Härtill 5 uppsatser

Diss. (sammanfattning) Linköping : Linköpings universitet, 2021

Comprehensive knowledge of travel patterns is crucial to enable planning for a more efficient traffic system that accommodates human mobility demand. Currently, this knowledge is mainly based on traffic models based on relatively small samples of observations collected from travel surveys and traffic counts. The data is expensive to collect and provides only partial observations of travel patterns. With the rise of new technology, new large-scale passive data sources can be used to analyse travel patterns. This thesis aims to expand the knowledge about how to use cellular network data collected by cellular network operators and smart-card data from public transit systems to analyse travel patterns. The focus is particularly on the data processing methods needed to extract travel patterns. The thesis’s contributions include new methods for extracting trips, estimating travel demand, route inference and travel mode choice from cellular network data and a method to extract travel behaviour changes from smart-card data. Different approaches are proposed to evaluate the methods: the validation using experimental data, validation using other available data sources, and comparison of results obtained using different methods.

Populärvetenskaplig sammanfattning: Ett effektivt trafiksystem är avgörande för att uppnå klimatmålen och samtidigt tillgodose människors efterfrågan på mobilitet. För att trafikplanerare ska kunna ta välgrundade beslut för att utveckla trafiksystemet krävs en omfattande förståelse av historiska och nuvarande resmönster. Dessa kan sedan användas för att till exempel identifiera persontransporter som kan flyttas till energieffektivare trafikslag eller för att modellera effekterna av en infrastrukturinvestering. Trafikplanerare använder idag trafikmodeller med resvanundersökningar och trafikmätningar som indata. Eftersom dessa datakällor är dyra och innehåller ett mycket begränsat antal observationer kan modellerna endast ge ungefärliga skattningar av resmönster. Nya storskaliga passiva datakällor som data från mobilnätet och data från reskort i kollektivtrafiken öppnar för nya möjligheter att observera resmönster på ett sätt som kan ge en mycket mer detaljerad förståelse av de faktiska resmönstren. Syftet med den här avhandlingen är att vidga förståelsen för vad som behövs för att processa storskaliga passiva datakällor såsom mobilnätsdata och data från reskort i kollektivtrafiken för att analysera resmönster. Nya metoder föreslås för att detektera resor, estimera reseefterfrågan, skatta ruttval och färdmedelsval från mobilnätsdata samt en metod för att analysera förändringar i resebeteende med data från reskort i kollektivtrafiken. För att bedöma kvalitén på de extraherade resmönstren föreslås olika utvärderingsmetoder: validering med hjälp av experimentella data, validering mot andra datakällor och jämförelse mellan olika metoder. Genom att utvärdera metoderna fås kunskap om potentialen och begräsningarna med att använda storskaliga passiva datakällor för att analysera resmönster.