Knutpunkt
Hämtar data…

Pågatåg och Öresundståg i Skåne

Vart ska du?

Resans sträckning

Förseningen längs resan

Heldragen: uppmätt · streckad: prognos · band: 10–90 %

Tågen från en station de närmaste två timmarna

Avgångar

Hovs hallar, Båstad · Foto: Philip Myrtorp

Prognosen är risken att tåget lämnar stationen minst 5 minuter sent.

Alla tåg i Skåne just nu

Trafikläget

Öresundsbron, Malmö · Foto: Julian Hochgesang

Varningar

Trafikmeddelanden

Inga trafikmeddelanden just nu.

Tågen på kartan

Pågatåg Öresundståg 3–5 min ≥ 5 min Hög risk Ingen ring = i tid Sträcka med sena tåg

Tåg i realtid

Hur tågen har gått, och hur bra prognosen är

Statistik

Glumslövs backar · Foto: Malte Wiedner

Aktuella förseningar

Tåg i trafik just nu

Kommande 2 timmar

Förväntad försening, medel per 15 min, med band (10–90 %). ”Nu” = tåg som redan borde ha kommit fram.

Risk per station och tid

Genomsnittlig sannolikhet för ≥ 5 min försening

Andel stopp med hög risk

Stationsuppehåll med ≥ 50 % risk för ≥ 5 min

Tåg som ännu inte avgått

Prognos innan avgång
TågSträckaAvgångRisk ≥ 5 minEstimerad förseningStatus

Så sprider sig förseningar

En försening stannar sällan vid ett tåg. Modellen räknar med två mekanismer: samma tågsätt – tåget ska vända och köra nästa tur, och hinner inte om vändtiden äts upp – och spårkonflikter – ett sent tåg upptar spåret när nästa tåg på samma sträcka ska fram. Andelen av förseningen som förs vidare (–) är skattad från historiken.

Förseningar i nätet

Pågatåg Öresundståg < 3 min 3–5 min ≥ 5 min Stationsringarnas storlek = antal tåg

Tåg som sprider mest

Välj ett tåg för att se kedjeeffekten

Hur punktliga har tågen varit?

Räknat på ankomster till stationer; sen = minst 5 minuter efter tidtabell.

Dag för dag

Andel ankomster minst 5 min sena

Per linje

Sämst först · pilen jämför med perioden innan

Per timme

Andel sena ankomster efter klockslag

Stationer

Andel sena ankomster

Oftast sent

Oftast i tid

Vanligaste orsakerna

Registrerade av Trafikverket vid våra stationer

Så bra är prognosen

Måtten ovan är mätta på en undanhållen testvecka, med en prognos var 20:e minut och risken som den är. Sidan räknar om varje halvminut och märker lugnare än risken – facit nedan visar vad som faktiskt visades, dag för dag.

Fel per prognoshorisont

Medelfel i minuter, lägre är bättre

Kalibrering

Stämmer 70 % risk med 70 % utfall?

Viktigaste faktorerna

Andel av riskbedömningen
Hur prognosen fungerar

För varje tåg och varje kommande station (upp till 2 timmar framåt) beräknar två XGBoost-modeller: risken att tåget är minst 5 minuter sent där, och den förväntade förseningen med ett osäkerhetsintervall (10:e–90:e percentilen).

Modellerna ser bara det som är känt just nu: tågets försening och hur den förändrats, hur långt det är kvar, linje, station, tid på dygnet, hur det brukar gå på samma sträcka och timme, samt läget i nätet – försenade tåg framför på samma spår, förseningen hos tåget som ska vända och bli nästa tur, och hur sent andra tåg nyligen kommit till stationen.

För att se en försening komma innan tåget är sent tittar modellen också på om tåget borde ha hunnit till nästa station men inte har gjort det, hur det går för linjens övriga tåg just nu, hur mycket tid andra tåg nyss tappat på sträckorna fram till stationen, om ett mötande tåg på enkelspår är sent, och om andra tåg står stilla längre fram på sträckan – åt samma håll eller det andra. Ett tåg som har stannat syns annars inte förrän det rullar igen. Den ser också hur tätt bakom ett annat tåg det egna ligger, var sena tåg brukar köra in tid, om tåg i närheten just har blivit sena, och – för ett tåg som inte har avgått – om något av tågen som kan bli avgången är sent in.

Ovanpå det läggs Trafikverkets annonseringar: inställda tåg, spår, orsaker och nya beräknade tider. När Trafikverket har aviserat en försening på minst 5 minuter höjs risken – i sidans egen logg blev sådana tåg sena i 53–94 % av fallen, där modellen ensam trodde 23–49 %.

Extremt väder höjer risken ovanpå modellens svar, med så mycket som modellen har legat för lågt i sådant väder – tabellen ovan visar vilka väder det gäller. Vardagsväder ändrar ingenting.

Märkningen ”förhöjd risk” (från 25 %) och ”hög risk” (från 50 %) följer inte varje enskild uträkning: den bygger på modellens risk de senaste fem minuterna, och kräver mer ju längre fram ankomsten ligger – en hög risk en timme i förväg hinner ofta sjunka igen. Procenttalet bredvid är modellens risk i medel över de senaste två minuterna: ett enstaka hopp i en uträkning syns knappt, en verklig förändring syns fullt ut inom ett par minuter. Det Trafikverket har aviserat slår igenom direkt.

Modellen tränas på historik från Kollektivtrafikens Datalabb (KoDa) och jämförs med en enkel baslinje: ”förseningen blir som den är nu”.

Om Knutpunkt

Knutpunkt förutser förseningar för Pågatåg och Öresundståg i Skåne. Skånetrafiken visar hur sent ett tåg är just nu. Knutpunkt säger hur sent det troligen blir vid varje station det har kvar, upp till två timmar fram – också för ett tåg som ännu är i tid.

Det är ett gymnasiearbete av Leo, Malte och Helen på ProCivitas, hösten 2026: hur långt räcker maskininlärning för att förutse tågförseningar, och var tar det stopp?

Så fungerar det

  1. Var 30:e sekund hämtar servern var alla tåg är och hur sena de är, och vad Trafikverket meddelar.
  2. En modell (XGBoost), tränad på drygt två års historik som spelats upp minut för minut, räknar ut risken att varje tåg kommer minst 5 minuter sent till varje station, och hur sent.
  3. Den ser tåget självt, tågen runt omkring – tåget framför, mötande tåg på enkelspår, tåget som ska vända och bli din avgång – och hur linjen går just nu.
  4. Sidan sparar sina egna prognoser och jämför dem med vad som hände. Facit står under Modellen.

Hur bra är den?

Mätt på veckor modellen inte har sett: med en gräns där en av tio punktliga ankomster får en varning, varnas ungefär två av tre sena ankomster minst tio minuter i förväg. Och när sidan säger 30 % blir ungefär 30 % sena.

Det den inte kan: förutse det som händer plötsligt – en brand vid spåret, obehöriga i spåret – innan det har hänt. Den reagerar inom någon minut. Tåg som ännu inte har avgått är svårast, och för København saknas danska data.

Källor

  • Tidtabell och realtid: Trafiklab / Samtrafiken (GTFS och GTFS Realtime för Skånetrafiken).
  • Historik: Kollektivtrafikens Datalabb (KoDa) hos Trafiklab.
  • Trafikverket: öppna API:t – annonseringar, inställda tåg, orsaker och störningar.
  • Väder: SMHI:s öppna data.
  • Karta: Esri och OpenStreetMap-bidragsgivare. Foton: Unsplash och Malte.

Notiser

Bevakar du en resa, eller samma tåg varje vardag, säger Knutpunkt till med en notis när något ändras – också när sidan är stängd.

Integritet

Inga konton och inga kakor. Dina sträckor och en bevakad resa sparas bara i din webbläsare, liksom sidan själv och de senaste svaren från servern, så att sidan går att öppna utan täckning. Kartan och två kodbibliotek hämtas från andra servrar (Esri och cdnjs), som då ser din IP-adress.

Slår du på notiser för en bevakad resa sparar servern resan och en adress från webbläsarens notistjänst (som inte säger vem du är), och glömmer båda när resan är slut eller du slutar bevaka. Samma tåg varje vardag sparas tills du slutar bevaka det. Får sidan ett fel i din webbläsare skickas felmeddelandet och webbläsarens namn, så att vi kan rätta det. Annars sparar servern inte vem som besöker sidan eller vad du söker.

Knutpunkt är inte Skånetrafikens eller Trafikverkets tjänst. För officiella besked om inställda tåg och ersättningstrafik: Skånetrafiken.