Projektet fokuserer på hvordan man kan tiltrække flere passagerer til kollektiv trafik, og dermed sikre reduktion af privatbilismen og CO2 udledning herfra. Store datamængder (big-data) benyttes som grundlag for at kunne vurdere og optimere mere brugerorienterede kollektive trafiknet og tilbringertransport som cykel og fremtidens selvkørende minibusser med fokus på den samlede dør-til-dør rejse. Projektet vil benytte flere forskellige datasæt, bl.a. Rejsekort (400 millioner ture), transportvaneundersøgelsen, smartphone-baserede data om køreplaner og observerede forsinkelser for at udlede og forklare passagerernes præferencer og holdninger i forhold til valg af transportmiddel, skift under rejsen, trængsel og prisfølsomhed. I stedet for at bygge denne viden på små stikprøvemæssige interviews og holdningsanalyser, kombineres de store mængder individbaserede observerede rejser for at opbygge årsagssammenhænge mellem transportsystemets udformning og de rejsendes valg. Dernæst benytter projektet viden om disse præferencer til at opbygge matematiske optimeringsmodeller i forhold til 1) overordnet design af det kollektive trafiknet, linjestruktur og standsningsmønstre, og 2) forbedrede prisstrukturer, der samtidig forebygger trængsel i netværket. Forskningsbidragene omfatter adgang til - og brug af - den enorme skala af data via sektorpartnere, og kombinationen af adfærdsforskning og -modeller.
