View In:
ArcGIS JavaScript
ArcGIS Online Map Viewer
ArcGIS Earth
ArcGIS Pro
Service Description: <div>Formålet med dette projekt er at præsentere meget detaljeret geografisk viden om danskernes transport- og cykeladfærd samt afstand til arbejde og andre destinationer, og herigennem gøre det muligt at undersøge og forstå netop dette.</div><div><br /></div><div>Projektet bygger på data fra forskningsprojektet ’Danmark i bevægelse’. Der er i projektet udviklet et GIS-kort til fremvisning af den indsamlede data, for at gøre det let tilgængeligt og relevant, sådan at kommuner og andre, der arbejder med cykelfremme, kan få størst mulig gavn af den nye viden.</div><div><br /></div><div>Der er store forskelle på potentialet for cykelfremme blandt landets kommune og også inden for kommunegrænser. Dette projekt vil være et værdifuldt værktøj, der kan hjælpe med at kortlægge, hvordan man kan arbejde mest effektivt med cykelfremmende indsatser i specifikke områder.</div><div><br /></div><div>Med projektets GIS-kort er der muligt at zoome ind på fx kommuner eller meget specifikke områder inden for kommunegrænser, det kunne være omkring en bestemt skole, et boligområde eller et trafikknudepunkt, og få detaljeret viden om transportvaner, herunder motiver og barrierer for cykling. Den nye viden om borgernes afstand til uddannelse, arbejde eller indkøb og om deres motiver for transportvalg, vil give et stærkere vidensgrundlag, når kommunerne skal prioritere, hvor der skal gøres en indsats for at forbedre cykelforholdene. </div><div><br /></div><div>Projektet er særlig relevant, hvis man skal afdække potentialet for øget cykeltransport til og fra arbejde eller uddannelse. I projektet arbejdes der med en antagelse om, at en person har et stort potentiale for at cykle mere, hvis vedkommende bor inden for 5 km fra sit arbejde eller uddannelse. Hvis en person har 5-15 km til arbejde eller uddannelsen, antages det, at der stadig er et potentiale, og at dette potentiale er stigende i takt med elcyklens udbredelse.</div><div><br /></div><div>Alle data er tilgængeligt i fire geografiske niveauer, hhv. region, kommune, trafikzone (som også anvendes i DTU’s Trafikvaneundersøgelse), samt kvadratnetklynger (som bruges af Danmarks Statistik)</div><div><br /></div><div>Data i dette projekt stammer fra en spørgeskemaundersøgelse af danskernes bevægelsesvaner fra forskningsprojektet ’Danmark i bevægelse’, gennemført af Syddansk Universitet. Spørgeskemaet er besvaret af 163.133 voksne danskere i efteråret 2020. </div><div><br /></div><div>Alle cykelrelaterede data fra spørgeskemaundersøgelsen ’Danmark i Bevægelse’ er i dette projekt koblet med adressen for hver respondent samt baggrundsdata fra Danmarks Statistik. Data er efterfølgende analyseret, anonymiserede og aggregeret geografisk på fire niveauer: </div><div><br /></div><div>1) Region </div><div>2) Kommune </div><div>3) Landstrafikmodel zoner (brugt af DTU i Trafikvaneundersøgelsen) </div><div>4) Kvadratnetklynger (brugt af Danmarks Statistik for befolkningsoplysninger) </div><div><br /></div><div>At data er aggregeret geografisk betyder, at alle svar fra personer, som bor i et pågældende område, er samlet. Og at der for hvert område er udregnet andelen i dette område, der har svaret det pågældende. </div><div><br /></div><div>Især de to datasæt for henholdsvis landstrafikmodel zoner og kvadratnetklynger er aggregeret i relativt små geografiske områder, hvilket gør resultaterne meget brugbare for kommuner og andre aktører, der vil arbejde med cykelprojekter og -indsatser i lokale områder. </div><div><br /></div><div>For kommuner, landstrafikmodel zoner og kvadratnetklynger er alle resultater vægtet på basis af køn og alder for eventuelle skævheder i repræsentativitet af respondenterne. </div><div><br /></div><div>Data på kvadratnetklynger er det mest detaljerede dataset, det har været muligt at danne. Der er taget udgangspunkt i 1 km kvadratnet, og data er opgjort i de samme enheder, som Danmarks Statistik anvender. I praksis betyder det, at kvadratnetceller med et mindre antal husstande end minimumskravet ift. anonymisering skal lægges sammen med andre celler. De sammenlagte celler kaldes kvadratnetklynger.</div>
Map Name: Data fra cykelfremmekortet
Legend
All Layers and Tables
Dynamic Legend
Dynamic All Layers
Layers:
-
Transportprofiler (1)
-
Cykel som transport til arbejde eller uddannelse (37)
-
Cykelfrekvens til daglige destinationer (63)
-
Rekreativ cykling (89)
-
Afstand til arbejde/uddannelse (110)
-
Oplevet mulighed for dagligvareindkøb tæt på hjem (136)
-
Barrierer for aktiv transport (141)
-
Motiver for aktiv transport (197)
-
Muligheder for fysisk aktivitet (228)
-
Der er grønne områder tæt på (229)
-
Der er fortov eller cykelsti på de fleste trafikerede veje (234)
-
Der er flere stier i området (239)
-
Der er ikke generende trafik (244)
-
Der er ofte folk, der går, løber eller cykler (249)
-
Der er ofte folk, der går, løber eller cykler - kommuneinddeling - gennemsnit: 84,4% (250)
-
Der er ofte folk, der går, løber eller cykler - trafikzoner - gennemsnit: 84,1% (251)
-
Der er ofte folk, der går, løber eller cykler - kvadratnetklynger - gennemsnit: 80,2% (252)
-
Der er ofte folk, der går, løber eller cykler - regionsinddeling - gennemsnit: 85,05% (253)
-
Der er gode muligheder for offentlig transport (254)
-
Det føles trygt at bevæge sig rundt (259)
Description: Formålet med dette projekt er at præsentere meget detaljeret geografisk viden om danskernes transport- og cykeladfærd samt afstand til arbejde og andre destinationer, og herigennem gøre det muligt at undersøge og forstå netop dette.Projektet bygger på data fra forskningsprojektet ’Danmark i bevægelse’. Der er i projektet udviklet et GIS-kort til fremvisning af den indsamlede data, for at gøre det let tilgængeligt og relevant, sådan at kommuner og andre, der arbejder med cykelfremme, kan få størst mulig gavn af den nye viden.Der er store forskelle på potentialet for cykelfremme blandt landets kommune og også inden for kommunegrænser. Dette projekt vil være et værdifuldt værktøj, der kan hjælpe med at kortlægge, hvordan man kan arbejde mest effektivt med cykelfremmende indsatser i specifikke områder.Med projektets GIS-kort er der muligt at zoome ind på fx kommuner eller meget specifikke områder inden for kommunegrænser, det kunne være omkring en bestemt skole, et boligområde eller et trafikknudepunkt, og få detaljeret viden om transportvaner, herunder motiver og barrierer for cykling. Den nye viden om borgernes afstand til uddannelse, arbejde eller indkøb og om deres motiver for transportvalg, vil give et stærkere vidensgrundlag, når kommunerne skal prioritere, hvor der skal gøres en indsats for at forbedre cykelforholdene. Projektet er særlig relevant, hvis man skal afdække potentialet for øget cykeltransport til og fra arbejde eller uddannelse. I projektet arbejdes der med en antagelse om, at en person har et stort potentiale for at cykle mere, hvis vedkommende bor inden for 5 km fra sit arbejde eller uddannelse. Hvis en person har 5-15 km til arbejde eller uddannelsen, antages det, at der stadig er et potentiale, og at dette potentiale er stigende i takt med elcyklens udbredelse.Alle data er tilgængeligt i fire geografiske niveauer, hhv. region, kommune, trafikzone (som også anvendes i DTU’s Trafikvaneundersøgelse), samt kvadratnetklynger (som bruges af Danmarks Statistik)Data i dette projekt stammer fra en spørgeskemaundersøgelse af danskernes bevægelsesvaner fra forskningsprojektet ’Danmark i bevægelse’, gennemført af Syddansk Universitet. Spørgeskemaet er besvaret af 163.133 voksne danskere i efteråret 2020. Alle cykelrelaterede data fra spørgeskemaundersøgelsen ’Danmark i Bevægelse’ er i dette projekt koblet med adressen for hver respondent samt baggrundsdata fra Danmarks Statistik. Data er efterfølgende analyseret, anonymiserede og aggregeret geografisk på fire niveauer: 1) Region 2) Kommune 3) Landstrafikmodel zoner (brugt af DTU i Trafikvaneundersøgelsen) 4) Kvadratnetklynger (brugt af Danmarks Statistik for befolkningsoplysninger) At data er aggregeret geografisk betyder, at alle svar fra personer, som bor i et pågældende område, er samlet. Og at der for hvert område er udregnet andelen i dette område, der har svaret det pågældende. Især de to datasæt for henholdsvis landstrafikmodel zoner og kvadratnetklynger er aggregeret i relativt små geografiske områder, hvilket gør resultaterne meget brugbare for kommuner og andre aktører, der vil arbejde med cykelprojekter og -indsatser i lokale områder. For kommuner, landstrafikmodel zoner og kvadratnetklynger er alle resultater vægtet på basis af køn og alder for eventuelle skævheder i repræsentativitet af respondenterne. Data på kvadratnetklynger er det mest detaljerede dataset, det har været muligt at danne. Der er taget udgangspunkt i 1 km kvadratnet, og data er opgjort i de samme enheder, som Danmarks Statistik anvender. I praksis betyder det, at kvadratnetceller med et mindre antal husstande end minimumskravet ift. anonymisering skal lægges sammen med andre celler. De sammenlagte celler kaldes kvadratnetklynger.
Service Item Id: ee7e5d1ad6df4411b130683cf3b2b27c
Copyright Text:
Spatial Reference:
25832
(25832)
LatestVCSWkid(0)
Single Fused Map Cache: false
Initial Extent:
XMin: 363923.3030427551
YMin: 6032188.963414653
XMax: 870417.7792332316
YMax: 6398200.518970209
Spatial Reference: 25832
(25832)
LatestVCSWkid(0)
Full Extent:
XMin: 441570.95210000034
YMin: 6049781.68
XMax: 894000.0
YMax: 6402204.52
Spatial Reference: 25832
(25832)
LatestVCSWkid(0)
Units: esriMeters
Supported Image Format Types: PNG32,PNG24,PNG,JPG,DIB,TIFF,EMF,PS,PDF,GIF,SVG,SVGZ,BMP
Document Info:
Title: Map1
Author:
Comments:
Subject:
Category:
Keywords: Cykelfremme,Cykelfremmekort,Cykeldata,Cykling,SDU,Sundhed,Videnscenteret
AntialiasingMode: Fast
TextAntialiasingMode: Force
Supports Dynamic Layers: true
Resampling: false
MaxRecordCount: 2000
MaxSelectionCount: 2000
MaxImageHeight: 4096
MaxImageWidth: 4096
Supported Query Formats: JSON, geoJSON, PBF
Supports Query Data Elements: true
Min Scale: 0
Max Scale: 0
Supports Datum Transformation: true
Child Resources:
Info
Dynamic Layer
Supported Operations:
Export Map
Identify
QueryLegends
QueryDomains
Find
Return Updates