Under det senaste decenniet har nya datakällor, så som GPS‐data från taxibilar och storskaliga system av fasta detektorer, gett betydligt större möjligheter att kartlägga hur trängseln varierar i en stad, d.v.s. variation mellan gator och områden, olika tidpunkter på dagen och mellan olika månader eller år.

På den teoretiska sidan har det, under ungefär samma tidsperiod, upptäckts ett samband mellan fordonstäthet och hastighet på områdesnivå, vilket kallas det makroskopiska fundamentaldiagrammet (MFD). Tidigare har detta samband uppmätts på länknivå och kallas då fundamentaldiagram (FD). MFD kopplar samman antalet fordon i ett område med den genomsnittliga hastigheten ellerflödet i området. Man har också visat att MFD under ideala förhållanden är enegenskap hos nätverket i sig (infrastruktur och trafikstyrning), d.v.s. det beror inte på efterfrågan.

I denna rapport använder vi dessa nya trafikmätningsmetoder och teoretiska framsteg inom MFD för två syften. För det första beskriver vi hur trängseln varierar över dagen på Södermalm och i City‐området i Stockholm genom att titta på MFD från empiriska datakällor så som GPS‐data från taxi‐bilar, slangmätningar och restidskameror. För det andra jämför vi simulerat MFD för City‐området med empiriskt MFD för samma område. Detta för att validera hurväl City‐modellen framtagen med simuleringsverktyget Transmodeler kan återskapa trängselsituationen på områdesnivå.

Rapporten visar att väldefinierade MFD existerar både för Södermalm och Cityområdet.MFD visar att hastigheten sjunker och fordonstätheten ökar undermorgonens och eftermiddagens rusningstimmar, men trängselnivåerna når inte den punkt där flödet börjar avta trots att fordonstätheten ökar (hyperträngsel). Det är således trångt i innerstaden under rusningstimmarna, men kapaciteten i nätverket räcker ändå till. De två stora lederna Stadsgårdsleden och Sveavägen visar dock tecken på hyperträngsel om fundamentaldiagram skapas separat för dessa leder.

Vidare visar rapporten att MFD har stor potential som verktyg för att valideraen simuleringsmodell. I rapporten jämförs MFD från City‐området i Transmodeler med empirisk MFD för samma område. Simuleringsmodellen överskattar flöde och hastighet vid låg densitet. Vid hög densitet ändras dockbilden och simuleringsresultaten underskattar flöde och hastighet. Det verkarsom att kapaciteten i nätverket underskattas, vilket ger högre trängsel imodellen än i mätdata. MFD från Transmodeller visar lägre flöden underavvecklingen av rusningen än under uppbyggnaden, både under förmiddag och eftermiddag, vilket inte syns i de empiriska data. Detta tyder på att det finns stora kö‐problem i simuleringsmodellen, vilket man inte ser tecken på i empiriskt MFD.

Over the last decade, new data sources, such as GPS data from taxis and large-scale systems of fixed sensors, have created new opportunities to understand how congestion varies in a city, i.e. variation between streets and areas, different times of the day and between months or years.

On the theoretical side, a relationship between vehicle density and speed at arealevel has been discovered around the same point in time. This relationship is known as the macroscopic fundamental diagram (MFD). Previously, this relationship has been measured at link level and is then simply called the fundamental diagram (FD). MFD connects the number of vehicles in an area with the average speed or flow in that area. It has also been shown that underideal conditions MFD is a property of the network itself (infrastructure and traffic management), i.e. it does not depend on demand.

In this report, we use these new traffic measurement methods and theoretical advances in MFD for two purposes. First, we describe how congestion varies over the day at Södermalm and in the City area of Stockholm by looking at MFD from empirical data sources such as GPS data from taxis, tube measurements and travel time cameras. Secondly, we compare the simulated MFD for the Cityarea with the empirical MFD for the same area. This is done to validate how well the City model developed with the Transmodeler software simulation tool canreproduce the congestion situation at area level.

The report shows that well‐defined MFD exist for both Södermalm and the Cityarea. These MFD show that speed decreases and vehicle density increases during rush hour of the morning and afternoon, but that congestion levels donot reach the point where flow begins to decrease despite the increase invehicle density (hypercongestion). It is thus crowded in the inner city during peak hours, but capacity of the network is still enough. The two major arterials Stadsgårdsleden and Sveavägen show however signs of hypercongestion when fundamental diagrams are created separately for these arterials.

Furthermore, the report shows that MFD has great potential as a tool for validating simulation models. The report compares MFD from the City area of Transmodeler with empirical MFD for the same area. The simulation model overestimates flow and speed at low density. However, at high density, thepicture changes and simulation results underestimate flow and speed. It seems as if the capacity of the network is underestimated in the simulation model, resulting in higher congestion in the model than in measurement data. MFD from Transmodeler shows lower flows during the dissipation of the queues at rush hour than during the build‐up, both in the morning and afternoon, which isnot reflected in the empirical data. This indicates that there are major queuing problems in the simulation model, which cannot be seen in the empirical MFD.