北京交通大学科研团队为城市群管理提供理论支持。

近日，北京地铁常规限流站增加20余座，至此，北京地铁限流站已接近100座。人们在抱怨通勤路途艰辛的同时，也期待着城市交通管理更加合理、新城镇规划建设更加科学，为日常出行提供更多便利。

记者了解到，北京交通大学交通系统科学与工程研究院、轨道交通控制与安全国家重点实验室教授高自友带领科研团队，与北京师范大学教授王文旭等研究人员合作，提出基于地点吸引力的个体出行选择决策模型。决策模型适用于不同空间尺度的区域，可以分析个体和群体出行规律，为城市交通管理、新城镇规划提供了更便捷的手段。

国际权威杂志《自然通讯》评价该成果可以加深对人出行行为背后机制的理解，能够在足够大的范围内重现人的出行模式，既捕获每个个体层面的微观细节，又能够预测群体水平的出行量。

量化出行心理

出行行为是个体化的选择，出行心理具有主观性，而出行分布模型要反映出行者的出行特征和规模，不仅要定性，而且要定量。心理无法量化，但是影响心理的因素是可以量化的，因此，甄别出影响出行心理的核心因素，并量化其与出行行为之间的关系，成为量化出行心理的突破口。

据北京交通大学交通系统科学与工程研究院博士生导师闫小勇介绍，科研团队通过分析手机通讯数据和社交网络签到数据，发现出行选择决策行为中的两个基本规律：一是个体出行地点记忆性，二是群体出行选择相互竞争。据此，基于地点吸引力的个体出行选择决策模型诞生，地点吸引力由两个因素决定，即个体记忆效应和群体竞争效应。

个体记忆效应，是指个体访问某一地点之后留下的良好印象，会增加再次到访的概率。群体竞争效应，是指地点吸引力会受到人口分布的影响，人口过多会造成拥挤和竞争，进而降低吸引力。

预测结果吻合度达70%

“这一决策模型可以预测群体的出行分布量和个体的移动模式时空特征，参数少和普适性是其两大特点。”闫小勇介绍说，参数少即新模型只有一个参数需要估计，这就是个体出行时选择新地点的可能性。科研团队发现，选择新地点的可能性与经济发展水平有着直接的联系，收入越高的国家，出行多样性就越强，出行选择新地点的可能性就越大。

通常，长远模型要求参数简化，以提高模型的准确度和效率。相比于其他模型依赖于五年一次的个人交通调查，该决策模型最快可以实现每月更新一次。

普适性即该决策模型不仅能预测个体出行，还能预测群体出行规律，同时适用于不同文化背景和经济水平的地区，还能在新城镇规划中预测出行分布。

据了解，科研团队采集了中国、美国、比利时和科特迪瓦4个国家的网络签到数据，经过分析后得出的出行分布量预测结果与实际出行结果吻合度达70%。此外，他们还采集了纽约的网络数据，结果表明，在城市范围内决策模型同样适用。

支持新城镇规划建设

多年来，研究者们提出了多种出行分布预测模型，其中以重力模型最为经典。但重力模型参数较多，准确度有待提高，且必须根据历史数据估计参数，无法为缺乏历史数据的新城镇规划建设提供有力参考。

闫小勇认为，出行分布模型的本质是构建、模拟民众出行行为，而民众出行行为具有社会性。据此，科研团队分析个体在出行决策中受到的经济影响因素，准确量化了民众出行心理，构建出更精准的出行分布模型。成果发表后，《自然通讯》杂志即以《多尺度个体群体出行预测的统一模型》为题刊发。

据了解，科研团队将建立城市群多交通方式出行需求预测模型，为城市交通管理与服务提供理论基础，同时，有望在北京通州新城、河北雄安新区等新城镇规划建设中发挥重要作用。