A key component of traffic models for simulating bicycle traffic focuses on capturing the interactions between cyclists and the cycling infrastructure. One of the most relevant features of the infrastructure that has a significant impact in bicycle traffic is the gradient of a bicycle path. Bicycle traffic simulations are a rather uninvestigated topic since historically, most focus on simulations has been on cars. However, bicycle simulations are an important tool to further investigate and understand cyclist’s behaviour. Therefore, the main objective of this thesis is to investigate and simulate free-riding behavior of cyclists in connection to the gradient, particularly on downhills. To do so, trajectory data of cyclists traveling on a downhill with a maximum gradient of 5.5\% are analysed to identify the impact of gradient on the speed and acceleration. The data received needed processing in order to be useful. This included filtering of the trajectories and excluding the data from cyclists which could not to be regarded as free-riding. As a result, a linear correlation is found between pedaling power and the gradient that can be used in microscopic bicycle traffic simulation. Based on this knowledge regarding this linearity, the approach used for modeling the gradient’s effect on the pedaling power is linear regression. The model can be developed in various ways, so instead of only choosing one model, several were developed and compared against each other. These models are then used for the simulation. The results indicate that the simulation captures well the impact of downhill gradients in a population of cyclists as it reproduces similar speed profiles to the ones observed. Therefore, it can be concluded that a power-based model is suitable for simulating free-riding behaviour of cyclists traveling in downhills. / En nyckelfaktor i trafikmodeller för cykelsimuleringar är att beskriva interaktionen mellan cykister och den omgivande infrastrukturen. En av de mest relevanta faktorerna hos infrastrukturen som har en signifikant påverkan på cykeltrafiken är lutningen på vägen. Simuleringar av cykeltrafik är ett tämligen outforskat område eftersom historiskt sett har mest fokus legat på simulering av bilar. Simuleringar är dock ett viktigt verktyg för att vidare undersöka cyklisters beteenden. Därmed är det huvudsakliga syftet med detta arbete att undersöka fria cyklisters beteenden med specifikt fokus på cyklister som cyklar i nedförsbackar. För att göra detta har data från cyklister som cyklar i nedförsbackar med en maximal lutning på 5.5\% analyserats för att analysera hur lutningen påverkar cyklisternas hastighet och acceleration. Den tillgängliga datan behövde bearbetning för att kunna användas. Detta innebar att filtrera datan samt att exkludera cyklister som ej kunde anses vara fria. Detta resulterade i att en linjär korrelation mellan effekten på pedalerna och lutningen på backen, denna korrelation kan användas för mikroskopisk cykelsimulering. Baserat på denna kunskap gällande linjäriteten kan linjär regressionsanalys användas för att modellera väglutningens inverkan på effekten från cyklisten. Modellen kan utvecklas på många olika sätt, och istället för att enbart välja en av dessa så utvecklades flera som kan jämföras med varandra. Dessa modeller används sedan för simuleringen. Resultaten indikerar att simuleringarna väl beskriver nedförsbackarnas påverkan på cyklister då simuleringarna genererar liknande hastighetskurvor som den uppmätta datan. Därmed kan slutsatsen dras att effektbaserade modeller är lämpliga för att simulera fria cyklisters beteenden när de cyklar i nedförsbackar.

Microscopic traffic simulation has become an important tool to investigate traffic efficiency and road safety. In order to produce meaningful results, incorporated driver behaviour models need to be carefully calibrated to represent real world conditions. In addition to macroscopic relationships such as the speed-density diagram, they should also adequately represent the average risk of accidents occurring on the road. In this thesis, I present a two stage computationally feasible multi-objective calibration process. The first stage performs a parameter sensitivity analysis to select only parameters with considerable effect on the respective objective functions to keep the computational complexity of the calibration at a manageable level. The second stage employs a multi-objective genetic algorithm that produces a front of Pareto optimal solutions with respect to the objective functions. Compared to traditional methods which focus on only one objective while sacrificing accuracy of the other, my method achieves a high degree of realism for both traffic flow and average risk. / Mikroskopisk trafiksimulering har blivit ett viktigt verktyg för att undersöka trafik effektivitet och trafiksäkerhet. För att producera meningsfulla resultat måste inbyggda drivrutinsbeteendemodeller noggrant kalibreras för att representera verkliga förhållanden i världen. Förutom makroskopiska relationer, såsom hastighetsdensitetsdiagrammet, bör de också på ett adekvat sätt representera den genomsnittliga risken för olyckor som uppträder på vägen. I denna avhandling presenterar jag en tvåstegs beräkningsberättigbar mångsidig kalibreringsprocess. Det första steget utför en parameterkänslighetsanalysför att bara välja parametrar med stor effekt på respektive objektiv funktioner för att hålla kalibrerings komplexiteten på en hanterbar nivå. Det andra steget använder en mångriktig genetisk algoritm som ger framsidan av Pareto optimala lösningar med hänsyn till objektivfunktionerna. Jämfört med traditionella metoder som fokuserar på endast ett mål, samtidigt som man offrar den andra, ger min metod en hög grad av realism för både trafikflöde och genomsnittlig risk.

Pancreatic islets are composed of endocrine cells that secrete hormones essential for blood-glucose homeostasis. Prior research has revealed that the gene expression and functionality of human islet cells is heterogenous. However, it is not currently understood how the heterogeneity correlates to normal islet cell function and dysfunction in diabetes pathogenesis. Subsequently, an international collaborative project has been initiated to elucidate what constitutes islet cell heterogeneity from a transcriptional, proteomic, and functional perspective in both health and disease. In this study, a highly multiplex tissue image assay was developed to allow for the study of the localization and distribution of proteins previously identified to correlate with functional activity and heterogeneity in islet cells using the CO-Detection by indEXing (CODEX) platform. In total, 22 proteins were studied simultaneously of which 10 were specifically expressed in islet cells. These included generic pancreatic markers such as C-peptide (C-pep) marking insulin-secreting β-cells, glucagon (GCG) and somatostatin (SST), but also less well-characterized proteins such as Shisa like 2B (FAM159B) and Neural proliferation, differentiation and control 1 (NPDC1). The multiplex tissue imaging allowed for single-cell analysis of protein expression in human islet cells showing that most islet specific proteins were heterogeneously expressed. The observations made in this study serves as a validation to that the human islet microenvironment is highly complex due to islet cell heterogeneity. Additionally, the study demonstrated that multiplex tissue imaging has the potential to reveal novel cell types and interactions. / Langerhanska öar består av endokrina celler som utsöndrar hormoner nödvändiga för reglering av blodsockernivåerna. Tidigare forskning har visat att genuttrycket och funktionaliteten är heterogen i de celler som utgör mänskliga Langerhanska öar. Dock är förståelsen för hur heterogeniteten korrelerar till normal cellfunktion och dysfunktion i diabetespatogenes fortfarande ofullständig. Följaktligen har ett internationellt samarbete inletts i syfte att  undersöka  vad som utgör heterogenitet  i  Langerhanska öar ur ett transkriptionellt, proteomiskt och funktionellt perspektiv i såväl friska som sjuka individer. I denna studie utvecklades en metod för multiplex mikroskopisk avbildning av vävnad för att möjliggöra undersökningen av hur proteiner som tidigare korrelerats med endokrin cellspecifik aktivitet och heterogenitet i Langerhanska öar var lokaliserade med hjälp av plattformen för Co-Detection by indEXing (CODEX). Totalt undersöktes 22 proteiner samtidigt varav 10 var specifikt uttryckta i celler som utgör Langerhanska öar. Bland dessa proteiner fanns generella markörer för vanligt förekommande celltyper i Langerhanska öar såsom C-peptid (C-pep) som markör för insulinsekreterande β-celler, glukagon (GCG) och somatostatin (SST) såväl som proteiner med färre kända funktioner såsom Shisa like B (FAM159B) och Neural proliferation, differentiation and control 1 (NPDC1). Med hjälp av multiplex mikroskopisk avbildning av vävnad kunde uttrycket av proteiner specifikt uttryckta i celler som utgör Langerhanska öar analyseras för enskilda celler i vävnaden. Denna analys visade att de flesta proteiner specifikt uttryckta i celler som Langerhanska öar består av var heterogent uttrycka. Resultaten från denna studie validerar att mikromiljön i Langerhanska öar är mycket komplex på grund av cellernas heterogenitet. Vidare visade denna studie att multiplex mikroskopisk avbildning av vävnad har potentialen att identifiera nya celltyper och interaktioner.