VTI National Transport Research Database

MUST metoder för att hantera djup osäkerhet i planering för hållbara transporter (MUST methods for Managing deep Uncertainty in planning for Sustainable Transport )

  • Engholm, Albin
  • Kungliga tekniska högskolan, Universitet eller högskola, 202100-3054
Sponsors, duration, budget: 2021-12-01 -- 2024-06-30 Registration number:
  • Trafikverket 2021/141110
Subject(s): Notes: Tidigare diarienummer 2021/100932Online resources: Abstract: Den tekniska och samhälleliga utvecklingen går allt snabbare vilket innebär att långsiktiga förutsägelser om transportsystemet är förknippade med stora osäkerheter. Dessutom ökar behoven av att förstå och analysera effekterna av nya teknologier eftersom det är en nyckel för att kunna ta beslut om att införa eller förändra styrmedel eller genomföra åtgärder med syfte att nå hållbarhetsmål och de transportpolitiska målen. För att möta denna utveckling krävs en ny typ av kompletterande beslutsstöd och modeller som möjliggör analys av hur den osäkra utvecklingen kan spela ut och påverka transportsystemet samt att utvärdera olika förslag på åtgärder, investeringar eller styrmedel mot ett stort antal möjliga framtider. Detta är i kontrast mot konventionell prognos- och planeringsmetod som bygger på att upprätta en förutbestämd plan utifrån en punktskattning för framtidens transportsystem med hjälp av en detaljerad transportmodell. MUSTs syfte är att stärka Trafikverkets förmåga att hantera djup osäkerhet vid långsiktiga analyser och planering för framtidens transportsystem. Detta görs genom att utforska, utveckla och demonstrera verktyg och metoder baserat på forskningsfronten inom decisionmaking under deep uncertainty och exploratory modelling and analysis. Dessa är nya ansatser från policyforskningen för analyser av system och beslut när det finns betydande osäkerhet om hur systemet, eller dess input, ser ut i framtiden. Projektet genomförs i två etapper. I den första etappen tas ett brett perspektiv genom att gå igenom forskningsläget, identifiera och beskriva vilka utmaningar som präglas av djup osäkerhet i Trafikverkets verksamhet genom en workshopserie och genomföra en fallstudie i form av en analys av hur robusta strategierna för att nå klimatmålen är mot teknologisk och samhällelig osäkerhet. I etapp 2 görs en fördjupning med godstransporter på väg i fokus som innefattar modellutveckling och analys med hjälp av verktyg för exploratory modelling and analysis för att förstå utmaningar och effekter av framtida teknikutveckling. I både fallstudien och fördjupningen kommer förarlösa fordon vara ett fokusområde då dessa är teknologier med potentiellt kraftiga och mångfacetterade effekter på transportsystemet samtidigt som det finns en stor osäkerhet i när och hur tekniken kommer införas samt vilka faktiska effekter som uppstår. De verktyg och metoder som utvecklas i projektet förväntas kunna utgöra viktiga verktyg i framtidens transportplanering. Projektet bygger vidare på det tidigare FoI projektet ”Systemeffekter av Självkörande fordon” och utgör dessutom en stor del av andra halvan av Albin Engholms doktorandprojekt. Abstract: The technological and societal development is accelerating which means that long-term foresight about the transport system is associated with significant uncertainty. In addition, there is an increasing need to understand and analyze the impacts of new technologies since it is a key to make decisions on introducing or adjusting policy instruments or for performing other interventions aiming to reach sustainability targets and the transport political goals. To face this challenge, there is a need for a new type of complementary decision support and models that enable analysis of how the uncertain development can unfold and affect the transport system, and to assess different alternatives for interventions, policies or investments against a large set of plausible futures. This is in contrast to conventional forecasting- and planning method which is based on establishing a predetermined fixed plan in relation to a point-estimate of the future transport system by the use of a detailed transport model. MUST’s purpose is to strengthen Trafikverket’s ability to manage deep uncertainty in long-term analysis and planning for the future transport system. This is done by exploring, developing and demonstrating tools and methods from the research frontier within decisionmaking under deep uncertainty and exploratory modeling and analysis. These are new approaches from policy research for analyzing systems and decisions when there is significant uncertainty for how the system, or its input, will behave in the future. The project is performed in two phases. In the first phase, a broad perspective is taken by reviewing the research literature, identifying and describing challenges for Trafikverket that are characterized by deep uncertainty through a workshop series and by performing a case study in which an analysis of the robustness of the proposed strategies for reaching the climate targets are with respect to technological and societal uncertainty. In phase 2, a deeper study is performed for with road freight transport in focus which include model development and analysis using exploratory modeling and analysis tools to understand challenges and impacts of future technological development. In both the case study in phase 1, and the deepened study on road transport in phase 2, driverless vehicles will be a focus area since these are technologies with potentially drastic impacts on the transport system while there is also significant uncertainty in when and how they will be introduced and what actual effects will arise. The tools and methods that are developed in the project are expected to be important tools for future transport planning. The project builds on the previous RnD project “Systemeffekter av självkörande fordon” and is also a large share of the second part of Albin Engholm’s PhD project.
Item type:

Powered by Koha