Abstract: Strategiska transportplaneringsmodeller, exempelvis Samper och IHOP systemet (Berglund et al. 2014, Canella et al. 2016, 2017), är viktiga verktyg för analys av förändringar i infrastruktur, policyförändringar och vägavgifter. Traditionellt har statiska modeller använts för denna typ av analyser, med sina väl kända brister i att beskriva hur trängsel propagerar i ett trafiknätverk (se exempelvis Eliasson et al., 2013; Tsanakas et al., 2017). Detta kan leda till stora fel i estimerad restid, vilket ger följdfel när restiderna används i en samhällsekonomiskkalkyl. Sammantaget gör detta statiska modeller olämpliga för att analysera situationer med trängsel/köbildning i trafiknätverk. Dynamiska trafikmodeller kan ur ett trafikträngselperspektiv beskriva alla relevanta fenomen (Berglund et al., 2014), och är därför viktiga verktyg vid analys av trafiksystem i storstadsmiljöer. Med vilken kvalitet som en dynamisk modell estimerar restider är dock starkt beroende av nätverksparametrarna, särskilt vägkapacitet. I detta projekt utvecklas och implementeras en semi-automatiserad kapacitetskalibreringsmetod för användning tillsammans med två av Trafikverkets system för nätutläggning: MATSim respektive Transmodeler. Metoden demonstreras för ett Stockholmsnätverk, och implementeringen görs tillgänglig för fortsatta studier som ett datorprogram med dokumentation.Abstract: Strategic transportation planning models such as Sampers and the IHOP system (Berglund et al. 2014, Canella et al. 2016, 2017) are important tools for the analysis of, e.g., infrastructural changes, policy instruments, and road pricing. Traditionally, static models have been used, which are well known for their inability to capture the spatiotemporal dynamics of traffic congestion (e.g., Eliasson et al., 2013; Tsanakas et al., 2017). This may lead to large errors in travel time differences between the projects/scenarios considered in a cost benefit analysis (CBA), rendering static models overall unsuitable for congested situations. Dynamic models are therefore important, as such models can correctly describe all relevant congestion phenomena and hence accurately estimate travel times (Berglund et al., 2014). The quality of the congestion estimates provided by dynamic models depends critically on their network parameters, in particular road capacities. The present project develops and implements a semi-automated network capacity calibration technique for use with two network assignment packages currently deployed by Trafikverket: MATSim resp. Transmodeler. The feasibility of the method is demonstrated in a concrete Stockholm case study; the implementation is made available for further studies as a documented computer program.