Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Förseningsbidrag och kritiska händelser – Nycklar till sambandet mellan störningar och punktlighet
RISE - Research Institutes of Sweden (2017-2019), ICT, SICS.ORCID iD: 0000-0003-3138-7503
RISE - Research Institutes of Sweden (2017-2019), ICT, SICS.ORCID iD: 0000-0002-8445-4661
2019 (Swedish)Report (Other academic)
Abstract [sv]

Sammanfattning

Punktlighet är Trafikverkets viktigaste mätetal på kvalitét i tågföring. Tåg med en slutförsening på 6 minuter eller mer räknas som "opunktliga" medan tåg med mindre avvikelse räknas som de är "punktliga". Branschens målsättning är att uppnå 95% punktlighet, det har dock visat sig svårt att höja punktligheten trots branschgemensamma initiativ. Tillsammans för tåg i tid (TTT) är ett branschgemensamt initiativ i syfte att höja punktligheten i järnvägssystemet.

Trafikverkets huvudsakliga mått på en störning är den totala merförseningstid eller störningstid som störningen har genererat. Störningar som ger merförsening som är 3 minuter eller mer registreras och kopplas till den händelse som anses vara grundorsak till störningen/merförseningen, medan merförseningar som är mindre än 3 minuter inte registreras och orsakskopplas.

Syftet med detta projekt är att hitta tydligare samband mellan händelser och punktlighetsbrist. Genom att ta hänsyn till återhämtning (och inte bara merförsening) kan man skapa en koppling mellan orsakande händelser och förseningen på slutstationen så att man på ett bättre sätt kan identifiera vilka störningar som ger upphov till punktlighetsproblem. De samband som har utvecklats bygger på några nya mätetal:

-       Förseningsbidrag – hur mycket varje händelse bidrar till tågets slutförsening

-       Kritiska händelser – om en händelse eller en störning direkt orsakar opunktlighet

-       Störningsspridning – hur mycket en störning sprider sig från själva händelseplatsen

Målet med denna studie är att avgöra på vilket sätt de föreslagna, kompletterande måtten för störningar och störningars spridning är användbara i praktiken och vilken kompletterande kunskap de kan ge jämfört med de redan etablerade måtten. En fallstudie har genomförts med data från snabbtåg på södra och västra stambanorna.

En automatiserad datorbaserad algoritm har tagits fram för beräkning av de nya mätetalen som fungerar generellt utan manuella ingrepp, vilket är ett villkor för mer storskalig användning. Projektet har också visat hur ett modernt databearbetningsverktyg (PowerBI) kan användas för dynamiska analyser och visualisering.

De nya mätetalen visar i studien stor potential att komplettera de befintliga mätetalen för att kunna både öka förståelsen kring punktlighetsproblematiken och för att göra skarpare åtgärder för att höja den. De viktigaste resultaten från denna studie:

-       Förseningsbidrag och kritiska händelser ger kompletterande kunskap om opunktligheten.

-       Små händelser orsak till stor del av opunktligheten.

-       Småförseningar (dvs icke-registrerade störningar på 1-2 minuter vardera) är viktiga för opunktligheten.

-       Många störningar återhämtas, det är därför viktigt att veta vilka som har påverkan på punktligheten och vilka som inte har påverkan

-       Störningar som sker i slutet av resan är oftare kritiska än andra störningar.

-       Baserat på förseningsbidrag och kritiska händelser kan ett effektsamband mellan störningstid och punktlighet skapas.

-       Effektsambandet visar att beaktande av kritiska händelser kan göra punktlighetsåtgärder effektivare än om åtgärdsprioritering baseras på störningstid

-       Visualiseringar av störningars spridning genom av basera visualisering på förseningsbidrag ger en god bild hur störningar lever i järnvägsnätetet.

-       Moderna databehandlings- och datavisualiseringsverktyg kan underlätta för dynamisk bearbetning och djupdykning i data.

Ett sidoresultat av studien är att det är av stor vikt att göra detaljerade djupanalyser som komplement till aggregerade analyser, då flera av slutsatserna i denna rapport hade varit mycket svårare att göra om man arbetat för brett. Genom att fokusera data, i vårt fall norrgående snabbtåg på södra stambanan, erhölls mycket tydligare resultat än om en spretigare datamängd skulle ha använts.

Projektet är en fortsättning på förstudien SPRIDA

Eftersom det finns stor potential i de nya begreppen, mätetalen och angreppssätten föreslås att Trafikverket snarast fortsätter utvecklingen av de framtagna koncepten.

 

Place, publisher, year, edition, pages
2019. , p. 48
Series
RISE Rapport ; 2019:82
National Category
Natural Sciences
Identifiers
URN: urn:nbn:se:ri:diva-40193ISBN: 978-91-89049-12-3 (electronic)OAI: oai:DiVA.org:ri-40193DiVA, id: diva2:1357456
Available from: 2019-10-03 Created: 2019-10-03 Last updated: 2023-06-08Bibliographically approved

Open Access in DiVA

fulltext(2366 kB)264 downloads
File information
File name FULLTEXT01.pdfFile size 2366 kBChecksum SHA-512
51cafecd265c09eb73d8074d4dd61818d22f5ae0e4860e9392b4591dd2a9685d4150bf50c60913a117e908c713feb74643df1b442de5fc3701fba9e0d54a4818
Type fulltextMimetype application/pdf

Authority records

Joborn, MartinRanjbar, Zohreh

Search in DiVA

By author/editor
Joborn, MartinRanjbar, Zohreh
By organisation
SICS
Natural Sciences

Search outside of DiVA

GoogleGoogle Scholar
Total: 264 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

isbn
urn-nbn

Altmetric score

isbn
urn-nbn
Total: 481 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf