National Transport Library Research Database

FREKVENT: Fördjupad estimering av kollektivresenärers värderingar ur biljettvalideringsdata för förbättrad nätverksutläggning (FREKVENT: In-depth estimation of public transport riders' valuations from ticket validation data for improved traffic assignment)

Sponsors, duration, budget: Trafikverket ; 2025-09-01 -- 2027-08-31 ; 1 999 000 kronorRegistration number:
  • Trafikverket 2025/16221
Summary: För att trafikprognoser och samhällsekonomiska kalkyler ska bli rättvisande och effektiva beslutsstöd är det viktigt att förstå och modellera resenärers värderingar av olika reseattribut. Inom kollektivtrafiken är restider, trängsel, byten och anslutningstider exempel på betydelsefulla attribut med tydlig koppling till strategisk planering. Det senaste decenniet har passiva datakällor för kollektivtrafikresor börjat bli tillgängliga, och metoder har utvecklats för att fånga resenärers verkliga preferenser (s.k. revealed preference, RP). Den viktigaste datakällan i sammanhanget är biljettvalideringar (ofta kallade smartcard-data), som innehåller information om var och när enskilda resenärer har befunnit sig i systemet. Dagens prognosverktyg, t.ex. Sampers, tillämpar relativt enkla principer för nätutläggning, d.v.s. hur resenärer fördelar sig över rutter och länkar. I Sampers nätutläggningsmodul som är implementerad i Emme används en “allt eller inget”-utläggning där resenärer antas välja en rutt med lägst impedans, d.v.s. en viktad summa av restid, bytestid och andra faktorer. I dagens prognosverktyg är dessa vikter i allmänhet inte segmenterade utifrån olika resenärstyper eller olika trafikslag. Dessutom är källorna till nuvarande vikter ofta oklara. Under 2023–2024 genomfördes ett projekt som undersökte möjligheten att kalibrera effekten av trängsel i kollektivtrafiken på resenärers ruttval. En ”panel effects path size logit” modell skattades, och resultaten visade att trängsel har en avskräckande effekt på resenärers ruttval. Projektet belyste också den stora potentialen hos passiva kollektivtrafikdata för att fånga resenärers preferenser och förbättra våra prognosmodeller. Syftet med det här fortsättningsprojektet är att undersöka närmare hur dessa preferenser kan estimeras på en mer detaljerad nivå när det gäller (1) kollektivtrafiknätets olika trafikslag och länktyper, och (2) segmentering av resenärer med olika attribut. Projektet kommer också att undersöka om parametrar estimerade från passiva kollektivtrafikdata kan användas i trafikprognosmodellers nätverksutläggning, och om detta skulle leda till bättre överensstämmelse mellan modellerade och uppmätta resenärsflöden. Projekt har som mål att ge praktiska förslag på hur befintliga prognosmodellers nätutläggningar kan förbättras samt peka ut riktningar för vidare utvecklingsarbete.Summary: In public transport, travel times, congestion, transfers and connection times are examples of important attributes with clear links to strategic planning. In the last decade, passive data sources for public transport trips have started to become available, and methods have been developed to capture the true preferences of travelers (so-called revealed preference, RP). The most important data source in this context are ticket validations (often referred to as smartcard data), which contain information on where and when individual travelers have been in the system. Current forecasting tools, such as Sampers, apply relatively simple principles of traffic assignment, i.e. how travelers are distributed across routes and links. The Sampers traffic assignment module implemented in Emme uses an “all or nothing” approach where travellers are assumed to choose a route with the lowest impedance, i.e. a weighted sum of travel time, switching time and other factors. In today's forecasting tools, these weights are generally not segmented by traveller type or mode. In addition, the sources of current weights are often unclear. In 2023-2024 a project was conducted that investigated the possibility of calibrating the effect of congestion in public transport on travelers' route choices. A panel effects path size logit model was estimated, and the results showed that congestion has a deterrent effect on travelers' route choices. The project also highlighted the great potential of passive public transport data to capture travelers' preferences and improve our forecasting models. The aim of this continuation project is to further investigate how these preferences can be estimated at a more detailed level in terms of (1) the different modes and link types of the public transport network, and (2) the segmentation of travelers by different attributes. The project will also investigate whether parameters estimated from passive public transport data can be used in traffic forecasting models' network layout, and whether this would lead to better agreement between modeled and measured passenger flows.
Item type: