Framväxten av datadrivna transportsystem för en hållbar framtid

Hur rör sig människor i städerna och vilka faktorer påverkar trafiksystemet? Med nya datakällor och AI-baserade metoder finns det nya möjligheter att förbättra transportplaneringen. Men det handlar inte om tekniken i sig, utan snarare om att ställa de rätta frågorna och identifiera vilken data som behövs för tillförlitliga svar.

I många kommuner finns redan omfattande trafikdata, inklusive trafikmätningar och resvaneundersökningar. Utmaningen är att dessa data ofta är fragmenterade, vilket försvårar en helhetssyn på transportsystemet. Vanligtvis är biltrafik väl dokumenterad, medan andra transportmedel som gång och cykel är underrepresenterade.

För att få en fullständig bild måste vi kunna koppla ihop tre nivåer: fördelning mellan färdmedel, trafikflöden och deras klimatpåverkan. Genom att kombinera dessa perspektiv kan vi omvandla punktdata till strategiska insikter.

Traditionella trafikmätningar är exakta men begränsade till specifika punkter. Mobilnätsdata och trafikmodeller komplementerar varandra, där modeller kan fylla i luckor och ge en mer sammanhängande bild av trafikflöden.

I en analys av parkeringsbeläggning vid naturnära besöksmål visade sig vikten av tillförlitlig indata. Utan adekvat parkeringsdata blir prognoser osäkra oavsett teknikens avancerade karaktär.

AI och maskininlärning kan bidra till effektivitet, men det centrala är att ställa rätt frågor, såsom hur trafikflöden förändras vid byggande av nya cykelbanor. Kvaliteten på AI-modellerna beror på tillgången till strukturerad och relevant data.

Transportplaneringen utvecklas från statiska analyser till mer dynamiska arbetssätt, där realtidsdata möjliggör kontinuerlig uppföljning. Även om nya datakällor är värdefulla, kan de inte ersätta behovet av modellering, utan kompletterar den.

Det är avgörande att inte låta teknisk utveckling styra analysprocessen, utan att förstå att flera datakällor är nödvändiga för en helhetssyn på transportsystemet.