Abstract: Syfte och mål: Kollektivtrafikens Datalab (KoDa) är en vidareutveckling av Trafiklab, en nationell plattform för öppna trafikdata, från att idag tillhandahålla APIer för ögonblicksbilden av öppna data till en arena där kvalitetssäkrad historiska data i kombination med verktyg för databearbetning görs tillgängliggörs. Att sänka tröskeln och öka förutsättningen för fler att skapa värde utifrån öppna data är projektets huvudsakliga målsättningar. Projektet bidrar till att förbättra förutsättningarna för att med hjälp av öppen data och maskininlärning skapa värde inom kollektivtrafiken. Förväntade effekter och resultat: Datakällor tillgängliggörande av kvalitetssäkrad historiska data, och nya datakällor, skapar förutsättningar för aktörer att skapa insikt, nya innovationer och applikationer. Infrastruktur & plattform skalbara plattformar för att hantera historisk lagring av data relevant för kollektivtrafiken. Genom plattformen skapas förutsättningar för avancerad dataanalys och maskininlärning. Demonstrationsprojekt hands-on och väldokumenterat för att skapavärde baserat på projektets övriga innehåll och sänka tröskeln för andra att nyttja projektets resultat. Upplägg och genomförande: Projektet pågår under två år och leds av RISE i nära samverkan med övriga parter. Projektet kommer att arbeta behovsstyrt, varför den inledande behovsanalysen kommer att ges ett betydande utrymme. Vidare kommer projektet att fokusera på praktisk implementation, adressera verkliga problem och sprida kunskapen kring de lösningar som projektet genererar. Projektet kommer även att arbeta med att hitta en långsiktigt hållbar affärsmodell för datalabbet efter projektets avslut.Abstract: Purpose and goal: Public Transport Datalab (KoDa) is a further development of Trafiklab, a national platform for open traffic data, from today providing APIs for the snapshot of open data to an arena where quality-assured historical data in combination with tools for data processing are made available. Another important objective for the project is to lower the threshold and enable more parties to create value based on open data. The project contributes to improving the conditions for creating value in public transport using open data and machine learning. Expected results and effects: Data sources - making historical data available, and adding new data sources, creates the conditions for parties to create insight, new innovations and applications. Infrastructure & platform - scalable platforms for managing historical storage of data relevant to public transport. The platform enables the use of advanced data analysis and machine learning. Demonstration project - hand-on and well documented to create value based on the other content of the project and lower the threshold for others to use the project´s results. Approach and implementation: The project is running for two years and is led by RISE in close collaboration with other parties. The project will work according to a needs-driven approach, which is why the initial needs analysis will be given a considerable attention. Furthermore, the project will focus on practical implementation, address real problems and communicate knowledge about the solutions that the project generates. The project will also work on finding a long-term sustainable business model for the data lab after the project´s completion.