Varje dag genereras enorma mängder data som kan förändra hur vi planerar och förbättrar kollektivtrafiken. Varannan sekund skickar bussar ut sin position, vilket ger en unik inblick i hur trafiken faktiskt fungerar.

Men för att dessa insikter ska bli användbara krävs rätt analysverktyg. Genom att göra data lättillgänglig och förståelig kan vi fatta bättre beslut och undvika kostsamma åtgärder som kanske inte löser det verkliga problemet.

När lösningen är dyrare än problemet

Trafikverket identifierade en vägsträcka där bussarnas restider varierade kraftigt. Problemet var tydligt, men inte orsaken. För att förbättra framkomligheten övervägdes en lösning: att bygga bussfiler på båda sidor av vägen – en åtgärd som skulle kosta 80–90 miljoner.

Men utan en detaljerad analys fanns en risk att denna investering inte skulle lösa det verkliga problemet.

Datadriven analys med Flowmapper

För att känna sig trygg i den planerade åtgärden beslutades att studera frågan mer detaljerat med hjälp av Flowmapper. Flowmapper laddar ner GPS-data från 90 % av den svenska busstrafiken varje sekund och har under åren byggt upp Sveriges största kollektivtrafikdatabas. Datan kvalitetsgranskas, kopplas samman och visualiseras i en analysplattform. Datan visualiseras i 25 meter långa sekvenser. 

Genom att analysera data från tusentals unika turer blir det tydligt var framkomlighetsproblem finns, hur ofta de uppstår och hur stora förseningar de orsakar. Framkomlighetsproblem identifieras bäst genom att studera var variationer i restid uppstår. I kartan nedan visas standardavvikelsen för varje 25-meters sekvens. När sekvenserna är röda innebär det att restiden förbi sekvensen varierar mycket mellan olika turer, dvs. det finns framkomlighetsproblem på sträckan. När det är grönt är restiden förbi sekvensen jämn.

Från miljoninvestering till smartare lösning

Grafen visar variationen i restid timme för timme. Där går det att utläsa hur snabbt bussen kör när det är fritt flöde (10:e percentilen) och hur mycket längre tid det tar för de som drabbas hårdast (90:e percentilen) under maxtimmen. I exemplet förlorar de långsammaste bussarna under maxtimmen cirka 50 sekunder jämfört med fritt flöde på den markerade sträckan. 

Studien visade att det främst är vid signalreglerade korsningar som restidsvariationerna uppstår. Rekommendationen var att investera i ett signalprioriteringssystem för cirka 500 000kr istället för att bygga bussfiler för 80-90 miljoner. Bussfiler hade inte löst problemet. 

Det här är ett tydligt exempel på hur datadrivna insikter kan leda till mer träffsäkra och kostnadseffektiva beslut inom kollektivtrafiken. Genom att förstå var flaskhalsarna finns kan vi prioritera rätt åtgärder – och undvika onödiga investeringar.