基于社会感知数据的城市居民活动-出行行为机理分析与建模

Understanding and predicting human activity-travel behavior are of paramount importance for planning urban transportation systems and developing travel demand management strategies. In the era of big data, the emergence of social sensing data, such as cell phone traces, social media/App check-ins, bus/metro smart card records and on-board vehicles GPS traces data, provides new opportunities and challenges to reveal human activity-travel behavior. In this proposal, we plan to (i) develop an activity diary App for mobile phones to collect information of users' daily activity-travel behaviors; (ii) develop a method to reconstruct travel chains using the social sensing data in order to uncover the hidden information in individual social attributes, activity types and travel mode; (iii) discover the spatiotemporal statistical properties of individual activity-travel chains and identify population-level activity-travel patterns, and furthermore, based on these statistical properties and patterns to find dominant factors of activity-travel patterns at the level of both individuals and groups; (iv) develop an activity-based travel choice model and establish a simulation platform to predict activity-travel behavior of urban residents. Our results are expected to offer a deeper understanding of the underlying mechanism accounting for the activity-travel decision-making behavior of urban residents in China, to develop theory and methodology for the study of activity-travel behaviors and to provide scientific insight into urban transportation planning and travel demand management.

正确理解和准确预测城市居民的活动-出行行为是科学制定城市交通规划和需求管理策略的前提。手机用户位置、社交媒体/App签到、公交刷卡记录、车载GPS轨迹等社会感知数据的日益丰富，为活动-出行行为研究带来了新的机遇与挑战。本项目拟通过开发活动日志手机App来调查出行者的日常活动-出行行为，在此基础上研究从社会感知数据中提取个体社会属性、活动类型、出行方式等隐含信息的出行链重构方法；通过对大规模社会感知数据中重构出的个体出行链时空结构特征和群体活动-出行模式的挖掘，识别影响个体和群体活动-出行模式的关键因素，揭示城市居民活动-出行模式形成的深层次机理；构建基于活动的出行选择决策模型，并开发活动-出行模拟实验平台原型，实现对城市居民复杂活动-出行行为的预测。项目研究成果可深化对我国城市居民活动-出行行为机理的理解，丰富和发展出行行为分析理论与方法，并为合理制定交通规划与需求管理政策提供科学依据。

正确理解和准确预测城市居民的活动-出行行为是科学制定城市交通规划和需求管理策略的前提。手机用户位置、社交媒体/App签到、公交刷卡记录、车载GPS轨迹等社会感知数据的日益丰富，为活动-出行行为研究带来了新的机遇与挑战。本项目在对出行者日常活动-出行数据和大规模社会感知数据进行调查采集和挖掘分析的基础上，系统性地开展了城市居民活动-出行行为机理分析与建模工作。项目组首先研究了个体移动轨迹出行起讫点识别方法，实现了对个体活动-出行链的重构及时空特征统计分析，并根据这些特征归纳出了城市居民典型的活动-出行模式。进一步地，项目组对影响个体出发时间分布模式、群体出行频率分布模式、地点间出行量分布模式等活动-出行模式的关键因素进行了识别，揭示了这些活动-出行模式形成的深层次机理。在此基础上，项目组通过引入个体出行记忆效应与群体出行竞争效应，建立了可同时预测个体和群体出行模式的统一模型，该模型能够很好地再现不同空间尺度下个体活动-出行链时空结构的关键特征和群体活动-出行模式。这一重要成果得到了国家领导人的批示，并已开展了实际应用。项目组进一步对上述个体群体出行预测统一模型进行了扩展，包括用介入机会效益方法导出的机会优先选择模型、考虑个体出行选择行为倾向的统一机会模型以及评估城市与城市群发展程度的机会优先选择改进模型。在所建立的这些出行选择决策模型基础上，项目组开发了出行行为模拟实验平台，实现了对大规模群体出行的预测及可视化。这些研究成果加深了人类对自身出行行为复杂性的理解与认识，丰富和发展了出行行为分析理论与方法。项目总体研究工作进展顺利，已经达到了项目计划书在研究内容、论文发表、交流合作以及人才培养等各方面的预期目标。