In this thesis, the problem of predicting the full dose distribution from a partially modeled dose calculation is addressed. Two solutions were studied: a vanilla Hierarchically Densely Connected U-net (HDUnet) and a Conditional Generative Adversarial Network (CGAN) with HDUnet as a generator. The CGAN approach is a 3D version of Pix2Pix [1] for Image to Image translation which we name Dose2Dose. The research question that this project tackled is whether the Dose2Dose can learn more effective dose transformations than the vanilla HDUnet. To answer this, the models were trained using dose calculations of phantom slabs generated for the problem in pairs of inputs (doses without magnetic field) and targets (doses with magnetic field). Once trained, the models were evaluated and compared in various aspects. The evidence gathered suggests that the vanilla HDUnet model can learn to generate better dose predictions than the generative model. However, in terms of the resulting dose distributions, the samples generated from the Dose2Dose are as likely to belong to the target dose calculation distribution as those of the vanilla HDUnet. The results contain errors of considerable magnitude, and do not accomplish clinical suitability tests. / I denna avhandling har problemet med att förutsäga full dosfördelning från en delvis modellerad dosberäkning tagits upp. Två lösningar studerades: ett vanilla HDUnet och ett betingat generativt nätverk (CGAN) med HDUnet som generator. CGAN -metoden var en 3D-version av Pix2Pix [1] för översättning av bild till bild med namnet Dose2Dose. Forskningsfrågan som detta projekt tog upp var om Dose2Dose kan lära sig mer effektiva dostransformationer än vanilla HDUnet. För att svara på detta tränades modellerna med hjälp av parvisa dosberäkningar, i indata (doser utan magnetfält) och mål (doser med magnetfält).. När de var tränade utvärderades modellerna och jämfördes i olika aspekter. De samlade bevisen tyder på att Vanilla HDUnet -modellen kan lära sig att generera bättre dosförutsägelser än den generativa modellen. När det gäller de resulterande dosfördelningarna är emellertid de prover som genererats från Dose2Dose lika sannolikt att tillhöra måldosberäkningsfördelningen som de för vanilla HDUnet. Resultaten innehåller stora storleksfel och uppfyller inte kraven för klinisk tillämpbarhet.

Choosing the correct angle of electrical tilt in a radio base station is essential when optimizing for coverage and capacity. A reinforcement learning agent can be trained to make this choice. If the training of the agent in the real world is restricted or even impossible, alternative methods can be used. Training in simulation combined with an approximation of the real world is one option that comes with a set of challenges associated with the reality gap. In this thesis, a method based on Bayesian optimization is implemented to tune the environment in which domain randomization is performed to improve the quality of the simulation training. The results show that using Bayesian optimization to find a good subset of parameters works even when access to the real world is constrained. Two off- policy estimators based on inverse propensity scoring and direct method evaluation in combination with an offline dataset of previously collected cell traces were tested. The method manages to find an isolated subspace of the whole domain that optimizes the randomization while still giving good performance in the target domain. / Rätt val av elektrisk antennvinkel för en radiobasstation är avgörande när täckning och kapacitetsoptimering (eng. coverage and capacity optimization) görs för en förstärkningsinlärningsagent. Om träning av agenten i verkligheten är besvärlig eller till och med omöjlig att genomföra kan olika alternativa metoder användas. Simuleringsträning kombinerad med en skattningsmodell av verkligheten är ett alternativ som har olika utmaningar kopplade till klyftan mellan simulering och verkligheten (eng. reality gap). I denna avhandling implementeras en lösning baserad på Bayesiansk Optimering med syftet att anpassa miljön som domänrandomisering sker i för att förbättra kvaliteten på simuleringsträningen. Resultatet visar att Bayesiansk Optimering kan användas för att hitta ett urval av fungerande parametrar även när tillgången till den faktiska verkligheten är begränsad. Två skattningsmodeller baserade på invers propensitetsviktning och direktmetodutvärdering i kombination med ett tidigare insamlat dataset av nätverksdata testades. Den tillämpade metoden lyckas hitta ett isolerat delrum av parameterrymden som optimerar randomiseringen samtidigt som prestationen i verkligheten hålls på en god nivå.

Radiation shielding is a central part of the design of treatment rooms for radiation therapy systems. The dose levels that medical staff and members of the public can be exposed to outside the treatment rooms are regulated by authorities and influence the required wall thicknesses and possible locations for the systems. Several standard methods exist for performing shielding calculations, but they are not well adapted to the stereotactic radiosurgery system Leksell Gamma Knife because of its self-shielding properties. The built-in shielding makes the leakage radiation anisotropic and generally have lower energy than the primary radiation from the Gamma Knife's cobalt sources. Oversimplifications made in the standard shielding calculation methods regarding the field can lead to excessively thick shielding and limit the number of suitable locations for the system.  In this thesis project, a simulation-based dose calculation algorithm was developed, that uses Monte Carlo-generated data in two steps. The algorithm uses a phase space to accurately describe the radiation field around the Gamma Knife. Information about individual photons in the field is then combined with a generated library of data describing the resulting dose outside a wall depending on the wall thickness and the photon energy. The dose calculation algorithm is fast enough to be integrated into optimization processes, in which the algorithm is used iteratively while varying room design parameters. Demonstrated in this report is a case with a room of fixed size, in which the Gamma Knife's position and the walls' thicknesses are varied, with the aim to find the room design resulting in the minimum wall thicknesses needed to achieve acceptable dose levels outside. The results in this thesis indicate that the dose calculation algorithm performs well and could likely be used in more complex optimizations with more design variables and more advanced design goals. / Strålsäkerhet är en viktig aspekt vid uppförandet av behandlingsrum för strål-terapisystem. Strålningsnivåerna som sjukvårdspersonal och allmänheten kan exponeras för utanför behandlingsrummet regleras av myndigheter och påverkar vilken väggtjocklek som behövs och vilka platser som är lämpliga att placera systemen på. Flertalet metoder för strålskyddsberäkning existerar, men de är inte väl anpassade till det stereotaktiska radiokirurgiska systemet Leksell Gamma Knife, eftersom det har ett inbyggt strålskydd. Det inbyggda strålskyddet gör att strålfältet runt Gamma Knife är anisotropt och generellt har lägre energi än primärstrålningen från systemets koboltkällor. Förenklingar som görs rörande strålfältet i flera existerande metoder för strålskyddsberäkning kan leda till att överdrivet tjocka strålskydd används eller begränsa antalet lämpliga platser att placera systemet på. I detta projekt utvecklades en dosberäkningsalgoritm, som i två steg använder data genererad genom Monte Carlo-simuleringar. Algoritmen använder ett fasrum för att detaljerat beskriva strålfältet runt Gamma Knife. Information om enskilda fotoner i fältet används sen i kombination med ett genererat bibliotek av data som beskriver det dosbidrag som en foton bidrar med utanför behandlingsrummet, baserat på fotonens energi och väggarnas tjocklek. Dosberäkningsalgoritmen är snabb nog att integreras i optimeringsprocesser där den används iterativt samtidigt som rumsdesignparametrar varieras. I denna rapport demonstreras ett fall med ett rum av bestämd storlek, där positionen av Gamma Knife i rummet och väggarnas tjocklekar varieras. Optimeringens syfte i exemplet är att hitta den rumsdesign som med de minsta väggtjocklekarna resulterar i acceptabla strålningsnivåer utanför rummet. Resultaten tyder på att dosberäkningsalgoritmen sannolikt kan användas i mer komplexa optimeringar med fler designvariabler och mer avancerade designmål.

This project aims to analyze the risk measures Value-at-Risk and Conditional-Value-at-Risk for three stock portfolios with the purpose of evaluating each method's accuracy in modelling Black Swan events. This is achieved by utilizing a parametric approach in the form of a modified (C)VaR with a Cornish-Fisher expansion, a historic approach with a time series spanning ten years and a Markov Monte Carlo simulation modeled with a Brownian motion. From this, it is revealed that the parametric approach at the 99\%-level generates the most favorable results for a 30-day-(C)VaR estimation for each portfolio, followed by the historic approach and, lastly, the Markov Monte Carlo simulation. As such, it is concluded that the parametric approach may serve as a method of evaluating a portfolio's exposure to Black Swan events. / Denna rapport syftar till att analysera riskmåtten Value-at-Risk och Conditional-Value-at-Risk för tre aktieportföljer med målet att utvärdera respektive metods precision i att modellera Black Swan-händelser. Detta uppnås genom att utnyttja en parametrisk metod som tar formen av en modifierad (C)VaR med en Cornish-Fisher-utveckling, en historisk metod med en tidsserie som sträcker sig tio år, och en Markov Monte Carlo-simulering modellerat med en Brownian Motion. Från detta påvisas det att den parametriska metoden vid en 99\%-ig nivå genererar de mest rättvisande resultaten för en 30-dagars-(C)VaR-estimering för respektive portfölj, följt av den historiska metoden och, till sist, Monte Carlo-simulering. På så sätt dras slutsatsen att den parametriska metoden skulle kunna tjäna som en metod för att utvärdera en aktieportföljs exponering till Black Swan-händelser.

Accounting for some the highest arrival rates and widest varieties of medical conditions in a hospital, the emergency department is highly dependent on efficient operations strategies in order to function effectively and provide qualitative health care. This is especially true for the emergency department of Karolinska University Hospital in Huddinge from which real patient data has been obtained. In attempting to improve service levels, current operational structures are evaluated and several different scenarios are simulated mathematically in this study. After validating the adequacy of modeling the emergency department as a Jackson Network, the network is simulated for various combinations of patient flow parameters enabling the study of the effects of resource allocation strategies. The results indicate that the current organization of, and resources available to, the emergency department leaves room for improvement in terms of service levels. Resource levels needed for specific target levels of service are found and the optimal allocations of resources is discussed. Additionally, a brief literature review of operations strategies and how simulation tools can serve as decision support systems for operations strategy managers is conducted. / Akutmottagningen är en av de avdelningar på ett sjukhus som utsätts för högst ankomstintensiteter och bredast variationer av besöksorsaker vilket orsakar höga krav på att utveckla effektiva verksamhetsstrategier för att upprätthålla en kvalitativ sjukvård. Akutmottagningen på Karolinska Universitetssjukhuset i Huddinge har studerats genom patientdata. För att försöka förbättra servicenivåer och förkorta väntetider för patienter utvärderas verksamhetens organisation och struktur. En matematisk modell av verksamhetens organisation konstrueras och valideras, varefter effekterna av olika resursallokeringar analyseras genom matematiska simuleringar. Resultaten visar på att akutvården som den är organiserad idag lämnar utrymme för förbättring och optimering av resursallokering. Genom matematiska simuleringar identifieras marginella resursers specifika servicenivåer och relativa förändringar i servicenivåer. Slutligen kompletteras den matematiska analysen med en kortare litteraturstudie. Här presenteras hur simuleringar kan utgöra beslutsstödsystem för att planera resursallokering och introducera lean-strategier i sjukvården.

Skogsbränder är kraftfulla naturfenomen kapabla att åstakomma omfattande skada över stora ytor och medföra omfattande kostnader för sammhället både humanitärt, ekonomiskt och miljömässigt. Det finns därför ett starkt incitament att övervaka och förutspå skogsbränders utveckling och spridning. Traditionellt används kraftfulla skrivbordsklienter för att köra den simulerings-mjukvara som förutspår skogsbränder, vilket begränsar användningsområdet för simuleringar. Webbklienter är naturligt mobila och lättanvända. Genom att flytta bearbetningen till en server överförs majoriteten av arbetet från klienten. Det här projektet utvecklar ett server-klient baserat ramverk för att simulera skogsbränder, visualisera resultatet och hantera data för användning i skogsbrandsbekämpnings och -analys arbetsflöde. Både parametrarna som skickas till servern och simuleringsresultatet som returneras till klienten. Ramverket använder en kombination av HTTPS-kommunikation och websocket-teknologi för att kommunicera data mellan klienten och server i real-time genom Django-ramverket. Brandmodellen på den Kanadensiska empiriska brandmodellen Prometheus som är implementerad i programmeringsspråket Python. Det är optimerat för det svenska klimated för att enkelt kunnas fältsättas i en webbapplikation för svenska myndigheter. Webb-applikationen är tillgänglig genom mobila och stationära enheter där ramverket beräknar och visualiserar förutspådd fortspridning av skogsbrand i realtid. Skogsbrands moduleringsmodellen av applikationen är jämförd med skogsbränderna i Enskogen och Ängra närastaden Kårböle under sommaren 2018. Noggrannhetsbedömningen av modellen påvisar att den simulerade branden tenderar att innehålla den egentliga elden men är benägen att överskatta eldspridningen. Applikationen utvärderades även genom ett formulär om applikationens funktionallitet som skickades till en provgrupp av personer som arbetar med skogsbränder eller annat relevant område. Provgruppen var nöjd med applikationen och såg ett anvädningsområde för applikationen i sitt arbetsflöde. Mycket arbete återstår för att göra applikationen fältduglig genom integration av myndigheters datatjänster och andra databaser som innehåller riskobjekt, byggnader, kraftledningar e.g. Trots detta ansågs brandingejörer inom räddningstjänster en möjlighet att använda verktygen i dess nuvarande tillstånd om simuleringsresultatet anses korrekt nog för att fungera som underlag för beslut. Detta understryker behovet av en liknande applikation, med vidare funktionalitet och integration med data-system. / Wildfires are powerful natural forces capable of causing extensive damage to large areas of lands and induce a high societal cost in both humanitarian, economic and environmental terms. As such there is a strong incentive to track and predict wildfires' development and spread. Traditionally heavy desktop clients are required to run the simulation-software required to perform wildfire spread predictions, which limits their use and versatility. Conversely, web-based clients are lightweight and versatile by design. By moving the processing of the simulation to a server the bulk of the workload is removed from the client. This project aims to produce a server-client framework for simulating wildfires, visualising the result and handling the fire data for use in the workflow of wildfire suppression and analysis. Both the parameters sent to the server and the simulation result returned to the client. It utilises a combination of HTTPS-requests and websockets-technology to communicate data and information between the client and server in real-time through the Django framework. The fire simulation is based upon the Canadian empirical fire-model Prometheus. The implementation of the algorithm were adopted in the programming language python and optimized for the Swedish climate to be easily deployed in a web-application to be used by Swedish organisations. The web-application was accessible though mobile and stationary devices where the framework calculated and visualised the progression of the wildfire in real-time. The wildfire progression model of the application was compared to the wildfires Enskogen and Ängra, close to the town of Kårböle during the summer of 2018. The accuracy assessment of the fire progression model found that the simulated wildfire progression tend to contain the observed fire and prone to overestimate the wildfires progression. The application was evaluated though a questionnaire which was answered by a sample group composed of persons working with wildfires or wildfire related fields. The sample group were satisfied by the application and broadly found that the application could be implemented into their workflow.  Much work remain to operationalise the application, such as integration of municipal data sources and other databases containing resources, risk-objects, buildings, power-lines. In spite of this Fire-engineers in emergency services state a possibility for use of the application as is, if the simulations are deemed accurate enough and provide a better basis for decision making and measures. This underlines the need of an application such as this in the field, and with further functionalities and integration's with data-systems.

Flood forecasting maps are essential for rapid disaster response and risk management, yet the computational complexity of physically-based simulations hinders their application for efficient high-resolution spatial flood forecasting. To address the problems of high computational cost and long prediction time, this thesis proposes to develop deep learning neural networks based on a flood simulation dataset, and explore their potential use for flood prediction without learning hydrological modelling knowledge from scratch.  A Fully Convolutional Network (FCN), FCN with multiple outputs (Multioutput FCN), UNet, Graph-based model and their Recurrent Neural Network (RNN) variants are trained on a catchment area with twelve rainfall events, and evaluated on two cases of a specific rainfall event both quantitatively and qualitatively. Among them, Convolution-based models (FCN, Multioutput FCN and UNet) are commonly used to solve problems related to spatial data but do not encode the position and orientation of objects, and Graph-based models can capture the structure of the problem but require higher time and space complexity. RNN-based models are effective for modelling time-series data, however, the computation is slow due to its recurrent nature. The results show that Multioutput FCN and the Graph-based model have significant advantages in predicting deep water depths (>50 cm), and the application of recurrent training greatly improves the long-term flood prediction accuracy of the base deep learning models. In addition, the proposed recurrent training FCN model performs the best and can provide flood predictions with high accuracy.

The near-wall modelling of turbulent flows has been an active field of research due to the computational cost associated with the direct numerical simulations of such flow, which are characterized by a wide range of length and time scales. With the recent advancements in technological capabilities, the availability of high-fidelity data has enabled the construction of data-driven approaches to model turbulence. In this thesis, deep-learning models are used to model the dynamically important near-wall region in a turbulent boundary layer. As a first step, a direct numerical simulation (DNS) of an incompressible zero-pressure-gradient (ZPG) turbulent boundary layer (TBL) over a flat plate is performed using a pseudo-spectral code, SIMSON (Chevalier et al., 2007). The Reynolds number based on free-stream velocity and inlet displacement thickness is 450 and the passive scalars are simulated at Prandtl numbers of 1, 2, 4 and 6. Turbulence statistics for the flow and thermal fields are computed and compared against the numerical simulations at a similar Reynolds number. To generate the training, validation and test datasets for the neural network, the turbulent velocity fluctuation fields are sampled at various wall-normal locations, y+ = 15, 30, 50, 100 at a constant sampling time of ∆t+ = 0.99, in addition to the streamwise and spanwise wall-shear-stress fields, pressure field and heat flux fields at the wall. A fully convolutional network (FCN) based model is proposed for the prediction of two-dimensional velocity-fluctuation fields farther from the wall using the sampled fields at the wall. The quality of predictions from the network is assessed based on (i) the mean-squared error (MSE) between the predictions and the DNS fields, (ii) the relative percentage error in prediction of root-mean-squared (RMS) of fluctuations or fluctuation intensity and (iii) the correlation coefficient between the predicted and the DNS fields. Different types of predictions are performed, where the three components of the velocity-fluctuation fields are predicted simultaneously by the FCN, and these predictions are classified based on the input fields to the FCN. Three different types of predictions are presented in this study, and an auxiliary-loss-function approach is also introduced to improve the performance of the FCN. The results from the proposed data-driven model for ZPG TBL shows a good capability in the prediction of both the instantaneous fluctuation fields and the turbulent statistics like fluctuation intensity. In particular, the prediction of velocity-fluctuation fields at y+ = 30 using only the heat-flux field at Pr = 6 exhibits less than 12% error in the prediction of streamwise fluctuation intensity. The results obtained in this study indicate the potential of FCN in serving as a computationally effective tool to predict turbulent-velocity-fluctuation fields close to the wall using the inputs from the wall and finds useful application in flow-control problems. / Nära väggmodelleringen av turbulenta flöden har varit ett aktivt forskningsfält på grund av beräkningskostnaderna i samband med de direkta numeriska simuleringarna av sådant flöde, som kännetecknas av ett brett spektrum av längd- och tidsskalor. Med de senaste tekniska framstegen har tillgången på data i hög kvalitet möjliggjort konstruktion av datadrivna metoder för modellturbulens. I denna avhandling används djupinlärningsmodeller för att modellera det dynamiskt viktiga området nära väggen i ett turbulent gränsskikt. Som ett första steg utförs en direkt numerisk simulering (DNS) av ett inkomprimerbart nolltryck-gradient (ZPG) turbulent gränsskikt (TBL) över en platt platta med hjälp av en pseudo-spektral kod, SIMSON (Chevalier et al., 2007). Reynolds-talet baserat på friströmshastighet och inloppsförskjutningstjocklek är 450 och de passiva skalarna simuleras vid Prandtlnumbers på 1, 2, 4 och 6. Turbulensstatistik för flödet och termiska fält beräknas och jämförs med de numeriska simuleringarna vid ett liknande Reynolds -nummer. För att generera utbildnings-, validerings- och testdatauppsättningar för det neuralanätverket samplas turbulenta hastighetsfluktuationsfält på olika väggnormala platser, y+ = 15, 30, 50, 100 vid en konstant provtagningstid på ∆t+ ≈ 0, 99, dessutom till strömmande och spanvisa väggskjuvspänningsfält, tryckfält och värmeflödesfält vid väggen. En helt konvolutionsnät (FCN) baserad modell föreslås för förutsägelse av tvådimensionella hastighetsfluktuationsfält längre från väggen med hjälp av de samplade fälten vid väggen. Kvaliteten påförutsägelser från nätverket bedöms baserat på (i) medelkvadratfelet (MSE) mellan förutsägelserna och DNS-fälten, (ii) det relativa procentuella felet vid förutsägelse av rot-medelkvadrat (RMS) för fluktuationer eller fluktuationsintensitet och (iii) korrelationskoefficienten mellan de förutsagda och DNS fälten. Olika typer av förutsägelser utförs, där de tre komponenterna i hastighetsfluktuationsfälten förutspås samtidigt av FCN, och dessa förutsägelser klassificeras baserat på inmatningsfälten till FCN. Tre olika typer av förutsägelser presenteras i denna studie, och en metod för hjälp-förlustfunktion introduceras också för att förbättra prestanda för FCN. Resultaten från den föreslagna datadrivna modellen för ZPG TBL visar en god förmåga i förutsägelsen av både momentana fluktuationsfält och den turbulenta statistiken som fluktuationsintensitet. I synnerhet uppvisar förutsägelsen av hastighetsfluktuationsfält at y+ = 30 med endast värmeflödesfältet vid Pr = 6 mindre än 12% fel i förutsägelsen av strömningsvis fluktuationsintensitet. Resultaten som erhållits i denna studie indikerar FCN: s potential att fungera som ett beräkningsmässigt effektivt verktyg för att förutsäga turbulenta hastighetsfluktuationsfält nära väggen med hjälp av ingångarna från väggen och finner användbar tillämpning i flödeskontroll -problem.

With the increase in the growth of the e-commerce sector since the past decade, the pressure has been progressively more applied to the operations and supply chain. As the pandemic has pushed the companies to provide services at the customer doorstep due to the difficulties in accessing services from brick-and-mortar stores, the logistical operation of the companies is continuously put under pressure. Though the performance aspect of the supply chain operations is achieved as per company’s objectives, the sustainability part is always overlooked. For any logistics provider, the last mile is considered as one of the main deterrents in their supply chain operations. Some of the main factors include performance of the distribution process, delivery time window, level of service, congestion in the urban area, etc. The above and some other factors make it extremely difficult for the logistics provider to be sustainable in their operations.  There is a growing interest among the logistics provider to use electric vehicles in urban logistics. In particular, light electric vehicles are considered to be a valid alternate for fossil fuel powered sprinters or vans. The purpose of the study is to identify the logistical, technological and infrastructural challenges associated with implementing electric vehicles with refrigeration system in delivering e-groceries in cities. The thesis follows the methodology of collecting data from developed electric vehicle and analysing the data to identify the feasibility of implementing electromobility in last mile delivery. In order to identify the commercial application of electromobility, the collected data is applied in the developed simulation model. The scenario-based analysis has been used in the data collection and in simulation modelling experimentation. The scenario analysis has been used to have an in-depth understanding of all the possible outcomes. The results from the test observations provided data for further studies while the results from simulation modeling presented evidence for the effective application of electric vehicles in delivering e-groceries in last-mile. The comparison of electric vehicle (EV) with fossil fuel powered vehicle provided the strong performance of EV’s in terms of environmental, operational, and socio-economic aspects. The thesis provides new knowledge in the area of electromobility in last-mile research and also proposes potential future work which will be assisting the forthcoming research in advancing the boundary of the research topic. / Med den ökade tillväxten inom e-handelssektorn sedan det senaste decenniet har trycket successivt applicerats mer på verksamheten och leveranskedjan. Eftersom pandemin har drivit företagen att tillhandahålla tjänster utanför kunddörren på grund av svårigheterna att få tillgång till tjänster från tegelbutiker, sätts företagens logistiska drift kontinuerligt under press. Även om prestandaaspekten av leveranskedjans verksamhet uppnås enligt företagetsmål, förbises alltid hållbarhetsdelen. För alla logistikleverantörer betraktas den sista milen som en av de främsta avskräckningarna i deras leveranskedja. Några av huvudfaktorerna inkluderar distributionsprocessens prestanda, leveranstidsfönster, servicenivå, trängsel i tätorten etc. Ovanstående och några andra faktorer gör det extremt svårt för logistikleverantören att vara hållbar i sin verksamhet.  Det finns ett växande intresse bland logistikleverantören att använda elfordon i stadslogistik. I synnerhet anses lätta elfordon vara ett giltigt alternativ för sprinter eller skåpbilar som drivs med fossila bränslen. Syftet med studien är att identifiera de logistiska, tekniska och infrastrukturella utmaningarna i samband med att implementera elfordon med kylsystem för att leverera e-livsmedel i städer. Avhandlingen följer metodiken för att samla in data från utvecklade elfordon och analysera data för att identifiera genomförbarheten av att implementera elektromobilitet i sista mils leverans. För att identifiera den kommersiella tillämpningen av elektromobilitet, tillämpas den insamlade informationen i den utvecklade simuleringsmodellen. Den scenariobaserade analysen har använts i datainsamlingen och i simuleringsmodellexperiment. Scenarioanalysen har använts för att få en fördjupad förståelse av alla möjliga utfall. Resultaten från testobservationerna gav data för ytterligare studier medan resultaten från simuleringsmodellering presenterade bevis för den effektiva tillämpningen av elfordon för att leverera e-livsmedel på sista milen. Jämförelsen av elfordon (EV) med fossilbränsledrivna fordon gav elbilarnas starka prestanda när det gäller miljömässiga, driftsmässiga och socioekonomiska aspekter. Avhandlingen ger ny kunskap inom området elektromobilitet inom forskning på sista milen och föreslår även potentiellt framtida arbete som kommer att hjälpa den kommande forskningen att flytta fram gränsen förforskningsämnet.

The 2+1-road is a specific three lane road which aims to increase the safety of the predecessor 13 meter wide four lane roads. As a lane is removed and a weaving section is introduced the capacity is severely lowered, sometimes halved. A very demanding part of the traffic system with regards to capacity are heavy vehicles, especially in conjunction with the 2+1-roads. However, exactly how the share of heavy vehicles impacts the traffic system with regards to 2+1 roads and freeways is not previously studied, which grants the opportunity of this work. The work has been carried out in connection with an assignment from The Swedish Transport Administration of analyzing the E4 going north from Gävle. This study analyzes how the share of heavy vehicles and level of service affect the speed on the two types of roads. The Swedish Transport Administration currently bases their current relationships on speed, capacity, and level of service on a share of heavy vehicles of 12%, which may give slightly wrong results depending on which system is being analyzed. The study has been carried out through micro simulation, which is a method that is very dependent on what data it is given, such as behavioral parameters and other input. The results of the study show how the relationship between share of heavy vehicles and level of service affect the speed, and that the 2+1-roads are highly dependent on the share of heavy vehicles, whereas the freeways have much larger tolerances. / Den mötesfria vägen (s.k. 2+1-väg) tillkom på 90-talet och gav upphov till mycket mer trafiksäkra vägar än sina föregångare 13-metersvägarna från mitten av 1900-talet. Till följd av säkerhetsökningen kom uppoffringar i kapacitet i och med vävningssträckor, som mer än halverar kapaciteten i jämförelse med en tvåfilig väg. En mycket kapacitetskrävande del av trafiksystemet är lastbilar, framförallt i dessa vävningssträckor. Men exakt hur lastbilsandelar påverkar systemet är inte riktigt bearbetat än, vilket ger upphov till detta examensarbete. Studien har utförts i samband med ett uppdrag från Trafikverket angående simulering av E4:an norr om Gävle. Detta examensarbete granskar alltså hur lastbilsandelen och belastningsgraden påverkar punkthastigheten på de två vägtyperna mötesfri väg och motorväg. Trafikverket baserar sina effektsamband på en lastbilsandel på 12 %, vilket kan ge både för låga och för höga värden beroende på vilken plats som man granskar. Arbetet har genomförts med hjälp av mikrosimuleringsmodeller, vilka är mycket beroende av vilka parametrar och indata de får. Resultatet av studien visar hur punkthastigheten beror på lastbilsandel och belastningsgrad, och visar på att de mötesfria vägarna är mycket beroende av lastbilsandelen, medan motorvägar har betydligt större tolerans.