Föreliggande rapport, tillsammans med beskrivningen av Bangods i Berglund och Edwards (2016), behandlar uppgiften att integrera Samgods med Bangods på något sätt. Den nationella godsmodellen Samgods beskriver i princip alla godstransporter i Sverige med lastbil, järnväg, sjöfart och flyg. Den generella metoden och indata som används replikerar inte de observerade indata som ingår i den järnvägsfokuserade Bangods-modellen som hanterar alla inrikes godstransporter på järnväg. Det bedöms nödvändigt att säkerställa att Trafikverkets godstransportmodellering omfattar detaljnivån i Bangods, men samtidigt finns ett önskemål att integrera modellsystemen så att effekter i den generella Samgods-modellen får ett fullt, eller åtminstone mer betydande genomslag, på den detaljnivå som Bangods beskriver. Framförallt bedöms det som väsentligt att prognosen innehåller tillväxttal från basår till prognosår för olika varugrupper uppdelat på en finare geografisk nivå än idag. Olika delmål är att underlätta hanteringen av modellsystemen (eller och kombinera dem till ett gemensamt), samt att öka transparens, tillförlitlighet och kvalitet hos systemet. I denna rapport presenteras fyra möjliga lösningar för att antingen öka kopplingen mellan Samgods och Bangods eller för att utveckla Samgods så att Bangods-steget kan elimineras. De olika förslagen på lösning utvärderas mot bakgrund av vilka krav och önskemål som finns på Trafikverkets prognoser och analyser för godstågstrafik. De fyra förslag som presenteras och utvärderas i denna rapport är: - Pivot point-metod för geografiskt differentierade tillväxttal till Bangods. I princip är det en proportionell uppskrivning av en kalibrerad lösning med tillväxttakter bestämda av Samgodsmodellens lösningar för basår och prognosår. Ett antal regler ingår för att hantera extrema resultat och 0-värden. Områdesindelning för modellen föreslås vara 8 så kallade riksområden i Sverige (NUTS2-områden). - SUBGRAD: anpassning av Samgods tågflöden till observerad trafik. Det är en optimeringsmodell som medger anpassning av Samgodslösningen till både observerade värden för basåret och, om så önskas, tillgänglig kapacitet. För prognosåret kan den tillämpas endast med kapacitetsbegränsning, utan styrning mot observerade flöden. I en prototyp-modell har god beräkningseffektivitet uppnåtts. - En linjebaserad modell: införande av godstågslinjer i Samgods. I verkligheten körs godståg enligt tidtabell, ungefär som passagerartåg. Att anpassa Samgods till att hantera tidtabeller för godståg förväntas väsentligt förbättra kopplingen mellan observationer och Samgodsresultat. För basåret exempelvis skulle kapaciteten i modellen utgöras av de använda frekvenserna för olika linjer och transporterna skulle anpassas till detta. Överensstämmelsen med observationer i Samgods skulle vara mycket god. För prognosåret skulle bland annat frekvenserna på linjerna vara variabler som skulle bestämmas i en modifierad version av nuvarande kapacitetsmodellering i Samgods. Förändring i frekvenserna mellan basår och prognosår förväntas uppvisa mindre variationer i tid än förändringar i olika godsefterfrågerelationer. Dock krävs det en del anpassningar av nuvarande logistikmodell i Samgods för att hantera ett tidtabellupplägg för godståg. - OD-relaterad tillväxt i Bangods. Samma som i metod nummer 1 föreslås, fast den skulle tillämpas på efterfrågerelation på matrisnivå istället. Förlaget omfattar att använda efterfrågematriser på NUTS2 x NUTS2-nivå, det vill säga med 8 x 8 områden (eventuellt några till för att hantera världen utanför Sverige). Svårigheter med detta är att åstadkomma en koppling mellan efterfrågerelationer på OD-matrisnivå och observerade flöden på länknivå. För att underlätta jämförelse mellan de olika förslagen och mot befintligt system, samt som underlag för författarnas rekommendationer, har en modell skapats för att bedöma för- och nackdelar med de olika utvecklingsförslagen. Den modellen omfattar en bedömning av förslagen enligt de tio storheterna nedan i en tregradig skala: 1. Storheter: Modellresultatens innehåll. Antal storheter som erhålls. 2. Detaljgrad: Finare skala i resultaten. 3. Flexibilitet: Anpassningsmöjligheter till olika scenarier. 4. Transparens: Förståelse för hur indata påverkar resultaten och att beräkningarna kan förklaras. 5. Felfrekvens: Bidrar utvecklingen till ett säkrare system med mindre risk för felhantering? 6. Reliabilitet: Bidrar utvecklingen till en ökad noggrannhet? 7. Användbarhet: Bidrar utvecklingen till att fler kan förstå och använda modellen? 8. Validitet: Återspeglas de förhållanden, samband och effekter i den verkliga världen som man är intresserad av? 9. Indata, parametrar och kalibrering: Innebär utvecklingen krav på mer eller mindre indata respektive kalibreringsinsatser. 10. Måluppfyllelse: Sammanvägd nytta av en utveckling med avseende på modellens syfte.