Using machine learning to predict travel mode choice and activity plans
Denne rapporten dokumenterer FoU-arbeidet som ble utført som en del av PRELONG-prosjektet mellom 2022 og 2024, med fokus på å generere aktivitetsplaner for en syntetisk befolkning i Stor- Oslo-området. Kjernen i tilnærmingen vår er to nevrale nettverksmodeller som forutsier egenskapene til alle reiser som foretas på en typisk ukedag. Disse maskinlæringsmodellene er trent på reisevanedata fra RUTER-MIS (2017–2024) og anvendes på befolknings- og pendlerdata. Blant de mange potensielle anvendelsene av disse datasettene er agentbaserte simuleringsmodeller som bruker dataene som input. I tillegg undersøker analyser påvirkningen av tilbudsvariabler (LoS) på prediksjonen av valg av reisemiddel, og fremhever visse utfordringer knyttet til en rent datadrevet tilnærming.
Publisert
Eiere
Norges forskningsråd (NFR) og Statens vegvesen (SVV)
Utfører
Transportøkonomisk institutt (TØI)
Forfattere
Stefan Flügel, Christian Weber, Simen Sørbøe Klommestein, Johan Korsmo og Anders Kielland
Språk
Engelsk