近日，GIS领域顶级期刊《International Journal of Geographical Information Science》，在线发表测绘遥感信息工程国家重点实验室唐炉亮教授课题组研究成果。论文题为“Advancing human mobility modeling: a novel path flow approach to mining traffic congestion dynamics”(推进人类移动性建模：一种挖掘交通拥堵动态的路径流新方法)，硕士生施泓羽为第一作者，唐炉亮教授为通讯作者，合作者还包括香港中文大学阚子涵助理教授、赵紫龙和杜韵琦。
交通拥堵往往会给社会带来巨大的经济、环境和心理负担，对交通拥堵的深入分析在城市发展战略中具有重要意义。现有研究多从道路供给侧（如道路基础设施、交通管理）入手，较少关注交通需求侧（如个人出行行为、出行目的），忽略了个体出行路径选择和流动模式的复杂性，缺乏对交通拥堵根本原因的深入挖掘。这种研究偏向使得交通发展更多集中于基础设施的改善，而未能有效解决由个人出行需求所引发的拥堵问题。
图1 路径流概念图
唐炉亮教授课题组在城市居民移动性精细分析取得进展，城市活动流建模技术取得突破，提出了一种挖掘交通拥堵动态的路径流新方法。区别于传统OD（起点-终点）流模型，路径流模型能够捕捉个体实际时空路径及其行为模式，增强了对个体出行行为及交通动态互动的分析能力。通过引入拥堵流和拥堵子流，本方法能更精准地分析个体在交通拥堵中的暴露程度，进而探讨拥堵与城市活动之间的复杂交互关系。此外，为了对与拥堵相关的出行需求进行精细分类，本研究提出了一种贝叶斯推理方法，在推断过程中顾及了目的地、时间、空间三种异质性，实验结果证明了路径流在城市活动流时空动力学分析中的可用性和重要性。
图2 早高峰交通拥堵流动态追溯结果
唐炉亮教授入选国家高层次人才，带领“大数据场景众包感知团队”深耕活动流相关研究，致力于城市转向级交通流精细建模分析。系列成果“Traffic congestion analysis at the turn level using Taxis' GPS trajectory data”2019年发表在城市研究领域顶级期刊《Computers, Environment and Urban Systems》（IF=7.1）；成果“Assessing individual activity-related exposures to traffic congestion using GPS trajectory data”2022年发表在交通地理权威期刊《Journal of Transport Geography》（IF=5.7）；成果“Towards integrated and fine-grained traffic forecasting: A Spatio-Temporal Heterogeneous Graph Transformer approach”2023年发表在人工智能领域顶级期刊《Information Fusion》(IF=18.6)；成果“Diagnosing Urban Traffic Anomalies by Integrating Geographic Knowledge and Tensor Theory”2023年发表在GIS领域权威期刊《GIScience & Remote Sensing》(IF=6)。
相关论文链接：
https://doi.org/10.1080/13658816.2024.2408293
https://doi.org/10.1016/j.compenvurbsys.2018.11.007
https://doi.org/10.1016/j.jtrangeo.2021.103240
https://doi.org/10.1016/j.inffus.2023.102063
https://doi.org/10.1080/15481603.2023.2290347
大数据场景众包感知团队简介：
http://jszy.whu.edu.cn/tangluliang/zh_CN/zdylm/1548911/list/index.htm
