Demand for transportation continues to increase, for both freight and passenger services. One of the most energy-efficient modes of transportation is rail. One solution to increase the attractiveness of rail transport is to introduce automatic train operation (ATO) with a high grade of automation (GoA). Driverless and unattended train operation could entail positive effects but would also bring challenges when removing the train driver. Thus, there is a need to understand the role of train drivers, especially in unplanned events. The main research objectiveis to understand the train driver roles during unplanned events and the frequency of such events. This thesis includes three papers to fulfill the research objective.

This thesis studied delay logs and trackside sensor logs. A qualitative method, thematic analysis, was used to identify themes of the roles performed by train driver from the delay logs. The chi-square test statistical method was used to analyze these trackside sensor logs.

Six main categories of tasks for train drivers were identified for unplanned events. Detect, Report, Inspect, Adjust, Manage passengers, and Respond to train orders. Each category was analyzed for each grade of automation by giving the responsibility for each category. The results highlight in a novel way the varied challenges between grade of automation in mainline systems. Detecting abnormalities was the most common task train drivers performed during unplanned events. Train drivers use four human senses to detect abnormalities: sight, hearing, touch, and smell. This indicates the need for onboard sensors. However, the real challenge is in processing all sensor data to gain anaccurate evaluation of any fault. One specific type of unplanned event in which the train driver is needed involves trackside sensor alarms. Freight trains are ten times more likely to trip an alarm than passenger trains. Alarms are more frequent in colder climate zones during winter months. These differences are statistically significant and indicate that not all lines and train types might be suitable for a high grade of automation.

If driverless or unattended train operation will become a reality in future, many challenges must be met. This thesis gives deeper understanding of these challenges using a novel way to identify and quantify train driver tasks during unplanned events.

Efterfrågan på transporter fortsätter att öka, både gods- och persontransporter. Ett av de mest energieffektiva transportmedlen är järnväg. En möjlighet att öka järnvägens attraktivitet skulle kunna vara att introducera automatic train operation (ATO) med en hög grad av automatisering. Förarlös och obemannad tågdrift skulle kunna medföra postiva effekter, men det skulle också medföra utmaningar med att ta bort lokföraren. Det finns därför ett behov att förstå lokförarens roll, speciellt i oplanerade situationer. Huvudsyftet är att förstå de olika rollerna lokföraren har vid oplanerade situationer och även frekvensen av dessa situationer. Licentiatuppsatsen är uppbyggd av tre vetenskapliga artiklar för uppnå syftet.

Den här licentiatuppsatsen har använt förseningsbeskrivningar och detektorloggar. En kvalitativ metod, tematisk analys, har använts för att identifiera teman för lokförarnas olika roller utifrån förseningsbeskrivningarna. En statistisk metod, chi-square-test, har använts för att analysera detektorloggarna. 

Sex huvudkategorier av lokförarens roller vid oplanerade händelser har identifierats: Upptäcka, Rapportera, Kontrollera, Justera, Hantera resenärer och Hantera tågordrar. Varje kategori har analyserats utifrån de olika graderna av automation genom att ge visa hur de skulle kunna genomföras. Resultaten belyser de olika utmaningarna mellan graderna av automation på ett nytt sätt i ett nationellt järnvägssystem. Att upptäcka felaktigheter var den vanligaste uppgiften för lokförare vid oplanerade händelser. Lokförare använder fyra sinnen för att upptäcka felaktigheter, syn, hörsel, känsel och lukt. Det indikerar behovet av ombordsensorer, men den stora utmaningen blir att hantera all sensordata för en korrekt bedömning av verkliga fel. En specifik oplanerad händelse då lokföraren behövs är vid detektorlarm. Godståg har en tio gånger högre risk att utlösa ett detektorlarm än ett persontåg. Detektorlarm förekommer oftare i kallt klimat under vintermånader. Skillanderna är statistiskt säkerställda och ger en indikation på att alla sträckor och tågtyper inte är lämpliga för en hög grad av automatisering. 

Om förarlösa eller obemannade tåg ska bli en verklighet i framtiden behöver flera utmaningar hanteras. Den här licentiatuppsatsen ger en djupare förståelse av dessa utmaningar genom att använda ett nytt sätt att identifiera lokförarnas uppgifter vid oplanerade händelser.