I storstadsregionerna blir trafikläget allt mer ansträngt för vart år som går. Inflyttningen fortsätter i oförändrad takt och fler människor måste försöka samsas om samma utrymme. Situationen på vägarna börjar bli ohållbar och det måste till att dessa problem löses snart för att utvecklingen i regionerna inte ska stagnera. Möjligheter för ytterligare utbyignationer finns dock i en begränsad grad och man måste börja se till andra lösningar. Inom området för intelligenta transportsystem(ITS) erbjuds många nya tillämpningar där man med ny teknik försöker hitta lösningar till dagens trafikproblem. Ett led i detta är att samla in och distribuera information om restider på vägarna, för att försöka fördela trafiken mer jämt över hela vägnätet. Det finns olika metoder för att hämta in den här typen av information, men den här rapporten fokuserar sig vid att beskriva system baserat på Floating Car Data(FCD). Arbetet som beskrivs i rapporten har i huvudsak analyserat fyra olika restidsuppskattnings-modeller och jämfört dessa med varandra. Modellerna baserar sina beräkningar på observationer från oidentifierade fordon, dvs att observationerna inte har någon identitetsstämpel som kan kopplas till ett specifikt fordon. Två av modellerna betraktar länkarna som en helhet och utför beräkningarna med detta som grund, medan de två andra delar upp varje länk i mindre segment vilket skapar möjlighet för en större noggrannhet. Modellerna testades inledningsvis på simulerad data baserat på trafikmätningar i Göteborgstrakten. Alla beräkningar begränsades ner till länknivå och inte hela vägnät. Detta p.g.a. att det initialt var för komplicerat att skapa en map- matchingmetod som skulle krävas för genomföra beräkningar på olika länkar samtidigt. Efter genomförda tester på simulerad data prövades modellerna även på en reella datamängd hämtad från projektet Probe i Stockholmsområdet. Resultaten från de utförda testerna visar på att det inte skiljer sig nämnvärt i restidsuppskattningarna mellan de olika modellerna. Sträckan som valdes att analyseras i de simulerade fallen, påverkades inte av några större störningar eller flödesvariationer. Det resulterade i att alla modellerna genererade likvärdiga restider. Även i fallet med den reella datamängden, som innehöll större flödesvariationer över tiden, kunde de olika modellernas uppskattningar inte skiljas åt nämnvärt. Slutsatsen är att trafiken i allmänhet inte har så kraftiga förändringar i flödet över tiden, att det krävs särskilt avancerade modeller för att beräkna restider på länknivå. I alla fall inte om man bortser från incidenter. De framräknade restiderna och den information som dessa ger, bör främst användas för direkt trafikstyrning för att uppnå önskat resultat. Människor förlitar sig mer till sina egna erfarenheter i kända områden, så information av den här typen lämpar sig mer som hjälpmedel för den enskilde individen vid resor i okänd trafik.

<p>I storstadsregionerna blir trafikläget allt mer ansträngt för vart år som går. Inflyttningen fortsätter i oförändrad takt och fler människor måste försöka samsas om samma utrymme. Situationen på vägarna börjar bli ohållbar och det måste till att dessa problem löses snart för att utvecklingen i regionerna inte ska stagnera. Möjligheter för ytterligare utbyignationer finns dock i en begränsad grad och man måste börja se till andra lösningar. Inom området för intelligenta transportsystem(ITS) erbjuds många nya tillämpningar där man med ny teknik försöker hitta lösningar till dagens trafikproblem. Ett led i detta är att samla in och distribuera information om restider på vägarna, för att försöka fördela trafiken mer jämt över hela vägnätet. Det finns olika metoder för att hämta in den här typen av information, men den här rapporten fokuserar sig vid att beskriva system baserat på Floating Car Data(FCD). </p><p>Arbetet som beskrivs i rapporten har i huvudsak analyserat fyra olika restidsuppskattnings-modeller och jämfört dessa med varandra. Modellerna baserar sina beräkningar på observationer från oidentifierade fordon, dvs att observationerna inte har någon identitetsstämpel som kan kopplas till ett specifikt fordon. Två av modellerna betraktar länkarna som en helhet och utför beräkningarna med detta som grund, medan de två andra delar upp varje länk i mindre segment vilket skapar möjlighet för en större noggrannhet. Modellerna testades inledningsvis på simulerad data baserat på trafikmätningar i Göteborgstrakten. Alla beräkningar begränsades ner till länknivå och inte hela vägnät. Detta p.g.a. att det initialt var för komplicerat att skapa en map- matchingmetod som skulle krävas för genomföra beräkningar på olika länkar samtidigt. </p><p>Efter genomförda tester på simulerad data prövades modellerna även på en reella datamängd hämtad från projektet Probe i Stockholmsområdet. Resultaten från de utförda testerna visar på att det inte skiljer sig nämnvärt i restidsuppskattningarna mellan de olika modellerna. Sträckan som valdes att analyseras i de simulerade fallen, påverkades inte av några större störningar eller flödesvariationer. Det resulterade i att alla modellerna genererade likvärdiga restider. Även i fallet med den reella datamängden, som innehöll större flödesvariationer över tiden, kunde de olika modellernas uppskattningar inte skiljas åt nämnvärt. </p><p>Slutsatsen är att trafiken i allmänhet inte har så kraftiga förändringar i flödet över tiden, att det krävs särskilt avancerade modeller för att beräkna restider på länknivå. I alla fall inte om man bortser från incidenter. De framräknade restiderna och den information som dessa ger, bör främst användas för direkt trafikstyrning för att uppnå önskat resultat. Människor förlitar sig mer till sina egna erfarenheter i kända områden, så information av den här typen lämpar sig mer som hjälpmedel för den enskilde individen vid resor i okänd trafik.</p>