Smart cities, participatory sensing as well as location data available in communication systems and social networks generates a vast amount of heterogeneous mobility data that can be used for traffic management. This chapter gives an overview of the different data sources and their characteristics and describes a framework for utilizing the various sources efficiently in the context of traffic management. Furthermore, different types of traffic models and algorithms are related to both the different data sources as well as some key functionalities of active traffic management, for example short-term prediction and control.

The gradual deployment of automated vehicles on the existing road network will lead to a long transition period in which vehicles at different driving automation levels and capabilities will share the road with human driven vehicles, resulting into what is known as mixed traffic. Whether our road infrastructure is ready to safely and efficiently accommodate this mixed traffic remains a knowledge gap. Microscopic traffic simulation provides a proactive approach for assessing these implications. However, differences in assumptions regarding modeling automated driving in current simulation studies, and the use of different terminology make it difficult to compare the results of these studies. Therefore, the aim of this study is to specify the aspects to consider for modeling automated driving in microscopic traffic simulations using harmonized concepts, to investigate how both empirical studies and microscopic traffic simulation studies on automated driving have considered the proposed aspects, and to identify the state of the practice and the research needs to further improve the modeling of automated driving. Six important aspects were identified: the role of authorities, the role of users, the vehicle system, the perception of surroundings based on the vehicle’s sensors, the vehicle connectivity features, and the role of the infrastructure both physical and digital. The research gaps and research directions in relation to these aspects are identified and proposed, these might bring great benefits for the development of more accurate and realistic modeling of automated driving in microscopic traffic simulations.

Ökad andel resor med hållbara färdmedel är en förutsättning för att kombinera fortsatt tillväxt med minskad resursförbrukning och miljöpåverkan. I många europeiska städer har cykel blivit ett alltmer populärt färdmedel under de senaste decennierna. Dagens storskaliga transportmodeller, som utgör viktiga verktyg för utvärderingar och samhällsekonomiska analyser, är dock oftast fokuserade på modellering av resor med bil eller kollektivtrafik. Den här rapporten presenterar en tur-baserad transportmodell med syfte att bättre modellera cykelresor. Nyheterna i denna modell är bland annat ett detaljerat cykelnät som innehåller mer än 200 000 länkar och att modellen nyttjar en mer detaljerad zonindelning. Jämfört med nuvarande verktyget för samhällsekonomisk analys av cykelåtgärder, GCkalk, beskriver modellen ett fullständigt utbud och efterfrågan för cykel på detaljerad geografisk nivå. Modellen har skattats på data från den senaste resvaneundersökningen i Stockholms län från 2015 och representerar därmed observerat resebeteende. Modellen beaktar även cykel som anslutningsfärdmedel till resor med kollektivtrafik. Därigenom behandlar modellen cykel- och kollektivtrafik både som konkurrerande och som komplementära färdmedel och modellen kan utvärdera effekten av en förbättring av cykelinfrastrukturen på både enbart cykelresande och på cykel som anslutningsfärdmedel till kollektivtrafikstationer. Modellen är validerad mot cykelräkningar i Stockholm stad från september och oktober 2015. Modellen har testats på sex scenarier valda från Stockholms stads investeringsplan. Resultaten visar att investeringarna har en begränsad effekt på överflyttning mellan färdmedel och en måttlig effekt på befintliga cyklisters ruttval, restid och generaliserad kostnad.

Denna rapport presenterar metod och resultat för framtagning av nya restidsfunktioner till trafikprognosverktyget Sampers. Restidsfunktioner innehåller en del som beskriver fördröjning på vägen och en del som beskriver fördröjningen i samband med korsningar. Då det är svårt och dyrt att göra samtidiga mätningar av trafikflöden och restider har en alternativ ansats använts där restidsfunktionerna kalibrerats baserat på beräkningar av korsningsfördröjning för olika korsningsutformningar med korsningsmodellen Capcal. De framtagna restidsfunktionerna har testats och validerats och är nu implementerade i Samperssystemet.

The introduction of automated vehicles (AVs) is commonly expected to improve different aspects of transportation. A long transition period is expected until AVs become prevalent on roads. During this period, different types of AVs with different driving logics will coexist along human driven vehicles. Using microscopic traffic simulation, this study investigates the range of potential impacts on traffic performance in terms of throughput and travel delays for different types of AVs and human driven vehicles on motorways. The simulation experiment includes scenarios with combinations of three different driving logics for AVs together with human driven vehicles at increasing penetration rates. The utilized AV driving logics represent the evolution of AVs, they were defined in the microscopic simulation tool Vissim and were created by modifying and extending the human driver behaviour models. The results of the simulation experiment show a decrease in vehicle throughput and significant effects on delay times when AVs with a more cautious driving logic are predominant. Overall, results show higher vehicle throughput and lower travel delays as AVs evolve to more advanced driving logics.