National Transport Library Research Database

T-Twin: Digital tvilling-sandlåda för trafikstyrning på nätverksnivå (T-Twin: Digital Twin Sandbox for Network-Level Traffic Control)

Sponsors, duration, budget: Trafikverket ; 2026-01-15 -- 2028-04-14 ; 3 650 000 kronorRegistration number:
  • Trafikverket 2025/56932
Notes: Branschprogram: CTR - Kompetenscentret Center for Traffic ResearchSummary: Digital tvilling (DT) teknik erbjuder kraftfulla möjligheter för realtidsövervakning, prognoser och styrning av trafiksystem. GEMINI-projektet vid KTH demonstrerade potentialen med DT-baserade metoder för urban trafikövervakning med hjälp av IoT-sensorer och simulering, med en pilot i Kista. Nuvarande trafikstyrningssystem i Sverige, såsom LHOVRA för signalreglering, är dock fortfarande lokala och reaktiva, med begränsad samordning på nätverksnivå. Forskning vid VTI och LiU har visat att uppkopplade fordon (CV) kan förbättra trafikprestanda, men har också lyft fram behovet av optimering på nätverksnivå för att fullt ut utnyttja värdet av CV-data. När trafikförhållandena blir allt mer dynamiska och oförutsägbara krävs en mer adaptiv och systemövergripande styrstrategi. Med utgångspunkt i dessa insikter syftar T-Twin-projektet till att utveckla en modulär DT-sandlåda för integrerad trafikstyrning av motorvägar och stadsgator. Systemet kommer att kombinera realtidsövervakning, simulering och AI-baserat beslutsstöd för att möjliggöra säker och hållbar trafikstyrning på nätverksnivå. Den långsiktiga visionen är att komplettera Trafikverkets befintliga MCS-system med DT- och AI-teknik för trafikflödesstyrning (se bilaga för T-Twin-ramverket). Projektet fokuserar på utveckling och testning av styrmetoder med hjälp av Södra länken-korridoren i Stockholm (se bilaga för testnätverket). Denna korridor omfattar både motorvägssegment och anslutande stadsgator och erbjuder en värdefull testmiljö för att utvärdera hur DT-baserade styrstrategier kan samordnas över administrativa gränser. Exempel på styrstrategier som kommer att testas är: (1) dynamiska hastighetsbegränsningar för att hantera motorvägsflöden, och (2) koordinerad signalstyrning för att optimera inflödet till staden. Dessa strategier förväntas minska trängseln under rusningstid och stödja proaktiv trafikledning. Projektet syftar till att: 1) Kartlägga nuvarande praxis och behov genom litteraturstudier och samråd med intressenter; 2) Utveckla en högupplöst DT-sandlåda med realistiska sensormodeller och kopplingar till TDIS; 3) Föreslå och implementera en DT/RL-baserad nätverksstyrningsmetod för förbättrad effektivitet, säkerhet och robusthet; 4) Validera systemet med hjälp av fallstudien Södra länken och ta fram en utvecklingsplan för att integrera sandlådan i TDIS-systemet. Projektet kommer att stödja det fortsatta doktorandprojektet för Jonas Jostmann för att utveckla central DT-baserad funktionalitet för trafikstyrning. T-Twin-systemet är designat för att vara modulärt och överförbart och ligger i linje med Trafikverkets pågående satsningar, såsom “Next Generation Motorway Traffic Control”, “Connected Vehicles at Signalized Intersections” och “IMTRACS – Improving traffic signal control utilizing connected vehicle data and surface detection”. På lång sikt kommer T-Twin att fungera som en nationell testmiljö för att utveckla och validera nästa generations trafikstyrningsstrategier.Summary: Digital Twin (DT) technology offers powerful capabilities for real-time traffic monitoring, forecasting, and control. The GEMINI project at KTH demonstrated the potential of DT-based approaches for urban traffic monitoring using IoT sensors and simulation, piloted in Kista. However, current traffic control systems in Sweden, such as LHOVRA for signal management, are still localized and reactive, with limited coordination across the broader network. Research at VTI and LiU has shown that connected vehicles (CVs) can enhance traffic performance but also highlighted the need for network-level optimization to fully unlock the value of CV data. As traffic conditions become more dynamic and unpredictable, a more adaptive and system-level control strategy is needed. Building on these insights, the T-Twin project aims to develop a modular DT Sandbox for integrated motorway and urban traffic control. The system will combine real-time monitoring, simulation, and AI-based decision-making to support safe and sustainable network-level traffic management. The long-term vision is to complement the TrV’s existing MCS system with DT and AI technologies for traffic flow control (see Appendix for the T-Twin framework). The project focuses on control method development and testing using the Södra länken corridor in Stockholm (see Appendix for the test example network). This corridor includes both motorway segments and connected urban streets, providing a valuable testbed for evaluating how DT-based control strategies can coordinate across jurisdictional boundaries. Example control strategies will be tested: (1) dynamic speed limits for managing motorway flow, and (2) coordinated signal control for optimizing urban inflow. These strategies are expected to reduce peak congestion and support proactive traffic operations. The project aims to: 1) Map current practices and stakeholder needs through literature reviews and consultations; 2) Develop a high-fidelity DT sandbox aligned with TDIS data structure; 3) Propose and implement a DT/AI-based network traffic flow control method for improved efficiency, safety, and robustness; 4) Validate the system using the Södra länken use case and develop the scale-up plan for integrating the T-Twin sandbox with the TDIS system for traffic flow control and management. The project will support the continued PhD research of Jonas Jostmann (GEMINI project) in developing core DT-based traffic control functionality. The T-Twin system is designed to be modular and transferable and aligns with TrV’s ongoing efforts under projects such as ‘Next Generation Motorway Traffic Control’, ‘Connected Vehicles at Signalized Intersections’, and ‘IMTRACS-Improving traffic signal control utilizing connected vehicle data and surface detection’. In the long term, the T-Twin will serve as a national testbed for developing and validating next-generation traffic control strategies in both simulation and practice.
Item type: