MICROTRIPS：微观地理出行智能与模式合成
机器学习
2025-10-07 v1
摘要
本研究提出了一种新颖的小区域估计框架，通过对出行行为的详细刻画来增强城市交通规划。我们的方法改进了四阶段出行模型，采用公开可用的微观数据文件和机器学习方法，预测小地理区域内具有代表性的合成人口的出行行为。该方法能够对出行生成、出行分布、方式选择和路线分配进行高分辨率估计。使用 ACS/PUMS 通勤数据集进行的验证表明，与传统方法相比，我们的框架实现了更高的准确率。由此产生的精细化洞察使得干预措施能够针对局部情况进行定制，并支持一系列政策应用和有针对性的干预，包括微型履约中心的最优布局、有效的路缘空间管理，以及设计更具包容性的交通解决方案，特别是针对弱势群体。
引用
@article{arxiv.2510.05080,
title = {MICROTRIPS: MICRO-geography TRavel Intelligence and Pattern Synthesis},
author = {Yangyang Wang and Tayo Fabusuyi},
journal= {arXiv preprint arXiv:2510.05080},
year = {2025}
}