The visitor experience at an amusement park is crucial for the park’s success. Understanding how guests move through the park is essential when striving to improve design, reduce queue times, and enhance the overall guest experience. This paper applies mathematical modeling to analyze queues at Gröna Lund, a popular amusement park located in central Stockholm. The model, based on principles from queuing theory combined with machine learning, is designed to estimate transition probabilities between attractions. Additionally, the article explores the potential impact of maximizing the use of the park’s attraction capacity to effectively reduce queue formation. Finally, the results are discussed, and recommendations for Gröna Lund are presented.

Besökarnas upplevelse på en nöjespark är avgörande för dess framgång. Förståelse för hur gäster rör sig genom parken är centralt när man strävar efter att förbättra designen, minska kötider och höja gästupplevelsen. I denna artikel tillämpas matematisk modellering för att analysera köerna på Gröna Lund, en populär nöjespark i centrala Stockholm. Modellen, som bygger på principer från köteori kombinerat med maskininlärning, används för att estimera övergångssannolikheter mellan attraktionerna. Vidare undersöks även den potentiella effekten av att maximera användningen av parkens attraktionskapacitet för att minska köbildningen. Slutligen diskuteras resultaten och rekommendationer till Gröna Lund presenteras.