sintef rapport€¦ · Åpen 82-14-01344-5 386091.00 65 elektronisk arkivkode prosjektleder (navn,...

SINTEF RAPPORT TITTEL

Nye førsteinstansdomstoler – En analysemodell for optimal plassering av dommerembeter i Norge

FORFATTER(E)

Frode Rømo og Inger-Anne F. Sætermo

OPPDRAGSGIVER(E)

SINTEF Teknologiledelse Økonomi og logistikk Postadresse: 7465 Trondheim Besøksadresse: S P Andersens veg 5 Telefon: 73 59 36 13 Telefaks: 73 59 02 60 Foretaksregisteret: NO 948 007 029 MVA

Justisdepartementet

RAPPORTNR. GRADERING OPPDRAGSGIVERS REF.

STF38 A00613 Åpen Svein Berbu GRADER. DENNE SIDE ISBN PROSJEKTNR. ANTALL SIDER OG BILAG

Åpen 82-14-01344-5 386091.00 65 ELEKTRONISK ARKIVKODE PROSJEKTLEDER (NAVN, SIGN.) VERIFISERT AV (NAVN, SIGN.)

Hovedrapport.doc Frode Rømo Asgeir Tomasgard ARKIVKODE DATO GODKJENT AV (NAVN, STILLING, SIGN.)

2000-10-04 Anders Stølan SAMMENDRAG

På oppdrag fra Justisdepartementet har SINTEF Teknologiledelse utviklet en analysemodell til hjelp ved vurdering av konsekvenser av lokalisering av førsteinstansdomstoler og utstrekning av domssogn. Metodisk sorterer modellen under fagfeltet operasjonsanalyse, eller mer spesifikt matematisk programmering, med bruk av basismetodikk som lineær programmering og heltallsprogrammering. Modellen regner seg fram til optimalitet basert på de forutsetninger som legges inn. Modellen kan kjøres som en ren velferdsmodell overfor publikum, hvor målet er å minimere befolkningens reisetid til domstolen, gitt et minste antall domstoler som skal lokaliseres i en region eller på landsbasis. Krav til et minste antall dommere som skal være ansatt, og maksimal lovlig reiseavstand kan også legges inn. Det er også mulig å kjøre modellen ut fra rene kostnadsminimeringshensyn, ved at man bruker kostnader for både politi, statsadvokater, advokater, meddommere og publikum som optimeringskriterium. Ved bruk av modellen kan det legges føringer på hvor en domstol kan lokaliseres, men den kan også opereres helt fritt i forhold til lokaliseringspreferanser. Slike føringer kan være politisk betinget eller henge sammen med tradisjonelle kommunikasjonsmønstre og funksjonelle regioner. Modellen er i utgangspunktet skreddersydd for dette lokaliseringsproblemet, men den har en struktur som gjør at man med noe innsats kan utvikle den til en mer generell lokaliseringsmodell for analyseformål i departementene. Modellen er implementert i C++ under Windows NT, med optimeringsverktøyet XPRESS-MP, og databasesystemet Microsoft Access.

STIKKORD NORSK ENGELSK

GRUPPE 1 Logistikk Logistics GRUPPE 2 Optimering Optimisation EGENVALGTE Lokalisering Localization Domstoler Law courts Beslutningsstøtte Decision support

2

INNHOLDSFORTEGNELSE

1 Innledning ...........................................................................................................................3

2 Problemstilling .......................................................................................................................3

3 Metode og modellering ..........................................................................................................5 3.1 Hva kjennetegner en MP-modell......................................................................................5 3.2 Optimeringsmodell for lokalisering av domssogn ...........................................................6

3.2.1 Målfunksjon ......................................................................................................6 3.2.2 Beskrankninger .................................................................................................6 3.2.3 Beslutningsvariabler..........................................................................................7 3.2.4 Modellparametre ...............................................................................................7 3.2.5 Resultater fra optimeringsmodellen ..................................................................7 3.2.6 Resultater fra etterregningsmodell ....................................................................8 3.2.7 Datatekniske opplysninger – verktøy og plattform...........................................9

3.3 Tolkning av løsninger.......................................................................................................9 3.3.1 Optimalitetsbegrepet .........................................................................................9 3.3.2 Usikkerhet og beslutningsfleksibilitet.............................................................10 3.3.3 Kommuner som lokaliseringssted ...................................................................10

4 Datagrunnlag........................................................................................................................12 4.1 Befolkningstall ...............................................................................................................12 4.2 Reisetider og reisekostnader...........................................................................................12

4.2.1 Publikum .........................................................................................................12 4.2.2 Andre aktører ..................................................................................................15

4.3 Saksmengde og belastningsmodell.................................................................................18 4.3.1 Belastningsmodellen .......................................................................................19

4.4 Andre kostnadsdata ........................................................................................................19

5 Eksempel på anvendelse av modellen – fri tilpasning ......................................................20 5.1 Kort om resultatene ........................................................................................................21

6 Diskusjon og konklusjoner..................................................................................................22

7 Kilder .........................................................................................................................23

Vedlegg A. Optimal plassering – 49 domssogn........................................................................24

Vedlegg B. Om belastningsmodellen som benyttes i dag .........................................................55 Eksempel .........................................................................................................................55 SINTEFs tolkning ..................................................................................................................56 Justisdepartementets tolkning ................................................................................................57 Konklusjon om belastningsmodell.........................................................................................57

Vedlegg C. Normativ modellbruk.............................................................................................58 Eksempel på mulig problem ved ikke å bruke modellen normativt ......................................58

Vedlegg D. Modellfil for lokaliseringsproblemet......................................................................59

3

1 Innledning Denne rapporten beskriver en analysemodell som benyttes i utredningsprosessen for en fremtidig struktur for førsteinstansdomstoler i Norge. SINTEF Teknologiledelse har på selvstendig grunnlag utviklet en egen modell for dette lokaliseringsproblemet, basert på en henvendelse fra Justisdepartementet via Norsk Institutt for By og Regionsforskning (NIBR) våren 2000. SINTEF har det faglige ansvar knyttet metodikk og teknisk bruk av modellen, og har utført flere titalls modellberegninger etter oppdrag fra Justisdepartementet i perioden august-oktober 2000. SINTEF har ikke vært premissleverandør for de modellforutsetningene som er lagt inn i de ulike kjørealternativene, men er ansvarlig for at resultatene er konsistente i forhold til forutsetningene. Med den fleksibiliteten vi har lagt inn modellen, kan den brukes ved å legge føringer på hvor en domstol kan lokaliseres, men den kan også opereres helt fritt i forhold til lokaliseringspreferanser. Slike føringer kan være politisk betinget eller henge sammen konklusjoner i referanseprosjektet om funksjonelle regioner som er utført av NIBR på oppdrag fra departementet (ref /5/). Formålet med denne rapporten er å dokumentere selve modellen, samt forutsetningene og datagrunnlaget modellen er basert på. Dokumentasjon av alternativene modellen er anvendt på vil foreligge i en egen stortingsmelding om domstolenes arbeidsoppgaver og struktur i fremtiden. Denne meldingen vil bli framlagt for Stortinget i løpet av høstsesjonen 2000.

2 Problemstilling Beslutningstaker står i dette tilfellet overfor en strategisk beslutning om hvordan fremtidig struktur for førsteinstansdomstoler skal være i Norge. Problemstillingen omfatter både lokalisering av selve domstolen og utstrekning av hvert enkelt domssogn. Helt sentralt står da spørsmålet om å velge en egnet metodikk for løsning av problemet. Strategiske problemstillinger knyttet til lokalisering av domssogn kan i stor grad løses subjektivt og skjønnsmessig. Dette gir imidlertid grobunn for diskusjoner om forutsetninger og fører derfor lett til manglende konsensus om hva som er riktig å gjøre. Justisdepartementet har hatt som utgangspunkt å yte en bedre service overfor publikum ved en omstrukturering av førsteinstansdomstoler. Det som for befolkningen synes positivt, er den økte rettssikkerheten ved at faggruppene ved hvert domssogn blir bredere sammensatt, og at virksomheten bør bli mer rasjonell med raskere saksbehandling. Baksiden av medaljen for publikum, er at dette fører til en mer sentralisert struktur med økning i reisetid. For enkelte kommuner betyr dette også at domstoler blir lagt ned, mens andre kommuner får utvidet en eksisterende domstol eller får etablert helt nye domstoler. Det er en rekke hensyn som man ønsker å ivareta når man vurderer en ny struktur på førsteinstansdomstolene. For å ivareta behovet for faglig bredde ved domstolene, er det antatt at det bør være minimum tre dommerårsverk ved hver førsteinstansdomstol. I Strukturutvalgets anbefaling (NOU 1999:22) er antallet domssogn redusert fra 87 til i ca. 50. Ellers er det størrelser

4

som befolkningsmengde, saksmengde, reisetider og andre kvantitative parametre som er av betydning for hvordan dette bør organiseres. Den kvantitative natur rundt inngangsdata for problemløsningen, gir en antydning av at dette bør kunne løses matematisk, og da vil klassisk operasjonsanalyse gi et verdifullt bidrag. Dette fagområdet representerer kjernekompetanse hos SINTEF Teknologiledelse – Økonomi & Logistikk. For mer utfyllende om metode, henvises det til kapittel 3.

5

3 Metode og modellering Det grunnleggende problemet som Justisdepartementet vil ha løst, er innenfor en problemklasse i fagfeltet matematisk programmering (MP) som kalles ”facility location”. (Programmering skal her forstås i den engelske betydningen av ordet – planlegging.) Vi har modellert dette problemet inn i et optimeringskonsept basert på velkjente teknikker for lineær- og heltallsprogrammering. Styrken til denne type modeller er at den regner effektivt selv om problemstillingen er kompleks. Samtidig har modellen en klar og entydig struktur. Vi har også fokusert mye på resultatpresentasjonen i modellutviklingen, siden den type modeller vi har her genererer en stor mengde tall. SINTEF's modell tilhører altså modellklassen som benyttes for studier av optimale lokaliseringer, og er studert i en mengde vitenskapelige artikler og bøker og regnes nærmest som et eget fagfelt. (Se for eksempel Ref/4/). Siden dette er anerkjent som en svært kompleks og regnetung problemklasse, bør ikke en slik modell lages og brukes mer komplisert enn nødvendig.

3.1 Hva kjennetegner en MP-modell Generelt er en matematisk programmeringsmodell innenfor operasjonsanalyse bygget opp av en matematisk målformulering, som kan gå på å minimere eller maksimere en målsetting som søkes nådd. Dette kan være minimering av kostnader eller tider, eller maksimering av overskudd i kommersiell virksomhet eller nytte i velferdssammenheng. Hele modellen har som mål å utnytte ressurser rasjonelt, for å nå et definert mål.

Beslutningsvariablenes karakteristikk: - heltallighet / ikke-negativitet

Beskrankninger: Under hensyn til rammebetingelser - juridiske/fysiske/ressursmessig

Målfunksjon: Maksimer eller Minimer for å oppnå noe på en rasjonell måte

Figur 1. Struktur på et generelt MP-problem Det som videre karakteriserer en slik modell, er at det finnes et sett av rammebetingelser rundt denne virksomheten eller målsettingen som det må tas hensyn til. Dette kan være knyttet til begrenset ressurstilgang (f.eks. bemanning eller økonomi), fysiske restriksjoner (f.eks. krav til heltallighet – bemanningsmessig kan det være krav til hele stillinger) og eller andre restriksjoner. I tillegg kan det knyttes krav til beslutningsvariable at de ikke kan anta negative verdier, eller at det er krav til heltallighet. Domstolsproblemet har heltallig natur ved at det er forutsatt at det ikke kan opprettes en halv domstol.

6

3.2 Optimeringsmodell for lokalisering av domssogn Modellen som brukes for analyse er utviklet av SINTEF Teknologiledelse i forbindelse med prosjektet. Den har materialisert seg som et konkret databasert analysesystem som kan styres via en brukerdialog (Se figur 1). Modellen er beskrevet kvalitativt her og gjengitt i sin helhet i vedlegg D.

Figur 2. Brukerdialog for analysemodell

3.2.1 Målfunksjon Målfunksjonen angir kriteriet for minimering, og er implementert med en viss valgbarhet for hvilke kostnader som skal inngå. Kjøringene er i vesentlig grad basert på å minimere reisebelastningen for innbyggerne. I tillegg kan modellen beregne tilpasning med infrastrukturkostnader knyttet til eksisterende politidistrikter, advokater, statsadvokater og meddommere i optimeringskriteriet.

3.2.2 Beskrankninger Beskrankningene i modellen angir det lovlige beslutningsrommet som modellen opererer under. Den matematiske modellen har følgende beskrankninger:

• Alle innbyggerne i en kommune skal tilhøre samme domssogn • Alle saker fra en kommune skal behandles i samme førsteinstansdomstol

7

• Det er mulig å angi et maksimalt antall domssogn • Det er mulig å angi en maksimal reisetiden fra en kommune til en domsognslokalisering • Det er mulig å angi at domssogn skal minst ha et visst antall dommere for på en god måte

å ivareta faglige krav og erfaringsutveksling • Det er mulig å overstyre modellen ved å angi at en kommune SKAL ha en domstol • Det er mulig å overstyre modellen ved å angi at en kommune IKKE SKAL ha en domstol • Det er mulig å angi at en enkelt kommune SKAL allokeres til et bestemt domssogn som

ligger i en angitt kommune • Det er mulig å angi at en enkeltkommune KAN allokeres til et begrenset antall mulige

domsstolssentra. (En slik begrensning kan eksempelvis være innen fylket.)

3.2.3 Beslutningsvariabler En beslutningsvariabel er en variabel som i samspill med andre variable og restriksjoner, vil tilpasse seg slik at optimal løsning finnes. Modellen har følgende beslutningsvariabler:

• Lokaliseringssted: For enhver mulig lokaliseringskommune angis det hvorvidt et domssogn lokaliseres eller ikke.

• Domssognstilhørighet: For hver kommune angis det hvilket domssogn kommunen tilhører. • Bemanning: For hver domstol beregnes antallet dommere og funksjonærer som må til for å

betjene den forventede innkomne saksmengden.

3.2.4 Modellparametre I tillegg til å ha en konsistent struktur, må parametrene i modellen fylles med kvantitative forutsetninger. Dette er dels empiriske data som kommer fra datagrunnlaget og beskrives i kapittel 4. I tillegg kan modellen styres interaktivt ved å angi:

• regionen analysen skal kjøres for (en gruppe kommuner, enkeltfylker, flere fylker eller hele landet)

• maksimal transporttid som tillates • krav til minste antall dommerstillinger • låsing av lokalisering og kommuners tilhørighet til domstol • om modellkjøringen skal basere seg på normativ eller empirisk belastning

(dvs skal man bruke ulike metoder for beregning av belastning (dommerårsverk) avhengig av størrelsen på domstolen?)

• om modellkjøringen inkluderer tinglysning eller ikke • maksimalt antall domssogn som skal lokaliseres

3.2.5 Resultater fra optimeringsmodellen Modellen vil direkte produsere løsninger for:

• geografisk lokalisering av domstolen • domssognets utstrekning – hvilke kommuner inngår i hvert sogn • forventet saksmengde pr domstol • antall dommerstillinger og funksjonærstillinger • reisetidsregnskap for befolkning i alle kommuner

Resultatene lagres tabellarisk i Microsoft Access, og resultatene er gjort tilgjengelige på kartform for en rask vurdering av løsningene. (Se figur 3)

8

Figur 3. Eksempel på kartpresentasjon for domssognenes utstrekning (Rogaland og Hordaland)

3.2.6 Resultater fra etterregningsmodell Som nevnt tidligere kan man både benytte modellen som en kostnadsminimeringsmodell hvor kostnader for profesjonelle aktører som advokater, politi, statsadvokater og andre trekkes inn, eller man kan benytte modellen slik at en lar modellen optimere kun under et velferdskriterium knyttet til reisetid hvor disse kostnadene ikke går inn i optimeringen. Uavhengig av hvordan man bruker modellen aktiveres en etterregningsmodell som beregner økonomisk konsekvens for disse aktørene knyttet til lokaliseringen av domstol og utstrekning av domssogn. En eller flere av kostnadstypene for profesjonelle aktører kan inngå i målfunksjonen i tillegg til publikumskostnader. Hvis det er tilfelle rapporteres disse kostnadene ut direkte uten at det er nødvendig å aktivere etterregningsmodellen. Følgende kostnader beregnes i etterregningsmodellen:

• reisekostnader for profesjonelle aktører (politi, advokater, statsadvokater og meddommere)

9

• lønnskostnader (dommere og funksjonærer) • driftskostnader • engangsinvesteringer

3.2.7 Datatekniske opplysninger – verktøy og plattform Vi har benyttet det kommersielle modellerings- og optimeringsverktøyet XPRESS-MP fra Dash Associates Ltd. For datahåndtering benytter vi Microsoft Access, og brukerdialogen knyttet til modellen er implementert i Microsoft Visual C++. Kartpresentasjonen baserer seg på programvare fra Macon MapKit! Modellen kjøres under Windows NT.

3.3 Tolkning av løsninger

3.3.1 Optimalitetsbegrepet Selv om denne modellklassen er velkjent og har vært fokus for mye forskning er det en klasse som er beregningsmessig vanskelig. Det betyr at når antallet mulige lokaliseringssted blir stort nok er det med dagens metoder ikke mulig å finne den beste løsningen (den optimale), ofte må man nøye seg med en god løsning. Dette skyldes verken manglende datakraft eller manglende forskning innenfor feltet, men nettopp at antallet mulige kombinasjoner av lokaliseringer vokser eksponensielt med antallet kommuner (og det samme gjør løsningstiden). Det er derfor ikke å forvente at problem med 435 mulige lokaliseringer (en for hver kommune i Norge) kan løses til optimalitet - dersom vi skal undersøke alle muligheter har vi 2435 mulige løsninger! Formålet med å benytte en optimeringsmodell er nettopp å finne den beste løsningen og bare implisitt undersøke alle. Vi gjør her endel modell- og bruksmessige grep som avhjelper potensielle problemer med regnehastigheten betraktelig. Det går enkelt ut på:

a. å utelukke enkelte kommuner som mulige lokaliseringskandidater b. å begrense mulighetene for kobling mellom kommuner. c. å begrense analyseområdet ved å kjøre fylkesvis, eller med et begrenset antall fylker

Ved en simultan analyse for hele Norge, vil det eksempelvis være uaktuelt at kommuner i Finnmark skal sogne til en domstol i Sør-Norge. Slike praktiske forhold er med på å redusere det matematiske mulighetsrommet i modellen betraktelig, og fører til at vi faktisk får utført beregningene til optimalitet. Videre vet vi at ved enkelte små kommuner som for eksempel Utsira i Rogaland, Værøy i Nordland eller Hvaler i Østfold ikke vil være aktuelle lokaliseringskandidater for domstoler som gjennomgående skal være større og færre enn de er i dag. Når vi i fortsettelsen snakker om en optimal løsning gjelder dette altså i forhold til de modellforutsetninger som er lagt inn. For eksempel vil det som er optimalt for tilpasning innenfor ett fylke, ikke nødvendigvis være optimalt ved en simultan optimalisering for hele Norge. (Når vi

10

ser på hele landet under ett vil trolig være hensiktsmessig med domssogn på tvers av fylkesgrenser.)

3.3.2 Usikkerhet og beslutningsfleksibilitet Det finnes i realiteten en rekke usikre parametre som virker inn på hva som vil være optimal domstolsstruktur i Norge. Her kan man for eksempel nevne framtidig utvikling i befolkning i hele landet og i regioner, regionale kostnadsforskjeller, og usikkerhet i forbindelse med forventet saksmengde fra enkeltkommuner over tid. Vår analyse tar ikke hensyn til denne usikkerheten og dens utvikling over tid. Analysen i dette prosjekt er i stedet en statisk beskrivelse ut fra empiriske saksdata og nøkkeltall på kostnader for året 1999. En statisk deterministisk analyse gir ikke et reelt bilde av forventet framtidig totalkostnad ved saksmengde og reisebelastning. Kostnadene i vår analyse er basert på 1999-tall. I en virkelig prosess vil ideell domstolsstruktur gradvis endre seg over en lang tidshorisont. Parametre som i dag er usikre vil avklares og ny usikkerhet vil oppstå. En strategisk beslutningsprosess er alltid en sekvens hvor man tilegner seg mer informasjon, tar beslutninger, tilegner seg ny informasjon, osv. Den underliggende beslutningsfleksibiliteten fanges ikke opp i statiske case-analyser som mangler en beskrivelse av denne dynamikken. Analysene utført i denne rapporten gjenspeiler derfor ikke reell forventningsverdi for riktig framtidig tilpasning basert på en slik dynamisk beslutningsprosess. Modellen som vi har utviklet brukes i liten grad helt fritt, da det legges inn beskrankninger gitt av NIBR sitt arbeid knyttet til funksjonelle regioner. Vi har likevel gjort en referansekjøring helt uten restriksjoner som det refereres til i denne rapporten for å illustrerer modellegenskapene. Løsningen som framkommer i de forskjellige case-analyser og sensitivitetsanalyser kan dermed være med som innspill og en del av et videre beslutningsgrunnlag i en strategisk beslutningsprosess, fordi de sier noe om hvordan domstolsstrukturen burde sett ut i dag og hvor følsom denne strukturen er for endringer.

3.3.3 Kommuner som lokaliseringssted I løsningene som følger av våre kostnadsminimeringer i de forskjellige case som analyseres velges et utvalg av kommunene som optimale lokaliseringssted. Det betyr ikke at disse kommunene er de eneste aktuelle for å oppnå et kostnads- eller reisetidsbilde som ligger nær det optimale. Når et kommunenavn framkommer i en løsning kan det ha liten effekt på kostnaden å velge en av nabokommunene i stedet. Andre aspekt som modellen ikke fanger opp, som tilgjengelighet av tomt/bygninger, riktig arbeidskraft og eventuelt politiske sider kan være viktige avveiningsparametre. Et forhold som kompliserer bruken av modellen er det faktum at vår modell opererer med kommune som minste enhet, mens endel kommuner rommer flere domstoler. For eksempel er det i dag flere domstoler lokalisert i Trondheim kommune; Trondheim byrett og Trondheim byfogd, samt Midt-Trøndelag sorenskriverembete. I analysen som er gjennomført her er det sagt at domstolene i Oslo, Bergen, Trondheim og Stavanger skal opprettholdes. Det er derfor ikke noe problem at vår modell ikke klarer å skille på f.eks Trondheim byrett og Trondheim byfogd. Begge disse dekker Trondheim kommune. Det er imidlertid ønskelig å skille ut domstoler som dekker

11

omkringliggende kommuner, slik f.eks Midt-Trøndelag sorenskriverembete gjør i dagens situasjon. Tilsvarende tilfeller vil man også ha i andre alternativer. Vi har nok informasjon til å kunne gjøre dette, selv om ikke modellen er designet til å håndtere det. Vi har etablert et regneark som tar hånd om disse beregningene, som en slags ”manuell” etterberegning. Et eksempel på slike beregninger er vist for Trondheim i Figur 4.

TrondheimGjennomsnittlig Dommer- Funksjonær- Dommer- Funksjonær-

Befolkning reisetid årsverk (m) årsverk (m) årsverk (u) årsverk (u)Trondheim by 147187 14,0 14,0 23,9 13,9 18,3Trondheim omegn 32988 48,6 2,3 4,0 2,2 2,2Totalt 180175 0,0 16,3 27,9 16,1 20,6Avrundet 16,5 28,0 16,5 21,0

Med tinglysning Uten tinglysning

Figur 4. Eksempel på manuell etterberegning av reisetid og bemanning for bykommuner

Det er viktig å understreke at denne etterregningen ikke endrer den optimale løsningen. Det kan imidlertid være slik at man ved å splitte mellom by og omegn, kan få en deldomstol lokalisert i en by som kommer under et generelt krav til minste antall stillinger. Et slik krav er knyttet til faglig bredde og kvalitetssikring. For en landdomstol lokalisert i en større by skulle dette i praksis være av underordnet betydning, da et bredere juridisk faglig miljø vil være tilgjengelig også for den delen av domstolen som tar seg av saker fra omlandet.

12

4 Datagrunnlag Datagrunnlaget er i stor grad innsamlet av Justisdepartementet selv og i noen grad bearbeidet av SINTEF. I dette kapitlet redegjøres for datagrunnlaget som er benyttet i modellen. Følgende data legges til grunn for optimeringen: • Reisetid mellom kommuner og internt i kommuner • Antall saker av hver type (15 typer) per kommune • Formelverk fra Justisdepartementets belastningsmodell (se avsnitt 4.3) I tillegg må man legge inn • Oversikt over eventuelle faste og mulige domstolslokaliseringer • Oversikt over kommuner hvor domstolstilhørighet er gitt, eventuelt om det er noen

begrensninger i domstolstilhørighet (f.eks innenfor fylket e.l.) eller • Maksimalt antall domstoler som skal plasseres.

Følgende data er nødvendige for etterberegningene: • Parametre for lokaliseringskostnader (nøkkeltall for kostnader til lønn, leie og drift av lokaler

samt engangsinvesteringer) • Geografisk lokalisering av advokater, statsadvokater, politi og meddommere1 • Oversikt over hvilke områder som dekkes av de ulike advokatene, statsadvokatene osv. • Reisekostnader for publikum, advokater, statsadvokater, politi og meddommere

4.1 Befolkningstall I analysene har vi benyttet offisielle tall fra Statistisk sentralbyrå for befolkning fordelt på kommuner per 1/1-1999.

4.2 Reisetider og reisekostnader

4.2.1 Publikum

4.2.1.1 Mellom kommuner Tall for reisetider og reisekostnader mellom kommunesentra har vi fått fra Transportøkonomisk institutt. I forbindelse med den nasjonale persontransportmodellen (ref /1/) er det etablert basismatriser (med reisetid) og prismatriser (med reisekostnader) for reiser mellom alle kommunesentra i Norge. Det er etablert en basismatrise og en prismatrise for hvert reisemiddel.

1 Vi har her lagt til grunn dagens lokaliseringsmønster for alle profesjonelle aktører unntatt politi. Der har vi lagt til grunn det nye forslaget til organisering av politidistrikter.

13

Basismatrisene og prismatrisene har samme format, de har kommunedimensjon (435x435 kommuner) og angir henholdsvis antall reiser og reisekostnad mellom kommunesentra. Informasjonen i matrisene er hentet fra reisevaneundersøkelser samt ulike publiserte oversikter over takster o.l. for kollektivtrafikk. Langs diagonalen på matrisene vil man finne hhv. reisetid og -kostnad for kommuneinterne reiser. Den nasjonale persontransportmodellen er i hovedsak utviklet for analyse av lange reiser og kvaliteten på data for kommuneinterne reiser er derfor ikke så god som kvaliteten på data for lange reiser. I dette prosjektet har vi derfor valgt å benytte data fra andre kilder for kommuneinterne reiser (se avsnitt 4.2.1.2). Som nevnt tidligere er det etablert hhv. reisetid og reisekostnadsmatriser for hvert reisemiddel (bil, buss, tog og fly). For problemstillingen knyttet til domstolslokalisering er det aktuelt med relativt korte reiser, og vi anser fly for å være et uaktuelt reisemiddel for reisene det her er snakk om. Modellen vi har utviklet i dette prosjektet krever en reisetidsmatrise og en reisekostnadsmatrise, med andre ord må man beregne gjennomsnittstid og gjennomsnittskostnad for hver relasjon. Vi har vektet dette etter den reisemiddelfordeling som man har observert for den aktuelle relasjonen. Følgende reisemidler er dermed tatt med i beregningen av gjennomsnittlige reisetider og reisekostnader: - bil (her er evt. bompenger og ferge inkludert i beregningen av tid og kostnad) - buss - tog På et fåtall relasjoner, spesielt mellom små kommuner, er det ikke observert noen reiser i statistikken basismatrisene er laget ut fra. Der har vi valgt å ta utgangspunkt i avstanden mellom relasjonene og vekte etter gjennomsnittlig reisemiddelfordeling i det aktuelle fylket/regionen, ut fra en vurdering av at dette best mulig vil gjenspeile de regionale forskjellene i reisemiddelvalg. Modellen for lokalisering av førsteinstansdomstoler krever at vi har reisetid og reisekostnad mellom alle kommunesentra som kan tenkes å tilhøre samme domssogn.

4.2.1.2 Internt i kommuner Reisetid inn til kommunesenter Når det gjelder reisetider internt i kommuner har vi benyttet tall fra Kommunal og regional-departementet (KRD) på reisetid inn til kommunesenter, såkalte personminutter. Dette er tall som KRD benytter når statlige overføringer til kommunene beregnes. Tallene er framkommet ved at SSB har definert befolkningstyngdepunktet i alle grunnkretser i Norge, og utarbeidet en oversikt over avstander og reisetider mellom befolknings-tyngdepunktene. (Avstander er funnet ved å følge veinettet, og ved å bruke skiltet hastighet er reisetid mellom grunnkretsene beregnet). KRD har bearbeidet materialet fra SSB og laget en oversikt over gjennomsnittlig reisetid inn til grunnkretsen med rådhus (definert som kommunesenter) for hver kommune. Arbeidet er dokumentert i ref /2/. Dette er de offisielle tallene som KRD bruker i dag, og det er dette tallmaterialet vi har benyttet i analysene knyttet til domstolslokalisering. Det jobbes imidlertid med en revisjon av dette materialet nå, vi har vært i kontakt med KRD og de regner med at nye data vil være klare til beregningene av rammetilskudd for 2002.

14

Reisekostnader inn til kommunesenter Verken TØI eller KRD har estimert kostnadene forbundet med kommuneinterne reiser. For å unngå at kommuner som får en domstol lokalisert i sitt kommunesenter får null i totale reisekostnader trenger vi reisekostnader også for disse reisene. Vi har derfor laget et estimat på dette basert på dataene vi hadde tilgjengelig. Av materiellet vi fikk tilsendt fra KRD over kommuneinterne reiser så vi at reisetiden varierte fra 0 til 108,5 minutter. Reisetidene er plottet i Figur 5.

0

10

20

30

40

50

60

70

80

0 10 20 30 40 50 60 70 80 90 100 110

Reisetid for kommuneinterne reiser [min]

Ant

all k

omm

uner

Figur 5. Oversikt over reisetider inn til kommunesenter. Alle kommuner

Som figuren viser er de fleste reisetidene svært korte, de aller fleste er på under 20 minutter. I halvparten av kommunene tar det under 11 minutter å reise inn til kommunesenteret. Fra TØI har vi fått en oversikt over reisetid og reisekostnad mellom alle kommunesentra. Vi tok ut reisetid og reisekostnad for reiser mellom kommuner hvor reisetiden var innenfor intervallet [0, 108,5] minutter. Disse reisene ble brukt til å estimere en gjennomsnittlig kostnad per minutt for korte reiser. Gjennomsnittlig reisekostnad per minutt ble estimert for hele landet og for hvert fylke for seg. Man kan tenke seg regionale forskjeller på den gjennomsnittlige reisekostnaden forårsaket av ulik fordeling på reisemidler o.l. Resultatene fra beregningene er presentert i

Tabell 1 på neste side.

15

Tabell 1. Gjennomsnittlig reisekostnad per minutt for korte reiser. Fylke Gjennomsnittskostnad per minutt [kr/min]Østfold 0,99 Akershus 0,98 Oslo 1,03 Hedmark 0,93 Oppland 0,91 Buskerud 0,97 Vestfold 1,00 Telemark 0,89 Aust-Agder 0,90 Vest-Agder 0,91 Rogaland 1,06 Hordaland 1,08 Sogn og Fjordane 1,05 Møre og Romsdal 0,98 Sør-Trøndelag 0,89 Nord-Trøndelag 0,94 Nordland 1,02 Troms 0,93 Finnmark 1,27 Hele landet 0,97

Av tabellen ser vi at gjennomsnittlig reisekostnad varierer fra 0,89 til 1,27 kr per minutt. Kostnaden er lavest i Trøndelag, Telemark og Aust-Agder, og høyest i Finnmark. Som tabellen viser er det liten variasjon i reisekostnad, så vi kunne valgt å benytte landsgjennomsnittet for alle relasjoner. Ettersom det er enkelt å implementere har vi imidlertid valgt å benytte den fylkesvise gjennomsnittskostnaden ved estimering av reisekostnad for kommuneinterne reiser. Det betyr at kostnader for en reise inn til et kommunesenter er beregnet ut fra tiden reisen tar, og gjennomsnittskostnaden per minutt for kommuneinterne reiser i fylket kommunen er lokalisert i. Implisitt i denne beregningsmåten er at innenfor et fylke er reisemiddelfordelingen den samme for en reise inn til kommunesenteret i egen kommune som inn til andre kommunesentra i fylket. Dette er en beregningsmåte som gjør at transportkostnadene for kommuneinterne reiser er forholdsvis konsistent med transportkostnadene for reiser mellom kommuner.

4.2.2 Andre aktører

4.2.2.1 Advokater Lokalisering: I våre analyser har vi antatt at lokalisering av advokater er fast, og den samme som dagens situasjon. Fra Advokatforeningen har vi fått tilsendt en oversikt over hvor advokatpraksiser er lokalisert i Norge.

16

Reisetid: Oversikten fra Advokatforeningen manglet advokater i de store byene. Med utgangspunkt i oversikten har vi estimert reisetiden til advokatene inn til domstolen kommunen for praksisen i tilhører. Gjennomsnittlig reisetid for hvert fylke er vist i Tabell 2.

Tabell 2. Oversikt over reisetider inn til domstol for advokater. (De store byene er utelatt). Fylke Gjennomsnittlig reisetid Antall advokater i fylket Østfold 10,24 105 Akershus 11,70 305 Oslo 0 Hedmark 13,39 66 Oppland 17,08 66 Buskerud 14,44 121 Vestfold 9,99 133 Telemark 17,69 71 Aust-Agder 15,33 34 Vest-Agder 13,79 91 Rogaland 11,10 89 Hordaland 35,09 44 Sogn og Fjordane 21,38 40 Møre og Romsdal 16,56 82 Sør-Trøndelag 49,72 20 Nord-Trøndelag 24,76 36 Nordland 21,13 75 Troms 22,32 83 Finnmark 44,28 29 Hele landet 16,2 1490

Det er relativt liten variasjon rundt reisetidene, noen tilfeller er likevel verdt å kommentere spesielt. I Vestfold som har lavest gjennomsnittlig reisetid bor tilsammen 80 av de 133 advokatene i Tønsberg eller Sandefjord, som begge har domstoler. Intern reisetid til Tønsberg byrett er 12 minutter, og intern reisetid til Sandefjord sorenskriverembete er 8 minutter. Dette resulterer i svært korte reisetider for Vestfold. Når det gjelder Sør-Trøndelag er reisetiden relativt høy, noe som skyldes at det er få advokater i utgangspunktet og at bidraget fra 4 advokater som er lokalisert på Røros og tilhører Gauldal sorenskriverembete på Melhus dermed blir svært stort. Reisetiden på denne relasjonen er estimert til 131 minutter. I Finnmark skyles den høye reisetiden i stor grad bidrag fra 3 advokater i Karasjok og 3 advokater i Sør-Varanger som må reise til Tana og Varanger sorenskriverembete i Vadsø. Oversikten i Tabell 2 manglet som nevnt advokatpraksiser i de store byene, og vi må derfor gjøre en tilleggsantakelse som dekker dette. Der har vi valgt å benytte reisetiden for kommuneinterne reiser (se kap 4.2.1.2). Reisetiden for advokater i de store byene som skal inn til domstoler i samme kommune er antatt den samme som publikum i byene bruker inn til domstolen, henholdsvis: - Oslo: 14,7 min - Trondheim: 13,8 min - Bergen: 24,5 min - Stavanger: 12,0 min For å kunne operere med differensierte reisetider for advokater vil det være nødvendig å samle inn nye data fra Advokatforeningen om lokalisering av advokatpraksiser slik at vi også fikk med

17

praksiser som er lokalisert i byene. Kostnadene som oppstår grunnet reising for advokater vil ikke få noen store innvirkninger på kjøringene i modellen. Advokatpraksisene er forholdsvis sentralisert, og slik som modellen og betingelsene for kjøring av modellen er utformet vil også domstolene legges til sentrale strøk. Vi ser det ikke som hensiktsmessig å komplisere modellen ved å operere med ulike reisetider for advokater. I modellen har vi derfor benyttet landsgjennomsnittet på 16.2 . Reisekostnader: Når vi har beregnet reisekostnader for advokater har vi i samråd med Justisdepartementet lagt til grunn en timekostnad for reising på kr 640.

4.2.2.2 Statsadvokater Lokalisering: Fra Justisdepartementet fikk vi en oversikt over lokalisering av statsadvokatembeter. Oversikten inneholdt også informasjon om hvilke politidistrikter som dekkes av de ulike statsadvokat-embetene. Reisetid: Vi har antatt at lokalisering av statsadvokater er fast og den samme som dagens situasjon, og har beregnet reisetid for statsadvokatene til hver enkelt kommune som er innenfor området for hvert statsadvokatembete. Reisetiden for statsadvokatene inn til en domstol antas å være den samme som reisetiden for publikum. Reisekostnader: Når vi har beregnet reisekostnader for advokater har vi i samråd med Justisdepartementet lagt til grunn en timekostnad for reising på kr 640.

4.2.2.3 Politi Lokalisering: Fra Justisdepartementet fikk vi oversendt et forslag til nye politidistrikter, og etter avtale med Justisdepartementet ble vi enige om å la dette ligge til grunn for analysene som er gjort. Reisetid: Reisetiden for politi fra en kommune og inn til domstol er forøvrig antatt å være den samme som reisetiden for publikum på samme relasjon. Reisekostnader: Når vi har beregnet reisekostnader for advokater har vi i samråd med Justisdepartementet lagt til grunn en timekostnad for reising på kr 200. (Dette er anslått ut fra en årslønn på 340 000 kr (inkl. sos. kostnader) og 1700 timer per årsverk.)

18

4.2.2.4 Meddommere Lokalisering: I utgangspunktet skal antall meddommere i et domssogn beregnes etter forventet antall rettsdager (jfr Domstolloven § 71) og fordeles etter befolkning i kommunene. Vi har forenklet dette etter anvisninger fra Justisdepartementet og tatt utgangspunkt i antall M-saker. Hver kommune har et visst antall meddommere. Reisetid: Reisetiden for meddommer fra en kommune og inn til domstol er antatt å være den samme som reisetiden for publikum på samme relasjon. Reisekostnader: For meddommere har vi lagt til grunn samme reisekostnad som for publikum.

4.3 Saksmengde og belastningsmodell Herreds- og byrettenes oppgaver er hovedsakelig av dømmende karakter. I tillegg til de rent dømmende oppgaver har de en rekke forvaltningsmessige oppgaver, f.eks. tinglysning, bobehandling, dødsfallsregistrering og utstedelse av skrifteattester, gjennomføring av tvangsforretninger, notarialforretninger, vigsler m.m. Det føres statistikk over innkomne saker til hver domstol. I våre analyser er det iblant ønskelig å benytte en beskrankning på minste antall dommerstillinger i et embete for å unngå for små domstoler, f.eks kan man ønske å legge inn en føring på at løsningen som foreslås av vår modell ikke skal ha domstoler med mindre enn tre dommerembeter. For å få dette med i modellen trenger vi statistikk over saksmengde på kommunenivå, og vi trenger en sammenheng mellom saksmengde og årsverk for dommere. Justisdepartementet har oversikt over saksmengde fordelt på 15 sakstyper. En oversikt over sakstypene er gjengitt i Tabell 3.

Tabell 3. Oversikt over sakstyper. Sakstyper: Mortifikasjon Andre tvistemål Skjønn, skriftetakst Bevisopptak Sjøforklaring Tvangssalg/auksjoner Andre namsrettssaker Meddomsrett Forhørsrett Skifte, konkurs Dødsbo, fellesbo Meldte dødsfall Vigsler Tinglysing To-instans M-saker

19

Saksmengden i statistikken er fordelt på dagens førsteinstansdomstoler. Vi har fått tilgang til denne statistikken, og har fordelt sakene på kommuner etter hvilke kommuner som sokner til de ulike førsteinstansdomstolene i dag. Ved fordelingen er sakene er vektet etter befolkning slik at de mest folkerike kommunene får den største andelen av sakene.

4.3.1 Belastningsmodellen Sammenhengen mellom saksmengde og behovet for bemanning (årsverk dommere og årsverk funksjonærer) er gitt i Justisdepartementets belastningsmodell. Vi har fått denne oversendt i regneark, men vi har ikke sett noen dokumentasjon av denne modellen. Kort beskrevet er det en teoretisk modell for å beregne behovet for stillinger innen domstolene. Den bygger i hovedsak på to elementer; tidsforbruk per sak (fordelt på type saker) og antall innkomne saker av ulik type per år. Når antall årsverk beregnes tar modellen høyde for tilgjengelig tid for saksbehandling. Det er utviklet flere ulike belastningsmodeller, en for små embeter (inntil 3 dommere), en for store embeter og i tillegg er det utviklet ulike modeller for hver av byrettene i Oslo, Bergen, Trondheim og Stavanger. I forbindelse med prosjektarbeidet har vi avdekket endel uregelmessigheter i bruken av modellen, og etter å ha satt oss inn i hvordan den fungerer er vi kritiske til oppbygningen av den. På forespørsel fra Justisdepartementet har vi laget en betenkning på dette (gjengitt i vedlegg B).

4.4 Andre kostnadsdata Som allerede omtalt beregner modellen hvor det er gunstig å lokalisere domstol(er) ut fra kostnadsminimering. Som nevnt tidligere beregnes reisekostnadene for publikum ved hjelp av kostnadene beskrevet i avsnitt 4.2.1. I verktøyet som er utviklet har vi imidlertid også implementert etterberegninger, dvs beregninger av kostnader forbundet med løsningen som er framkommet. I etterberegningene gjøres anslag på lønnskostnader (dommere og funksjonærer), utgifter til leie og drift av lokaler og samt engangsinvesteringer. Disse kostnadene er proporsjonale med antall stillinger, og vi har fått følgende nøkkeltall fra Justisdepartementet:

Tabell 4. Oversikt over nøkkeltall for kostnadsberegningene. Kostnad Nøkkeltall Lønnskostnader 508 430 kr for dommere

271 000 kr for funksjonærer Leie og drift av lokaler 240 000 per stilling Engangsinvesteringer 300 000 per stilling

20

5 Eksempel på anvendelse av modellen – fri tilpasning For å illustrere bruk av modellen har vi i rapporten vedlagt en referansekjøring som ikke tar andre hensyn enn at kjøringen skal fordele ut 49 domssogn under en simultan velferdsbetraktning for hele landet. Her er 1 minutts reisetid for en person likt vektert – uavhengig av distrikt eller by. Tabellen gir en oversikt over hvilke kommuner som modellen velger ut. Tabell 5. Domstolskommuner - Fri tilpasning – 49 lokaliseringer– samerett – uten tinglysning

Beregnet ressursbehov Ressursutnyttelse Fylke

Domstolskommune

Gj.snittlig reisetid Dommere Funksjonær Dommer Funksjonær

20 Finnmark 2003 Vadsø 119,0 3,5 5,5 0,92 1,00 2004 Hammerfest 130,5 3,0 5,0 0,85 0,93 2012 Alta 77,7 3,0 5,5 0,97 0,93 2021 Karasjok 65,4 3,0 3,5 0,62 0,92 19 Troms 1901 Harstad 23,1 3,0 6,0 0,92 0,92 1902 Tromsø 37,4 7,0 12,5 0,97 1,00 1931 Lenvik 40,5 3,0 5,0 0,92 0,99 18 Nordland 1804 Bodø 22,6 4,0 7,0 0,91 0,95 1805 Narvik 43,6 3,0 5,5 0,85 0,91 1822 Leirfjord 54,1 3,0 5,5 0,87 0,99 1833 Rana 29,2 3,0 5,0 0,85 0,99 1841 Fauske 69,6 3,0 5,0 0,87 0,96 1870 Sortland 83,1 4,5 9,0 0,97 0,96 17 Nord-Trøndelag 1721 Verdal 34,4 4,0 8,5 1,00 0,99 1743 Høylandet 92,1 4,0 7,5 0,90 0,95 16 Sør-Trøndelag 1601 Trondheim 25,8 18,5 35,0 0,98 0,99 1638 Orkdal 62,7 3,5 6,5 0,87 0,99 15 Møre og Romsdal 1502 Molde 43,2 4,0 8,0 0,99 0,99 1504 Ålesund 40,6 6,5 13,0 0,98 0,97 1556 Frei 36,5 3,0 5,5 0,85 0,95 14 Sogn og Fjordane 1401 Flora 53,7 3,0 6,0 0,98 0,92 1420 Sogndal 69,8 3,0 5,5 0,86 0,93 1443 Eid 62,2 3,0 5,5 0,88 0,98 12 Hordaland 1201 Bergen 27,0 28,5 54,0 1,00 0,99 1228 Odda 58,2 3,0 5,5 0,86 0,91 11 Rogaland 1103 Stavanger 22,7 21,5 37,5 0,98 0,99 1106 Haugesund 25,8 9,0 17,5 0,99 0,98 10 Vest-Agder 1001 Kristiansand 21,3 10,0 19,0 0,96 1,00 1032 Lyngdal 39,6 6,0 10,5 0,93 0,97 09 Aust-Agder 906 Arendal 24,6 6,5 13,0 0,99 0,99 08 Telemark 805 Porsgrunn 21,0 9,5 19,0 0,97 0,99 821 Bø 56,0 3,5 7,5 0,96 0,97 07 Vestfold 704 Tønsberg 16,5 9,5 17,5 0,96 0,98 706 Sandefjord 16,3 7,5 14,0 0,94 0,98 06 Buskerud 602 Drammen 21,0 14,0 29,0 1,00 0,98 605 Ringerike 25,2 5,5 10,5 0,95 0,99 617 Gol 48,6 3,0 5,5 0,89 0,99 02 Akershus 214 Ås 22,3 9,0 16,0 0,95 0,99 219 Bærum 10,0 11,5 20,5 0,98 0,99 231 Skedsmo 17,6 10,5 19,5 0,95 0,99 235 Ullensaker 24,3 5,0 9,0 0,95 1,00 01 Østfold 104 Moss 9,9 4,5 8,0 0,90 0,98 105 Sarpsborg 22,1 13,0 26,5 0,99 0,99 05 Oppland 502 Gjøvik 29,5 5,5 12,0 0,94 0,98 516 Nord-Fron 48,7 3,0 6,0 0,86 0,95 04 Hedmark 402 Kongsvinger 29,5 3,5 7,0 0,89 0,98 403 Hamar 26,7 8,5 16,5 0,96 1,00 437 Tynset 70,0 3,0 5,5 0,87 0,97 03 Oslo 301 Oslo 15,1 79,5 131,0 1,00 1,00 Denne modellkjøringen er gjort for å illustrere hva slags resultater modellen produserer. Vi har tatt utgangspunkt i at strukturutvalget foreslår en reduksjon i antall geografiske lokaliseringssteder

21

fra 82 til i størrelsesorden 49. Vi har derfor latt modellen på fritt grunnlag beregne hvor disse 49 domstolene bør ligge for å gi publikum kortest mulig reisetid. Kjøringen tar ingen politiske hensyn med unntak av at det skal lokaliseres en domstol i en av de fem kommunene med overveiende samisk befolkning, og at alle disse kommunene sogner til dette domssognet. Ut fra dette søker modellen å søker kun å minimere den gjennomsnittlige reisetida for gjennomsnittsbrukeren av førsteinstansdomstoler i Norge. Et annet krav som gjelder, er at ingen domstoler skal ha mindre enn 3 dommerstillinger. Dette kravet er juridisk faglig begrunnet. Vi har videre forutsatt at tidsforbruk for saker er normativt bestemt, og lik det som er empirisk vist for store domssogn i dag. I tillegg er tilgjengelig tid til saksbehandling lik for alle domssogn. Ellers tar ikke kjøringen hensyn til fylkesgrenser, funksjonelle regioner (Ref. /5/) og andre aspekter som rimeligvis er gjort i forbindelse med den innstillingen som Justisdepartementet utarbeider for ny lokalisering av førsteinstansdomstoler. Uansett er denne kjøringen en interessant referanse for å vurdere de lokaliseringsvalg som anbefales ut fra politiske betraktninger i stortingsmeldinga.

5.1 Kort om resultatene Vi har sammenliknet denne tilpasningen med forslaget fra strukturutvalget i NOU 1999:22, og de kommunene som er identiske er merket med rød skrift i tabellen på foregående side. Det utgjør 31 av de 49 som flertallet i utvalget foreslo i fjor. De som avviker er i stor grad nabokommuner. Dette illustrerer at modellen regner meget relevant i forhold til de manuelle vurderingene som ble gjort i forbindelse med utvalgsarbeidet. Felles lokaliseringer mellom flertallet i strukturutvalget og fri modell er merket i kursiv i tabellen på foregående side. Gjenomsnittlig reisetid for forslagene fra strukturutvalgets flertall er 43,2 minutter, mens det for denne beregningen er 42,2 minutter. Det illustrerer at denne løsningen rent reisetidsmessig er bedre enn flertallsforslaget sitt, med de samme antall lokaliseringer (49). Men som tidligere nevnt vil det være andre hensyn enn de rent reisetidsmessige som vil vektlegges i en slik sammenheng, som gjør at vi ikke kan hevde at denne løsningen praktisk sett vil være bedre. Kravet om minst 3 dommere ved hvert domssogn, gjør at løsningene som framkommer kan bli fraksjonert ved at små enkeltkommuner ikke allokeres til det nærmeste domssognssentrum. For denne kjøringen gjaldt dette Bjarkøy i Troms (607 innb.) som ble flyttet helt opp til Hammerfest for å få en løsning som oppfylte restriksjonen med 3 dommere. I vedlegget har vi overført Bjarkøy til Harstad, slik at løsningen i vedlegget for Bjarkøy sin del framstår som realistisk. For detaljrapporter om hvilke kommuner som inngår til hver domstol, og kostnadstall henvises det til vedlegg A.

22

6 Diskusjon og konklusjoner Modellen som utgjør kjernen av verktøyet beskrevet i denne rapporten baserer seg på generelle strukturer knyttet til lokaliseringsproblemer. Denne modellen kan anvendes i analyser av problemstillinger knyttet til valg av lokalisering(er) og kan besvare hvor en eller flere attraksjoner skal lokaliseres basert på kostnadsminimering eller reisetidsminimering. Den eneste begrensningen som ligger fast i modellen er at problemstillingen må være sonebasert, dvs attraksjon(ene) og kostnadene som vurderes må kunne knyttes til bestemte soner. I dette prosjektet har vi skreddersydd et verktøy og et brukergrensesnitt rundt denne modellen, slik at det er enkelt å legge inn målfunksjon og beskrankninger som er relevante for vurdering av lokalisering av førsteinstansdomstoler. For å tilpasse oss denne problemstillingen har vi i verktøyet også lagt inn en ”ettermodell” som beregner kostnader knyttet til løsningen som er framkommet. Beregningene som gjøres i modellen er svært avhengig av hvilke forutsetninger som legges til grunn, og brukeren har stor frihet til å begrense utfallsrommet for mulige tilpasninger. Reisetider og kostnader forbundet med ulike strukturer på førsteinstansdomstolene og domsogns-inndelingene er viktige kriterier når de strukturene vurderes. Det er imidlertid andre hensyn som også bør tas (f.eks funksjonelle regioner o.l.), så resultatene fra modellen vil ikke nødvendigvis utgjøre hele beslutningsgrunnlaget når struktur skal velges. Alternativene som brukeren analyserer bør derfor også vurderes med et kvalitativt skjønn. Vår erfaring er at modellen har fungert svært godt i arbeidet med denne problemstillingen, og at den er effektiv i bruk. Anslagsvis 100 ulike scenarier er analysert i prosjektperioden. SINTEF er faglig ansvarlig for modellen, og vi har kjørt modellen etter oppdrag fra Justisdepartementet etter angivelse av forutsetninger. Videre er tolkning av resultater fra de ulike scenariene foretatt av Justisdepartementet, og på den bakgrunn har ikke SINTEF noe formelt ansvar for den konkrete anbefaling departementet til slutt velger å legge fram overfor Stortinget. Modellen er i utgangspunktet skreddersydd for lokaliseringsproblemet for domstoler, men den har en struktur som gjør at man med noe innsats kan utvikle den til en mer generell modell for departementene for analyser av lokaliseringsvalg med nasjonale eller regionale perspektiver.

23

7 Kilder /1/ Grue, B., Hamre, T.N., Larsen, O.I, Rekdal, J. og Voldmo, F.

Den nasjonale persontransportmodellen. Fase 4c Transportøkonomisk institutt, TØI-notat 1151/1999. ISSN 0806-9999

/2/ Kommunaldepartementet Personminutter. Nytt mål på befolkningens geografiske fordeling. Kommunalavdelingen, desember. 1990

/3/ Justis- og politidepartementet Domstolene i første instans. Førsteinstansdomstolenes arbeidsoppgaver og struktur. Utredning fra Strukturutvalget for herreds- og byrettene, NOU 1999:22, ISBN 82-583-0492-5

/4/ M. Labbe og F.V. Louveaux, Location Problems. I M. Dell'Amico, F. Maffioli og S. Martello (redaktører), Annotated Biliographies in Combinatorial Optimization, kapittel 16, Wiley,1997

/5/ Juvkam, Dag "Funksjonelle regioner, domstolsinndeling og politidistrikt" NIBR-notat 2000:127

24

Vedlegg A. Optimal plassering – 49 domssogn Detaljert rapport - Tidsminimering - Egen samisk domstol Fylke Domstolslokalisering

20 Finnmark Vadsø Tilh. kommuner Befolkning Reisetid 2002 Vardø 2799 78 min 2003 Vadsø 6182 5 min 2023 Gamvik 1283 243 min 2024 Berlevåg 1252 181 min 2028 Båtsfjord 2454 156 min 2030 Sør-Varanger 9646 165 min Sum befolkning 23616

Reisetid Gjennomsnitt 119,0 min (min: 5, max: 243) Beregnet ressursbehov: Dommerårsverk 3,5 Funksjonærårsverk: 5,5 Driftskostnader: 2160000 kr Reisekostnader: Publikum: 201823 kr Advokater: 69151 kr Meddommere: 47954 kr Statsadv: 192281 kr Politi: 79654 kr Ressursutnyttelse: Dommer: 0,92 Funksjonær: 1,00

Hammerfest Tilh. kommuner Befolkning Reisetid 2004 Hammerfest 9151 8 min 2015 Hasvik 1237 387 min 2017 Kvalsund 1088 36 min 2018 Måsøy 1497 186 min 2019 Nordkapp 3554 166 min 2022 Lebesby 1483 358 min 18. oktober 2000 Page 1 of 31

25

Fylke Domstolslokalisering

Sum befolkning 18010

Reisetid Gjennomsnitt 130,5 min (min: 8, max: 387) Beregnet ressursbehov: Dommerårsverk 3 Funksjonærårsverk: 5 Driftskostnader: 1920000 kr Reisekostnader: Publikum: 189151 kr Advokater: 57831 kr Meddommere: 56893 kr Statsadv: 170612 kr Politi: 35608 kr Ressursutnyttelse: Dommer: 0,85 Funksjonær: 0,93

Alta Tilh. kommuner Befolkning Reisetid 1941 Skjervøy 2914 214 min 1942 Nordreisa 4765 166 min 1943 Kvænangen 1458 103 min 2012 Alta 16526 13 min 2014 Loppa 1443 123 min Sum befolkning 27106

Reisetid Gjennomsnitt 77,7 min (min: 13, max: 214) Beregnet ressursbehov: Dommerårsverk 3 Funksjonærårsverk: 5,5 Driftskostnader: 2040000 kr Reisekostnader: Publikum: 147610 kr Advokater: 63406 kr Meddommere: 38123 kr Statsadv: 114516 kr Politi: 184571 kr Ressursutnyttelse: Dommer: 0,97 Funksjonær: 0,93

Karasjok Tilh. kommuner Befolkning Reisetid 2011 Kautokeino 3121 116 min 2020 Porsanger 4397 67 min 2021 Karasjok 2871 4 min 2025 Deatnu-Tana 3056 71 min 2027 Nesseby 1021 86 min

18. oktober 2000 Page 2 of 31

26




19 Troms Harstad Tilh. kommuner Befolkning Reisetid 1852 Tjeldsund 1525 52 min 1901 Harstad 23034 9 min 1911 Kvæfjord 3201 24 min 1913 Skånland 3140 41 min 1915 Bjarkøy 607 171 min 1917 Ibestad 1808 145 min Sum befolkning 33315


Tromsø Tilh. kommuner Befolkning Reisetid 1902 Tromsø 58121 24 min 1936 Karlsøy 2462 73 min 1938 Lyngen 3245 121 min 1939 Storfjord 1863 87 min 1940 Kåfjord 2429 163 min


27




Lenvik Tilh. kommuner Befolkning Reisetid 1924 Målselv 7037 39 min 1925 Sørreisa 3301 21 min 1926 Dyrøy 1365 55 min 1927 Tranøy 1673 23 min 1928 Torsken 1170 68 min 1929 Berg 1120 57 min 1931 Lenvik 10983 16 min 1933 Balsfjord 5814 75 min Sum befolkning 32463


18 Nordland Bodø Tilh. kommuner Befolkning Reisetid 1804 Bodø 40767 14 min 1838 Gildeskål 2374 94 min 1857 Værøy 810 260 min


28




Narvik Tilh. kommuner Befolkning Reisetid 1805 Narvik 18499 10 min 1850 Tysfjord 2355 92 min 1853 Evenes 1527 63 min 1854 Ballangen 2838 44 min 1856 Røst 654 302 min 1919 Gratangen 1329 53 min 1920 Lavangen 1070 70 min 1922 Bardu 3794 83 min 1923 Salangen 2384 87 min Sum befolkning 34450


Leirfjord Tilh. kommuner Befolkning Reisetid 1815 Vega 1403 126 min 1816 Vevelstad 601 104 min 1818 Herøy 1895 58 min 1820 Alstahaug 7371 16 min


29


1822 Leirfjord 2243 10 min 1824 Vefsn 13549 56 min 1825 Grane 1648 95 min 1826 Hattfjelldal 1636 129 min 1827 Dønna 1595 54 min 1828 Nesna 1865 46 min 1835 Træna 484 112 min Sum befolkning 34290


Rana Tilh. kommuner Befolkning Reisetid 1832 Hemnes 4656 37 min 1833 Rana 25235 13 min 1834 Lurøy 2102 109 min 1836 Rødøy 1589 151 min Sum befolkning 33582


Fauske Tilh. kommuner Befolkning Reisetid 1837 Meløy 6763 152 min 1839 Beiarn 1312 84 min


30


1840 Saltdal 4942 30 min 1841 Fauske 9613 10 min 1842 Skjerstad 1111 63 min 1845 Sørfold 2431 11 min 1848 Steigen 3022 155 min 1849 Hamarøy 2037 115 min Sum befolkning 31231


Sortland Tilh. kommuner Befolkning Reisetid 1851 Lødingen 2497 56 min 1859 Flakstad 1586 200 min 1860 Vestvågøy 10695 170 min 1865 Vågan 9180 100 min 1866 Hadsel 8342 26 min 1867 Bø 3332 54 min 1868 Øksnes 4755 39 min 1870 Sortland 9207 10 min 1871 Andøy 5765 103 min 1874 Moskenes 1355 227 min


31



Reisetid Gjennomsnitt 83,1 min (min: 10, max: 227) Beregnet ressursbehov: Dommerårsverk 4,5 Funksjonærårsverk: 9 Driftskostnader: 3240000 kr Reisekostnader: Publikum: 247064 kr Advokater: 87483 kr Meddommere: 51079 kr Statsadv: 144638 kr Politi: 122273 kr Ressursutnyttelse: Dommer: 0,97 Funksjonær: 0,96

17 Nord-Trøndelag Verdal Tilh. kommuner Befolkning Reisetid 1632 Roan 1147 154 min 1633 Osen 1206 119 min 1702 Steinkjer 20347 36 min 1717 Frosta 2395 66 min 1718 Leksvik 3508 75 min 1719 Levanger 17504 18 min 1721 Verdal 13663 10 min 1723 Mosvik 945 44 min 1724 Verran 2789 60 min 1725 Namdalseid 1831 68 min 1729 Inderøy 5747 24 min Sum befolkning 71082


Høylandet Tilh. kommuner Befolkning Reisetid


32


1703 Namsos 12261 51 min 1736 Snåsa 2403 55 min 1738 Lierne 1566 98 min 1739 Røyrvik 603 106 min 1740 Namsskogan 982 75 min 1742 Grong 2497 26 min 1743 Høylandet 1351 7 min 1744 Overhalla 3672 32 min 1748 Fosnes 800 125 min 1749 Flatanger 1286 114 min 1750 Vikna 3840 107 min 1751 Nærøy 5387 87 min 1755 Leka 718 165 min 1811 Bindal 1951 142 min 1812 Sømna 2135 126 min 1813 Brønnøy 7408 163 min Sum befolkning 48860


16 Sør-Trøndelag Trondheim Tilh. kommuner Befolkning Reisetid 1601 Trondheim 147187 14 min 1621 Ørland 5046 80 min 1624 Rissa 6447 92 min 1627 Bjugn 4689 123 min 1630 Åfjord 3412 130 min 1648 Midtre-Gauld 5776 53 min 1653 Melhus 13047 21 min 1662 Klæbu 4845 25 min 1663 Malvik 10937 28 min 1664 Selbu 3965 70 min 1665 Tydal 972 111 min 1711 Meråker 2595 84 min 1714 Stjørdal 18107 37 min


33




Orkdal Tilh. kommuner Befolkning Reisetid 1566 Surnadal 6246 81 min 1567 Rindal 2156 57 min 1569 Aure 2809 102 min 1571 Halsa 1847 102 min 1612 Hemne 4331 61 min 1613 Snillfjord 1111 52 min 1617 Hitra 4069 92 min 1620 Frøya 4119 165 min 1622 Agdenes 1794 33 min 1635 Rennebu 2736 73 min 1636 Meldal 3998 38 min 1638 Orkdal 10164 8 min 1657 Skaun 5822 19 min Sum befolkning 51202



34


15 Møre og Romsdal Molde Tilh. kommuner Befolkning Reisetid 1502 Molde 23602 11 min 1523 Ørskog 2084 31 min 1535 Vestnes 6505 35 min 1539 Rauma 7504 95 min 1543 Nesset 3291 58 min 1545 Midsund 1979 69 min 1547 Aukra 2961 61 min 1548 Fræna 9094 33 min 1563 Sunndal 7431 92 min Sum befolkning 64451


Ålesund Tilh. kommuner Befolkning Reisetid 1504 Ålesund 38251 16 min 1514 Sande 3092 38 min 1515 Herøy 8359 115 min 1516 Ulstein 6537 56 min 1517 Hareid 4731 40 min 1524 Norddal 1969 81 min 1525 Stranda 4699 83 min 1526 Stordal 1064 59 min 1528 Sykkylven 7248 50 min 1529 Skodje 3491 31 min 1531 Sula 7005 32 min 1532 Giske 6337 15 min 1534 Haram 8733 51 min 1546 Sandøy 1359 159 min


35




Frei Tilh. kommuner Befolkning Reisetid 1503 Kristiansund 16928 15 min 1551 Eide 3092 45 min 1554 Averøy 5470 66 min 1556 Frei 5146 5 min 1557 Gjemnes 2678 34 min 1560 Tingvoll 3097 77 min 1572 Tustna 1067 72 min 1573 Smøla 2432 108 min Sum befolkning 39910


14 Sogn og Fjordane Flora Tilh. kommuner Befolkning Reisetid 1401 Flora 11130 17 min 1412 Solund 985 118 min 1428 Askvoll 3393 72 min


36


1429 Fjaler 2993 100 min 1430 Gaular 2917 90 min 1432 Førde 10388 57 min 1433 Naustdal 2687 48 min 1438 Bremanger 4173 59 min Sum befolkning 38666


Sogndal Tilh. kommuner Befolkning Reisetid 1413 Hyllestad 1586 180 min 1416 Høyanger 4693 110 min 1417 Vik 2983 89 min 1418 Balestrand 1514 70 min 1419 Leikanger 2198 24 min 1420 Sogndal 6579 9 min 1421 Aurland 1819 82 min 1422 Lærdal 2218 50 min 1424 Årdal 5802 76 min 1426 Luster 5035 31 min 1431 Jølster 2917 64 min


37




Eid Tilh. kommuner Befolkning Reisetid 1439 Vågsøy 6524 56 min 1441 Selje 3106 69 min 1443 Eid 5808 9 min 1444 Hornindal 1213 38 min 1445 Gloppen 5774 47 min 1449 Stryn 6710 48 min 1511 Vanylven 3607 76 min 1519 Volda 8280 76 min 1520 Ørsta 10357 87 min Sum befolkning 51379


12 Hordaland Bergen Tilh. kommuner Befolkning Reisetid 1201 Bergen 227276 16 min 1223 Tysnes 2805 129 min


38


1233 Ulvik 1231 70 min 1235 Voss 13685 82 min 1238 Kvam 8565 75 min 1241 Fusa 3639 71 min 1242 Samnanger 2322 48 min 1243 Os 13758 35 min 1244 Austevoll 4378 130 min 1245 Sund 5109 29 min 1246 Fjell 17803 19 min 1247 Askøy 19465 17 min 1251 Vaksdal 4208 54 min 1252 Modalen 346 73 min 1253 Osterøy 7048 61 min 1256 Meland 5251 36 min 1259 Øygarden 3598 51 min 1260 Radøy 4569 55 min 1263 Lindås 12511 33 min 1264 Austrheim 2547 79 min 1265 Fedje 665 172 min 1266 Masfjorden 1781 81 min 1411 Gulen 2503 154 min Sum befolkning 365063


Odda Tilh. kommuner Befolkning Reisetid 1134 Suldal 4063 114 min 1135 Sauda 5102 74 min 1211 Etne 3948 73 min 1214 Ølen 3302 103 min 1224 Kvinnherad 13206 49 min 1227 Jondal 1171 94 min 1228 Odda 7734 8 min 1231 Ullensvang 3596 46 min 1232 Eidfjord 1016 73 min 1234 Granvin 1041 105 min


39




11 Rogaland Stavanger Tilh. kommuner Befolkning Reisetid 1101 Eigersund 13109 69 min 1102 Sandnes 52077 16 min 1103 Stavanger 108019 12 min 1114 Bjerkreim 2454 52 min 1119 Hå 13723 46 min 1120 Klepp 13548 27 min 1121 Time 13100 32 min 1122 Gjesdal 8747 28 min 1124 Sola 18706 16 min 1127 Randaberg 8741 15 min 1129 Forsand 1015 95 min 1130 Strand 9969 79 min 1133 Hjelmeland 2762 118 min 1141 Finnøy 2856 79 min 1142 Rennesøy 3018 28 min 1144 Kvitsøy 510 82 min


40




Haugesund Tilh. kommuner Befolkning Reisetid 1106 Haugesund 29888 8 min 1145 Bokn 753 45 min 1146 Tysvær 8669 19 min 1149 Karmøy 36637 29 min 1151 Utsira 246 138 min 1154 Vindafjord 4861 58 min 1216 Sveio 4581 25 min 1219 Bømlo 10694 63 min 1221 Stord 16071 55 min 1222 Fitjar 2962 78 min Sum befolkning 115362


10 Vest-Agder Kristiansand Tilh. kommuner Befolkning Reisetid 926 Lillesand 8763 32 min


41


928 Birkenes 4191 40 min 935 Iveland 1099 51 min 937 Evje-og-Hor 3360 63 min 938 Bygland 1314 92 min 1001 Kristiansand 71498 14 min 1014 Vennesla 11993 28 min 1017 Songdalen 5342 21 min 1018 Søgne 8709 18 min 1021 Marnardal 2206 44 min Sum befolkning 118475


Lyngdal Tilh. kommuner Befolkning Reisetid 1002 Mandal 13286 37 min 1003 Farsund 9451 21 min 1004 Flekkefjord 8826 58 min 1026 Åseral 888 77 min 1027 Audnedal 1527 52 min 1029 Lindesnes 4364 24 min 1032 Lyngdal 7031 7 min 1034 Hægebostad 1577 36 min 1037 Kvinesdal 5562 33 min 1046 Sirdal 1738 96 min 1111 Sokndal 3394 92 min 1112 Lund 3092 80 min


42




9 Aust-Agder Arendal Tilh. kommuner Befolkning Reisetid 830 Nissedal 1465 95 min 901 Risør 6976 51 min 904 Grimstad 17608 24 min 906 Arendal 39247 13 min 911 Gjerstad 2532 61 min 912 Vegårshei 1828 44 min 914 Tvedestrand 5914 30 min 919 Froland 4504 19 min 929 Åmli 1866 62 min Sum befolkning 81940


8 Telemark Porsgrunn Tilh. kommuner Befolkning Reisetid


43


805 Porsgrunn 32563 11 min 806 Skien 49498 15 min 811 Siljan 2266 34 min 814 Bamble 14111 27 min 815 Kragerø 10630 51 min 817 Drangedal 4159 53 min Sum befolkning 113227


Bø Tilh. kommuner Befolkning Reisetid 807 Notodden 12203 40 min 819 Nome 6631 17 min 821 Bø 4998 6 min 822 Sauherad 4369 10 min 826 Tinn 6538 115 min 827 Hjartdal 1691 58 min 828 Seljord 2975 34 min 829 Kviteseid 2656 54 min 831 Fyresdal 1337 102 min 833 Tokke 2539 80 min 834 Vinje 3894 82 min 940 Valle 1421 132 min 941 Bykle 864 146 min


44




7 Vestfold Tønsberg Tilh. kommuner Befolkning Reisetid 701 Borre 23582 18 min 702 Holmestrand 9335 30 min 704 Tønsberg 34484 12 min 716 Våle 4187 29 min 718 Ramnes 3762 20 min 719 Andebu 4611 24 min 722 Nøtterøy 19392 10 min 723 Tjøme 4441 27 min Sum befolkning 103794


Sandefjord Tilh. kommuner Befolkning Reisetid 706 Sandefjord 38792 8 min 709 Larvik 40088 22 min 720 Stokke 9421 17 min


45


728 Lardal 2328 48 min Sum befolkning 90629


6 Buskerud Drammen Tilh. kommuner Befolkning Reisetid 602 Drammen 54361 11 min 604 Kongsberg 22104 43 min 621 Sigdal 3611 61 min 624 Øvre-Eiker 14978 23 min 625 Nedre-Eiker 20209 16 min 626 Lier 21197 10 min 627 Røyken 16074 22 min 628 Hurum 8247 33 min 631 Flesberg 2500 69 min 632 Rollag 1491 78 min 711 Svelvik 6192 29 min 713 Sande 7286 22 min 714 Hof 2806 38 min


46




Ringerike Tilh. kommuner Befolkning Reisetid 532 Jevnaker 6003 15 min 533 Lunner 8220 36 min 534 Gran 12724 48 min 605 Ringerike 27800 16 min 612 Hole 4901 13 min 622 Krødsherad 2269 50 min 623 Modum 12335 33 min Sum befolkning 74252


Gol Tilh. kommuner Befolkning Reisetid 540 Sør-Aurdal 3410 75 min 542 Nord-Aurdal 6527 49 min 543 Vestre-Slidre 2272 75 min 544 Øystre-Slidre 3047 71 min 545 Vang 1633 98 min 615 Flå 1114 62 min


47


616 Nes 3492 30 min 617 Gol 4356 4 min 618 Hemsedal 1830 32 min 619 Ål 4704 28 min 620 Hol 4637 39 min 633 Nore-og-Uvd 2808 115 min Sum befolkning 39830


2 Akershus Ås Tilh. kommuner Befolkning Reisetid 119 Marker 3290 65 min 123 Spydeberg 4438 26 min 124 Askim 13391 32 min 125 Eidsberg 9435 43 min 138 Hobøl 4307 18 min 211 Vestby 11597 10 min 213 Ski 25217 13 min 214 Ås 13260 10 min 215 Frogn 12748 18 min 216 Nesodden 15097 32 min


48




Bærum Tilh. kommuner Befolkning Reisetid 219 Bærum 100773 9 min 220 Asker 48397 12 min Sum befolkning 149170


Skedsmo Tilh. kommuner Befolkning Reisetid 121 Rømskog 669 64 min 122 Trøgstad 4860 47 min 221 Aurskog-Høl 12442 39 min 226 Sørum 11970 25 min 227 Fet 9037 11 min 228 Rælingen 14373 10 min 229 Enebakk 8505 33 min 230 Lørenskog 29207 12 min 231 Skedsmo 38189 8 min 233 Nittedal 18254 25 min 234 Gjerdrum 4452 20 min


49




Ullensaker Tilh. kommuner Befolkning Reisetid 235 Ullensaker 19603 11 min 236 Nes 16146 28 min 237 Eidsvoll 17203 34 min 238 Nannestad 8653 24 min 239 Hurdal 2636 44 min Sum befolkning 64241


1 Østfold Moss Tilh. kommuner Befolkning Reisetid 104 Moss 26242 6 min 135 Råde 6117 22 min 136 Rygge 13110 9 min 137 Våler 3933 20 min


50




Sarpsborg Tilh. kommuner Befolkning Reisetid 101 Halden 26523 30 min 105 Sarpsborg 47122 10 min 106 Fredrikstad 67415 23 min 111 Hvaler 3487 55 min 118 Aremark 1458 54 min 127 Skiptvet 3141 33 min 128 Rakkestad 7080 31 min Sum befolkning 156226


5 Oppland Gjøvik Tilh. kommuner Befolkning Reisetid 501 Lillehammer 24533 46 min 502 Gjøvik 26968 14 min 528 Østre-Toten 14021 22 min 529 Vestre-Tote 13068 15 min


51


536 Søndre-Land 6048 41 min 538 Nordre-Land 6967 46 min 541 Etnedal 1403 70 min Sum befolkning 93008


Nord-Fron Tilh. kommuner Befolkning Reisetid 511 Dovre 2909 60 min 512 Lesja 2273 96 min 513 Skjåk 2393 106 min 514 Lom 2543 86 min 515 Vågå 3836 58 min 516 Nord-Fron 5978 9 min 517 Sel 6231 33 min 519 Sør-Fron 3364 15 min 520 Ringebu 4799 25 min 521 Øyer 4842 59 min 522 Gausdal 6227 68 min Sum befolkning 45395



52


4 Hedmark Kongsvinger Tilh. kommuner Befolkning Reisetid 402 Kongsvinger 17254 13 min 418 Nord-Odal 5054 48 min 419 Sør-Odal 7302 33 min 420 Eidskog 6351 28 min 423 Grue 5450 30 min 425 Åsnes 8135 52 min Sum befolkning 49546


Hamar Tilh. kommuner Befolkning Reisetid 403 Hamar 26424 8 min 412 Ringsaker 31516 22 min 415 Løten 7176 20 min 417 Stange 17763 16 min 426 Våler 4121 61 min 427 Elverum 17929 33 min 428 Trysil 7044 94 min


53




Tynset Tilh. kommuner Befolkning Reisetid 429 Åmot 4450 134 min 430 Stor-Elvdal 2978 77 min 432 Rendalen 2253 56 min 434 Engerdal 1566 120 min 436 Tolga 1841 27 min 437 Tynset 5392 13 min 438 Alvdal 2415 28 min 439 Folldal 1826 65 min 441 Os 2081 40 min 1634 Oppdal 6248 96 min 1640 Røros 5524 56 min 1644 Holtålen 2263 90 min Sum befolkning 38837


3 Oslo


54


Oslo Tilh. kommuner Befolkning Reisetid 217 Oppegård 22805 19 min 301 Oslo 502867 15 min Sum befolkning 525672



55

Vedlegg B. Om belastningsmodellen som benyttes i dag (Utgitt som eget arbeidsnotat i prosjektet.) Vi har under utvikling og i arbeid med modellen vært nødt til å gi mulighet for å kjøre modellen ut fra samme forutsetninger som er brukt i Justisdepartementet sin egen modell. En stor svakhet med den modellen er mangel på dokumentasjon og JD sin manglende kompetanse om tekniske forhold rundt modellen. Etter forespørsel fra JD har vi laget en betenkning på dette. Vi har i arbeidet avdekket enkelte logiske brister i hvordan modellen er bygd opp. Dette er en klargjøring av det vi tror kan være en feil i bruken av Justisdepartementets belastningsmodell. I det minste dreier det seg om en logisk feil, hvor konsekvensen kan være liten, dersom parametrene er tunet riktig i forhold til reell arbeidsbelastning. Kjernen i det hele er tolkningen av prosentsatsene som er oppgitt for - sykdom - kontor/adm - EDB - Annet og - Fase II-konvertering Slik vi tolker disse prosentsatsene angir disse hvor stor andel av et årsverk som går vekk til disse postene. Med andre ord vil den resterende tiden kunne anvendes til saksbehandling. I regnearket ser datafeltet som er kilden til avviket gitt av tabell 6.

Eksempel For å klargjøre dette, samt illustrere forskjellene i vår intuitive tolkning av belastningsmodellen og Justisdepartementets tolkning tar vi med et regneeksempel. Vi har valgt å vise forskjellen for Oslo Byrett: Tabell 6. Utdrag fra regneark for saksbehandlingskapasitet – Eksempel fra Oslo Byrett Den intuitive tolkningen av dette er at en dommer, i (2+21+14,6) = 37,6% av tiden er bundet opp til aktiviteter som ikke har med behandling av enkeltsaker å gjøre. Resten, 62,4% er tilgjengelig for saksbehandling. Det utgjør 1648*0,624 = 1028,35 timer per år.

Små embeter Store embeterVariabler D F D F

(% av tot.årsverk)1 Sykdomsprosent 2,0% 5,0% 2,0% 5,0% (% av tot.årsverk)2 Kontor/adm 21,0% 46,0% 21,0% 46,0%3 EDB 0,0% 0,0% 0,0% 0,0%4 Annet 14,6% 0,0% 14,6% 0,0%5 Fase II - konvertering 0,0% 1,0% 0,0% 0,0%6 Timer pr. st.hj. pr. år 1.648 1.648 1.648 1.648 (eksklusive ferie)

56

Tabell 7. Beregninger med belastningsmodellen. Justisdepartementets tolkning. Resultater Oslo byrett: Årsverk D F TOT A Kapasitetsbehov saksbehandling 54,6 42,8 97,3 B Kapasitetsbehov to-instans 3,9 1,5 5,3 C Totalt kap.behov saksbehandling 58,5 44,2 102,7 D Kapasitetsbehov adm, edb etc. 20,8 20,3 41,1 E Totalt kap.behov (u/sykefravær) 79,2 64,6 143,8 F Sykefravær 1,6 3,2 4,8 G Totalt kapasitetsbehov 80,8 67,8 148,6 H Tilgjengelig kapasitet 85,0 75,5 160,5 I Over/under-kapasitet (H-G) 4,2 7,7 11,9 Tabell 8. Beregninger med belastningsmodellen. SINTEF’s tolkning. Resultater Oslo byrett: Årsverk D F TOT A Kapasitetsbehov saksbehandling 54,6 42,8 97,3 B Kapasitetsbehov to-instans 3,9 1,5 5,3 C Totalt kap.behov saksbehandling 58,5 44,2 102,7 D Kapasitetsbehov adm, edb etc. 33,4 41,5 74,9 E Totalt kap.behov (u/sykefravær) 91,9 85,7 177,6 F Sykefravær 1,9 4,5 6,4 G Totalt kapasitetsbehov 93,8 90,2 184,0 H Tilgjengelig kapasitet 85,0 75,5 160,5 I Over/under-kapasitet (H-G) -8,8 -14,7 -23,5 Som tabellene viser kommer JD og SINTEF fram til samme behov for årsverk til saksbehandling; nemlig 58,5 årsverk for dommere og 44,2 årsverk for funksjonærer. Dette er den effektive tiden man trenger for å få unna alle innkomne saker. Imidlertid er ikke all tid i et årsverk effektiv saksbehandling, det går bort endel tid til sykdom, kontor/adm, EDB, annet og Fase II-konvertering. Spørsmålet er dermed: Med det nivået for disse postene som er observert - hvor mange årsverk trenger man for å få henholdsvis 58,5 dommerårsverk og 44,2 funksjonærårsverk til saksbehandling?

SINTEFs tolkning Ifølge tallene som er oppgitt for Oslo byrett vil tilsammen 37,6% av tiden for dommere og 51% av tiden for funksjonærer gå bort til sykdom, kontor/adm, EDB, annet og Fase II-konvertering. Dette innebærer at dommere benytter 62,4% av tiden sin til saksbehandling, mens funksjonærer benytter 49% av tiden sin til saksbehandling. På bakgrunn av denne informasjonen estimerer SINTEF behovet for dommere til å være 58,5/62,4% = 93,8 årsverk, mens behovet for funksjonærer er 44,2/ 49% = 90,2 årsverk. (Dersom dommere benytter 62,4% av tiden til saksbehandling gir dette 58,5 årsverk til saksbehandling. Tilsvarende for funksjonærer: Dersom de benytter 49% av tiden til saksbehandling gir dette 44,2 årsverk til saksbehandling.)

57

Justisdepartementets tolkning Vi har ikke mottatt noe dokumentasjon av belastningsmodellen utover regneeksempler i et Excel-regneark. Vår forståelse av JD’s tolkning baserer seg derfor på hva vi har kunnet lese ut av dette regnearket. JD beregner andelen som går bort til sykdom, kontor/adm, EDB, annet og Fase II-konvertering ut fra behovet for tid til saksbehandling. I dette eksemplet estimerer JD behovet for dommere til å være 80,8, mens behovet for funksjonærer estimeres til 67,8. Dersom dommere benytter 62,4% av tiden til saksbehandling gir dette 50,4 årsverk til saksbehandling. Tilsvarende for funksjonærer: Dersom de benytter 49% av tiden til saksbehandling gir dette 33,2 årsverk til saksbehandling.

Konklusjon om belastningsmodell Som nevnt innledningsvis er uklarhetene knyttet til tolkningen av prosentsatsene for tid som ikke benyttes til saksbehandling. For oss er det vanskelig å se at disse prosentene kan framkomme på annen måte enn ved å se hvor stor andel av arbeidstiden for faktisk går med til disse postene. For å få riktig andel tid som benyttes til saksbehandling må disse prosentsatsene dermed forholde seg til total arbeidstid og ikke estimert behov til saksbehandling slik som tolkningen er i dag. Dersom dere nå internt konkluderer med at det er noe galt med modellen som JD har brukt over en tid, vil vi anbefale at feilen rettes på denne siden av Stortingsmeldinga. Vi tror ikke at de to modellvariantene ”gal” og ”riktig” vil ha veldig ulike lokaliserings-anbefalinger, men som et uavhengig forskningsmiljø ser vi det som viktig at det beste av tilgjengelig informasjon og kunnskap benyttes. Videre er det allerede publisert noen stillingsforslag i NOU 1999:22, vedlegg 1, og dersom disse ikke er konsistente i forhold til tilgjengelig informasjon om saksbehandlingskapasitet, er det antakelig viktig å få det korrekt nå. Det er opp til dere å gjøre disse vurderingene nå, men i vår rapport til JD, vil vi påpeke denne matematiske og logiske bristen i modellen i eksisterende modell, og understreke vår anbefaling til implementering. For oss betyr ikke en konklusjon om at JD sin eksisterende modell er feil, og at den bør rettes, noe merarbeid. Etter en gjennomgang internt i Justisdepartementet, erkjente man den logiske bristen i modellen, men fikk bekreftet at parametrene knyttet til prosentandel administrasjon, kunne tolkes som en påslagsfaktor i forhold til saksrettet arbeid, og ikke som en andel av arbeidstiden. Vi ble derfor nødt til å implementere tilsvarende logiske brist som en modellopsjon i vår modell for å få en riktig sammenlikning med dagens situasjon som referanse for analysene. Konklusjonen er altså at modellparametrene i belastningsmodellen er kalibrert riktig i forhold til empiriske observasjoner for tidsforbruk og tilgjengelig tid til saksbehandling, mens den logisk sett er gal.

58

Vedlegg C. Normativ modellbruk Justisdepartementet har valgt å bruke modellen basert på empiriske forutsetninger om tilgjengelighet på tid hos dommere, og saksbehandlingstid i dagens ulike domstoler. Det skilles på store (>3 dommere) og små (<2,5 dommerårsverk), i tillegg til empirisk basert belastning for byrettene i Oslo, Bergen, Trondheim og Stavanger. En slik bruk ivaretar en form for konsistens mellom basisalternativene som er dagens situasjon og de beregningene som er gjort i dagens belastningsmodell. Vi er imidlertid av den prinsipielle oppfatning at i en strategisk beslutning med en større omstrukturering av virksomheten i domstolene, bør man bruke mer homogene forutsetninger og basere seg på en felles norm med hensyn på tilgjengelighet og gjennomsnittlig saksbehandlingstid. I praksis vil ikke dette påvirke domstolslokaliseringene nevneverdig foreslått av modellen, og i enda mindre grad når man tar hensyn til funksjonelle regioner, men det er en påpekning vi likevel må gjøre. (Se eksempel under.)

Eksempel på mulig problem ved ikke å bruke modellen normativt Under arbeid med Vest-Agder påpekte Justisdepartementet at løsningen for domstolsallokering i Farsund og Kristiansand så noe merkelige ut med hensyn på bemanning. Dette var vi enig i, og fant ut at dette skyldtes at man ved å bruke empiriske data for dagens situasjon som grunnlag for å beskrive saksmengde og dommertilgjengelighet i framtiden, vil reprodusere empiriske skjevheter i nåsituasjonen. Problemet er at tidsforbruket mellom det som kategoriseres som små (<3 dommere) og store embeter er dramatisk forskjellig. Ut fra det empiriske grunnlagsmaterialet, bruker dommeren relativt mye mer tid i forhold til funksjonærene for mindre domstoler. Ved bruk av empirisk tidsforbruk, får Farsund 6,5 dommere og 5,5 funksjonærer med et befolkningsgrunnlag på 56.000. Kristiansand får 8 dommere og 13 funksjonærer med et befolkningsgrunn lag på i overkant av 100.000. Dersom vi kjører modellen basert på normativ tidsbruk for store domssogn, får vi 5 dommere og 7 funksjonærer i Farsund. Dette er rimer bedre i forhold til tallene for Kristiansand. Vi vil derfor anbefale at modellen brukes normativt med hensyn på store domssogn, kanskje med unntak for de fire store byene hvor sakskompleksitet og sakssammensetning kan avvike betydelig fra landet ellers. Betydningen av dette rent lokaliseringsmessig er ikke viktig, siden modellen er blitt kjørt med få frihetsgrader i de fleste scenariene med overordnet fokus på transporttid for publikum.

59

Vedlegg D. Modellfil for lokaliseringsproblemet SET ERRECHO SET CASE SET CHECK SET DOUBLE SET NODYNINDEX SET NOEXTSUB SET FILLCHAR=' ' SET NOPAUSE SET SAVE SET TRUNCATE SET UPDIR SET WARN SET ZTOLCM= .0001 ! MODEL domstol ! ! Denne modellen brukes for å beregne optimal plassering og utstrekning av domssogn i Norge ! !************************************************************ ! defines the dimension table !************************************************************ ! !SET NOECHO ! TABLES ! DIM(26) DISKDATA DIM(1)=Data\Dim.dat ! !************************************************************ ! tilordner verdier til konstanter !************************************************************ ! LET KMAX = DIM(1) ! antall kommuner (435) LET DMAX = DIM(2) ! maks antall domstoler som skal etableres LET DMIN = DIM(3) ! min antall domstoler som skal etableres LET SMAX = DIM(4) ! antall sakstyper som vurderes i modellen LET DOMIN = DIM(5) ! Minste antall dommere ved et domssogn LET TIDMAX = DIM(6) ! maks reisetid for publikum LET DAKTIV = DIM(7) ! 0 dersom ubeskranket mhp minstenivå antall dommere - null ellers LET TAKTIV = DIM(8) ! 0 dersom ubeskranket mhp tid 1 ellers LET KAKTIV = DIM(9) ! 0 dersom kun reisetidsminimering 1 ellers LET FAKDOMM = DIM(10) ! Nivåfaktor for justering av belastning dommere [..] LET FAKFUNK = DIM(11) ! Nivåfaktor for justering av belastning funksjonærer [..] LET TINAKT = DIM(12) ! 1 dersom tinghuskostnader skal inngå LET POLAKT = DIM(13) ! 1 dersom politireiser skal inngå LET STAAKT = DIM(14) ! 1 dersom statsadvokatreiser skal inngå LET ADVAKT = DIM(15) ! 1 dersom advokatreiser skal inngå LET MEDAKT = DIM(16) ! 1 dersom meddommerreiser skal inngå LET LAASLOK = DIM(17) ! 1 dersom lokaliseringsdatabase skal leses LET LINKLOK = DIM(18) ! 1 dersom binding for mulig linker fra DB x_kommunebinding skal leses LET EFFDOMM = DIM(19) ! Angir hvor mye effektivitetskrav:årsverk/stillinger som må til ved etablering - asvDo(SC) & DOMIN ! EFFDOM*DOMIN angir nedre grense for antall dommerårsverk ved et domssogn LET UTENTING = DIM(20) ! dersom 1, skal optimering skje uten at tinglysning inngår i optimeringen LET NORMTIDF = DIM(21) ! dersom 1, opereres med ulik tidsforbruk på saker ut fra domssogn nåsituasjon, 3 eller færre dommere LET NORMTILG = DIM(22) ! dersom 1, er andel tilgjngelig sakskapasitet den samme dommere/funksjonærer for alle kommuner. ! Dersom 0 skilles det mellom små (<4 dommere), store og Bergen, Oslo, Trondheim og Stavanger LET GALMODEL = DIM(23) ! Dersom 1, beregnes administrasjon etc. fra saksårsverk, og ikke som andel av et årsverk LET FRAKNR = DIM(24) ! Minste kommunenummer som inngår i optimeringen ved begrengning av analyseområdet - default 101 LET TILKNR = DIM(25) ! Største kommunenummer som inngår i optimeringen ved begrengning av analyseområdet - default 2030 LET AVRUND = DIM(26) ! Avrundingsregel når årsverk går over hel/halv (2,x -> 2.0 2.x + epsilon -> 2,5) LET TM = TIDMAX ! Maksgrense i minutter LET kMatr=KMAX*KMAX ! Dimensjonsparameter for tabell LET skMatr = KMAX*SMAX ! Dimensjonsparameter for tabell LET MAXKNR = 2030 ! Siste kommunenummer LET AASVFAK = 0.5 ! Faktor for å tillate halve årsverk for funksjonærer LET DUMMEPSI = 0.00001 ! Faktor for å hindre divisjon på 0/0 i utrapportering LET FREKV = 10 ! Antall frekvensgrupper for utrapportering av befolkningkonsekvens mhp reisetid LET fMatr=KMAX*FREKV ! Dimnsjosparameter for sparse tabell LET MILLION = 1000000 ! Straffefunksjon for å velge link til domstol som ligger lengre unna enn nærmeste LET DOMFAKT = 0.5 ! Halvtallighet i dommerstillinger LET SYKANDEL = 0.02 LET SYKANDELF = 0.05 LET KOSTPERMIN = 1 ! Kroner per minutt reisetid for beregbning av publikumskostnader LET SAMETING = 1 ! 1:Det skal ligge en domstol som omfatter de tre samiske kommunene - fritatt for dommerkrav ! ! TABLES -i ! -i integer ! !********************************************************** ! Transporttid og transportkostnader !********************************************************** D(KMAX,KMAX)-ekMatr ! Avstandsdata / reisetid i minutter TC(KMAX,KMAX)-ekMatr ! Transportkostnad vektert på kjøretøy [kroner] - kilde TØI !********************************************************** ! Constants !********************************************************** KNR(KMAX) ! Kommunenummer INTTID(KMAX) ! Intern reisetid i kommunen [minutter] INTKOST(KMAX) ! Intern reisekostnad i kommunen [kroner] MULIG_LINK(MAXKNR,MAXKNR)-ekMatr ! Matrise som antar verdi 1 for mulig transport mellom kommuepar DB_LINK(MAXKNR,MAXKNR)-ekMatr ! Matrise som antar verdi 1 for mulig transport mellom kommuepar lest fra databasen DLOKIDX(KMAX) ! Lokalisering av eksisterende domstol for kommune (indeks kommunenummer kommune k sogner til) PLOKIDX(KMAX) ! Lokalisering av politikammer for kommune (indeks kommunenummer kommune k sogner til) SLOKIDX(KMAX) ! Lokalisering av statsadvokat for kommune (indeks kommunenummer kommune k sogner til)

60

BELASTYP(KMAX) ! Angir hvilken belastningsmodell som brukes på kommunen 1 - stor , 0 liten - fra kommunetabell KOMERMED(KMAX) ! Angir om kommunen inngår i optimeringsberegningen 1->JA 0->NEI TABLES -c ! Leser maks 8 bokstaver KNAVN(KMAX) ! Kommunenavn SNAVN(SMAX) ! Sakstyper - navn TABLES CVLeie(KMAX) ! Leiepris knyttet til areal på tinghuset [kroner/m2] - standard 1300 - 1500 - 1700 CVDrift(KMAX) ! Driftskostnad (renhold, energi, vedlikehold) [kroner/m2] - standard 450 CFHjeml ! Faste kostnader for etablering av et tinghus [kroner/hjemmel] - standard 382.000 DFPrD ! Dommerfullmektig per dommer[..] TIMEPRHJ ! Timer per hjemmel tilgjengelig (1648) [timer/år] SakAndDo ! Andel tilgjengelig tid for dommer SakAndFu ! Andel tilgjengelig tid for funksjonærer KOSTADVO ! Timekostnad for advokater under transport [kr/time] REISADVO ! Gjennomsnittlig reisetid for advokat til domssognets sentrum [timer] ANTADVOK(KMAX) ! Antall advokater i kommunen som server førsteinstansdomstol HARLOK(KMAX) ! Kommuner som skal ha et tinghus !=0 HARIKKE(KMAX) ! Kommuner som ikke skal ha et tinghus !=0 HARPOLIT(KMAX) ! Kommuner som har politistasjon = -1 HARSTADV(KMAX) ! Kommuner som har statsadvokat = -1 STID_DOM(SMAX) ! Tidsforbruk dommer knyttet til saker av type i = 1..SMAX STID_FUN(SMAX) ! Tidsforbruk funksjonær knyttet til saker av type i = 1..SMAX STID_DSM(SMAX) ! Tidsforbruk dommer knyttet til saker av type i = 1..SMAX små domstoler dagens situasjon STID_FSM(SMAX) ! Tidsforbruk funksjonær knyttet til saker av type i = 1..SMAX , små domstoler dagens situasjon STID_D0301(SMAX) ! Oslo:Tidsforbruk dommer knyttet til saker av type i = 1..SMAX små domstoler dagens situasjon STID_F0301(SMAX) ! Oslo:Tidsforbruk funksjonær knyttet til saker av type i = 1..SMAX , små domstoler dagens situasjon STID_D1103(SMAX) ! Stavanger:Tidsforbruk dommer knyttet til saker av type i = 1..SMAX små domstoler dagens situasjon STID_F1103(SMAX) ! Stavanger:Tidsforbruk funksjonær knyttet til saker av type i = 1..SMAX , små domstoler dagens situasjon STID_D1201(SMAX) ! Bergen:Tidsforbruk dommer knyttet til saker av type i = 1..SMAX små domstoler dagens situasjon STID_F1201(SMAX) ! Bergen:Tidsforbruk funksjonær knyttet til saker av type i = 1..SMAX , små domstoler dagens situasjon STID_D1601(SMAX) ! Trondheim:Tidsforbruk dommer knyttet til saker av type i = 1..SMAX små domstoler dagens situasjon STID_F1601(SMAX) ! Trondheim:Tidsforbruk funksjonær knyttet til saker av type i = 1..SMAX , små domstoler dagens situasjon ANTMEDD(SMAX) ! Antall meddommere per sak SAKER(MAXKNR,SMAX) -eskMatr ! Antall saker pr. år på kommuner fordelt på sakskategori / evt saker pr. 100.000 innb. MOTPSAK(SMAX) ! Gjennomsnittlig møter per sak PERPSAK(SMAX) ! Antall pesoner (publikum) per sak som reiser til domssognets sentrum ADVPSAK(SMAX) ! Antall advokater per sak som reiser til domssognets sentrum SADPSAK(SMAX) ! Antall statsadvokater per sak som reiser til domssognets sentrum POLPSAK(SMAX) ! Antall polititjenestemenn per sak som reiser til domssognets sentrum ANTMOT(KMAX) ! Antall reiser publikum basert på saker fra en enkelt kommune AMEDMOT(KMAX) ! Antall reiser meddommere knyttet til fra-kommune ASTDMOT(KMAX) ! Antall reiser statsadvokater knyttet til fra-kommune APOLMOT(KMAX) ! Antall reiser politi knyttet til fra-kommune AADVMOT(KMAX) ! Antall reiser advokat knyttet til fra-kommune RKOSADVO(KMAX) != sum(p=1:KMAX|p=SLOKIDX(fra))(D(p,til)*AADVMOT(fra)*KOSTADVO)/60 RKOSPOLI(KMAX,KMAX) -ekMatr != sum(p=1:KMAX|p=PLOKIDX(fra))(D(p,til)*APOLMOT(fra)*KOSTPOLI)/60 RKOSSTAD(KMAX,KMAX) -ekMatr != sum(p=1:KMAX|p=SLOKIDX(fra))(D(p,til)*ASTDMOT(fra)*KOSTADVO)/60 MULIGLOK(KMAX) ! Mulig lokalisering = -1 ANTLOK ! Antall av MULIGLOK som er -1 SAKTIDD(KMAX,SMAX) -eskMatr ! Saksbehandlingstid for saker fra enkeltkommuner - dommere SAKTIDF(KMAX,SMAX) -eskMatr ! Saksbehandlingstid for saker fra enkeltkommuner - funksjonærer SAKANDD(KMAX) ! Andel tilgjengelig saksbehandligstid for dommere - empirisk basert SAKANDF(KMAX) ! Andel tilgjengelig saksbehandligstid for funksjonærer - empirisk basert SD(KMAX) ! Andel tilgjengelig saksbehandligstid for dommere - empirisk basert SF(KMAX) ! Andel tilgjengelig saksbehandligstid for funksjonærer - empirisk basert ! CONNECT ODBC, 'DSN=MsAccess;DBQ=S:\3860\386091.00 Nye domstolssogn\ACCESS Database\scenario ##\database.mdb' DISKDATA -c KNR(1) ='SELECT kommunenr FROM kommune ORDER BY kommunenr' BELASTYP='SELECT StortSogn FROM kommune ORDER BY kommunenr' INTTID ='SELECT interntid FROM X_internreise ORDER BY kommunenr' ! Intern reisetid for reiser i kommune INTKOST ='SELECT internkostnad FROM X_internreise ORDER BY kommunenr' ! Intern reisekostnad for reiser i kommune CVDrift(1)='SELECT driftskostnad FROM X_tinghus ORDER BY kommunenr' ! Driftskostnader pr.hjemmel pr.år [kroner/hjemmel] CFHjeml = 'SELECT FastKostnadHjemmel FROM X_konstanter' ! Fast kostnad pr. hjemmel [kroner] DFprD = 'SELECT FullmektigPerDommer FROM X_konstanter' ! Antal dommerfullmektige per dommerstillig TimePrHj = 'SELECT TimerPerHjemmel FROM X_konstanter' ! Tilgjengelig antall timer pr. hjemmel [timer] IF NORMTILG == 1 SakAndDo = 'SELECT SakAndelDommer FROM X_konstanter' ! Andel administrasjon/fravær hos dommer SakAndFu = 'SELECT SakAndelFunksjonar FROM X_konstanter' ! Andel administrasjon/fravær hos funksjonærer ELSE ! Dersom tilgjengelig behanlingstid er empirisk pasert - for nåtilstand SAKANDD = 'SELECT DommerTilgjengelighet FROM kommune ORDER BY kommunenr' ! Tilgjengelig andel av tid saksbehandling-dommere SAKANDF = 'SELECT FunkTilgjengelighet FROM kommune ORDER BY kommunenr' !Tilgjengelig andel av tid saksbehandling-dommere ENDIF STID_DOM ='SELECT TidDommer FROM X_Saker ORDER BY saksnummer' ! Tidsforbruk i minutter for dommer STID_FUN ='SELECT TidFunksjonar FROM X_Saker ORDER BY saksnummer' ! Tidsforbruk i minutter for funksjonær STID_DSM ='SELECT TidDommerSmaa FROM X_Saker ORDER BY saksnummer' ! Tidsforbruk i minutter for dommer STID_FSM ='SELECT TidFunksjonarSmaa FROM X_Saker ORDER BY saksnummer' ! Tidsforbruk i minutter for funksjonær STID_D0301 ='SELECT TidDommerOslo FROM X_Saker ORDER BY saksnummer' ! Oslo: Tidsforbruk i minutter for dommer STID_F0301 ='SELECT TidFunksjonarOslo FROM X_Saker ORDER BY saksnummer' ! Oslo: Tidsforbruk i minutter for funksjonær STID_D1103 ='SELECT TidDommerStavanger FROM X_Saker ORDER BY saksnummer' ! Oslo: Tidsforbruk i minutter for dommer STID_F1103 ='SELECT TidFunksjonarStavanger FROM X_Saker ORDER BY saksnummer' ! Oslo: Tidsforbruk i minutter for funksjonær STID_D1201 ='SELECT TidDommerBergen FROM X_Saker ORDER BY saksnummer' ! Oslo: Tidsforbruk i minutter for dommer STID_F1201 ='SELECT TidFunksjonarBergen FROM X_Saker ORDER BY saksnummer' ! Oslo: Tidsforbruk i minutter for funksjonær STID_D1601 ='SELECT TidDommerTrondheim FROM X_Saker ORDER BY saksnummer' ! Oslo: Tidsforbruk i minutter for dommer STID_F1601 ='SELECT TidFunksjonarTrondheim FROM X_Saker ORDER BY saksnummer' ! Oslo: Tidsforbruk i minutter for funksjonær MOTPSAK ='SELECT MoterPerSak FROM X_Saker ORDER BY saksnummer' ! Gjennomsnittlig møter per sak PERPSAK ='SELECT PersonerPerSak FROM X_Saker ORDER BY saksnummer' ! Antall pesoner (publikum) per sak som reiser ADVPSAK ='SELECT AdvokatPerSak FROM X_Saker ORDER BY saksnummer' ! Antall advokater per sak som reiser til domssognets sentrum SADPSAK ='SELECT StatsadvokatPerSak FROM X_Saker ORDER BY saksnummer' ! Antall statsadvokater per sak som reiser POLPSAK ='SELECT PolitiPerSak FROM X_Saker ORDER BY saksnummer' ! Antall polititjenestemenn per sak som reiser

61

ANTMEDD ='SELECT MeddommerPerSak FROM X_Saker ORDER BY saksnummer' ! Antall meddommere per sak som reiser til SAKER ='SELECT kommunenr,saksnummer,Saksmengde FROM X_SakerKommune ORDER BY kommunenr ,saksnummer' ! Saker IF LAASLOK==1 HARLOK(1) ='SELECT Laast_Lok FROM X_Har_lok ORDER BY kommunenr' ENDIF HARIKKE(1) ='SELECT Ikke_Lok FROM X_Har_lok ORDER BY kommunenr' HARPOLIT(1) ='SELECT Politi FROM X_Har_lok ORDER BY kommunenr' ! Lokaliering av politimkammer HARSTADV(1) ='SELECT Statsadvokat FROM X_Har_lok ORDER BY kommunenr' ! Lokalisering av statsadvokatembete ANTADVOK ='SELECT Advokater FROM X_Advokater ORDER BY kommunenr' ! Antall advokater i kommunene - reisetid midles KOSTADVO ='SELECT TimekostnadAdvokat FROM X_konstanter' ! Timekostnad for advokter på reise [kr/time] KOSTPOLI ='SELECT TimekostnadPoliti FROM X_konstanter' ! Timekostnad for advokter på reise [kr/time] REISADVO ='SELECT ReisetidAdvokat FROM X_konstanter' ! Gjennomsnittlig reisetid for advokater på reise [timer] MULIGLOK(1) ='SELECT Mulig_Lok FROM X_Har_lok ORDER BY kommunenr' DLOKIDX(1) ='SELECT DomstolIndex FROM X_KommuneRelasjoner ORDER BY kommunenr' PLOKIDX(1) ='SELECT PolitiIndex FROM X_KommuneRelasjoner ORDER BY kommunenr' SLOKIDX(1) ='SELECT StatsadvIndex FROM X_KommuneRelasjoner ORDER BY kommunenr' IF LINKLOK==1 DB_LINK ='SELECT FraKommune,TilKommune,Logisk FROM X_Kommunebinding ORDER BY FraKommune,TilKommune' ENDIF DISKDATA D(1,1) =Reisedata\Avstand.txt ! avstandsdata - minutter TC(1,1) =Reisedata\Transportkostnad.txt ! avstandskostnader - kroner ASSIGN FOR(fra=1:KMAX): KOMERMED(fra | KNR(fra)>= FRAKNR .and. KNR(fra)<= TILKNR) = 1 ! Begrenser analyseområdet FOR(fra=1:KMAX): KOMERMED(fra | KNR(fra)<= FRAKNR-1 .or. KNR(fra)>= TILKNR+1) = 0 ! Begrenser analyseområdet IF LAASLOK==0 HARLOK(til=1:KMAX)=0 ENDIF ANTLOK = sum(k=1:KMAX|MULIGLOK(k)==-1) 1 IF TAKTIV==1 IF LINKLOK==0 FOR(fra=1:KMAX,til=1:KMAX): MULIG_LINK(KNR(fra),KNR(til) | D(fra,til)<=TM .and. HARIKKE(til)==0)=1 FOR(fra=1:KMAX,til=1:KMAX): MULIG_LINK(KNR(fra),KNR(til) | D(fra,til)> TM .or. HARIKKE(til)==1)=0 ENDIF IF LINKLOK==1 FOR(fra=1:KMAX,til=1:KMAX): MULIG_LINK(KNR(fra),KNR(til) | D(fra,til)<=TM .and. HARIKKE(til)==0 .and. DB_LINK(KNR(fra),KNR(til))==1)=1 FOR(fra=1:KMAX,til=1:KMAX): MULIG_LINK(KNR(fra),KNR(til) | D(fra,til)> TM .or. HARIKKE(til)==1 .or. DB_LINK(KNR(fra),KNR(til))==0)=0 ENDIF ENDIF IF TAKTIV==0 IF LINKLOK==0 FOR(fra=1:KMAX,til=1:KMAX):MULIG_LINK(KNR(fra),KNR(til) | HARIKKE(til)==0)=1 FOR(fra=1:KMAX,til=1:KMAX):MULIG_LINK(KNR(fra),KNR(til) | HARIKKE(til)==1)=0 ENDIF IF LINKLOK==1 FOR(fra=1:KMAX,til=1:KMAX): MULIG_LINK(KNR(fra),KNR(til) | HARIKKE(til)==0 .and. DB_LINK(KNR(fra),KNR(til))==1)=1 FOR(fra=1:KMAX,til=1:KMAX): MULIG_LINK(KNR(fra),KNR(til) | HARIKKE(til)==1 .or. DB_LINK(KNR(fra),KNR(til))==0)=0 ENDIF ENDIF ANTMOT(fra=1:KMAX) = sum(sak=1:SMAX | sak <>14*UTENTING)SAKER(KNR(fra),sak)*MOTPSAK(sak)*PERPSAK(sak) ! Antall møter publikum knyttet til fra-kommune AMEDMOT(fra=1:KMAX) = sum(sak=1:SMAX | sak <>14*UTENTING)SAKER(KNR(fra),sak)*MOTPSAK(sak)*ANTMEDD(sak) ! Antall møter meddommere knyttet til fra-kommune ASTDMOT(fra=1:KMAX) = sum(sak=1:SMAX | sak <>14*UTENTING)SAKER(KNR(fra),sak)*MOTPSAK(sak)*SADPSAK(sak) ! Antall møter statsadvokater knyttet til fra-kommune APOLMOT(fra=1:KMAX) = sum(sak=1:SMAX | sak <>14*UTENTING)SAKER(KNR(fra),sak)*MOTPSAK(sak)*POLPSAK(sak) ! Antall møter politi knyttet til fra-kommune AADVMOT(fra=1:KMAX) = sum(sak=1:SMAX | sak <>14*UTENTING)SAKER(KNR(fra),sak)*MOTPSAK(sak)*ADVPSAK(sak) ! Antall møter politi knyttet til fra-kommune ! Parameteraggregering for kostnadsrestriksjoner for tinghus, advokatkostnader etc. RKOSADVO(fra=1:KMAX) = REISADVO*AADVMOT(fra)*KOSTADVO/60 RKOSPOLI(fra=1:KMAX,til=1:KMAX) = sum(p=1:KMAX|p=PLOKIDX(fra))(D(p,til)*APOLMOT(fra)*KOSTPOLI)/60 RKOSSTAD(fra=1:KMAX,til=1:KMAX) = sum(p=1:KMAX|p=SLOKIDX(fra))(D(p,til)*ASTDMOT(fra)*KOSTADVO)/60 ! Saksbehandlingstid for saker fra enkeltkommuner IF NORMTIDF == 0 ! Dette betyr at tidsforbruket er empirisk basert-Skiller mellom store, små, Oslo, bergen, Stavanger og Trondheim SAKTIDD(fra=1:KMAX,sak=1:SMAX | KNR(fra)<>301 .and. KNR(fra)<>1103 .and. KNR(fra)<>1201 .and. KNR(fra)<>1601) = SAKER(KNR(fra),sak)*STID_DOM(sak)*BELASTYP(fra)-SAKER(KNR(fra),sak)*STID_DSM(sak)*BELASTYP(fra)+SAKER(KNR(fra),sak)*STID_DSM(sak) SAKTIDF(fra=1:KMAX,sak=1:SMAX | KNR(fra)<>301 .and. KNR(fra)<>1103 .and. KNR(fra)<>1201 .and. KNR(fra)<>1601) = SAKER(KNR(fra),sak)*STID_FUN(sak)*BELASTYP(fra)-SAKER(KNR(fra),sak)*STID_FSM(sak)*BELASTYP(fra)+SAKER(KNR(fra),sak)*STID_FSM(sak) SAKTIDD(fra=1:KMAX,sak=1:SMAX | KNR(fra).eq. 301) = SAKER(KNR(fra),sak)*STID_D0301(sak) SAKTIDD(fra=1:KMAX,sak=1:SMAX | KNR(fra).eq.1103) = SAKER(KNR(fra),sak)*STID_D1103(sak) SAKTIDD(fra=1:KMAX,sak=1:SMAX | KNR(fra).eq.1201) = SAKER(KNR(fra),sak)*STID_D1201(sak) SAKTIDD(fra=1:KMAX,sak=1:SMAX | KNR(fra).eq.1601) = SAKER(KNR(fra),sak)*STID_D1601(sak) SAKTIDF(fra=1:KMAX,sak=1:SMAX | KNR(fra).eq. 301) = SAKER(KNR(fra),sak)*STID_F0301(sak) SAKTIDF(fra=1:KMAX,sak=1:SMAX | KNR(fra).eq.1103) = SAKER(KNR(fra),sak)*STID_F1103(sak) SAKTIDF(fra=1:KMAX,sak=1:SMAX | KNR(fra).eq.1201) = SAKER(KNR(fra),sak)*STID_F1201(sak) SAKTIDF(fra=1:KMAX,sak=1:SMAX | KNR(fra).eq.1601) = SAKER(KNR(fra),sak)*STID_F1601(sak) ELSE ! Normativ tilnærming - bruker store domstoler som basis SAKTIDD(fra=1:KMAX,sak=1:SMAX) = SAKER(KNR(fra),sak)*STID_DOM(sak) SAKTIDF(fra=1:KMAX,sak=1:SMAX) = SAKER(KNR(fra),sak)*STID_FUN(sak) ENDIF IF NORMTILG == 1 ! Dersom saksbehandligskapasiteten for et årsverk er den samme for alle - normativ tilnærming - se ellers SAKANDD(fra=1:KMAX) = SakAndDo SAKANDF(fra=1:KMAX) = SakAndFu ENDIF IF GALMODEL == 0 SD(fra=1:KMAX) = SAKANDD(fra) SF(fra=1:KMAX) = SAKANDF(fra) ELSE SD(fra=1:KMAX) = 1 / (1+ (1-SAKANDD(fra)-SYKANDEL)+ SYKANDEL + (1-SAKANDD(fra)-SYKANDEL)*SYKANDEL) ! 1 / (2-SAKANDD(fra)) SF(fra=1:KMAX) = 1 / (1+ (1-SAKANDF(fra)-SYKANDELF)+ SYKANDELF + (1-SAKANDF(fra)-SYKANDELF)*SYKANDELF) ! 1 / (2-SAKANDF(fra)) ENDIF

62

DISKDATA -o Debug\inttid.dat=INTTID Debug\intkost.dat=INTKOST Debug\cvleie.dat=CVLeie(1) Debug\cvdrift.dat=CVDrift(1) Debug\cfhjeml.dat=CFHjeml Debug\harikke.dat=HARIKKE(1) Debug\har.dat=HARLOK(1) Debug\muliglok.dat=MULIGLOK(1) Debug\saker.dat=SAKER Debug\stid_dom.dat=STID_DOM Debug\stid_fun.dat=STID_FUN Debug\motpsak.dat=MOTPSAK Debug\perpsak.dat=PERPSAK Debug\advpsak.dat=ADVPSAK Debug\sadpsak.dat=SADPSAK Debug\polpsak.dat=POLPSAK Debug\harstadv.dat=HARSTADV Debug\harpolit.dat=HARPOLIT Debug\mulig_link.dat=MULIG_LINK Debug\Antmot.dat=ANTMOT Debug\Amedmot.dat=AMEDMOT Debug\Astdmot.dat=ASTDMOT Debug\Apolmot.dat=APOLMOT Debug\Aadvmot.dat=AADVMOT Debug\Rkospoli.dat=RKOSPOLI Debug\Rkosstad.dat=RKOSSTAD Debug\Rkosadvo.dat=RKOSADVO Debug\kostadvo.dat=KOSTADVO Debug\reisadvo.dat=REISADVO Debug\saktidd.dat=SAKTIDD Debug\saktidf.dat=SAKTIDF Debug\belastid.dat=BELASTYP Debug\stid_dsm.dat=STID_DSM Debug\stid_fsm.dat=STID_FSM Debug\sakandd.dat=SAKANDD Debug\sakandf.dat=SAKANDF Debug\sd.dat=SD Debug\sf.dat=SF Debug\komermed.dat=KOMERMED !********************************************************** ! variable definitions !********************************************************** VARIABLES lnk(fra=1:KMAX,til=1:KMAX|MULIG_LINK(KNR(fra),KNR(til))==1 .and. MULIGLOK(til)==-1 .and. KOMERMED(fra)==1 .and. KOMERMED(til)==1) ! Link mellom kommune og lokalisering lokC(til=1:KMAX|MULIGLOK(til)==-1 .and. HARIKKE(til)==0 .and. KOMERMED(til)==1) ! Tinghuskostnad pr år i kommune [kroner] antDo(til=1:KMAX|MULIGLOK(til)==-1 .and. HARIKKE(til)==0 .and. KOMERMED(til)==1) ! Antall dommere/fullmektige ved tinghuset [..] - hele stillinger antFu(til=1:KMAX|MULIGLOK(til)==-1 .and. HARIKKE(til)==0 .and. KOMERMED(til)==1) ! Antall funksjonærer ved tinghuset [..] - halve stillinger asvDo(til=1:KMAX|MULIGLOK(til)==-1 .and. HARIKKE(til)==0 .and. KOMERMED(til)==1) ! Årsverk dommere/fullmektige ved tinghuset [..] - kontinuerlig asvFu(til=1:KMAX|MULIGLOK(til)==-1 .and. HARIKKE(til)==0 .and. KOMERMED(til)==1) ! Årsverk funksjonærer ved tinghuset [..] - kontinuerlig kostmin ! Totalkostnad for modellkjøringen tranC(fra=1:KMAX |KOMERMED(fra)==1) ! Transportkostnad publikum pr. år fra kommune [kroner] cost(til=1:KMAX|MULIGLOK(til)==-1 .and. HARIKKE(til)==0 .and. KOMERMED(til)==1) ! Transportkosttnader for alle utenom publikum pr. år. fra kommune [kroner] !!saker(til=1:KMAX,s=1:SMAX|MULIGLOK(til)==-1 .and. HARIKKE(til)==0 .and. KOMERMED(til)==1) ! Antall saker av ulik slag til domstolen lok(til=1:KMAX|MULIGLOK(til)==-1 .and. HARIKKE(til)==0 .and. KOMERMED(til)==1) ! 1 dersom lokalisering av domsstol, 0 ellers sumAdvo(til=1:KMAX|MULIGLOK(til)==-1 .and. HARIKKE(til)==0 .and. KOMERMED(til)==1) ! Antall advokater i domssognet - brukes til transportkostnadsberegning !distD(fra=1:KMAX .and. KOMERMED(fra)==1) ! Avstand til valgt domssogn lokCsum ! Aggregert tinghuskostnad ved lokalisering pubCsum ! Aggregerte transportkostnader for publikum domSum ! Antall dommere totalt funkSum ! Antall funksjonærer totalt antSogn ! Antall domsstolssentra som er etablert !//////////////////////////////////////////////////////////////////////// ! CONSTRAINTS ! !//////////////////////////////////////////////////////////////////////// !************************************************************************ !objective !************************************************************************ GOAL: kostmin $ !*************************************************************************** ! contstraints !************************************************************************** ! Beregning av målfunksjon c_tot: pubCsum + sum(til=1:KMAX)cost(til)+ lokCsum = kostmin ! Transportkostnader for publikum [kroner/år] - beregnes alltid... c_tran(til=1:KMAX): sum(fra=1:KMAX)D(fra,til)*ANTMOT(fra)*KOSTPERMIN*lnk(fra,til) = tranC(til) s_tran: sum(til=1:KMAX)tranC(til) = pubCsum ! Antall dommere og fullmektige ved domstolen - Angir minimumsstørrelse på domsstoler - antall dommere som semikontinuerlig

63

a_dom(til=1:KMAX):sum(fra=1:KMAX,sak=1:SMAX | sak <>14*UTENTING)SAKTIDD(fra,sak)/SD(fra)*FAKDOMM*lnk(fra,til) = 60*TimePrHj*DOMIN*EFFDOMM*asvDo(til) a_fun(til=1:KMAX):sum(fra=1:KMAX,sak=1:SMAX | sak <>14*UTENTING)SAKTIDF(fra,sak)/SF(fra)*FAKFUNK*lnk(fra,til) - 60*TimePrHj*asvFu(til) = 0 a_d1r(til=1:KMAX): DOMIN*EFFDOMM*asvDo(til)-DOMFAKT*antDo(til) < AVRUND ! Konvertering til halve stillinger a_d2r(til=1:KMAX): DOMFAKT*antDo(til)>DOMIN*lok(til) ! Gir at minste antall dommere lages... s_dom:sum(til=1:KMAX)DOMFAKT*antDo(til) = domSum a_fhalv(til=1:KMAX):asvFu(til)-AASVFAK*antFu(til) < AVRUND ! Konvertering til halve stillinger s_fun:sum(til=1:KMAX)AASVFAK*antFu(til) = funkSum ! Tinghuskostnader for det offentlige c_ting(til=1:KMAX): antDo(til)*DOMFAKT*CVDrift(til)+antFu(til)*AASVFAK*CVDrift(til) =lokC(til) IF TINAKT==1 s_ting: sum(til=1:KMAX)lokC(til) = lokCsum ELSE s_ting: lokCsum = funkSum + domSum ! Et forsøk på å minimere antall stillinger ENDIF ! Kostnader knyttet til advokatembeter [kroner/år] - etterregningsmodell c_cost(til=1:KMAX): sum(fra=1:KMAX)(ADVAKT*RKOSADVO(fra)+POLAKT*RKOSPOLI(fra,til)+STAAKT*RKOSSTAD(fra,til)+MEDAKT*TC(fra,til)*AMEDMOT(fra))*lnk(fra,til) = cost(til) ! Alle innbyggere skal betjenes l_betj(fra=1:KMAX): sum(til=1:KMAX)lnk(fra,til)=1 ! Begrensning i antall lokaliseringer l_summax: sum(til=1:KMAX)lok(til)<DMAX lx(fra=1:KMAX,til=1:KMAX): lok(til)>=lnk(fra,til) ! pga. intern reisetidskostnad - estimert av oss... s_sogn: antSogn = sum(til=1:KMAX)lok(til) ! Antall domssogn !************************************************************************************* ! BOUNDS lok(til=1:KMAX | HARLOK(til)==0).bv. lok(til=1:KMAX | HARLOK(til)==1)=1 IF DAKTIV == 1 asvDo(til=1:KMAX | KNR(til)<> SAMETING*2011 .and. KNR(til)<> SAMETING*2020 .and. KNR(til)<> SAMETING*2021 .and. KNR(til)<> SAMETING*2025 .and. KNR(til)<> SAMETING*2027) .sc. 100 ! 0, eller 1 til 100 årsverk * DOMIN*EFFDOMM -> 2.7-til 270 dommer-årsverk ENDIF antDo(til=1:KMAX) .ui. 300 ! heltallsverdi mellom 0 og 100 antFu(til=1:KMAX) .ui. 400 ! heltallsverdi mellom 0 og 300 lnk(fra=1:KMAX,til=1:KMAX|MULIG_LINK(KNR(fra),KNR(til))==1 .and. MULIGLOK(til)==-1) .bv. ! GENERATE ! -------------------------------------------------------------------- ! ***** POST OPTIMAL PROCESSING **************************** ! -------------------------------------------------------------------- SET ERRECHO RESTORE INDICES ! Definisjon av indekssett for frekvenstabeller for avstand GRUPPE(FREKV) ! Betegnelse på gruppe for frekvensområdene DATA GRUPPE = "> 0 min", "> 10 min", "> 20 min", "> 30 min", "> 40 min", "> 50 min", "> 60 min", "> 90 min", ">120 min", ">180 min" TABLES REISEKOST(MAXKNR)-eKMAX ! reisekostnad for publikum TINGKOST(MAXKNR)-eKMAX ! driftskostnader for tinghus RKOSTTIL(MAXKNR)-eKMAX ! reisekostnad knyttet til domsstolen SAKMENGDE(MAXKNR)-eKMAX ! saksmengde til domssognet TINGLYS(MAXKNR)-eKMAX ! saksmengde til domssognet knyttet til tinglysning TINGTIDD(MAXKNR)-eKMAX ! saker til domssognet knyttet til tinglysning - dommertid TINGTIDF(MAXKNR)-eKMAX ! saker til domssognet knyttet til tinglysning - funksjonærtid ANTDOMMER(MAXKNR)-eKMAX ! Antall dommere ANTFUNKSJONAR(MAXKNR)-eKMAX ! Antall funksjonærer ASVDOMMER(MAXKNR)-eKMAX ! Antall dommerårsverk ASVFUNKSJONAR(MAXKNR)-eKMAX ! Antall funksjonæreårsverk TILKOM(MAXKNR)-eKMAX ! Kommune som kommunen leverer til CLONNDOM(MAXKNR)-eKMAX ! Lønnskotnader for dommerer [kroner] CLONNFUN(MAXKNR)-eKMAX ! Lønnskostnader for funksjonærer [kroner] CADVOKAT(MAXKNR)-eKMAX ! Reisekostnader for advokater [kroner] CPOLITI(MAXKNR)-eKMAX ! Reisekostnader for politi [kroner] CSTATADV(MAXKNR)-eKMAX ! Reisekostnad for statsadvokater [kroner] CMEDDOM(MAXKNR)-eKMAX ! Reisekostnad for meddommere [kroner] RTIDADVO(MAXKNR)-eKMAX ! Samlet reisetid for advokater i domssognet [timer] RTIDPOLI(MAXKNR)-eKMAX ! Samlet reisetid for politi i domssognet [timer] RTIDSTAD(MAXKNR)-eKMAX ! Samlet reisetid for statsadvokater i domssognet [timer] RTIDMEDD(MAXKNR)-eKMAX ! Samlet reisetid for meddommere i domssognet [timer] RTIDPUBL(MAXKNR)-eKMAX ! Samlet reisetid for publikum i domssognet [timer] REISETID(MAXKNR)-eKMAX ! Reisetid for publikum i kommunene til allokert domssognskommune [minutter] ANTMOTDS(MAXKNR)-eKMAX ! Antall møter i domssognet pr år for publikum SNITTTID(MAXKNR)-eKMAX ! Gjennomsnittlig reisetid for publikum i domssognskommune [minutter]

64

LONNDOMM ! Lønn pr. dommerhjemmel [kroner] LONNFUNK ! Lønn pr. funksjonærhjemmel [kroner] HARHUS(MAXKNR)-eKMAX ! Kommunen har domstol dersom 1, 0 ellers BEF(MAXKNR)-eKMAX ! Befolkningsmengde i kommunen - kilde SSB BEFDOM(MAXKNR)-eKMAX ! Befolkningsmengde i domssognet - kilde SSB KNUM(KMAX) ! Kommunenummer BEFDOMEP(MAXKNR)-eKMAX ! Befolkningsmengde i domssognet - med epsilontillegg 0/0 ANDFREKV(MAXKNR,GRUPPE)-efMatr ! Prosentandel i befolkning i avstandsgruppe ved domssogn BEFFREKV(MAXKNR,GRUPPE)-efMatr ! Antall mennesker i avstandsgruppe ved domssogn ANTDOHEL(MAXKNR)-eKMAX ! Antall dommere allokert i hel stilling ANTFUHAL(MAXKNR)-eKMAX ! Antall funksjonærer allokert i hel/halv stiling DEFFEKT(MAXKNR)-eKMAX ! Kapasitetsutnyttelse dommere - pga hele stillinger FEFFEKT(MAXKNR)-eKMAX ! Kapasitetsutnyttelse funksjonærer - pga hele stillinger ANTSAKER(MAXKNR,SMAX)-eskMatr ! antall saker av type 1 til domsstolen ASVDOM(MAXKNR,SMAX) -eskMatr ! Antall dommerårsverk knyttet til sakstype 1 ASVFUN(MAXKNR,SMAX) -eskMatr ! Antall dommerårsverk knyttet til sakstype 1 ! Her beregnes reisetidsbidrag fra enkeltkommuner inn til domstol KOMRTIDPUBL(MAXKNR) -eKMAX ! Reisetid i timer KOMRTIDSTAD(MAXKNR) -eKMAX ! Reisetid i timer KOMRTIDPOLI(MAXKNR) -eKMAX ! Reisetid i timer KOMRTIDADVO(MAXKNR) -eKMAX ! Reisetid i timer KOMRTIDMEDD(MAXKNR) -eKMAX ! Reisetid i timer ! Her kommer kostnadsbidraget fra enkeltkommunene inn til domstolen KOMCPUBLI(MAXKNR) -eKMAX ! Kostnadsbidrag i kroner KOMCADVOKAT(MAXKNR) -eKMAX ! Kostnadsbidrag i kroner KOMCPOLITI(MAXKNR) -eKMAX ! Kostnadsbidrag i kroner KOMCSTATADV(MAXKNR) -eKMAX ! Kostnadsbidrag i kroner KOMCMEDDOM(MAXKNR) -eKMAX ! Kostnadsbidrag i kroner CONNECT ODBC, 'DSN=MsAccess;DBQ=S:\3860\386091.00 Nye domstolssogn\ACCESS Database\scenario ##\database.mdb' DISKDATA -c KNUM(1) = 'SELECT kommunenr FROM kommune ORDER BY kommunenr' ! Leser kommunenummer BEF = 'SELECT kommunenr,befolkning FROM X_befolkning ORDER BY kommunenr' ! Folkemengde i kommunene LONNDOMM = 'SELECT LonnDommer FROM X_etterregning' ! Lønn pr. dommerhjemmel [kroner] LONNFUNK = 'SELECT LonnFunksjonar FROM X_etterregning' ! Lønn pr. funksjonærhjemmel [kroner] DISCONNECT ASSIGN FOR(til=1:KMAX):CADVOKAT(KNUM(til)) = sum(fra=1:KMAX)RKOSADVO(fra)*lnk(fra,til) ! advoC(til) FOR(til=1:KMAX):CPOLITI(KNUM(til)) = sum(fra=1:KMAX)RKOSPOLI(fra,til)*lnk(fra,til) ! poliC(til) FOR(til=1:KMAX):CSTATADV(KNUM(til)) = sum(fra=1:KMAX)RKOSSTAD(fra,til)*lnk(fra,til) ! stadC(til) FOR(til=1:KMAX):CMEDDOM(KNUM(til)) = sum(fra=1:KMAX)(TC(fra,til)*AMEDMOT(fra))*lnk(fra,til) ! meddC(til) FOR(fra=1:KMAX):REISEKOST(KNUM(fra))= sum(til=1:KMAX)TC(fra,til)*lnk(fra,til)*ANTMOT(fra) ! Fra enkeltkommune FOR(til=1:KMAX):RKOSTTIL(KNUM(til)) = sum(fra=1:KMAX)TC(fra,til)*lnk(fra,til)*ANTMOT(fra) ! tranC(til) FOR(til=1:KMAX):TINGKOST(KNUM(til)) = lokC(til) !FOR(til=1:KMAX):SAKMENGDE(KNUM(til)) = sum(sak=1:SMAX)saker(til,sak) FOR(til=1:KMAX):SAKMENGDE(KNUM(til)) = sum(fra=1:KMAX,sak=1:SMAX | sak <>14*UTENTING)SAKER(KNR(fra),sak)*lnk(fra,til) FOR(til=1:KMAX):TINGLYS(KNUM(til)) = sum(fra=1:KMAX,sak=14)SAKER(KNUM(fra),sak)*lnk(fra,til) FOR(til=1:KMAX):TINGTIDD(KNUM(til)) = sum(fra=1:KMAX,sak=14)SAKTIDD(fra,sak)*lnk(fra,til)/60 FOR(til=1:KMAX):TINGTIDF(KNUM(til)) = sum(fra=1:KMAX,sak=14)SAKTIDF(fra,sak)*lnk(fra,til)/60 FOR(fra=1:KMAX,sak=1:SMAX):ANTSAKER(KNUM(fra),sak) = SAKER(KNR(fra),sak) FOR(fra=1:KMAX,sak=1:SMAX):ASVDOM(KNUM(fra),sak) = SAKTIDD(fra,sak)/TimePrHj/60/SD(fra) FOR(fra=1:KMAX,sak=1:SMAX):ASVFUN(KNUM(fra),sak) = SAKTIDF(fra,sak)/TimePrHj/60/SF(fra) FOR(til=1:KMAX):ASVDOMMER(KNUM(til)) = asvDo(til)*DOMIN*EFFDOMM FOR(til=1:KMAX):ASVFUNKSJONAR(KNUM(til)) = asvFu(til) FOR(til=1:KMAX):ANTDOMMER(KNUM(til)) = DOMFAKT*antDo(til) FOR(til=1:KMAX):ANTFUNKSJONAR(KNUM(til)) = AASVFAK*antFu(til) FOR(til=1:KMAX):CLONNDOM(KNUM(til)) = DOMFAKT*antDo(til)*LONNDOMM FOR(til=1:KMAX):CLONNFUN(KNUM(til)) = AASVFAK*antFu(til)*LONNFUNK !FOR(fra=1:KMAX,til=1:KMAX):FRAKOMLINK(KNUM(fra),KNUM(til)) = lnk(fra,til) FOR(fra=1:KMAX):TILKOM(KNUM(fra)) = sum(til=1:KMAX)KNUM(til)*lnk(fra,til) FOR(til=1:KMAX):HARHUS(KNUM(til)) = lok(til) FOR(til=1:KMAX):BEFDOM(KNUM(til)) = sum(fra=1:KMAX)BEF(KNUM(fra))*lnk(fra,til) FOR(fra=1:KMAX):REISETID(KNUM(fra)) = sum(til=1:KMAX)D(fra,til)*lnk(fra,til) ! reisetid i minutter fra kommune til domstol FOR(til=1:KMAX):RTIDPUBL(KNUM(til)) = sum(fra=1:KMAX)D(fra,til)*lnk(fra,til)*ANTMOT(fra)/60 ! Reisetid i timer FOR(til=1:KMAX):RTIDSTAD(KNUM(til)) = sum(fra=1:KMAX)RKOSSTAD(fra,til)*lnk(fra,til)/KOSTADVO ! Reisetid i timer FOR(til=1:KMAX):RTIDPOLI(KNUM(til)) = sum(fra=1:KMAX)RKOSPOLI(fra,til)*lnk(fra,til)/KOSTPOLI ! Reisetid i timer FOR(til=1:KMAX):RTIDADVO(KNUM(til)) = sum(fra=1:KMAX)RKOSADVO(fra)*lnk(fra,til)/KOSTADVO ! Reisetid i timer FOR(til=1:KMAX):RTIDMEDD(KNUM(til)) = sum(fra=1:KMAX)D(fra,til)*lnk(fra,til)*AMEDMOT(fra)/60 ! Reisetid i timer ! Her beregnes reisetidsbidrag fra enkeltkommuner inn til domstol FOR(fra=1:KMAX):KOMRTIDPUBL(KNUM(fra)) = sum(til=1:KMAX)D(fra,til)*lnk(fra,til)*ANTMOT(fra)/60 ! Reisetid i timer FOR(fra=1:KMAX):KOMRTIDSTAD(KNUM(fra)) = sum(til=1:KMAX)RKOSSTAD(fra,til)*lnk(fra,til)/KOSTADVO ! Reisetid i timer FOR(fra=1:KMAX):KOMRTIDPOLI(KNUM(fra)) = sum(til=1:KMAX)RKOSPOLI(fra,til)*lnk(fra,til)/KOSTPOLI ! Reisetid i timer FOR(fra=1:KMAX):KOMRTIDADVO(KNUM(fra)) = sum(til=1:KMAX)RKOSADVO(fra)*lnk(fra,til)/KOSTADVO ! Reisetid i timer FOR(fra=1:KMAX):KOMRTIDMEDD(KNUM(fra)) = sum(til=1:KMAX)D(fra,til)*lnk(fra,til)*AMEDMOT(fra)/60 ! Reisetid i timer ! Her kommer kostnadsbidraget fra enkeltkommunene inn til domstolen FOR(fra=1:KMAX):KOMCPUBLI(KNUM(fra)) = sum(til=1:KMAX)TC(fra,til)*lnk(fra,til)*ANTMOT(fra) FOR(fra=1:KMAX):KOMCADVOKAT(KNUM(fra)) = KOMRTIDADVO(KNUM(fra))*KOSTADVO FOR(fra=1:KMAX):KOMCPOLITI(KNUM(fra)) = KOMRTIDPOLI(KNUM(fra))*KOSTPOLI FOR(fra=1:KMAX):KOMCSTATADV(KNUM(fra)) = KOMRTIDSTAD(KNUM(fra))*KOSTADVO FOR(fra=1:KMAX):KOMCMEDDOM(KNUM(fra)) = sum(til=1:KMAX)TC(fra,til)*lnk(fra,til)*AMEDMOT(fra) FOR(til=1:KMAX):ANTMOTDS(KNUM(til)) = sum(fra=1:KMAX)lnk(fra,til)*ANTMOT(fra) + DUMMEPSI ! Antall publikumsreiser FOR(til=1:KMAX):SNITTTID(KNUM(til)) = RTIDPUBL(KNUM(til))*60/ANTMOTDS(KNUM(til)) ! Reisetid i minutter ! Frekvenstabeller - antall personer med lengre reisetid enn FOR(til=1:KMAX,g=1):BEFFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>0)BEF(KNUM(fra))*lnk(fra,til) FOR(til=1:KMAX,g=2):BEFFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>10)BEF(KNUM(fra))*lnk(fra,til) FOR(til=1:KMAX,g=3):BEFFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>20)BEF(KNUM(fra))*lnk(fra,til)

65

FOR(til=1:KMAX,g=4):BEFFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>30)BEF(KNUM(fra))*lnk(fra,til) FOR(til=1:KMAX,g=5):BEFFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>40)BEF(KNUM(fra))*lnk(fra,til) FOR(til=1:KMAX,g=6):BEFFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>50)BEF(KNUM(fra))*lnk(fra,til) FOR(til=1:KMAX,g=7):BEFFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>60)BEF(KNUM(fra))*lnk(fra,til) FOR(til=1:KMAX,g=8):BEFFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>90)BEF(KNUM(fra))*lnk(fra,til) FOR(til=1:KMAX,g=9):BEFFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>120)BEF(KNUM(fra))*lnk(fra,til) FOR(til=1:KMAX,g=10):BEFFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>180)BEF(KNUM(fra))*lnk(fra,til) ! Frekvenstabeller - andel personer med lengre reisetid enn FOR(til=1:KMAX):BEFDOMEP(KNUM(til)) = sum(fra=1:KMAX)BEF(KNUM(fra))*lnk(fra,til) + DUMMEPSI FOR(til=1:KMAX,g=1):ANDFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>0)BEF(KNUM(fra))*lnk(fra,til)/BEFDOMEP(KNUM(til)) FOR(til=1:KMAX,g=2):ANDFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>10)BEF(KNUM(fra))*lnk(fra,til)/BEFDOMEP(KNUM(til)) FOR(til=1:KMAX,g=3):ANDFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>20)BEF(KNUM(fra))*lnk(fra,til)/BEFDOMEP(KNUM(til)) FOR(til=1:KMAX,g=4):ANDFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>30)BEF(KNUM(fra))*lnk(fra,til)/BEFDOMEP(KNUM(til)) FOR(til=1:KMAX,g=5):ANDFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>40)BEF(KNUM(fra))*lnk(fra,til)/BEFDOMEP(KNUM(til)) FOR(til=1:KMAX,g=6):ANDFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>50)BEF(KNUM(fra))*lnk(fra,til)/BEFDOMEP(KNUM(til)) FOR(til=1:KMAX,g=7):ANDFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>60)BEF(KNUM(fra))*lnk(fra,til)/BEFDOMEP(KNUM(til)) FOR(til=1:KMAX,g=8):ANDFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>90)BEF(KNUM(fra))*lnk(fra,til)/BEFDOMEP(KNUM(til)) FOR(til=1:KMAX,g=9):ANDFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>120)BEF(KNUM(fra))*lnk(fra,til)/BEFDOMEP(KNUM(til)) FOR(til=1:KMAX,g=10):ANDFREKV(KNUM(til),g) = sum(fra=1:KMAX | D(fra,til)>180)BEF(KNUM(fra))*lnk(fra,til)/BEFDOMEP(KNUM(til)) ! kapasitetsutnyttelse for dommere og funksjonærer FOR(til=1:KMAX):ANTDOHEL(KNUM(til)) = DOMFAKT*antDo(til) + DUMMEPSI FOR(til=1:KMAX):ANTFUHAL(KNUM(til)) = AASVFAK*antFu(til) + DUMMEPSI FOR(til=1:KMAX):DEFFEKT(KNUM(til)) = ASVDOMMER(KNUM(til))/ANTDOHEL(KNUM(til)) FOR(til=1:KMAX):FEFFEKT(KNUM(til)) = ASVFUNKSJONAR(KNUM(til))/ANTFUHAL(KNUM(til)) !CONNECT ODBC, 'DSN=MsAccess;DBQ=S:\3860\386091.00 Nye domstolssogn\ACCESS Database\scenario ##\resDB.mdb' !DISKDATA -ocs ! 'SELECT kommunenr,saksmengde,TotaltReiseomfangSivile FROM R_kommuner' = SAKMENGDE,RKOSTTIL DISKDATA -os Data\tingkost.out=TINGKOST ! Skriver ut tinghuskostnader Data\reisekost.out=REISEKOST ! Skriver ut reisekostnadene fra enkeltkommunene Data\saksmengde.out=SAKMENGDE ! Skriver ut antall saker Data\tilkommune.out=TILKOM ! Skriver ut tilkommune Data\harhus.out=HARHUS ! SKriver ut tilkommune Data\DommerBemanning.out=ANTDOMMER ! Skriver ut antall dommere etter domssogn Data\FunkBemanning.out=ANTFUNKSJONAR ! Skriver ut antall funksjonærer etter domssogn Data\DommerLonn.out=CLONNDOM ! Skriver ut lønnskostnader for dommere og funksjonærer etter domssogn Data\FunkLonn.out=CLONNFUN ! Skriver ut lønnskostnader for dommere og funksjonærer etter domssogn Data\TidPublikum.out=RTIDPUBL ! Skriver ut reisefakta om publikum og aggregerte transportkostnader Data\TidAdvokat.out=RTIDADVO ! Skriver ut reisefakta om advokater og aggregerte transportkostnader Data\TidStatsadvokat.out=RTIDSTAD ! Skriver ut reisefakta om statsadvokater og aggregerte transportkostnader Data\TidPoliti.out=RTIDPOLI ! Skriver ut reisefakta om politi og aggregerte transportkostnader Data\TidMeddommere.out=RTIDMEDD ! Skriver ut reisefakta om meddommere og aggregerte transportkostnader Data\KostPublikum.out=RKOSTTIL ! Skriver ut reisefakta om publikum og aggregerte transportkostnader Data\KostAdvokat.out=CADVOKAT ! Skriver ut reisefakta om advokater og aggregerte transportkostnader Data\KostStatsadvokat.out=CSTATADV ! Skriver ut reisefakta om statsadvokater og aggregerte transportkostnader Data\KostPoliti.out=CPOLITI ! Skriver ut reisefakta om politi og aggregerte transportkostnader Data\KostMeddommere.out=CMEDDOM ! Skriver ut reisefakta om meddommere og aggregerte transportkostnader Data\Befolkning.out=BEF ! Skriver ut befolkningsmengde Data\BefDomssogn.out=BEFDOM ! Skriver ut befolkningsmengde i domssognet Data\reisetid.out=REISETID ! Skriver ut reisetid for Data\snitttid.out=SNITTTID ! Skriver ut gjennomsnittlig reisetid i domssognet Data\frekvensAnt.out=BEFFREKV ! Skriver ut befolknings og avstandskategori 1-10 Data\frekvensAndel.out=ANDFREKV ! Skriver ut befolkningsandel og avstandskategori 1-10 Data\DomEffekt.out=DEFFEKT ! Skriver ut utnyttelsesgraden av allokert dommerkapasitet Data\FunEffekt.out=FEFFEKT ! Skriver ut utnyttelsesgraden av allokert funksjonærkapasitet ! Tinglysningsdata som avledes Data\TinglysSaker.out=TINGLYS ! Skriver ut antall saker som tinglyses i domsstolen Data\TinglysTidDommer.out=TINGTIDD ! Skriver ut antall timer tinglysningsarbeid for dommere Data\TinglysTidFunk.out=TINGTIDF ! Skriver ut antall timer tinglysningsarbeid for funksjonærer ! Årsverk knytet til domssogn Data\ArsverkDommer.out=ASVDOMMER ! Skriver ut antall årsverk dommere etter domssogn Data\ArsverkFunk.out=ASVFUNKSJONAR ! Skriver ut antall årsverk funksjonærer etter domssogn ! Birag på sakstyper etter kommuner Data\AsvDomSak.out=ASVDOM ! Årsverk knyttet til saker og sakstype i de enkelte kommunene - dommer Data\AsvFunSak.out=ASVFUN ! Årsverk knyttet til saker og sakstype i de enkelte kommunene - funksjonærer Data\AntSak.out=ANTSAKER ! Antall saker etter sakstype i de enkelte kommunene ! Her beregnes reisetidsbidrag fra enkeltkommuner inn til domstol Data\KomTidPublikum.out=KOMRTIDPUBL ! Reisetid i timer Data\KomTidStatsadvokat.out=KOMRTIDSTAD ! Reisetid i timer Data\KomTidPoliti.out=KOMRTIDPOLI ! Reisetid i timer Data\KomTidAdvokat.out=KOMRTIDADVO ! Reisetid i timer Data\KomTidMeddommere.out=KOMRTIDMEDD ! Reisetid i timer ! Her kommer kostnadsbidraget fra enkeltkommunene inn til domstolen Data\KomKostPublikum.out=KOMCPUBLI ! Kostnadsbidrag i kroner Data\KomKostAdvokat.out=KOMCADVOKAT ! Kostnadsbidrag i kroner Data\KomKostPoliti.out=KOMCPOLITI ! Kostnadsbidrag i kroner Data\KomKostStatsadvokat.out=KOMCSTATADV ! Kostnadsbidrag i kroner Data\KomKostMeddommere.out=KOMCMEDDOM ! Kostnadsbidrag i kroner

sintef rapport€¦ · Åpen 82-14-01344-5 386091.00 65 elektronisk arkivkode prosjektleder (navn,...

Documents