One of the tasks for the Swedish Transport Agency, Trafikverket, is to provide traffic forecasts. To do this, a number of different forecast models are used, where Samgods is a nationally estimated model, where the quality of the results gets more unstable the more disaggregated level you are looking at. For rail this is handled with a model called Bangods. However, in Bangods the difference in geographical growth within each commodity group is lost. This thesis examines whether it is possible to replace the national growth rates from Samgods with geographical disaggregated growth rates. The growth rates are calculated with a mathematical model based on the pivot point method (PPM). The model has been implemented in Python and is used to disaggregate the growth rates from Samgods to maintain the geographical growth. However, the data to the model comes from different systems and models that use different link formats. Therefore a link matching method is required that converts links from one system to another before using PPM. The growth rates from the PPM and the link matching-method has been modelled for twelve commodity groups, 8 or 1417 geographic regions and with or without a train division with four train types. The best result was to used 96 growth rates divided into twelve commodity groups and eight geographical regions. / En av Trafikverkets uppgifter är att ta fram trafikprognoser. För att göra detta används ett antal olika prognosmodeller, där Samgods är den huvudsakliga modellen för godstrafik som beskriver godstransporter med lastbil, järnväg, sjöfart och flyg. Samgods anses dock ge orealistiska resultat för delar av järnvägssystemet. För att lösa detta används en modell som heter Bangods. Bangods resultat blir dock för aggregerat och saknar en geografisk uppdelning för tillväxttalen. Detta examensarbete undersöker om det går att ersätta de nationella tillväxttalen från Samgods med mer dissaggregerade tillväxttal med en geografisk uppdelning. Tillväxttalen tas fram med en matematisk modell som utgår från pivot point-metoden (PPM). Modellen har implementerats i Python och används för att dissaggregera tillväxtalen från Samgods så att den geografiska tillväxten behålls. Data till modellen kommer dock från olika system och modeller som använder olika länkindelningar. Därför behövs det en länkmatchingsmetod som konverterar länkar från ett system till ett annat innan PPM kan användas. Tillväxtallen från PPM och länkmatchningen har tagits fram för tolv varugrupper, 8 eller 1417 geografiska regioner och med eller utan en tåg-indelning med fyra tågtyper. Bäst resultat blev det med 96 tillväxttal uppdelade i tolv varugrupper och åtta geografiska regioner. Det vill säga, tolv tillväxttal som appliceras på samtliga länkar inom en region.
Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-244050 |
Date | January 2019 |
Creators | Hernebrant, Karl |
Publisher | KTH, Optimeringslära och systemteori |
Source Sets | DiVA Archive at Upsalla University |
Language | English |
Detected Language | Swedish |
Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
Format | application/pdf |
Rights | info:eu-repo/semantics/openAccess |
Relation | TRITA-SCI-GRU ; 2019:025 |
Page generated in 0.0023 seconds