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
Hur sent blir tåget?: En regressionsanalys på tågpunktlighet
KTH, School of Engineering Sciences (SCI).
2018 (Swedish)Independent thesis Basic level (degree of Bachelor), 10 credits / 15 HE creditsStudent thesisAlternative title
How late will the train be? : A regression analysis on train delays (English)
Abstract [sv]

En punktlighetsanalys med prediktering av ankomsttid har genomförts med hjälpav linjär regression. Indatan har bestått av ca 70 000 datapunkter med tågavgångarfrån hela landet under perioden januari 2016. I denna data har det kunnatutläsas vilken typ av tåg som har körts, datum och klockslag för samtliga avgångar,vilken aktör som utför tåguppdraget samt information om eventuella störningaroch förseningar i form av storlek och orsak till försening.Analysen har skett utifrån 3 olika observationsstadier, ”oändligt” långt före avgång,vid första avgång samt när hälften av alla stationer har passerats. Modellenför observationsstadiet ”oändligt” långt före avgång gav särskilt dåliga värden ochkan inte användas för prediktering med god precision.I val av vilka variabler som skulle finnas med i den slutgiltiga modellen har enkombination av residualanalys och så kallade BIC 􀀀 test genomförts. Det visadesig att aktuell försening, tågsort och utförande aktör är de parametrar som bästkan beskriva den slutgiltiga ankomsttiden.Det råder stor osäkerhet kring resultatets giltighet då en ordentlig valideringsanalyssaknas och datan innehåller en del uppenbara brister. En ordentlig regressionsanalyspå tågpunklighet skulle kräva större resurser än vad som ryms inomett kandidatarbete.ii

Abstract [en]

This thesis is about time accuracy on train delays in Sweden. The aim was topredict deviation from the scheduled time at the endstation for a given journey.The main mathematical model than has been used is linear regression with threestates of observation, ”infinitely” long before departure, at departure from firststation and when half of the stations has been passed. Data has been recievedfrom Swedish transport administration and contained around 70 000 data pointsfrom the period January 2016.The parameters that best described the aimed prediction was current delay at theobserved state, type of train and train company. There was a lot of uncertaintieswith the results due to strange contradictions in the data and both obvious andsuspected errors.i

Place, publisher, year, edition, pages
2018.
Series
TRITA-SCI-GRU ; 2018-363
National Category
Engineering and Technology
Identifiers
URN: urn:nbn:se:kth:diva-235241OAI: oai:DiVA.org:kth-235241DiVA, id: diva2:1249325
Examiners
Available from: 2018-09-19 Created: 2018-09-19 Last updated: 2018-09-19Bibliographically approved

Open Access in DiVA

No full text in DiVA

By organisation
School of Engineering Sciences (SCI)
Engineering and Technology

Search outside of DiVA

GoogleGoogle Scholar

urn-nbn

Altmetric score

urn-nbn
Total: 169 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