3000
Trafikmängd ådt
Figur B2:8. Visualisering av olika resultat om samband mellan medelhastighet och trafikmängd. I
den svarta grafen för Clarks formel har värden för en vanlig svensk stadsgata använts. En sådan är
normalt 11 m bred, men för att få lite större skillnad från Clarks medelvärde (11,62 m) valdes 9 m.
Av de två diagrammen ovan kan vi klargöra att låg trafikvolym har stor dämpande effekt på
medelhastigheten enligt Clark, medan motsatt gäller enligt Daisa & Peers. Dock bör vi komma ihåg
att Daisa & Peers studie inriktade sig på att ta reda på vad olika parkeringsdensitet betydde för
hastigheten. Deras studier gjordes på förhållandevis smala gator med parkerade fordon längs gatan
och små trafikmängder. Då möten uppstår blir det också trångt för bilisterna vilket leder till sänkt
hastighet, och det är detta som grafen i diagrammet ovan speglar.
81

B2.10 Preliminärt urval av variabler
Denna litteraturgenomgång har resulterat i följande preliminära urval av variabler som kan tänkas
påverka bilisters val av hastighet på en viss gata:
körbanebredd, körfältsbredd,
avstånd mellan korsningar (gatans längd),
antal infarter/utfarter längs sträckan (eller per längdenhet)
trafikmängd
parkeringsdensitet
Utöver dessa variabler har jag dragit slutsatserna att även nedanstående variabler är av intresse för
studien:
andel genomfartstrafik
parkeringsomsättning (andel parkeringssökande trafik)
siktsträcka och hur bilistens synfält förändras längs gatan
avstånd mellan omgivande huskroppar i relation till hushöjd,
Den sistnämnda variabeln har inte kommit fram som en följd av denna litteraturgenomgång, men
jag anser ändå att det bör undersökas om/hur detta förhållande påverkar bilisters val av hastighet.
Av min tidigare forskning har det framkommit att förhållandet mellan trafikmängden på den gatan
som studeras och trafikmängden på den gata som korsar, verkar ha viss betydelse för hastigheten
(Karlgren, 1999, s 83). Korsningens hastighetsdämpande effekt verkar bli större ju mer trafik det är
på den korsande gatan. Detta är dock något som inte är helt klarlagt och fler studier behövs innan
ett tydligt samband kan preciseras. Ytterligare något som bör klarläggas är hur hastigheten kan
variera över tider på dygnet, med olika väderlekar och med övriga siktförhållanden. Detta är något
som olika pilotstudier får utvisa. Eventuellt kommer studier även att göras med avseende på hur
hastigheten kan variera mellan olika städer. Kör man i allmänhet fortare i Göteborg än i Alingsås?
Som denna litteraturgenomgång visat är det dock många faktorer som påverkar bilisters val av
hastighet, varför det inte är helt oproblematiskt att studera den variabeln.
B2.11 Referenser
Andersson, Göran; Jorner, Ulf & Ågren, Anders. 1994. Regressions- och tidsserieanalys. Studentlitteratur,
Lund.
Armour, M. 1982. ”Vehicle speeds on residental streets” i: The eleventh ARRB conference, University of
Melbourne, 23-27 August 1982. Volume 11 – proceedings – part 4, Australian road research board.
Ballard, Andrew J. 1990. ”Efforts to control speeds on residental collector streets” i: 1990
Compendium of Technical Papers, Institute of Transportation Engineers, pp. 92–95. Washington, DC, 1990.
Bennet, G T. 1983. ”Speeds in residental areas” i: The highway engineer. The journal of the institution
of highway engineers & HTTA. July 1983, No. 7.
Clark, Jeffrey E. 1985. ”High speeds and volumes on residental streets: an analysis of physical street
characteristics as causes in Sacramento, California” i: 1985 Compendium of Technical Papers, Institute of
Transportation Engineers, pp. 93–96. Washington, DC, 1985.
82

Daisa, James M & Peers, John B. 1997. ”Narrow residental streets: do they really slow down
speeds?” i: ITE Annual Meeting Compendium, 1997, pp 546-551. Washington (DC): Institute of
Transportation Engineers
Farouki, Omar T & Nixon, William J. 1976. ”The effect of the width of suburban roads on the
mean free speeds of cars” i: Traffic Engineering & Control, December 1976, pp 518-519.
Fitzpatrick, Kay; Shamburger, C Brian; Krammes, Raymond A & Fambro, Daniel B. 1997.
”Operating speed on suburban arterial curves” i: Transportation Research Record 1579. Transportation
Research Board.
Gattis, J L. 1999. ”Urban street cross section and speed issues” i Urban street symposium: Conference
proceedings, Dallas, Texas, June 28-30, 1999. Transportation Research Board, Transportation Research
Circular E-C019.
Gattis, J L & Watts, Austin. 1999. ”Urban street speed related to width and functional class” i:
Journal of Transportation Engineering, May/June 1999, pp 193-200.
Karlgren, Joachim. 1999. Bilisters hastighetsanpassning i fyra 30-zoner i Stockholm – del 2: eftersituation,
resultat och analys. Rapport STACTH 1999:5, Avdelningen för Stads- och trafikplanering,
Institutionen för Stadsbyggnad, Chalmers tekniska högskola, Göteborg.
Karlgren, Joachim. 2001. Bilars hastighet längs gator med gupp – metod för framställning av hastighetsprofiler
och analys av hastighetsförlopp. Doktorsavhandling, Tema Stad & Trafik, Arkitektur, Chalmers tekniska
högskola.
Lum, Harry S. 1984. ”The use of road markings to narrow lanes for controlling speed in residental
areas” i: ITE Journal/juni 1984.
Marconi, William. 1977. ”Speed control measures in residental areas” i: Traffic Engineering. Vol. 47,
March 1977, pp. 28–30.
Pau, Massimiliano & Angius, Silvano. 2001. ”Do speed bumps really decrease traffic speed? An
italian experience” i: Accident Analysis and Prevention, 33 (2001), pp 585-597.
Poe, Christopher M & Mason, John M Jr. 1995. ”Geometric design guidelines to achive desired
operation speed on urban streets” i: 1995 Compendium of Technical Papers, Institute of Transportation
Engineers, pp 70–74. Washington, DC, 1995.
Poe, Christopher M; Tarris, Joseph P; Mason, John M Jr. 1998. ”Operating speed approach to
geometric design of low-speed urban streets” i International Symposium on Highway Geometric Design
Practices, Aug 30 - Sept 1, 1995. Transportation Research Board, Transportation Research Circular E-
C003.
Smoker, Marlon D; Tarris, Joseph P & Mason, John M Jr. 1996. ”Relationship between zonal
variables and individual vehicle speeds on low-speed urban streets” i: 1996 Compendium of Technical
Papers, Institute of Transportation Engineers, pp 341–345. Washington, DC, 1996.
Szplett, David & Butzier, David. 1999. ”Designing speed controlled subdivisions without road
humps” presented at: ITE International Conference, Kissimmee (FL), March 1999.
83