使用大规模手机GPS数据对全州出行需求模式进行长期预测：以印第安纳州为例

移动设备大规模 GPS 移动数据可用性的增长有望辅助传统的出行需求模型（TDM），例如四阶段规划模型，但这些处理方法在实践中并不常用。在本研究中，我们展示了使用印第安纳州智能手机的 GPS 数据进行出行生成和出行分布建模的应用。这涉及从数据中提取出行片段并推断手机用户的家庭住址，对数据的代表性进行调整，并为出行分布模型使用数据驱动的基于出行时间的成本函数。对该州的出行生成和互换模式进行了 2025 年、2035 年和 2045 年的建模。观察到工业和零售等就业部门比其他部门对出行行为的影响更大。预计出行增长将主要集中在郊区，而城市核心区略有下降。此外，尽管多年来出行流的大部分增长预计将来自该州主要城市中心之间的走廊，但相对的区间出行流增长可能会均匀分布在整个州。我们还使用两个出行需求模型的预测验证了我们的结果，发现总出行计数存在 5-15% 的差异。我们基于 GPS 数据的需求模型将有助于扩充由州和区域规划机构开发的传统全州出行需求模型。