Using Big Data sources for the consistent estimation of nextgeneration route choice models

Traditionally, advanced route choice models rely upon a theoretical framework which has some inconsistencies. This introduces bias and hinders the consistent model estimation, and may ultimately lead to unrealistic decision support for policy makers. Recently, a new framework has been proposed that does not suffer from these inconsistencies, but poses some distinct challenges for the estimation. Combined with the increasing availability of Big Data sources, this leads to the objective: How may route choice models be estimated using Big Data sources to ensure theoretical consistency and practical feasibility? To answer this, I will explore theoretical issues and develop consistent model estimators utilising Big Data sources. Next, I will operationalise the theoretical contributions by developing, implementing and applying corresponding solution methods. The results will be directly transferable to the Danish National Transport Model used by e.g. the Danish Ministry of Transport

Trafikmodeller benyttes til vurdering af potentielle infrastrukturprojekter. Idet sådanne projekter er meget dyre og påvirker mange rejsende, er det essentielt at beslutningsgrundlaget er så godt som muligt. Modellerne skal derfor formå at repræsentere det virkelige transportsystem nøjagtigt. Dette er imidlertid ikke en triviel opgave, idet systemet består af rejsende som foretager rationelle eller irrationelle valg i et komplekst vejnet under konstant forandring. Rutevalget udgør en stor og vigtig komponent af enhver trafikmodel, men mange af nutidens rutevalgsmodeller er teoretisk inkonsistente. Desuden er de ofte kalibreret manuelt, baseret på data genereret af spørgeskemaundersøgelser med urealistiske hypotetiske valgsituationer. Der er for nylig blevet udviklet en teoretisk konsistent rutevalgsmodel, men der foreligger endnu ikke metoder til estimation af denne. Projektets formål er at udvikle metoder til konsistent estimation af den nye rutevalgsmodel, der udnytter nye Big Data kilder (f.eks. GPS data). Sådanne datakilder er attaktive, idet de indeholder information om faktisk foretagede valg fremfor valg i hypotetiske situationer. Desuden indeholder de ofte mange observationer. Projektet vil implementere metoden i software, og anvende denne i kombination med GPS data til at estimere Landstrafikmodellen. Dette vil sikre et bedre beslutningsgrundlag for fremtidige infrastrukturprojekter. Landstrafikmodellen anvendes bl.a. af Transportministeriet til projektvurdering.