Demonstration av teknik för att identifiera rörelsen i en stad

Klimatkrisen är här och det är bråttom att ställa om till mer hållbara val. Detta gäller särskilt transportsektorn vars omställning gått långsammare än andra sektorers. En nyckel för att accelerera omställningen är att se till att det finns en bra grundanalys av det verkliga behovet av mobilitet, d v s hur människor faktiskt rör på sig i och till/från staden.

Commuter Computing har i ett tidigare Vinnnova-finansierat samarbetsprojekt utvecklat en datadriven analys som kombinerar mobildata, resandedata och öppen data för att identifiera och visualisera rörelser i och till/från Södertälje. Nu har vi utvecklat insikterna och lösningarna från Södertäljeprojektet i Linköping.

Omställningen till hållbar mobilitet är ett delat ansvar mellan kommuner och regioner (som ansvarar för kollektivtrafiken). I det här projektet har vi försett Linköpings kommun och Östgötatrafiken med snabb tillgång till den här nya analysförmågan, undersöka vad den innebär samt att att vi har lärt oss mer om hur den kan skalas upp till fler städer inom Sverige. 

Med denna nya analysförmåga kommer städer och regioner bättre kunna förstå vilka mobilitetsbehov som finns men också få snabb återkoppling på effekten av de initiativ man arbetar med för att öka marknadsandelen för hållbart resande.

Levererbara nyttor

• Identifiera människors verkliga behov av mobilitet i och till/från en stad.
• Tjänsten är Always-on vilket förbättrar möjligheten att följa förändringar och mer volatila resebeteenden. Dessutom är det mindre känsligt för tillfälliga förändringar.
• Dela upp rörelsen per fordonsslag (tåg, buss, bil, cykel etc.).
• Se potential genom att identifiera marknadsandel och restidskvot i olika reserelationer.
• Förståelse för hur väl kollektivtrafiken möter resandebehovet idag och var potential finns. 
• Möjlighet att exportera data för att jobba vidare i andra verktyg.

Projektmål

Målet för detta projekt har varit att: 

• Öka skalbarheten i ett rörelsen i en stad-projekt genom att effektivisera och strömlinjeforma de tre ingående huvudprocesserna dataimport, databearbetning och dataexport.
• Förbättra förmågan att identifiera olika fordonsslag (tåg, buss, bil, cykel etc.)
• Förfina KPIer (marknadsandel, restid/restidskvot etc.)
• Utveckla en bra visualisering anpassad till kollektivtrafikens aktörer, regioner och kommuner och deras arbete för att förbättra attraktiviteten för hållbart resande.