同濟(jì)大學(xué)楊超教授課題組：數(shù)據(jù)驅(qū)動(dòng)的個(gè)體活動(dòng)與出行預(yù)測(cè)

城市交通需求預(yù)測(cè)是城市交通規(guī)劃的關(guān)鍵環(huán)節(jié)之一，是確定城市交通網(wǎng)絡(luò)結(jié)構(gòu)與城市功能布局的重要依據(jù)。而交通模型作為交通需求預(yù)測(cè)的載體，其精度直接影響著城市交通規(guī)劃的合理程度與科學(xué)水平，乃至于關(guān)系到整個(gè)城市未來(lái)社會(huì)經(jīng)濟(jì)的發(fā)展。如何更科學(xué)、合理、精確地構(gòu)建交通需求模型進(jìn)行交通需求預(yù)測(cè)，是當(dāng)前我國(guó)城市交通規(guī)劃中面臨的重要課題。在大數(shù)據(jù)迅猛發(fā)展的背景下，個(gè)體活動(dòng)與出行建模正經(jīng)歷從傳統(tǒng)統(tǒng)計(jì)模型向數(shù)據(jù)驅(qū)動(dòng)智能模型的深刻變革。

▌背景一：由集計(jì)模型向個(gè)體模型轉(zhuǎn)變

在傳統(tǒng)的交通需求預(yù)測(cè)方法中，集計(jì)模型長(zhǎng)期占據(jù)主導(dǎo)地位，主要依賴于統(tǒng)計(jì)學(xué)方法對(duì)出行群體進(jìn)行整體建模。然而，隨著城市交通管理的精細(xì)化發(fā)展和對(duì)個(gè)體出行行為研究的深入，個(gè)體模型逐漸成為研究重點(diǎn)。在個(gè)體模型的發(fā)展過程中，基于活動(dòng)的交通需求模型(Activity-Based Travel Demand Model，ABM) 作為一種更具行為基礎(chǔ)的建模方法，被廣泛應(yīng)用于交通需求分析。該模型通過模擬個(gè)體日常活動(dòng)及其出行行為，更全面地評(píng)估交通系統(tǒng)的運(yùn)行狀況，并能夠從個(gè)體層面分析交通政策對(duì)居民生活方式的影響。

▌背景二：由單日模型向多日模型轉(zhuǎn)變

現(xiàn)有的活動(dòng)模型大多對(duì)居民的單日活動(dòng)進(jìn)行建模，忽略了居民多日活動(dòng)的連續(xù)性和周期性特征。現(xiàn)實(shí)中，居民的日常活動(dòng)往往具有時(shí)間依賴性，僅基于單日活動(dòng)進(jìn)行建模難以準(zhǔn)確反映多日活動(dòng)的動(dòng)態(tài)變化。因此，由單日活動(dòng)模型向多日活動(dòng)模型的轉(zhuǎn)變成為當(dāng)前研究的重要趨勢(shì)。多日活動(dòng)模型的構(gòu)建可以更系統(tǒng)地揭示個(gè)體在不同時(shí)間維度上的出行規(guī)律，尤其是在涵蓋工作日與周末的情況下，可更全面地刻畫通勤、購(gòu)物、社交等多樣化活動(dòng)模式。國(guó)外關(guān)于多日活動(dòng)模型的研究已取得一定進(jìn)展，而在國(guó)內(nèi)，符合我國(guó)城市特征的多日活動(dòng)建模體系仍處于起步階段。因此，開展符合我國(guó)城市環(huán)境的個(gè)體多日活動(dòng)預(yù)測(cè)研究，不僅具有重要的理論價(jià)值，也能為城市交通管理和規(guī)劃提供更精準(zhǔn)的決策支持。

▌背景三：數(shù)據(jù)驅(qū)動(dòng)建模成為必然趨勢(shì)

隨著信息技術(shù)和大數(shù)據(jù)技術(shù)的發(fā)展，交通需求建模方法也在經(jīng)歷從統(tǒng)計(jì)模型驅(qū)動(dòng)向數(shù)據(jù)驅(qū)動(dòng)的轉(zhuǎn)變。傳統(tǒng)的統(tǒng)計(jì)建模方法主要依賴于小規(guī)模居民出行調(diào)查數(shù)據(jù)，并基于統(tǒng)計(jì)假設(shè)進(jìn)行建模，常見的模型方法包括線性回歸、Logit 模型等。然而，這些方法難以有效處理高維、非線性和時(shí)空異構(gòu)的復(fù)雜數(shù)據(jù)，尤其在多日活動(dòng)建模方面，傳統(tǒng)方法的適應(yīng)性和預(yù)測(cè)能力均受到限制。相比之下，數(shù)據(jù)驅(qū)動(dòng)的建模方法依托大規(guī)模時(shí)空數(shù)據(jù)，結(jié)合機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和自然語(yǔ)言處理等先進(jìn)算法，能夠自動(dòng)挖掘居民活動(dòng)模式，提升模型的預(yù)測(cè)精度和適應(yīng)性。例如，隨機(jī)森林(Random Forest，RF)、極梯度提升樹XGBoost (Extreme Gradient Boosting)等方法可在海量數(shù)據(jù)中篩選出最相關(guān)的特征變量，減少人為干預(yù)，提高建模效率。而長(zhǎng)短期記憶網(wǎng)絡(luò)LSTM (Long Short-Term Memory) 和Transformer 模型因其在時(shí)序數(shù)據(jù)建模中的優(yōu)勢(shì)，能夠更好地捕捉個(gè)體多日活動(dòng)的長(zhǎng)期依賴關(guān)系，提高多日活動(dòng)與出行預(yù)測(cè)的精度。

在如何利用大數(shù)據(jù)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)方法進(jìn)行個(gè)體多日活動(dòng)與出行建模方面，尚未形成一套以數(shù)據(jù)為核心驅(qū)動(dòng)的完整方法體系。鑒于此， 《數(shù)據(jù)驅(qū)動(dòng)的個(gè)體活動(dòng)與出行預(yù)測(cè)方法》 一書致力為研究者和工程實(shí)踐人員提供系統(tǒng)化的方法論與技術(shù)框架。

點(diǎn)擊翻頁(yè) 點(diǎn)擊翻頁(yè) 點(diǎn)擊翻頁(yè) 點(diǎn)擊翻頁(yè) 點(diǎn)擊翻頁(yè) 點(diǎn)擊翻頁(yè)

數(shù)據(jù)驅(qū)動(dòng)的個(gè)體活動(dòng)與出行預(yù)測(cè)方法購(gòu)買

楊超, 陳明垟 著

北京: 科學(xué)出版社, 2026. 6

(交通與數(shù)據(jù)科學(xué)叢書)

《數(shù)據(jù)驅(qū)動(dòng)的個(gè)體活動(dòng)與出行預(yù)測(cè)方法》圍繞“數(shù)據(jù)驅(qū)動(dòng)、個(gè)體、活動(dòng)、出行” 展開，重點(diǎn)探討如何利用大規(guī)模個(gè)體時(shí)空數(shù)據(jù)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)與自然語(yǔ)言處理技術(shù)，構(gòu)建一套以數(shù)據(jù)驅(qū)動(dòng)的個(gè)體一周活動(dòng)與出行預(yù)測(cè)方法體系。研究?jī)?nèi)容涵蓋個(gè)體一周活動(dòng)鏈的提取、人口合成、活動(dòng)模式識(shí)別與預(yù)測(cè)、活動(dòng)序列生成、次要活動(dòng)目的地選擇與活動(dòng)時(shí)間更新、出行方式推斷及案例應(yīng)用等。

技術(shù)路線圖

本書按照“活動(dòng)鏈提取–人口合成–活動(dòng)生成(包括活動(dòng)模式識(shí)別、預(yù)測(cè)及活動(dòng)序列生成)–次要活動(dòng)目的地選擇及活動(dòng)時(shí)間更新–出行方式推斷–模型應(yīng)用” 的思路組織本書的技術(shù)路線

本書共包含九章。第1 章介紹研究背景、研究目標(biāo)及數(shù)據(jù)集情況，并對(duì)全書內(nèi)容進(jìn)行概述；第2 章概述城市交通需求預(yù)測(cè)方法的發(fā)展演進(jìn)，重點(diǎn)介紹基于活動(dòng)的交通需求模型，并對(duì)單日與多日活動(dòng)模型的區(qū)別進(jìn)行討論；第3 章至第7 章分別介紹個(gè)體一周活動(dòng)鏈的提取、人口合成、活動(dòng)模式識(shí)別與預(yù)測(cè)、活動(dòng)序列生成、次要活動(dòng)目的地選擇與活動(dòng)時(shí)間更新以及出行方式推斷方法；第8 章以規(guī)劃年城市居民一周活動(dòng)與出行預(yù)測(cè)為案例，展示本書所提出方法體系的實(shí)際應(yīng)用；最后，第9 章對(duì)未來(lái)的研究方向與發(fā)展趨勢(shì)進(jìn)行展望。

規(guī)劃年個(gè)體活動(dòng)與出行日志生成技術(shù)路線

規(guī)劃年人口一周分活動(dòng)目的活動(dòng)次數(shù)空間分布

與傳統(tǒng)活動(dòng)模型相比，本書提出的數(shù)據(jù)驅(qū)動(dòng)的個(gè)體活動(dòng)與出行預(yù)測(cè)方法體系具有研究時(shí)間單元長(zhǎng)、精度高、應(yīng)用周期廣等優(yōu)勢(shì)，能為學(xué)術(shù)研究與實(shí)際應(yīng)用提供有力支持。

從理論上看，本書為大數(shù)據(jù)背景下的個(gè)體一周活動(dòng)與出行預(yù)測(cè)方法體系提供新的理論框架和分析工具，同時(shí)也為一周活動(dòng)與出行預(yù)測(cè)模型的構(gòu)建提供技術(shù)參考。從實(shí)踐應(yīng)用上看，本書所提出的模型可為交通需求管理與優(yōu)化、交通規(guī)劃、動(dòng)態(tài)資源分配等實(shí)際應(yīng)用提供精準(zhǔn)的決策支持。例如，其能夠有效預(yù)測(cè)不同工作日內(nèi)以及工作日與周末之間的活動(dòng)需求波動(dòng)，為不同工作日的高峰期交通供給和公共資源配置的優(yōu)化提供可靠依據(jù)。此外，通過預(yù)測(cè)規(guī)劃年居民一周活動(dòng)與出行，可為城市長(zhǎng)期交通基礎(chǔ)設(shè)施投資、綜合交通體系設(shè)計(jì)和城鄉(xiāng)空間發(fā)展戰(zhàn)略的制定提供科學(xué)依據(jù)。

本文摘編自《數(shù)據(jù)驅(qū)動(dòng)的個(gè)體活動(dòng)與出行預(yù)測(cè)方法》（楊超, 陳明垟著. 北京: 科學(xué)出版社, 2026. 6）一書“前言”“第1 章緒論”，有刪減修改，標(biāo)題為編者所加。

(交通與數(shù)據(jù)科學(xué)叢書)

責(zé)任編輯: 王麗平 孫翠勤

針對(duì)當(dāng)前國(guó)內(nèi)交通需求模型在模擬與預(yù)測(cè)復(fù)雜的個(gè)體活動(dòng)與出行上的局限性，本書聚焦以數(shù)據(jù)驅(qū)動(dòng)為核心的建模方法在個(gè)體活動(dòng)與出行預(yù)測(cè)研究中的應(yīng)用，系統(tǒng)闡述了如何結(jié)合多源數(shù)據(jù)、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)個(gè)體多日活動(dòng)與出行的模擬與預(yù)測(cè)，并詳細(xì)介紹了大數(shù)據(jù)背景下數(shù)據(jù)驅(qū)動(dòng)的個(gè)體活動(dòng)與出行預(yù)測(cè)方法體系。

本書介紹的方法體系具有對(duì)個(gè)體活動(dòng)與出行捕捉更加靈活、對(duì)居民出行需求預(yù)測(cè)更加精細(xì)等優(yōu)勢(shì)，適合城市交通規(guī)劃、需求分析及政策評(píng)估的實(shí)踐需求，能為個(gè)體多日交通需求模型的建立提供理論與實(shí)踐參考。

（本文編輯：劉四旦）

專業(yè)品質(zhì) 學(xué)術(shù)價(jià)值

原創(chuàng)好讀 科學(xué)品位

一起閱讀科學(xué)