Klimatförändringar är resultatet av decenniers handlande som saknat konsekvenstänk. Behovet av en klimatomställning har länge varit känt, men vidtagna åtgärder och traditionella arbetssätt har hittills inte ansenligt bidragit till att förbättra klimatet. I klimatkontraktet 2030, en förstärkning av befintliga styrdokument, framhålls governance som det rätta verktyget för att uppnå klimatneutralitet. Studien syftar till att undersöka hur implementeringen av klimatkontraktet har påverkat Linköping kommuns förmåga att genomföra klimatomställningen och uppnå klimatmål i en snabbare takt. Syftet har uppfyllts genom en dokumentstudie av Linköping kommuns styrdokument och deras klimatkontrakt, kompletterat med en kvalitativ intervju. Studien visar hur Linköping kommuns förmåga att hantera klimatomställningen har förbättrats, men att det samtidigt finns ett behov att ytterligare utveckla governancestrukturen om klimatneutralitet inte ska vara en allt för avlägsen framtid. / Climate change is the result of decades of actions lacking foresight. The need for climate transition has long been recognized, but our efforts and traditional approaches have so far been insufficient to secure a sustainable future. As a response to this inadequacy, klimatkontraktet 2030, a reinforcement of Linköpings current policy documents, puts forward a new way of looking at climate governance. This essay aims to investigate how the implementation of the contract has affected Linköping municipality’s ability to carry through the transition and reach climate goals at a faster pace. The aim has been achieved through a document study and a supplementary qualitative interview. The study demonstrates how Linköping municipality has enhanced its capacity and ability to undergo a climate transition. Furthermore, we have identified certain aspects of the governance structure that could and should be developed to ensure climate neutrality is achieved in the near future.

Congestion and pollution are challenges that have started to build pressure on urban cities to introduce more environmental-friendly transportation alternatives. One transport solution that has gained attention in the light of digitalization is a concept called mobility as a service (MaaS) that has the potential to change how people travel today. However, the main issue related to MaaS is that there is no sustainable or long-term business model in place, and it is unclear how value can be created for actors that are considering to integrate themselves to this ecosystem. The purpose of this study is to investigate what the potential opportunities and challenges are from a transport operator’s perspective when considering to integrate their transportation service to MaaS. This study further addresses the key elements that are needed in this service and its system-level enablers, as well as, how transportation operators’ ability and desire differ to influence the development of MaaS. The study is moreover built on a qualitative research approach where actors from both private and public organizations were interviewed. The gathered data was in combination with a literature review and business model theory analyzed to provide an answer to the current opportunities and challenges with MaaS. The results indicate that both public transport and carpools are essential parts to even consider developing MaaS further and to be able to compete with privately owned vehicles. To be able to make MaaS an attractive transportation solution and to be able to develop this service further, thirdparty resellers have to be granted permission by PTA’s to sell their travel tickets, and that carpool cars have to be given a definition to receive parking subsidies. Next, it was concluded that a clearer added value is needed in order for private and public transportation operators to see the actual value that MaaS could potentially offer their businesses and customers. Moreover, both roles and responsibilities have to be determined to make transport operators aware of how an integration of their service into the MaaS ecosystem could affect them. Additionally, transportation operators that are operating within procured public traffic are limited in their ability to influence the development of MaaS, since they do not have the mandate to make that decision. On the contrary, private transport operators do have the ability to affect the development of MaaS and could have the potential to create their own MaaS solution. / Till följd av ökad trafikträngsel och ökade utsläpp inom transportsektorn i storstadsregioner så efterfrågas nya hållbara resealternativ. Ett koncept som kallas mobilitet som tjänst (MaaS) har därför ökat i intresse de senaste åren och tros ha potentialen att förändra människors sätt att resa. En av de stora utmaningarna för MaaS är dock att det ännu inte har presenterats någon hållbar affärsmodell och det är oklart hur värde kan skapas för de aktörer som överväger att integrera sig till detta ekosystem. Därför är syftet med studien är att undersöka vilka möjligheter och hinder som transportoperatörer ser i samband med att integrera sig till ett MaaS koncept. Dessutom undersöks det vilka element som anses vara nödvändiga för att MaaS ska fungera samt hur transportoperatörernas möjlighet och förmåga till att påverka utvecklingen av MaaS skiljer sig. Studien är byggd på en kvalitativ ansats vilket innebär att både offentliga och privata aktörer från transportindustrin intervjuades. En litteraturgranskning och affärsmodellteori användes som utgångspunkt i analysen av det insamlade empiriska underlaget. Resultatet i studien indikerar att kollektivtrafik och bilpooler är nödvändiga element i en MaaS tjänst som måste finnas på plats för att MaaS ska kunna konkurrera med det privata bilägandet. För att fortsätta utveckla Maas måste tredjepartsleverantörer få tillåtelse att sälja kollektivtrafikbiljetter och bilpoolsbilar behöver definieras för att kunna kvalificeras för parkeringssubventioner. Dessutom krävs det att MaaS kan uppvisa ett tydligt värde för privata -och offentliga transportoperatörer och deras kunder. De ingående aktörernas roller och ansvar behöver bestämmas för att på längre sikt förstå hur en integration till MaaS påverkar deras tjänst. Det kunde även konstateras att transportoperatörer som jobbar som underleverantörer inom upphandlad kollektivtrafik är mer begränsade till att påverka utvecklingen av MaaS då de inte innehar mandat för beslutsfattande. De transportoperatörer som jobbar på kommersiell marknadsbasis har däremot inga begränsningar till att påverka utvecklingen av MaaS.

With the rise of information technology and the dependence on these systems, it becomes increasingly more important to keep the systems secure. The possibility to detect an intrusion with intrusion detection systems (IDS) is one of multiple fundamental technologies that may increase the security of a system. One of the bigger challenges of an IDS, is to detect types of intrusions that have previously not been encountered, so called unknown intrusions. These types of intrusions are generally detected by using methods collectively called anomaly detection methods. In this thesis I evaluate the performance of the algorithm Tree Augmented Naive Bayes Classifier (TAN) as an intrusion detection classifier. More specifically, I created a TAN program from scratch in Python and tested the program on two data sets containing data traffic. The thesis aims to create a better understanding of how TAN works and evaluate if it is a reasonable algorithm for intrusion detection. The results show that TAN is able to perform at an acceptable level with a reasonably high accuracy. The results also highlights the importance of using the smoothing operator included in the standard version of TAN. / Med informationsteknikens utveckling och det ökade beroendet av dessa system, blir det alltmer viktigt att hålla systemen säkra. Intrångsdetektionssystem (IDS) är en av många fundamentala teknologier som kan öka säkerheten i ett system. En av de större utmaningarna inom IDS, är att upptäcka typer av intrång som tidigare inte stötts på, så kallade okända intrång. Dessa intrång upptäcks oftast med hjälp av metoder som kollektivt kallas för avvikelsedetektionsmetoder. I denna uppsats utvärderar jag algoritmen Tree Augmented Naive Bayes Classifiers (TAN) prestation som en intrångsdetektionsklassificerare. Jag programmerade ett TAN-program, i Python, och testade detta program på två dataset som innehöll datatrafik. Denna uppsats ämnar att skapa en bättre förståelse för hur TAN fungerar, samt utvärdera om det är en lämplig algoritm för detektion av intrång. Resultaten visar att TAN kan prestera på en acceptabel nivå, med rimligt hög noggrannhet. Resultaten markerar även betydelsen av "smoothing operator", som inkluderas i standardversionen av TAN.

Collaborative filtering is a popular technique to use behavior data in the form of user’s interactions with, or ratings of, items in a system to provide personalized recommendations of items to the user. This study compares three different state-of-the-art Recommendation System models that implement this technique, Matrix Factorization, Multi-layer Perceptron and Neural Matrix Factorization, using behavior data from a digital book platform for children. The field of Recommendation Systems is growing, and many platforms can benefit of personalizing the user experience and simplifying the use of the platforms. To perform a more complex comparison and introduce a new take on the models, this study proposes a new way to represent the behavior data as input to the models, i.e., to use the Term Frequency-Inverse Document Frequency (TFIDF) of occurrences of interactions between users and books, as opposed to the traditional binary representation (positive if there has been any interaction and negative otherwise). The performance is measured by extracting the last book read for each user, and evaluating how the models would rank that book for recommendations to the user. To assess the value of the models for the children’s reading platform, the models are also compared to the existing Recommendation System on the digital book platform. The results indicate that the Matrix Factorization model performs best out of the three models when using children’s reading behavior data. However, due to the long training process and larger set of hyperparameters to tune for the other two models, these may not have reached an optimal hyperparameter tuning, thereby affecting the comparison among the three state-of-the-art models. This limitation is further discussed in the study. All three models perform significantly better than the current system on the digital book platform. The models with the proposed representation using TF-IDF values show notable promise, performing better than the binary representation in almost all numerical metrics for all models. These results can suggest future research work on more ways of representing behavior data as input to these types of models. / Kollaborativ filtrering är en populär teknik för att använda beteendedata från användare i form av t.ex. interaktioner med, eller betygsättning av, objekt i ett system för att ge användaren personliga rekommendationer om objekt. I den här studien jämförs tre olika modeller av moderna rekommendationssystem som tillämpar denna teknik, matrisfaktorisering, flerlagersperceptron och neural matrisfaktorisering, med hjälp av beteendedata från en digital läsplattform för barn. Rekommendationssystem är ett växande område, och många plattformar kan dra nytta av att anpassa användarupplevelsen utifrån individen och förenkla användningen av plattformen. För att utföra en mer komplex jämförelse och introducera en ny variant av modellerna, föreslår denna studie ett nytt sätt att representera beteendedata som indata till modellerna, d.v.s. att använda termfrekvens med omvänd dokumentfrekvens (TF- IDF) av förekomster av interaktioner mellan användare och böcker, i motsats till den traditionella binära representationen (positiv om en tidigare interaktion existerar och negativ i annat fall). Prestandan mäts genom att extrahera den senaste boken som lästs för varje användare, och utvärdera hur högt modellerna skulle rangordna den boken i rekommendationer till användaren. För att värdesätta modellerna för plattformen med digitala böcker, så jämförs modellerna också med det befintliga rekommendationssystemet på plattformen. Resultaten tyder på att matrisfaktorisering-modellen presterar bäst utav de tre modellerna när man använder data från barns läsbeteende. På grund av den långa träningstiden och fler hyperparametrar att optimera för de andra två modellerna, kan det dock vara så att de inte har nått en optimal hyperparameterinställning, vilket påverkar jämförelsen mellan de tre moderna modellerna. Denna begränsning diskuteras ytterligare i studien. Alla tre modellerna presterar betydligt bättre än det nuvarande systemet på läsplattformen. Modellerna med den föreslagna representationen av TFIDF-värden visar sig mycket lovande och presterar bättre än den binära representationen i nästan alla numeriska mått för alla modeller. Dessa resultat kan ge skäl för framtida forskning av fler sätt att representera beteendedata som indata till denna typ av modeller.