基于大数据的城市交通态势推演与综合评估关键技术及应用

城市交通态势推演和评估技术是城市交通治理的核心量化分析技术.随着城市交通治理综合化、精细化和智能化要求的提高,传统依托小样本数据调查与分析,建立集计经验模型进行多方案比选评估的方法和技术,已难以适应新时期城市交通治理要求.本项目历时十余年,在国家自然科学基金等国家级、省部级课题支持下,突破了基于多源大数据的个体出行活动链全过程全方式融合感知、城市交通演化态势可靠推演与敏捷预测、城市交通精细化治理综合评估等关键技术,建立了面向城市交通精细化治理的个体出行活动链模型和大规模路网实时在线推演模型,构建了大数据综合评估体系,支撑了城市交通精细化治理科学量化分析与评估.项目应用超过1000个项目,推广至成都、重庆、苏州、湛江、南昌、长春、兰州等100多座城市,影响了全国约2亿人的交通出行.     

离散选择高阶段Logit模型的建模与预测--以上海城市外围大型居住社区为例

离散选择Logit系列模型的发展层次顺序是：二项、多项、巢式与交叉巢式、混合Logit（连续及离散潜在种类模型）、嵌入潜在变量的混合选择模型、动态Logit模型。建立高阶段Logit模型算法是当前研究快速城市化进程中居民交通方式选择与预测的最新技术手段。2000年，Daniel M教授，以“对分析离散选择的原理和方法所做出的发展和贡献”获诺贝尔经济学奖。2012—2014年，作者深入学习了离散选择Logit系列模型及标定预测，结合上海城市外围大型居住社区在中国“十二·五”期间，快速城市化进程中的演变，开展了基于高阶段Logit建模算法研究，取得了理想的成果。针对高阶段Logit模型（混合Logit模型、混合选择模型、动态Logit模型）进行了建模、算法、选择概率与消费者剩余预测的理论分析，建立了上海市外围大型居住社区居民交通方式高阶段选择模型。结果显示，6种政策方案中，附近设商业能最大改善出行质量并保证公交优先。高阶段Logit模型理论实际结合后，能很好地发挥其为政策方案决策定量支持之作用。