Rapporten behandlar frågeställningar kring validering av den svenska nationella godstransportmodellen Samgods. I någon mån berörs även valideringsproblematiken i vidare mening. Det är angeläget att ta fram oberoende data och statistik som kan användas för jämförelser med resultat från modellberäkningar. Kvaliteten och tillgängligheten för sådana data är därvid självklara faktorer. Det är även en stor fördel om dessa data är av mångskiftande karaktär och belyser många olika aspekter hos modellresultaten och tas fram regelbundet. I rapporten görs en inventering över datakällor som kan tänkas vara användbara i valideringssyfte. För varje datakälla diskuteras kvalité och tillgänglighet. För statistiskt insamlade data beskrivs kortfattat insamlingsmetodik, osäkerheter och tillgängligheten, som begränsas på grund av sekretessbestämmelserna. Ett separat avsnitt används för att kartlägga intelligenta transport system (ITS) som redan idag kan användas eller kommer kunna användas för insamling av data relevanta för valideringsändamål. Att samla in och sammanställa valideringsdata är emellertid endast en del av problemet. För att kunna jämföra modellutdata med valideringsdata krävs att dessa först matchas samman på samma aggregeringsnivå och för samma avgränsningar, vilket är ett i praktiken relativt komplicerat problem. Ett likartat problem är att matcha och jämföra utdata från olika versioner av Samgodsmodellen. Inom ramen för projektet har en prototyp till ett programverktyg tagits fram som kan göra sådana matchningar. Verktyget och dess handhavande beskrivs också i denna rapport.

This report deals with questions concerning validation of the Swedish national goods transportation model, Samgods. To some degree, also more general issues of validation are discussed. When developing transportation models it is essential to have independent data available that can be used for comparison, validation and calibration. The quality and availability of such data are obvious issues. It is a big advantage if these data cover many different aspects of the model results and are collected on a regular basis. In the report, a survey of data sources useful for validation purposes is presented. For each source of data, quality and availability is discussed. For statistical data, the method for collecting the data is described in some detail as well as uncertainties and access to the data that may be restricted due to privacy regulations. A special section in the report is devoted to investigating if present day intelligent transport systems (ITS) can provide data for validation purposes. Once the compilation of validation data is completed, many problems remain concerning the validation. In particular, there is a matching problem between the model output data and validation data. The many different table formats and aggregation levels for the data add to the complexity of this problem. A similar, but easier, problem is to compare output data from different versions of Samgods. Within the project a computer program has been developed that can be used for matching such kinds of datasets. The program, as well as a user manual for it, is included in the report.