Transportvanene våre er i rask endring, og det krever smartere løsninger for å planlegge fremtidens bytransport. Nå har forskere utviklet avanserte modeller som kan simulere hverdagen til en hel bys befolkning, basert på hvordan vi faktisk beveger oss fra morgen til kveld.
Dette kommer frem i en ny TØI-rapport som bruker maskinlæring og generativ kunstig intelligens til å forutsi reisemønstre. Modellen er trent på store mengder reisevanedata fra kollektivselskapet Ruter, som gir innsikt i hvordan vi reiser til og fra jobb, skole, og andre daglige gjøremål. I stedet for å kun se på enkeltreiser, kartlegger modellen hele hverdagen til individer – fra første reise om morgenen til den siste på kvelden.
Ved å gå fra et begrenset utvalg faktiske observasjoner til (syntetiske) data for hele befolkningen, oppnår man en mer detaljert og helhetlig fremstilling av hvordan transportbehov oppstår og endrer seg gjennom dagen.
Modellene kan også forutsi hva slags transportmiddel folk velger, som kollektiv, bil eller sykkel, avhengig av egenskaper til personer som bosted, sysselsetting, biltilgang og bruk av hjemmekontor og andre egenskaper ved reisen som reisetidspunkt og reisehensikt.
Arbeidet ansees som et viktig steg for norsk transportplanlegging. Forskerne jobber videre i 2025 med å gjøre systemet mer brukervennlig, slik at det kan brukes av planleggere og beslutningstakere for å teste ulike scenarier og gjøre bedre valg for forbedring og videreutvikling av norske byer.
Rapporten er en del av PRELONG-prosjektet og finansiert av Norges Forskningsråd og Statens Vegvesen.
