When a large number of base stations fail due to the breakdown of some transmission circuit in a mobile cellular network, base stations located in neighboring areas may take over those malfunctioned base stations and continue to provide the access service of mobile communications for users in surrounding areas, thereby reducing the area in which mobile communications are out of service. Therefore, if leased circuits in base stations could complete the route distribution configuration prior to the onset of malfunction, it could decrease the impact of circuit breakdown and traffic loss. Also, the efficiency would be improved if the circuit assignment personnel could complete the job when the leased lines are less, while avoiding reassignment in the future and enhancing the mobile communications operations. In this study, we use a graph structure to represent the present mobile cellular network and establish the route-selection strategies. We define the "Optimal Route Assignment" for a newly constructed base station, which refers to the route assignment that causes least impact on disconnection area when any circuit in the network is broken. We also propose to use A* algorithm for optimal route assignment. However, the computation for the optimal route is time consuming. Measures such as computation time and least hops are considered in designing other strategies for route assignment. These strategies are parametric and we carried out experiments by adjusting and controlling parameters using real routing data. The experimental results demonstrate that there is no single winner among the proposed strategies. We identify a number of best strategies for different operating regions.

During 2018, the Public Transport Administration (Trafikförvaltningen) in the Stockholm region spent approximately 2.2 billion SEK on new infrastructure investments related to the public transport system, many of which were based on their public transport models. The previously used method for validating these models has lacked scientific rigour, efficiency and a systematic approach, which has led to uncertainty in decision making. Furthermore, few scientific studies have been conducted to develop validation methodologies for large-scale models, such as public transport models. For these reasons, a scientific validation methodology for public transport models has been developed in this thesis. This validation methodology has been applied on the 2014 route assignment model used by Trafikförvaltningen, for the transport modes bus, commuter train and local tram. In the developed validation methodology, the selected validation metrics called MAPE, %RMSE and R^2 are used to compare link loads from a route assignment model with observed link loads from an Automatic Passenger Counting (APC) system. To obtain an overview of the performance of the route assignment model, eight different scenarios are set, based on whether the validation metrics meet acceptable thresholds or not. In the application of the developed validation methodology, the average link loads for the morning rush have been validated. To adjust the developed validation methodology to system-specific factors and to set acceptable metric thresholds, discussions with model practitioners have taken place. The validation has been performed on both lines and links, and for bus entire line number series have been validated as well. The validation results show that commuter train meets the set threshold values in a higher proportion than bus and local tram do. However, Trafikförvaltningen is recommended to further calibrate the route assignment model in order to achieve a better model performance. The developed validation methodology can be used for validation of public transport models, and can in combination with model calibration be used in an iterative process to fine-tune model parameters for optimising validation results. Finally, a number of recommendations are proposed for Trafikförvaltningen to increase the efficiency and quality of the validation process, such as synchronising model data with the observed data. / Under 2018 spenderade Trafikförvaltningen ungefär 2,2 miljarder kronor på nya infrastrukturinvesteringar för kollektivtrafiksystemet i Stockholm, varav många av dessa baserades på deras kollektivtrafikmodeller. Den tidigare metoden för att valideras dessa modeller har saknat gedigen vetenskaplig grund, effektivitet och ett systematiskt tillvägagångssätt, vilket lett till osäkerhet gällande investeringsbeslut. Dessutom har få vetenskapliga studier genomförts för att ta fram valideringsmetodologier för storskaliga modeller, såsom kollektivtrafikmodeller. Av dessa skäl har en vetenskaplig valideringsmetodologi för kollektivtrafikmodeller tagits fram i detta examensarbete. Denna valideringsmetodologi har tillämpats på Trafikförvaltningens 2014 års nätutläggningsmodell, för trafikslagen buss, pendeltåg och spårväg. I den framtagna valideringsmetodologin har de valda valideringsmåtten vid namn MAPE, %RMSE och R^2 använts för att jämföra länkbelastningar från en nätutläggningsmodell med observerade länkbelastningar från ett Automatisk Trafikanträkning-system (ATR). För att ge en översikt över modellens precision har åtta scenarios satts baserat på om valideringsmåtten godkänns eller inte enligt tröskelvärden. I tillämpningen av den framtagna valideringsmetodologin har de genomsnittliga länkbelastningarna för morgonens rusningstrafik validerats. För att justera den framtagna valideringsmetodologin efter systemspecifika faktorer och för att sätta godkända tröskelvärden för valideringsmåtten, har diskussioner med trafikanalytiker hållits. Valideringen har utförts både på linjer och länkar, och för buss har även hela linjeserier validerats. Valideringsresultaten för pendeltåg har en högre andel godkända mätningar än buss och spårväg. Trafikförvaltningen rekommenderas dock att kalibrera nätutläggningsmodellen ytterligare för att uppnå ett bättre resultat. Den framtagna valideringsmetodologin kan användas för valideringar av kollektivtrafikmodeller, och kan i kombination med modellkalibrering användas i en iterativ process för att finjustera modellparametrar och därmed optimera valideringsresultaten. Slutligen föreslås ett antal rekommendationer för Trafikförvaltningen för att öka effektiviteten och kvaliteten på valideringsprocessen, till exempel att synkronisera modelldata med observerad data.