Uppdatering och nya effektsamband i effektmodellen för viltolyckor

Viltolyckor i Sverige är ett växande problem som leder till dödade och skadade personer, liksom skador på fordon och dödade djur. Viltolyckor har samhällsekonomiska kostnader som behöver kvantifieras för att man ska kunna räkna ut kostnadsnyttan av åtgärder som förebygger viltolyckor, såsom exempelvis viltstängsel eller passager. Effektmodellen för viltolyckor utvecklades under 1980-talet och ingår i EVA (effekter vid väganalyser) men är idag till vissa delar föråldrad på grund av utvecklingen som skett avseende trafiksäkerhet, viltolyckssammansättning, datasystem, kunskap och forskning. Den existerande effektmodellen bygger på risk för viltolyckor per km väg per län i tre trafikflödesklasser för älg och summerat ihop för rådjur/ren. Detta projekt har haft som mål att uppdatera effektmodellen för viltolyckor genom att inkludera aktuella data på viltolycksfördelningar och mörkertal, beakta flera viltslag (älg, rådjur, hjort och vildsvin) och involvera flera variabler som kan vara av betydelse för olyckorna: t.ex. viltets populationsstorlek, vägstandard, trafikarbete, hastighet, viltstängsel, landskapstyp och viltets populationsstorlek. Arbetet har delats upp i tre huvudsakliga delar. Den första delen omfattade att ta fram ny kunskap om sambanden mellan viltolyckor, trafikarbete, och viltpopulationer där också landskapsvariabler ingår samt kostnadsberäkningar baserat på olika typer av prognoser på längre sikt. En annan del omfattade att ta fram ny viltolycksstatistik baserat på GIS-analyser för uppdaterade effektsamband för viltolyckor (olycksfrekvens per km väg), ÅDT1 , vägstandard och stängsel samt nya skattningar av mörkertal. Den tredje delen omfattade att ta fram nya värden för skadeföljd och skadekonsekvenser för olika viltslag för 2010–2016. Resultaten från första delen av projektet visar att utifrån ett oförändrat jakttryck kommer viltolyckorna att öka med 12% från 2015 fram till 2030, mestadels på grund av en fördubbling av vildsvinsolyckor medan risken för olycka med älg och rådjur minskar något. Vid minskat jakttryck under samma period visar resultaten att det är teoretiskt möjligt att viltolyckorna istället kommer att öka med 50%. Beräknade kostnader för viltolyckor år 2030 (ASEK 6) varierar mellan 1 707 och 7 556 miljoner kronor beroende på antaganden om jakttryck och skadekostnader. Olyckor med rådjur svarar för den största delen av olyckorna under hela perioden, men olyckor med vildsvin ökar mest under samtliga scenarier. Prognos för kostnadsberäkningar av viltolyckor för Västra Götaland och Skåne inkluderas som exempel. Data från 2010–2016 visar att viltolyckorna ökat mer eller mindre konstant sen 2003 och att ökningen i olyckstal över åren sker med snabbare takt än ökningen i trafikarbetet. På mindre vägar tilltar olycksfrekvenser med ökande trafikarbete fram till en genomsnittlig trafikvolym av omkring 5 000 ÅDT. På större vägar avtar däremot olycksfrekvensen med stigande trafik. Olycksfrekvensen är högst på mellanstora vägar men avtar på trafiktunga vägar och på vägar med hög hastighet. Uppdaterade värden för skadeföljd och skadekonsekvens baserades på uttag ur STRADA2 och NVR3 2010–2016 och endast polisrapporterade olyckor (förutom för RPMI4 värden där även sjukhusrapporter ingick). Skadeföljden visar att dödade och skadade personer i älg- och rådjur/hjortolyckor har minskat och justeringar i de nya värdena har gjorts. För skadekonsekvenser föreslås nya värden för älgolyckor medan föregående värden behållits för rådjur/hjort och även föreslås för vildsvin. Nya värden för skadeföljd föreslås för rådjur/hjort och vildsvin. Slutligen diskuteras antagande i effektmodellen och resultat utifrån trafiksäkerhetsutvecklingen, relevanta viltolycksfrågor, samt några utvalda aspekter inför effektmodellens implementering.Wildlife-vehicle accidents in Sweden are a growing problem that causes killed and injured humans, damage to vehicles and killed animals. Wildlife-vehicle accidents have socioeconomic costs that need to be quantified to calculate the cost-benefits of measures to prevent the accidents, for example game fencing or animal passages. The effect-model for wildlife-vehicle accidents was developed in the 1980s but is currently obsolete due to developments in road safety, changes in wildlife populations, data systems, knowledge and research. The existing effectmodel is based on the risk of accidents per km road per county in three traffic flow categories and divided into moose and summed up for deer and reindeer. This project aims at updating the effect-model for wildlife-vehicle accidents by including current data on wildlife collisions, considering various species of wildlife (elk, deer and wild boar) and several variables that may be of significance to the accidents: such as: population size, road standard, traffic load, vehicle speed, and landscape type. The work has mainly been divided into three parts. The first part involved the development of a model including wildlife accidents, traffic load and population size/growth and landscape variables, as well as cost estimates based on different model scenarios in long-term forecasts. Another part involved GIS analyzes of updated wildlife-vehicle accident statistics; accident rate per km road, AADT5 , road standard and fencing, and new estimates of unknown cases. The third part comprised presenting new values for damage and risk consequences (percentage probabilities for fatalities and personal injuries) for vehicle accidents in recent years. The results for the first part of the project show that wildlife-vehicle accidents will increase by 12% from 2015 to 2030, mainly due to a doubling of wild boar accidents, whereas the risk of accident with elk and deer decreases slightly. In the case of reduced hunting pressure, the results show that it is theoretically possible that wildlife accidents will instead increase by 50%. Estimated costs of game accidents in 2030 (ASEK 6) vary between 1 707 and 7 556 million SEK, depending on assumptions about hunting and injury costs. Accidents with deer are responsible for most of the accidents throughout the period, but accidents with wild boar increase most in all scenarios. Cost estimates of wildlife accidents for Västra Götaland and Skåne in a long-term forecast are included as examples. The GIS analyzes on data from 2010-2016 show that wildlife-vehicle accidents has increased constantly since 2003 and that the increase in accidents over the years occurs at a faster rate than the increase in traffic load. On minor roads accidents will increase synchronously with the traffic volume up to approximately 5 000 AADT. On larger roads, accident frequency will decline with increased traffic load. The accident frequency is highest on medium-sized roads but decreases on traffic-heavy roads and on high-speed roads. Updated values for damage consequences were based on data from STRADA6 and NVR7 2010-2016 and police reported accidents (except for calculating RPMI8 values). The results show that killed and injured persons in moose and roe deer/deer accidents have decreased and adjustments in the new values are suggested. For damage consequences, new values for moose accidents are suggested while previous values have been kept for deer and are proposed to use wild boar. Finally, assumptions in the effect-model and results based on road safety development, relevant wildlife issues, and some selected aspects regarding the implementation of the effect-model are discussed