Beskrivning av JRC:s modell om försäljning av lätta fordon med olika drivlinor i EU fram till 2050
Magnus Karlström
2016-06-14
Joint Research Centre (JRC) har gjort en modell för att räkna ut marknadsandelar för olika drivlinor för lätta fordon i alla 28 EU-länder under perioden 1995-2050. JRC ska stödja Europeiska kommissionen med evidensbaserade studier för att undersöka förslag om EU policy.
Modellen heter Powertrain Technology Transition Market Agent Model (PTTMAM) och är en simuleringsmodell som använder en agentbaserad metod, som innebär ungefär att olika aktörsgrupper beslut modelleras och sedan finns det en återkoppling mellan olika beslut.
PTTMAM är en grov modell, men det är intressant för den försöker inkludera många samband samt att den antagligen kommer användas för att studera olika EU policy förslag.
Det är möjligt att använda PTTMAM för att studera policyförslag enbart på nivån Sverige.
När Mikael Askerdal bevakade Transport Research Arena (TRA) 2016, såskrev han om PTTMAM. Han berättade att JRC också kommer göra en en liknande studie för tunga fordon.
Personligen tycker jag PTTMAM är intressant för den ger en checklista för oss på OMEV vilka faktorer vi bör bevaka.
JRC:s modell för att förutsäga konsekvenser av styrmedel på försäljning av alternativa fordon och drivmedel
skrivet av Magnus Karlström
Powertrain Technology Transition Market Agent Model (PTTMAM) studerar interaktionen och påverkan mellan olika marknadsaktörer för att förutsäga marknadsandel av olika drivlinor för lätta vägfordon för varje EU-medlemsland under perioden 1995 till 2050 [1-3].
Det finns fyra marknadsaktörer i modellen. De är myndigheter, fordonstillverkare, användare samt bränsleinfrastrukturaktörer. Varje aktörsgrupp tar beslut som påverkar andra grupper samt hela modellens resultat.
Myndigheter bestämmer t ex nivå på subventioner, skattesatser, emissionsnivåer och skrotningspremier.
Fordonstillverkare bestämmer t ex vilka fordon de ska tillverka, vad de ska forska på, de sätter priser samt investerar i produktionskapacitet.
Användargruppen bestämmer t ex total efterfrågan på fordon, vilka drivlinor de köper baserat på deras preferenser samt hur de använder fordonen och när de skrotar fordonen.
Infrastrukturgruppen bestämmer t ex hur många laddstationer eller tankstationer de bygger.
De flesta beslutet modelleras fram matematiskt baserat på beslutsmodeller för hur t ex användarna tänker när de köper fordon. Det finns mer än 1500 parametrar i modellen. De här parametrarna räknas fram i ekvationer eller är givna indata i modellen. JRC har i en bakgrundsrapport grovt beskrivit hur de gör beslutsmodellerna [1].
Det finns feedback i modellen. Ett exempel är t ex att ökade subventioner till att bygga publika laddstationer ökar byggnationen av laddpunkter som i sin tur ökar bekvämligheten att äga en laddbil och det ökar intresset hos användarna att köpa en laddbil.
JRC har t ex i ett scenario testat vad en ökning av antal publika laddpunkter per laddbil får för konsekvenser i olika länder. I en presentation från 2016 visar de att total andel laddbilar är mellan 25% till 35% år 2050 för hela EU beroende på om antal publika laddpunkter per laddbil är 1 till 1 eller 1 till 100 [3].
Det får dock konsekvenser för hur dyrt det blir i subventioner från myndigheterna. Det blir t ex ca 12 gånger dyrare för staten att se till att det bli 1 till 1 i jämförelse med 1 till 10 [3].
Resultaten är preliminära och jag tycker mest att frågorna är intressanta.
För t ex beslut om inköp så modellerar de tre olika användargrupper. De är privata kunder, tjänstebilsägare samt kunder från offentliga organisationer.
De tre olika gruppen har olika preferenser hur de t ex prioriterar mellan olika kravspecifikationer. T ex prioriterar offentliga aktörer miljö mer samt privata kunder är mer känsliga för popularitet. De gör också skillnad i hur de tre olika grupperna räknar på sina ekonomiska kalkyler.
JRC har en intressant beslutsmodell när de räknar ut försäljning av olika drivlinor. De har en beslutsmodell för ”Willingness to Consider” dvs att en användare som bestämt sig för att köpa en bil först måste inkludera en viss drivlina som en möjlighet.
Det beslutet beräknar de mycket på social exponering dvs om de känner någon som argumenterar för just den drivlinan, men också om det förekommer reklam.
”Willingness to Consider” faktorn inkluderas tillsammans med måluppfyllelse i kundkrav samt relativ kostnad när marknadsandelen för olika drivlinor beräknas.
För aktörsgruppen fordonstillverkare är en intressant beslutsmodell hur de tar beslut hur mycket de ökar produktionskapacitet för en viss drivlina. Beslutsmodellen är delvis baserat på gissning från tillverkarna om hur mycket försäljningen kommer vara om några år samt om de kan göra några vinster på sikt. Det beslutet ger ju en feedback tillbaka till ökad försäljning eftersom priset för en viss drivlina kan sjunka med ökad produktion. Det finns också begränsningar i modellen hur snabbt produktionskapaciteten kan öka per år.
De har undersökt om hela modellen ungefär stämmer med verkligheten från 1995 fram till nu.
JRC kommer fortsätta utveckla PTTMAM med b la fler fordonsklasser, mer studier om hur kunder egentligen prioriterar mellan olika krav på ett fordon, större detaljnivå av olika typer av laddinfrastruktur samt inkludera nya ägarformer som t ex bilpooler.
Egen kommentar
Ett tappert försök, men det är inte så lätt att få in EU:s alla beslutsfattare i en modell.
Jag tror vi kommer se förkortningen PTTMAM ganska mycket efter det att medlemsländerna har lämnat in sina handlingsprogram för infrastruktur för alternativa drivmedel i november. JRC kommer säkert utvärdera planerna för kommissionen med PTTMAM.
Har läst bakgrundsrapporterna och kollat på kartorna för vilka feedackloppar som finns i transportsystemet några dagar. Det är ganska lärorikt att studera.
Tyckte att betydelse av ”Willingness to Consider” för att förstå försäljningssiffran var en ögonöppnare för mig.
JRC har gjort ett antal försäljningsprognoser fram till 2050 [1-2]. I alla scenarier så fortsätter vanliga förbränningsmotorbilar att ha en ganska stor andel.
Man är lite sugen på att skicka ett mejl till JRC och kolla om man kan få hem modellen till sig. Den vore kul att leka med i sommarstugan under helgen.
Ha en fin helg!
Referenser
[1] Powertrain Technology Transition Market Agent Model (PTTMAM): An Introduction. HARRISON Gillian, THIEL Christian, JONES Lee. 2016. JRC Technical Report. länk (går att ladda hem som fulltext).
[2] Guzay Pasaoglu, Gillian Harrison, Lee Jones, Andrew Hill, Alexandre Beaudet, Christian Thiel. A system dynamics based market agent model simulating future powertrain technology transition: Scenarios in the EU light duty vehicle road transport sector. Technological Forecasting & Social Change 104 (2016) 133–146. (Subscription). länk
[3] The Powertrain Technology Transition Market Agent Model (PTTMAM) and application to EU transport policy. 2016. Annual Conference of UK Chapter of the System Dynamics Society 14/04/16 länk (pdf)
Powertrain Technology Transition Market Agent Model (PTTMAM) studerar interaktionen och påverkan mellan olika marknadsaktörer för att förutsäga marknadsandel av olika drivlinor för lätta vägfordon för varje EU-medlemsland under perioden 1995 till 2050 [1-3].
Det finns fyra marknadsaktörer i modellen. De är myndigheter, fordonstillverkare, användare samt bränsleinfrastrukturaktörer. Varje aktörsgrupp tar beslut som påverkar andra grupper samt hela modellens resultat.
Myndigheter bestämmer t ex nivå på subventioner, skattesatser, emissionsnivåer och skrotningspremier.
Fordonstillverkare bestämmer t ex vilka fordon de ska tillverka, vad de ska forska på, de sätter priser samt investerar i produktionskapacitet.
Användargruppen bestämmer t ex total efterfrågan på fordon, vilka drivlinor de köper baserat på deras preferenser samt hur de använder fordonen och när de skrotar fordonen.
Infrastrukturgruppen bestämmer t ex hur många laddstationer eller tankstationer de bygger.
De flesta beslutet modelleras fram matematiskt baserat på beslutsmodeller för hur t ex användarna tänker när de köper fordon. Det finns mer än 1500 parametrar i modellen. De här parametrarna räknas fram i ekvationer eller är givna indata i modellen. JRC har i en bakgrundsrapport grovt beskrivit hur de gör beslutsmodellerna [1].
Det finns feedback i modellen. Ett exempel är t ex att ökade subventioner till att bygga publika laddstationer ökar byggnationen av laddpunkter som i sin tur ökar bekvämligheten att äga en laddbil och det ökar intresset hos användarna att köpa en laddbil.
JRC har t ex i ett scenario testat vad en ökning av antal publika laddpunkter per laddbil får för konsekvenser i olika länder. I en presentation från 2016 visar de att total andel laddbilar är mellan 25% till 35% år 2050 för hela EU beroende på om antal publika laddpunkter per laddbil är 1 till 1 eller 1 till 100 [3].
Det får dock konsekvenser för hur dyrt det blir i subventioner från myndigheterna. Det blir t ex ca 12 gånger dyrare för staten att se till att det bli 1 till 1 i jämförelse med 1 till 10 [3].
Resultaten är preliminära och jag tycker mest att frågorna är intressanta.
För t ex beslut om inköp så modellerar de tre olika användargrupper. De är privata kunder, tjänstebilsägare samt kunder från offentliga organisationer.
De tre olika gruppen har olika preferenser hur de t ex prioriterar mellan olika kravspecifikationer. T ex prioriterar offentliga aktörer miljö mer samt privata kunder är mer känsliga för popularitet. De gör också skillnad i hur de tre olika grupperna räknar på sina ekonomiska kalkyler.
JRC har en intressant beslutsmodell när de räknar ut försäljning av olika drivlinor. De har en beslutsmodell för ”Willingness to Consider” dvs att en användare som bestämt sig för att köpa en bil först måste inkludera en viss drivlina som en möjlighet.
Det beslutet beräknar de mycket på social exponering dvs om de känner någon som argumenterar för just den drivlinan, men också om det förekommer reklam.
”Willingness to Consider” faktorn inkluderas tillsammans med måluppfyllelse i kundkrav samt relativ kostnad när marknadsandelen för olika drivlinor beräknas.
För aktörsgruppen fordonstillverkare är en intressant beslutsmodell hur de tar beslut hur mycket de ökar produktionskapacitet för en viss drivlina. Beslutsmodellen är delvis baserat på gissning från tillverkarna om hur mycket försäljningen kommer vara om några år samt om de kan göra några vinster på sikt. Det beslutet ger ju en feedback tillbaka till ökad försäljning eftersom priset för en viss drivlina kan sjunka med ökad produktion. Det finns också begränsningar i modellen hur snabbt produktionskapaciteten kan öka per år.
De har undersökt om hela modellen ungefär stämmer med verkligheten från 1995 fram till nu.
JRC kommer fortsätta utveckla PTTMAM med b la fler fordonsklasser, mer studier om hur kunder egentligen prioriterar mellan olika krav på ett fordon, större detaljnivå av olika typer av laddinfrastruktur samt inkludera nya ägarformer som t ex bilpooler.
Egen kommentar
Ett tappert försök, men det är inte så lätt att få in EU:s alla beslutsfattare i en modell.
Jag tror vi kommer se förkortningen PTTMAM ganska mycket efter det att medlemsländerna har lämnat in sina handlingsprogram för infrastruktur för alternativa drivmedel i november. JRC kommer säkert utvärdera planerna för kommissionen med PTTMAM.
Har läst bakgrundsrapporterna och kollat på kartorna för vilka feedackloppar som finns i transportsystemet några dagar. Det är ganska lärorikt att studera.
Tyckte att betydelse av ”Willingness to Consider” för att förstå försäljningssiffran var en ögonöppnare för mig.
JRC har gjort ett antal försäljningsprognoser fram till 2050 [1-2]. I alla scenarier så fortsätter vanliga förbränningsmotorbilar att ha en ganska stor andel.
Man är lite sugen på att skicka ett mejl till JRC och kolla om man kan få hem modellen till sig. Den vore kul att leka med i sommarstugan under helgen.
Ha en fin helg!
Referenser
[1] Powertrain Technology Transition Market Agent Model (PTTMAM): An Introduction. HARRISON Gillian, THIEL Christian, JONES Lee. 2016. JRC Technical Report. länk (går att ladda hem som fulltext).
[2] Guzay Pasaoglu, Gillian Harrison, Lee Jones, Andrew Hill, Alexandre Beaudet, Christian Thiel. A system dynamics based market agent model simulating future powertrain technology transition: Scenarios in the EU light duty vehicle road transport sector. Technological Forecasting & Social Change 104 (2016) 133–146. (Subscription). länk
[3] The Powertrain Technology Transition Market Agent Model (PTTMAM) and application to EU transport policy. 2016. Annual Conference of UK Chapter of the System Dynamics Society 14/04/16 länk (pdf)