Environmental Classification of Air Travel : How people can be motivated to fly with minimum environmental impact

Idag orsakar utsläppen från passagerarflyg ungefär 4-5 % av de sammantagna klimatpåverkande utsläppen som människan står för. Om FN:s klimatmål skall kunna nås behöver dessa utsläpp minska. Detta arbete ämnar därför undersöka hur människor kan motiveras att resa med de flyg som släpper ut minst. Till detta har en algoritm utvecklats vars syfte är att beräkna utsläpp samt sortera flygresor efter denna beräkning. Det är viktigt att förenkla för konsumenter att göra ett mer miljöriktigt val. Sorteringen ska implementeras på hemsidan flygresor.se. Frågor om motivation undersöktes med en kvantitativ enkät kompletterad med kvalitativa intervjuer och algoritmens utformning hämtade stöd i en litteraturstudie. Resultatet av körningar av algoritmen visade att de flygbolag som fyller sina plan med flest personer också släpper ut minst utsläpp räknat per person. Dessa flygbolag har även mindre benutrymme för att få plats med fler flygstolar. Resultaten från undersökningarna visade att respondenterna var motiverade att välja mindre miljöskadliga flyg. men priset valdes ändå i första hand och bekvämlighet i andra hand. Trots detta fanns en viss vilja att betala mer för att kompensera för utsläppen. De respondenter som kunde tänka sig att resa med mindre benutrymme var oftast kvinnor och yngre. Den största miljövinsten med algoritmen erhölls då den föreslog direkta flyg utan mellanlandningar istället för längre men billigare flyg. I dessa fall kunde algoritmen minska C02-utsläpp med upp till 37 % på en resa. Motivation till användandet av algoritmen kunde skapas genom att presentera lättförståeliga översättningar till ett visst CO,-utsläpp. Exempelvis kan ett visst utsläpp jämföras med hur stor del skog som behöver planteras för att binda motsvarande mängd CO, under ett år. Motivation kunde också skapas genom användandet av någon av Cialdinis (2005) principer till motivation, exempelvis principen om sociala bevis som innebär att människor gärna hade valt att använda algoritmen om de ser att tillräckligt många andra människor också använder den . Om algoritmens spridning blir stor återstår det att undersöka om en viss miljömässig systemeffekt väntas. Dock kommer inte denna effekt att räcka för att klimatmålen skall uppnås, för det behövs en stor begränsning av CO,-utsläpp från flyg grundade på t.ex. politiska beslut.Today emission from passen ger flights causes about 4-5 % of total human caused climate affecting emissions. lf the climate goals of UN are to be reached, then these emissions need to decrease. The focus of this master thesis is the question: how people eon be motived to travel with the flights that causes the least amount of CO,-emissions. T o answer this question an algorithm to calculate approximated CO,-emission fora specific flight was created. This algorithm will be used to calculate and sort the flights by emission and therefore make it easier for consumers to choose a more environmental friendly flight. This sorting algorithm will be implemented on flygresor.se. The research question was examined with a quantitative survey complimented with qualitative interviews and the algorithm was motivated with a literature study. The results from the algorithm tests showed that the airlines that offers least leg room and have the highest load factor. thus packing the flight the most. contributed least to CO,-emissions per passenger. The interviews showed that respondents were motivated to choose least environmental-hazardous flights but price was still the mast importont factor, followed by comfort. Despite this, same persons wanted to pay more to make up for the emissions. Respondents willing to trade leg space comfort for less emissions were primary woman and younger persons. One area to which the algorithm eon contribute the most is when suggesting non-stop flights instead of the lowest fare. Emissions could be decreased by 37 % when a trip does not contain any technical or other stops. Motivation for algorithm use could be built by presenting comprehensible translations fora certain CO,-emission, (e.g.) comparison of corresponding CO,-absorbation from a certain area of forest over one year. Motivation could also be built by using some of Cialdinis (2005) principle (e.g.) principle of social proof saying that people will choose to use the algorithm if they see sufficient other people are doing it too. lf the algorithm is widely spread. it remains to investigate if it is affecting the global climate. However, this effect will not be sufficient for the climate goals. A widespread !imitation of CO,-emissions from aviation is needed based on political action