Hoppa till huvudinnehåll

Prediktering av störning i kollektivtrafiken

Buss

Läs mer om detta AI arbete inom kollektivtrafikens störningshantering. Här har man undersökt möjligheten att förutsäga primära störningar och realtidsavvikelser från tidtabellen för att skapa en mer effektiv och pålitlig kollektivtrafik. Upptäck projekt resultat, inklusive projektets dokumentation och den senaste tekniken för primär störningsförutsägelse.

Värdet av en prediktion ligger i huruvida man kan agera på den.

Uppnådda resultat

Primär störning: Efter att ha undersökt den senaste tekniken och baserat på projektgruppens bedömning ser det ut som att det är möjligt att förutsäga primära störningar. Dock är den ökade sannolikheten för en viss störning som kan förutsägas oftast ganska liten. Förväntningen är att användningen av dessa förutsägelser främst kommer gälla för viss trafikinformation och för att upptäcka vanliga orsaker till störningar, snarare än att användas för daglig trafikplanering och hantering av störningar. Att identifiera vanliga orsaker till störningar kan dock också göras med traditionella metoder.

Sekundär störning: Efter att ha övervägt kostnaderna för att testa den här tekniken tror projektgruppen att ett fullskaligt test av användningsscenario skulle kräva samarbete och resurser från Trafikverket och flera andra huvudmän.

Leveranser inkluderar dokumentation av projektet och en sammanställning av den senaste tekniken för att förutsäga primära störningar.

Vad var det initiala målet med projektet?

Projektgruppen har utforskat två huvudsakliga störningstyper inom kollektivtrafiken. Den primära störningen fokuserar på möjligheten att förutsäga avvikelser från planen under normala trafikförhållanden, innan några störningar uppstår. Målet var att skapa meningsfulla förutsägelser som kan användas för potentiella åtgärder.

Den sekundära störningen som undersöktes var tekniken för realtidsförutsägelse av avvikelser från tidtabellen när ett fordon avviker. Projektet utforskade hur den teknik fungerar och såg över möjligheten att identifiera de prioriterade användningsområdena inom upphandlad kollektivtrafik. Genom att analysera och förstå dessa störningstyper strävade de efter att förbättra effektiviteten och pålitligheten i kollektivtrafiksystemet.

Bakgrund

I dagsläget sker mestadels av störningshantering reaktivt, manuellt och ofta med svårigheter att nå ut med bra om relevant information till resenärer. 

Se presentationen av projektet från slutkonferensen

Partners

Partners i projektet är Malmö Universitet, The Train Brain, RISE och Västtrafik.