科学家提出基于地点吸引力出行预测新模型

11月21日，在国家自然科学基金项目(项目编号:71621001、71631002、71671015)的支持下，北京交通大学高自友教授课题组在《自然通讯》在线发表了他们关于“多尺度个体群体出行预测统一模型”的研究成果。

预测人们的出行和运动行为对于城市规划、交通管理、传染病防治、舆论监督和公共安全管理都非常重要。基于传统引力模型预测人的出行分布有着悠久的历史。研究人员认为，目前基于大数据的新预测模型没有一个通用的空间范围，也不能再现个体运动轨迹的时空统计特征。

围绕这个问题，高自友研究小组突破了以往研究的局限，提出了基于位置吸引的个体微观运动模型。其中，区位吸引力由两个因素决定:个体记忆效应和群体竞争效应。

研究人员认为，一方面，个人参观某个地方后留下的良好印象会增加个人将来参观该地方的可能性。因此，研究小组使用“zipf定律”来自然地描述记忆效应对地点吸引力的影响和老化效应的影响。另一方面，某个地方的吸引力受到当地和附近人口分布的影响。人口越多，就越拥挤，争夺有限的资源，从而降低了当地的吸引力。因此，该模型考虑了记忆效应和人口竞争对区位吸引的影响，给出了区位吸引的个体转移概率。

在本研究中，模型中唯一的参数调节记忆效应的强度，并基于人口空间分布的静态数据预测不同尺度下个体和群体的宏观-微观出行模式的典型特征。该模型再现了中国、美国、比利时和科特迪瓦不同尺度的实际数据中发现的四个幂律特征，包括三种个体运动模式的幂律特征，即参观人数随时间变化、返回时间分布和参观地点的频率分布，以及群体运动模式的幂律特征，即出行时间分布。

此外，该模型还再现了个体运动轨迹中的基序分布规律和宏观行程的指数分布规律。模型的预测结果与经验数据的统计结果几乎一致。研究组通过理论分析进一步分析了模型，并根据理论结果揭示了区位分布的空间分形特征对各种出行分布的影响。

专家指出，基于多空间尺度人口分布预测的个体和群体宏观-微观出行行为预测模型，为预测城市群交通拥堵瓶颈、疾病传播过程预警、优化公共设施建设资源配置、预防大规模人群聚集引发的公共安全提供了重要的科学依据，为宏观管理提供了必要的微观技术支持。

本文第一作者是北京交通大学交通运输系统科学与工程研究所副教授严，通信作者是该研究所的和教授。(干笑)

《中国科学日报》(第六版基金，2017年11月27日)