Trafikarbete är ett viktigt och beskrivande mått på nyttjandet av vägnätet. Det definieras som det totala antalet fordonskilometer som färdas på vägarna under en viss tidsperiod. Trafikarbetet utgör värdefull information vid planering av drift och underhåll, dimensionering av ny infrastruktur samt vid uppföljning av koldioxidutsläpp, luftkvalitet och miljömål. Traditionellt har trafikarbete huvudsakligen beräknats utifrån skattningar av årsdygnstrafik (ÅDT), som i sin tur bygger på en kombination av helårsmätningar och stickprovsbaserade flödesmätningar. Ökad tillgång till nya datakällor, såsom mobilnätsdata och GPS-baserad probedata, har dock skapat nya möjligheter att analysera reseefterfrågan och mobilitetsmönster. Detta möjliggör att skatta trafikarbete och dess variation över tid och mellan olika geografiska områden vilket tidigare varit begränsat. Projektet “Datadriven skattning av trafikarbete” (DAST) syftar till att utveckla och utvärdera nya metoder som nyttjar nya typer datakällor för att skatta trafikarbete. I projektet föreslås två olika metoder hur storskaliga data kan användas för att skatta trafikarbete. Den första metoden bygger på datadriven nätutläggning. I denna metod har storskaliga mobilnätsdata använts för att fördela reseefterfrågan mellan olika zoner på vägnätverket för att erhålla länkflöden. Dessa länkflöden har därefter använts för att skatta trafikarbetet. Den andra skattningsmetoden bygger på att skatta trafikarbete genom att studera penetrationsgraden av probefordon. Genom att studera hur penetrationsgraden varierar i tid och rum så kan man estimera underliggande länkflöden med hjälp av probeflöden. I denna metod har fordonsrörelsemönster med GPS-data använts för att få fram penetrationsgraden av probefordon. De utvecklade metoderna har tillämpats på vägnät i Stockholm och Norrköping. Trafikarbetet som beräknats med de datadrivna skattningsmetoderna har jämförts med skattningar från traditionella metoder. Resultatet från projektet visar att datakällorna har en god potential att komplettera befintliga trafikarbetsskattningar och även ge en ökad upplösning av skattningarna i både tid och rum.

Vehicle kilometers traveled (VKT) is an important and descriptive measure of the use of the road network. It is defined as the total number of vehicle kilometers traveled on the roads during a certain period of time. VKT constitutes valuable information when planning operation and maintenance, dimensioning new infrastructure and when monitoring carbon dioxide emissions, air quality and environmental objectives. Traditionally traffic has mainly been calculated based on estimates of annual daily traffic (ADT), which in turn is based on a combination of full-year measurements and sample-based flow measurements. However, increased access to new data sources, such as mobile network data and GPS-based probe data, has created new opportunities to analyse travel demand and mobility patterns. This makes it possible to estimate VKT and its variation over time and between different geographical areas, which has previously been limited. The project “Data-driven estimation of vehicle kilometers traveled” aims to develop and evaluate new methods that use new types of data sources to estimate VKT. The project proposes two different methods for how large-scale data can be used to estimate VKT. The first method is based on data-driven network assignment. In this method, large-scale mobile network data has been used to distribute travel demand between different zones on the road network to obtain link flows. These link flows have then been used to estimate VKT. The second estimation method is based on estimating VKT by studying the penetration rate of probe vehicles. By studying how the penetration rate varies in time and space, it is possible to estimate underlying link flows using probe flows. In this method, vehicle movement patterns with GPS data have been used to obtain the penetration rate of probe vehicles. The developed methods have been applied to road networks in Stockholm and Norrköping. The traffic calculated with the data-driven estimation methods has been compared with estimates from traditional methods. The results from the project show that the data sources have good potential to complement existing VKT estimates and also provide increased resolution of the estimates in both time and space.