Origin-Destination (OD) matrix plays an important role in traffic management and urban planning. However, the OD estimation demands large data collection which has been done in past mostly by surveys with numerous limitations. With the development of communication technology and artificial intelligence technology, the transportation industry experiences new opportunities and challenges. Sensors bring big data characterized by 4V (Volume, Variety, Velocity, Value) to the transportation domain. This allows traffic practitioners to receive data covering large-scale areas and long time periods, even several years of data. At the same time, the introduction of artificial intelligence technology provides new opportunities and challenges in processing massive data. Advances from computer science have also brought revolutionary advancements in the field of transportation. All these new advances and technologies enable large data collection that can be used for extracting and estimating dynamic OD matrices for small time intervals and long time periods.Using Stockholm as the focus of the case study, this thesis estimates dynamic OD matrices covering data collected from the tolls located around Stockholm municipality. These dynamic OD matrices are used to analyze the day-to-day characteristics of the traffic flow that goes through Stockholm. In other words, the typical day-types of traffic through the city center are identified and studied in this work. This study analyzes the data collected by 58 sensors around Stockholm containing nearly 100 million vehicle observations (12GB).Furthermore, we consider and study the effects of dimensionality reduction on the revealing of most common day-types by clustering. The considered dimensionality reduction techniques are Principal Component Analysis (PCA) and its variant Kernel PCA (KPCA). The results reveal that dimensionality reduction significantly drops computational costs while resulting in reasonable day-types. Day-type clusters reveal expected as unexpected patterns and thus could have potential in traffic management, urban planning, and designing the strategy for congestion tax. / Origin-Destination (OD) -matrisen spelar en viktig roll i trafikledning och stadsplanering. Emellertid kräver OD-uppskattningen stor datainsamling, vilket har gjorts tidigare mest genom enkäter med många begränsningar. Med utvecklingen av kommunikationsteknik och artificiell intelligens upplever transportindustrin nya möjligheter och utmaningar. Sensorer ger stor data som kännetecknas av 4V (på engelska, volym, variation, hastighet, värde) till transportdomänen. Detta gör det möjligt för trafikutövare att ta emot data som täcker storskaliga områden och långa tidsperioder, till och med flera års data. Samtidigt ger introduktionen av artificiell intelligens teknik nya möjligheter och utmaningar i behandlingen av massiva data. Datavetenskapens framsteg har också lett till revolutionära framsteg inom transportområdet. Alla dessa nya framsteg och tekniker möjliggör stor datainsamling som kan användas för att extrahera och uppskatta dynamiska OD-matriser under små tidsintervall och långa tidsperioder.Genom att använda Stockholm som fokus för fallstudien uppskattar denna avhandling dynamiska OD-matriser som täcker data som samlats in från vägtullarna runt Stockholms kommun. Dessa dynamiska OD-matriser används för att analysera de dagliga egenskaperna hos trafikflödet i Stockholm genom stadens centrum. Med andra ord känns igen och studeras de typiska dagtyperna av trafik genom stadens centrum i detta arbete. Denna studie analyserar data som samlats in av 58 sensorer runt Stockholm som innehåller nästan 100 miljoner fordonsobservationer (12 GB)Dessutom överväger och studerar vi effekterna av dimensioneringsreduktion på avslöjandet av de vanligaste dagtyperna genom kluster. De betraktade dimensioneringsreduktionsteknikerna är Principal Component Analysis (PCA) och dess variant Kernel PCA (KPCA). Resultaten avslöjar att dimensioneringsreduktion avsevärt minskar beräkningskostnaderna, samtidigt som det ger rimliga dagtyper. Dagstyp kluster avslöjar förväntade som oväntade mönster och därmed kan ha potential i trafikledning, stadsplanering och utformning av strategin för trängselskatt.

Sweden is known for being at the forefront of becoming a cashless society.However, cash continues to be an important part of the payment ecosystem butthere are limited studies and data regarding the preference for holding cash. Previousstudies have shown that the use of cash is declining with regards to comers and thatthere are behavior differences between cultures and sociodemographic groups inregards to characteristics and preferences for payment methods. The aim of thisstudy was to investigate the informational attributes that drives the preference forholding cash by studying two extreme cases, Sweden which is a pioneer of cashlesssociety, and Germany which is one of the most conservative cash-intensivecountries in the Western world. Primary quantitative data was derived fromstandardized questionnaires issued in both countries by Loomis AB; the data wasdescribed and analyzed with applicable statistical procedures. A multivariate analysiswas performed on a specific segment of the collected data were the respondents hadbeen asked to rate cash associated statements based on their agreeableness towardsthem. These segments were then examined through a Principal component analysisto determine the underlying dimensions regarding preferences for cash. Our resultssuggest that Germans withdrew cash more frequently, from a wider spectrum ofdenominations and carried it to a larger extend than Swedes. Swedes made limitedwithdrawals, of small denominations and preferred to carry smaller amounts of cash.The results also show that there were differences in the perception and preferencesfor cash between sociodemographic groups, with e.g. older age groups being used to itand the youngest using it due to ‘status quo bias’. The main conclusions include thatthe informational attributes such as security, anonymity, ease of use and paymentinfrastructure was the main drives for the preferences of holding cash. / Sverige är känt för att vara i framkanten gällande transformationen till att bli ettkontantlöst samhälle. Kontanter fortsätter dock att vara en viktig del avbetalningsekosystemet, men det finns begränsade studier och data om preferensenför att hålla kontanter. Tidigare studier har visat att användningen av kontanterminskat i dagligvaru- och sällanköpshandeln och att det finns beteendeskillnadermellan kulturer och sociodemografiska grupper med avseende på egenskaper ochpreferenser för betalningsmetoder. Syftet med denna studie var att undersöka deinformativa attribut som driver preferensen för att hålla pengar genom att studeratvå extrema fall, Sverige som är en pionjär gällande det kontantlösa samhället ochTyskland som är ett av de mest konservativa kontantanvändande länderna ivästvärlden. Kvantitativa data härleddes från standardiserade frågeformulärutfärdade i de båda länderna av Loomis AB; data beskrevs och analyserades medtillämpliga statistiska förfaranden, mer specifikt en multivariantanalys som gjordespå ett visst segment av de insamlade uppgifterna, där de svarande blev ombedda attbedöma kontantanvändningen genom associerade uttalanden baserat på derasöverensstämmelse med dem. Dessa segment undersöktes sedan genom enhuvudkomponentanalys för att bestämma de underliggande dimensionerna gällandepreferenser för kontanter. Våra resultat tyder på att tyskar tar ut pengar merfrekvent, från ett bredare spektrum av valörer och bär i större utsträckning merkontanter än svenskar. Svenskar har en begränsad uttagsfrekvens, främst av småvalörer samt att de föredrar att bära kontanter i en liten utsträckning. Fortsatt visarResultaten att det fanns skillnader i perception och preferenser för kontanter mellansociodemografiska grupper, exempelvis är äldre åldersgrupper vana vidkontantanvändning och att de yngre åldersgrupperna använder kontanter på grundav "status quo bias". De viktigaste slutsatserna är att de informativa attribut somsäkerhet, anonymitet, användarvänlighet och betalningsinfrastruktur är de viktigastedrivkrafterna gällande preferensen att hålla kontanter.