TDM作用下个体活动－出行行为序列及群体集聚规律研究

交通需求管理（TDM）策略的本质并非直接影响总体交通现象，而是通过改变个体活动－出行行为使得宏观交通总量、方式结构、时空分布趋于合理。本项目从交通需求产生的源头入手，以个体活动－出行初始行为序列在TDM作用下的意向调整模式分析为立足点，基于家庭整体框架内活动调整与分派的离散/序次联合logit模型生成个体活动调整计划，运用mixed logit和蒙特卡罗模拟重构家庭通勤与非通勤成员个体活动链；并将TDM策略作为个体感知的重要外部环境信息，基于Agent增强学习算法在活动链中对个体出行方式和时空选择决策进行协同、逐步动态解析。进一步运用多Agent交互式学习仿真，揭示多个个体在TDM作用下相互协作而调整出行行为的决策机理，以发现由微观个体活动－出行行为序列向群体交通特征集聚的规律，从而为科学预见TDM策略综合作用效果提供理论方法依据。

交通需求管理（TDM）策略的本质并非直接影响总体交通现象，而是通过改变个体活动－出行行为使得宏观交通总量、方式结构、时空分布趋于合理。本项目从交通需求产生的源头入手，以个体活动－出行初始行为序列在TDM 作用下的意向调整模式分析为立足点，基于家庭整体框架内活动调整与分派的离散/序次联合logit 模型生成个体活动调整计划，运用mixed logit 和蒙特卡罗模拟重构家庭通勤与非通勤成员个体活动链；并将TDM 策略作为个体感知的重要外部环境信息，基于Agent 增强学习算法在活动链中对个体出行方式和时空选择决策进行协同、逐步动态解析。进一步运用多Agent 交互式学习仿真，揭示多个个体在TDM 作用下相互协作而调整出行行为的决策机理，以发现由微观个体活动－出行行为序列向群体交通特征集聚的规律，从而为科学预见TDM 策略综合作用效果提供理论方法依据。依托项目研究成果共发表学术论文12篇，其中SCI收录4篇，EI收录8篇。SCI收录的4篇论文均发表在交通领域国际核心期刊上，如《Journal of Transportation Engineering, ASCE》以及《Journal of Transportation Research Record》等。开发了用于仿真错时通勤TDM实施效果模拟分析的系统软件《基于Multi-Agent的活动-出行时空分布特性仿真软件》。申报国家发明专利两项，其中授权1项，公开1项。共培养博士生2名（1名已获学位，1名在读）、硕士生6名（2名已获学位，2名预计近期答辩，2名已开题）。项目负责人杨敏晋升为副教授、硕士生导师、博士生导师，并入选东南大学优秀青年骨干教师教学科研资助计划，张永、陈茜2名项目组成员获得国家青年科学基金资助。