Vil selvkjørende biler løse byenes trafikkproblemer?

Det er stor usikkerhet om drivstofforbruk og utslipp, men hvis bilene har forbrenningsmotor kan utslippene i verste fall øke litt. Antall ulykker vil gå ned, men også her er det usikkert hvor mye.

I min første artikkel om selvkjørende biler nevnte jeg at mange byer håper at selvkjørende biler vil føre til mer delemobilitet og dermed mindre trafikk.

Hvis vi tror at de sammenhenger vi historisk sett har funnet mellom vegkapasitet, trafikkmengde og reisetid fortsatt vil gjelde, er det mer sannsynlig at overgang til selvkjørende biler vil gi mer trafikk enn at det vil gi mindre trafikk.

I prosjektet LEVITATE er flere av de mulige virkningene av selvkjørende biler beskrevet i form av dose-responskurver av den typen som er vist i figur 1.

Figur 1: Dose-responskurver for kapasitet i kryss. Kilde: Elvik mfl. 2020

I figur 1 er andelen selvkjørende biler avsatt vannrett. Den er null i dag. De to kurvene viser hvordan kapasiteten i rundkjøringer og signalregulerte kryss vil utvikle seg når andelen selvkjørende biler øker til 100 %. Dagens kapasitet er satt lik 100.

Kurvene viser en økning i kapasitet på 30–40 % når alle biler er selvkjørende. Kurvene bygger på trafikksimuleringer.

Økt kapasitet kommer av at selvkjørende biler vil kjøre tettere enn førerstyrte biler, reagere fortere og kunne kommunisere med hverandre.

Det forutsettes ikke at de selvkjørende bilene er koblet sammen som kolonner («platoons») i byer, fordi det er mange kryss og derfor umulig å lage lange bilkolonner.

Økt kapasitet = økt trafikk

Vi vet at økt vegkapasitet nesten alltid gir nyskapt trafikk. I LEVITATE er det antatt at nyskapt trafikk fyller opp 75 % av den økte vegkapasiteten.

Man sitter med andre ord igjen med en netto økning av vegkapasitet, og dette gir kortere reisetid.

Kortere reisetid er også en faktor som kan gi økt trafikk, men i analysene i LEVITATE er det forutsatt at økt vegkapasitet er den eneste faktoren som skaper mer trafikk.

Reisetiden kan oppleves som mindre bortkastet i en selvkjørende bil enn i en førerstyrt bil, fordi den reisende slipper å konsentrere seg om kjøringen. Dermed forsvinner ett av kollektivtransportens konkurransefortrinn, nemlig at du som passasjer kan slappe av eller arbeide og ikke behøver å bruke din tid på å styre et kjøretøy.

Høyst sannsynlig vil derfor selvkjørende biler svekke kollektivtransportens konkurranseevne.

Fordelene ved å kunne bruke reisetiden til avslapning eller arbeid er størst når man er alene i bilen og ikke deler den med andre. Det er mulig å arbeide også i et kollektivt transportmiddel, og mange gjør det i dag. Men du har færre kilder til distraksjon i din egen bil, som dessuten bringer deg fra dør-til-dør, noe kollektive transportmidler sjelden gjør.

Det eneste som kan gjøre delemobilitet mer attraktivt er at selvkjørende biler blir såpass mye dyrere enn dagens biler at mange finner at de må dele kostnadene med andre.

Så langt vi vet i dag, vil en selvkjørende bil bli dyrere å kjøpe, men billigere å ha i drift enn dagens biler.

Usikre virkninger

Figur 1 er enkel. Det er få datapunkter i den og de to kurvene passer svært godt til datapunktene. De fleste resultater av trafikksimuleringer der man modellerer selvkjørende biler spriker langt mer enn resultatene i figur 1. I slike tilfeller er det i LEVITATE forsøkt å ta hensyn til usikkerheten i resultatene ved å føye tre kurver til de datapunktene som finnes:

1. En «beste anslag» kurve som, så godt det lar seg gjøre, går midt gjennom de datapunkter som finnes.
2. En «øvre anslag» kurve som ligger i nærheten av de øverste datapunktene i en figur.
3. En «nedre anslag» kurve som ligger i nærheten av de nederste datapunktene i en figur.

Jo større avstanden er mellom øvre og nedre kurve, desto mer usikre er virkningene av selvkjørende biler. Det handler her ikke om statistisk usikkerhet, men om usikkerhet knyttet til de antakelser man gjør i trafikksimuleringer.

Disse kan variere mellom ulike studier, eksempelvis når det gjelder hvor tett etter hverandre selvkjørende biler antas å kjøre, hvor fort de akselererer, hvor kraftig de bremser, hvilken reaksjonstid de tekniske systemene har, hvor store bilene er, og så videre.

Tabell 1 viser beregnede virkninger av selvkjørende biler i byer, angitt som prosentvise endringer ved 20, 40, 60, 80 og 100 % andeler.

Tabell 1: Prosentvise endringer i trafikkmengde, reisetid, drivstofforbruk og ulykker i byer ved økt utbredelse av selvkjørende biler

Trafikkmengden kan ventes å øke. Reisetiden blir litt kortere, men hvis nyskapt trafikk fyller opp hele økningen i vegkapasitet, blir det ingen reisetidsbesparelse.

Usikkerheten om endringer i drivstofforbruk er svært stor, med et beste utfall når alle biler er selvkjørende på 57 % nedgang og et verste utfall på 3 % økning.

Antall ulykker er beregnet å gå ned med 27 % når alle biler er selvkjørende, men også her er usikkerheten stor, fra 41 % til 7 % nedgang.

Det er ennå ikke funnet gode løsninger på hvordan selvkjørende biler skal samhandle med gående og syklende. Disse problemene vil bli drøftet i neste artikkel i serien om selvkjørende biler.

Ingen revolusjon

De virkninger som er oppgitt i tabell 1 kan knapt kalles revolusjonerende. De bare forsterker trender.

Eksempelvis kan en ulykkesnedgang på 27 % trolig oppnås allerede i dag ved å sette ned fartsgrensen fra 50 til 30 km/t der det ferdes gående og syklende og ved å utstyre bilene med gammel og velprøvd teknologi som alkolås og intelligent fartstilpasning (ISA).

En nedgang i drivstofforbruk på 12 % er heller ikke imponerende og kan ventes å skje selv om ingen biler blir selvkjørende.

Hva så med delemobiliteten? Kan man ikke da kvitte seg med mange biler og utnytte de som er igjen mer effektivt? Jo, det er fullt mulig. Men det blir ikke nødvendigvis mindre trafikk av det.

I dag er en bil parkert 23 av 24 timer. En delt bil vil kanskje kjøre rundt i gatene 16 av 24 timer. Færre biler ja, men hver av dem oppholder seg mer i trafikken.

Det er ikke gitt at gatene blir tommere for biler enn de er i dag.

Referanse

Elvik, R., Meyer, S. F., Hu, B., Ralbovsky, M., Vorwagner, A., Boghani, H. 2020. Methods for forecasting the impacts of connected and automated vehicles. Deliverable D3.2 of the Horizon 2020 project LEVITATE.