Datadriven Prognostisering : En Regressionsmodell för Bättre Beslutsfattande inom Kollektivtrafiken

Sammanfattning: Hur kommer det sig att antalet resenärer inom Stockholms kollektivtrafik skiljer sig kraftigt från dag till dag? Är skillnaden rent slumpmässig eller spelar faktorer som befolkningsmängd, lufttemperatur, nederbörd, månad eller veckodag en signifikant roll för att förklara variationen? Denna uppsats ämnar att utforska dessa externa variablers påverkan på kollektivtrafiken och hur denna typ av datadriven information kan leda till bättre understödda beslut. Den applicerade metoden var multipel linjär regression och data som användes mottogs från Trafikförvaltningen, SMHI och SCB. Slutsatsen från studien visar att variationerna i antal resenärer i Stockholms Lokaltrafik kan förklaras med cirka 84\% från befolkningsmängden, månad och veckodag.