| Summary: | 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 ...
|
|---|