Multimodal Traffic Management : Project Report

Nya system för att kombinera transportsätt, till exempel Mobility as a Service (MaaS), ger nya möjligheter för trafikanter att växla mellan olika färdmedel. Samtidigt ger stora mängder data från såväl kollektivtrafiknätet som vägtrafiknätet samt multimodala data från mobilnäten i kombination med nya metoder för att uppskatta resmönster uppdelat på färdmedel möjligheter till en helt ny förståelse av multimodala resmönster i en stad. Att förstå hur multimodala resmönster utvecklas över tid ger nya möjligheter att utveckla effektiva verktyg för multimodal trafikledning. Det övergripande målet med projektet är att möjliggöra förbättrad tillgänglighet i transportsystemen genom effektivare trafikledning. Mer specifikt syftar projektet till att utveckla nya metoder för att uppskatta multimodal efterfrågan samt färdmedelsval och ruttval för multimodal trafikledning. Vidare har potentiella effekter av multimodal trafikledning analyserats. Projektet omfattar en litteraturstudie för analys av möjligheter och utmaningar med multimodal trafikledning. En explorativ analys baserad på oövervakat lärande har utförts för att identifiera typiska nätverksövergripande mobilitetsmönster. Val av rutt och färdmedel har predikterats med hjälp av statistiska modeller. Ett multimodalt dataset för fem veckor i Stockholm med storskalig mobilitetsdata för vägnätet och biljettdata för kollektivtrafiknätet har sammanställs för den explorativa analysen samt utvärderingen av rutt- och transportsättsmodellerna i samband med trafikledning. Baserat på litteraturstudien kan vi dra slutsatsen att koordinerad ledning av väg och kollektivtrafik har potential att minska trängseln och säkerställa effektiv förflyttning av resenärer i ett storstadsområde. Det finns flera motiv för multimodal trafikledning, där de viktigaste är potentiellt ökad efterfrågan för kollektivtrafik, förbättrad robusthet för transportsystemet och bättre prioritering av trafikledningsåtgärder. De största utmaningarna är samarbete mella
New systems for combining modes of transport, for example Mobility as a Service (MaaS), provide new opportunities for road users to switch between different means of transport. At the same time, large amounts of data from both the public transport network and the road traffic network as well as multimodal data from mobile networks in combination with new methods for estimating travel patterns divided by means of transport provide opportunities for a completely new understanding of multimodal travel patterns in a city. Understanding how multimodal travel patterns develop over time provides new opportunities to develop effective tools for multimodal traffic management. The overall goal of the project is to enable improved accessibility in the transport systems through more efficient traffic management. More specifically, the project aims to develop new methods for estimating multimodal demand as well as mode of transport and route selection for multimodal traffic management. Furthermore, potential effects of multimodal traffic management should be analysed. The project includes a literature survey for analysis of potential and challenges of multimodal traffic management. An explorative analysis based on unsupervised learning is performed for identification of typical network-wide mobility patterns. Route and mode choice is predicted using statistical models. A five-week multimodal dataset for Stockholm including large-scale mobility data for the road network and smartcard data for the public transport network is compiled for the explorative analysis as well as evaluation of the route and mode choice models in the context of traffic management. Based on the literature survey, we can conclude that simultaneous management of road and public transport has the potential to reduce congestion and ensure efficient movement of travelers in an urban area. There are several motives for integrated management of multiple modes, where the most important are potential demand shifts
QC 20240425