基于出行画像的重大突发公共卫生事件下的交通管控理论与方法

Transportation is the basis of all production activities. Major sudden infectious diseases such as the COVID-19 will spread rapidly through the transportation network, and precise traffic control measures are one of the key means to stop the spread of the epidemic. In response to the lack of data and theoretical support for the traffic control mechanism during the COVID-19, this project intends to use multi-source heterogeneous traffic big data such as mobile phone signaling, license plate recognition, GPS positioning, and bus card data to build an accurate portrait of individual traffic travelers model, and then in-depth analysis of the relationship model between the spread of the epidemic and the transformation of individual multi-modal transportation behavior, on this basis, analyze the quantitative impact of the epidemic and various control measures on individual travel behavior, and construct a model of transportation mode transfer and route conversion. Integrate traffic distribution and infectious disease models to construct a policy effect and epidemic prevention effect evaluation model for multi-modal traffic control measures, and analyze the empirical effects through actual data of typical cities. The research results of the project should be able to promote the theory and method system of traffic big data analysis, and expand the cross-discipline with epidemiology, and promote the in-depth application of big data technology in the decision-making of major public health emergencies.

交通运输是一切生产活动的基础，新冠肺炎疫情等重大突发传染性疾病会通过交通运输网络进行快速传播，而精准的交通管控措施是阻挡疫情传播的关键手段之一。针对新冠肺炎期间交通管控机制缺乏数据与理论支撑的问题，本项目拟利用手机信令、车牌识别、GPS定位、公交刷卡等多源异构交通大数据，构建个体交通出行者特征精准画像的描述模型，进而深入分析疫情传播与个体多方式交通出行行为转变的关系模型，在此基础上分析疫情及各种管控措施对个体出行行为的定量影响，并构建交通方式转移与路径转换的模型。融合交通分配与传染病模型构建多方式交通管控措施的政策效应与防疫效果评价模型，并通过典型城市的实际数据进行实证效果分析。项目研究成果应能促进交通大数据分析的理论与方法体系，并与流行病学等展开学科交叉，促进大数据技术在重大突发公共卫生事件决策中的深度应用。

交通运输是一切生产活动的基础，新冠肺炎疫情等重大突发传染性疾病会通过交通运输网络进行快速传播，而精准的交通管控措施是阻挡疫情传播的关键手段之一。项目利用手机信令、车牌识别、GPS定位、公交刷卡等多源异构交通大数据，构建个体交通出行者特征精准画像的描述模型，进而深入分析疫情传播与个体多方式交通出行行为转变的关系模型，在此基础上分析疫情及各种管控措施对个体出行行为的定量影响，并构建交通方式转移与路径转换的模型。项目从城市交通特性、宏观出行模式、微观出行模式三个角度研究疫情与城市交通出行之间的关系。城市交通特性方面，基于车辆出行特性，构建路网车辆画像库。基于车牌识别数据提取出路网车辆在疫情发展不同阶段的出行行为特性指标，构建出行行为指标库。基于路网车辆画像库和出行行为指标库，分析了城市总体、三种不同类型车辆在疫情发展不同阶段的出行行为变迁，总结出一套突发公共卫生事件下的城市级路网机动车出行行为影响量化评价框架。在宏观出行模式方面，首先提取出车辆的时空出行链，构建疫情发展不同阶段的时空出行链数据库。基于时空出行链数据库，挖掘出疫情发展不同阶段的频繁出行模式。在此基础上，提出了频繁出行模式改变程度度量方法，以此量化评价疫情影响下机动化出行的出行模式变化情况。在微观出行模式方面，基于模体对车辆的出行拓扑进行分析，挖掘城市出行中最常见的六类模体。在模体挖掘的基础上，应用K-modes算法聚类序列相似的出行者，对城市出行行为模式进行微观发现，基于此对城市疫情防控提供支持。项目研究成果将促进交通大数据分析的理论与方法体系，并与流行病学等展开学科交叉，促进大数据技术在重大突发公共卫生事件决策中的深度应用。