Utmaning

Utan en klar bild av hur människors faktiska rörelsemöster genom en stad är det svårt att planera transportinfrastruktur på ett effektivt sätt. Det traditionella sättet att samla in data om resvanor, genom enkätsvar, begränsas av bland annat låg svarsfrekvens och av att datan snabbt blir utdaterad.

Lösning

Analys av rörelsemönster används för att visualisera hur människor faktiskt rör sig genom en stad. Tekniken kan ersätta enkätsvar om invånarnas resor. Sådan kunskap kan sedan användas som underlag för beslut om framtida transportintrastruktur – vilket kan hjälpa människor välja hållbart resande istället för att ta bilen. Samt förbättringar i stadsmiljön genom att till exempel otrygga platser identifieras. Det kan även användas för att mäta effekten av införda åtgärder, som höjd trängselskatt eller parkeringsavgifter.

Implementering

Teknologin bygger på anonymiserad mobildata insamlad från en mobiloperatör, som visar abonnentens position på kartan. Med hjälp av machine learning omvandlas denna stora mängd in-data (på sekundnivå) till en kartläggning över människors transportmönster och beteenden i staden.