Modell-prediktiv och maskininlärningsbaserad metod för proaktiv omplanering av järnvägstrafik (PROACT)

Projektet utvecklar datadrivna och optimeringsbaserade metoder för att stödja effektiv omplanering av tågtrafik vid störningar.

Syfte

Syftet med projektet är att utveckla datadrivna och optimeringsbaserade metoder som kan stödja trafikledningen vid omplanering av tågtrafik i samband med störningar. Projektet syftar till att möjliggöra snabbare och mer effektiva beslut i störningssituationer, med målet att minska förseningar och stärka robustheten i järnvägssystemet, som är en central men störningskänslig del av transportsystemet.

Genomförande

Projektet genomförs genom tillämpning av matematisk modellering, optimering och datadrivna metoder för att analysera och förbättra processer för omplanering av tågtrafik vid störningar. Arbetet inriktas på att utveckla beslutsstödsmetoder som kan användas av trafikledare för att hantera komplexa störningssituationer på ett mer strukturerat och effektivt sätt, med fokus på att begränsa spridningseffekter och återställa trafiken så snabbt som möjligt.