大數據支撐下的交通需求管理體系研究

熊 杰，陳 彪，李向楠，陳艷艷，郝世洋

(1.北京工業大學，北京市交通工程重點實驗室，北京 100124；2.中國民航機場建設集團公司，北京 100101；3.中國建筑設計研究院有限公司，北京 100044)

0 引言

中國城鎮化、機動化持續快速發展使得大城市交通供需失衡現象愈發嚴重，交通擁堵成為制約城市發展的瓶頸。解決城市交通擁堵問題已是提高居民生活質量、增強城市吸引力的關鍵。交通擁堵問題的實質是交通供給與需求不均衡造成的，主要表現為交通網絡的空間與時間維度的不均衡。傳統的解決方法主要是以供養需，是一種比較被動的方法，而交通需求管理是一種主動方法，側重通過交通需求的具體引導、調節與管理，降低道路交通負荷，使交通供需回歸平衡，達到緩解交通擁堵的目的。

自20 世紀末，中國許多城市先后興起了對交通需求管理的探索和實踐，大多通過價格策略、行政管制措施等統籌考慮綜合的、讓公眾理解的交通需求管理方案。而城市在需求管理政策的制定與實施方面仍然存在諸多問題，表現為政策的針對性較差，行政管理手段過多，引導性、經濟性、服務性的靈活的管理措施欠缺，缺乏從需求演變規律、公平性、經濟性、公眾可接受程度等多個維度的綜合考量，導致政策只能在短期內發揮一定成效，可持續性不強。因此，迫切需要進一步挖掘出行需求特征與演變規律，豐富主動式的需求管理手段，并對政策的執行進行長期的跟蹤評價和反饋優化，轉變對交通需求的理解并提出適應的對策和措施[1]。

大數據、信息化的發展為城市交通研究提供了新的契機和科學的手段，也給交通系統帶來了深刻變革，主要表現為信息采集從單一數據來源向多部門數據整合發展，數據分析從傳統數據處理向大數據深度挖掘發展，決策支持從基礎數據統計向智能化決策支持發展，信息發布從被動查詢服務向全面、主動、個性化服務發展。交通信息服務模式的創新，極大影響了市民的出行習慣和出行選擇，也催生了服務企業的新業態，進一步影響城市交通需求的時空分布，甚至會影響服務業布局和城市布局的調整。因此，利用大數據與信息化技術充分挖掘居民出行行為并探索需求演變機理，進而支撐交通需求管理政策的精準化制定并對其實施效果進行科學評價，是當前城市交通需求管理體系中尚待深入研究的關鍵課題。

1 交通需求管理概述

交通需求管理，從廣義上說是指通過交通政策、管控措施與法規等的導向作用，促進交通參與者選擇行為的變更，以減少機動車出行量、減輕或消除交通擁堵；從狹義上說是指為削減高峰時段一人乘車的小汽車通勤交通量而采取的綜合性交通政策[2]。其實質是強調從源頭上對人的出行需求進行引導和調控，達到交通生成與設施供應的平衡；強調精細地設計與配置交通設施資源；強調對交通結構的優化管理，減少對小汽車出行的依賴；強調促進公共交通優先與步行和自行車交通保障，引導人們睿智、高效、安全的出行。

在當前大數據與信息化技術迅速發展并不斷向行業滲透的背景下，城市交通需求管理理論體系又有了較大的豐富和拓展，主要表現為：

1）政策制定的要素拓展。

城市可持續發展的關鍵基礎設施是城市交通網絡的構建和運行，而大數據支撐下的城市交通需求管理發揮著指導并調控城市交通網絡構建和運行的重要作用。在交通需求管理政策的制定中，應綜合考慮經濟、政治、文化、社會、環境、技術等因素，界定可持續發展的交通需求管理政策的內涵，研究城市交通需求管理政策作為公共政策，在制定過程中的主體、客體以及政策制定的目標、過程、環境及依據，確保政策的科學性和可實施性。

2）需求管理體系趨向復雜性與系統性。

隨著多源大數據采集、存儲、挖掘等一系列技術的發展和交通信息化進程的加快，新形勢下交通需求管理是一項系統工程。以促進城市可持續發展、調控交通網絡運行作為政策目標，在經濟、政治、文化、社會、環境、技術等因素的約束下，通過信息化手段、大數據處理分析技術支撐相應政策制定，輸出以城市可持續發展為導向的交通需求管理政策。然后，根據數據反饋的網絡運行結果與公眾對政策的反應進行重新制定或者調整，建立政策制定及持續改進工作機制。最終建立基于系統理論的以大數據技術、信息化手段為基礎的交通需求管理政策制定方法，具有多學科的復雜性和多維度的系統性。

3）決策依據與作用方式的改變。

新形勢下的交通需求管理應充分借助大數據、信息化等技術深入挖掘居民出行行為機理、信息化時代下人的需求變化，以城市交通可持續發展為目標，從根源提出實現總量控制、出行空間均衡、出行時間調控、交通結構優化的長效發展策略等，充分發揮交通組織管理優勢并引導供需，從而實現交通網絡的精準化調控與匹配，改善整體交通網絡運行效率。

2 大數據背景下的交通需求管理體系

2.1 大數據對交通需求管理的支撐作用

隨著信息技術、通信技術、計算機技術等的快速發展，數字城市與智慧城市接踵而來，也直接推動了大數據時代的來臨。在交通領域，傳統的數據采集向電子化設備與高級應用轉變，助力交通大數據的形成與發展。從傳統的感應線圈和微波雷達等固定檢測、基于浮動車的移動檢測，向北斗衛星導航系統、智能手機、智能穿戴設備、IC卡等新型檢測手段，以及集約的交通傳感器布局和穩定的多源數據融合方向發展。交通大數據為出行需求感知、預測及精準服務提供了最基本的數據支撐，為解決城市交通供需不匹配問題提供了新方法，也是交通需求管理政策精準化制定與科學評估的重要保障。

目前，交通領域應用較廣泛的數據源主要包括手機信令數據、公共交通IC 卡數據、浮動車數據、公共汽車GPS數據、線圈或視頻檢測器數據、網絡眾包數據等，結合先進的數據融合、存儲、處理技術，可實現出行的多維度感知、出行機理分析挖掘、出行研判等支持交通需求管理政策制定的前期工作。

在交通數據感知方面，通過對海量多源異構交通大數據的處理、融合、挖掘，可以從宏觀上掌握交通網絡運行狀態，并準確獲取城市交通出行信息，如利用互聯網+交通眾包數據探查交通擁堵狀況的時空分布，這些信息可幫助出行者合理制定出行計劃達到交通自組織的效果，也可為政府制定路徑誘導、錯峰出行等方面的交通需求管理政策提供數據支持。另一方面，利用公共交通IC卡數據、手機信令數據等多源交通大數據可以從微觀層面上提取個體門到門全過程出行鏈信息。通過對海量出行鏈信息的整合又可以進一步實現一系列出行需求分析，例如出行時空分布挖掘、通勤出行辨識、工作地居住地模糊識別等，其分析結果可從公共交通系統優化、城市功能布局等方面為交通需求管理提供支持。圖1 為基于出行鏈數據得到的北京市公共汽車出行時間分布。

基于數據感知與需求分析結果，一方面可以實時掌握路網中各路段的供需平衡狀況，并對當前交通網絡服務水平進行動態評估，進而通過探查網絡中的服務瓶頸點與瓶頸時段進行運營狀況與運營態勢分析，為城市交通的客觀評價與持續改進提供重要的數據支持，也使交通需求管理政策的制定更有針對性；另一方面，基于大數據分析可進一步探索出行需求演變機理，具體可基于精細化人群或區域分類對不同類別的出行行為建模，結合多智能體仿真可對不同人群或區域實現在出行方式或路徑選擇上的精準預測，相關技術可以為交通需求管理政策實施后的效果預判奠定基礎。

2.2 信息化對交通需求管理的影響

大數據與信息化關系密切，相輔相成，二者均為城市交通現代化發展中不可分割的重要組成。具體表現為：大數據是信息化的重要產物，其相關技術也是信息化發展水平的客觀體現；而信息化則為大數據的產生與獲取提供了眾多技術平臺。例如，通過IC卡交易系統可實時獲取海量乘客的公共汽車、地鐵刷卡數據，以便準確掌握公共交通出行需求；公共汽車GPS系統可以實時回傳車輛的位置、速度等運行數據，為運營企業的實時監控、在線調度以及輔助決策提供支持；智能手機的普及使手機運營商掌握海量出行個體的位置信息，使門到門全過程出行鏈感知成為可能。

此外，隨著信息化建設的深入，互聯網普及率不斷增長，人們的生活、工作以及交通需求也發生了巨大變化。互聯網通過與交通行業或交通領域合作直接影響城市交通，例如，通過互聯網+停車、互聯網+網約車、互聯網+車輛分時租賃等方式，使城市停車、租車、打車問題也得到較大改善；另一方面，互聯網還可通過工作、醫療、教育、購物等活動對城市交通產生間接影響，通過客貨流出行轉化的方式有效控制出行需求，同時對出行目的地、出行時間、方式與路徑選擇均可能產生影響。表1 總結了信息化時代下的若干代表性互聯網服務對出行需求的影響。

圖1 北京市公共汽車出行時間分布Fig.1 Distribution of bus travel time in Beijing

鑒于信息化建設對出行需求的深刻影響，未來在交通需求管理中更應注重主動式信息服務對出行需求的引導作用，即充分依托信息化平臺的大數據資源，通過互聯網、呼叫中心、VMS 可變信息板、手機和PDA等移動終端、交通廣播等視頻音頻裝置為出行者提供安全、便捷、可靠的出行信息服務，讓公眾切身感受到交通信息服務的便利，同時科學引導出行需求，達到提升交通網絡整體運營效率的目的。要實現上述目標，應該從定量層面深入探討不同交通信息或信息服務方式對出行時間、出行方式和路徑選擇等方面的影響；此外，還應重點完善城市交通信息化的總體發展框架，最大限度地發揮其功能和作用，提升交通行業信息化管理與服務水平，最終實現信息資源的深度整合利用，促成信息化與交通需求管理的深度融合與協同發展。

表1 信息化對出行需求的影響Tab.1 The impact of informatics on travel demand

圖2 傳統交通需求管理體系框架Fig.2 Framework of traditional TDM system

2.3 大數據下的交通需求管理體系框架

2.3.1 傳統交通需求管理體系

傳統交通需求管理體系框架如圖2 所示。一方面，通過人工計數、問卷調查的方法獲取現有的交通數據，利用四階段法等傳統交通預測方法預測交通需求，進而指導城市交通規劃、建設、運行，之后通過交通調查的方式回到傳統交通數據獲取；另一方面，基于小樣本交通數據制定交通需求管理政策，調控交通需求，從而影響交通運行。

2.3.2 大數據下的交通需求管理體系

1）體系框架。

大數據下的交通需求管理體系如圖3 所示。一方面，基于現有的交通運行狀態，利用新技術收集動態交通數據構建多源化交通數據庫，并利用多智能體仿真、深度學習等技術實現交通需求預測，從而指導當前多層次交通網絡的規劃與建設，最終實現多層次交通網絡的構建與運行。另一方面，網絡運行產生的動態交通數據既不斷豐富了多源交通數據庫，又可參與并實現多層次交通網絡的實時評價。針對評價中出現的主要問題，有側重地進行交通需求管理政策制定與預評估，而多源化交通大數據又對政策的制定提供了有力支撐，最終通過政策的實施實現多種交通需求的動態調整與滾動優化。

光譜衍射效率可以根據圖的縱坐標的光強衍射強度與基準光強度的相對比值,可得到在特定波長下的光譜衍射效率,其計算公式為其中I0為原始光譜的總強度,I(為經衍射后的光譜強度,Imin為噪聲強度[8]。運用MATLAB對衍射強度信息編程計算,最終得到光譜衍射效率,其部分光譜衍射效率如圖9所示。

2）技術支撐。

為實現上述大數據下的交通需求管理體系，并指導城市交通網絡動態運行及調整，需要一系列大數據處理挖掘技術作為支撐，目前研究較為廣泛的技術有深度學習技術與多智能體仿真技術。

①深度學習技術。

深度學習的概念源于人工神經網絡的研究。含多隱層的多層感知器就是一種深度學習結構。深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。例如，利用深度學習技術可實時分析城市交通量，利用時間序列法進行城市交通流的短時預測，從而調整信號燈配時、縮短車輛等待時間、提升城市道路運行效率。城市級的人工智能大腦可實時掌握城市道路上通行車輛的軌跡信息、停車場的車輛信息以及小區的停車信息，能夠提前預測交通量變化和車位數變化，合理調配資源、疏導交通，實現機場、火車站、汽車站、商圈的大規模交通協同調度，提升整個城市的運行效率，為居民暢通出行提供保障。

②多智能體仿真技術。

多智能體系統是指至少由兩個或兩個以上智能體組成，在資源有限的情況下，智能體之間、智能體與環境之間通過相互交互、協商、合作共同完成單個智能體無法完成的既定任務的系統。由于在同一個多智能體系統中各智能體可以異構，因此多智能體仿真技術對于復雜系統具有無可比擬的表達力，它為各種實際系統的研究提供了一種統一的框架和模型，因而可完成大的復雜系統的作業任務。多智能體仿真技術具有自主性、分布性、協調性，并具有自組織能力、學習能力和推理能力。采用多智能體系統解決實際應用問題具有很強的魯棒性和可靠性，并具有較高的問題求解效率，其應用領域十分廣闊，具有潛在的巨大市場。目前，多智能體已經用于智能機器人，網絡自動化與智能化，協調專家系統、交通控制和分布式智能決策等多個領域的研究和應用中。

相對于傳統的建模方法，復雜系統多智能體建模方法能夠更好地表征交通系統的復雜性和適應性；采用自下而上的模擬方法，注重對系統中個體行為的模擬，更接近現實；可以考察不確定條件下的出行者決策特征。近年來，智能體仿真技術作為一門新興的技術，在交通領域中的應用越來越廣泛：一方面是利用多智能體系統的思想將一個交通系統進行任務分解，形成多個智能體組成的系統，然后由各個智能體交互、協商共同完成復雜系統的任務，以達到系統的效益最優，一般用于區域控制、誘導系統等；另一方面應用是對交通行為個體進行建模，進而模擬交通流。在對交通個體行為進行分析時，通常情況下會結合微觀交通仿真工具來驅動智能體模型。通過引入智能體仿真技術，可以有效提高仿真系統的真實性和可靠性，從而更好地為研究者提供有價值的數據和良好的仿真環境，更能滿足研究者的需求。

3 大數據與信息化背景下的交通需求管理政策制定

3.1 政策制定思路

圖3 大數據下的交通需求管理體系框架Fig.3 Framework of TDM system under big data

在具體政策制定與實施過程中，制定者由具體問題出發，對不同區域與不同類型的出行者分別制定管理目標以實現精準化的政策調控，管理目標仍可基于總量控制、分布調整、空間與時間調控、結構優化等維度確定；進而根據不同維度目標，建立相對應的需求管理措施并生成措施集合；在經過方案初篩后，政策制定者利用大數據對篩選后的方案進行實施前預測、比選，確定實施方案；最后基于實施后的交通大數據，對交通需求管理政策進行事后評估，同時根據評估結果滾動調整交通需求管理政策。

3.2 各維度的具體策略制定

從城市交通需求產生機理可以看出，人的出行活動具有一定的彈性和可塑性，其具體程度由出行者屬性與出行活動屬性共同決定。前者指出行者的性別、年齡、職業等，后者指出行起訖點、出行目的、出行時間、選擇路徑等[4]。交通需求管理政策制定的主要出發點就是利用出行的這一特性，針對出行的不同維度與不同屬性的出行者制定合適的需求管理策略，達到對出行行為進行更有針對性的差別化干預和引導的目的，更好地實現交通供需在空間與時間上的平衡。具體來講，可以從5 個維度對出行進行人為干預和引導，并研究制定相應的交通需求管理政策。

圖4 大數據支撐下的交通需求管理政策制定思路Fig.4 Policy-making in TDM under the support of big data

1）出行總量控制維度。

在城市交通需求的總量控制方面，從長遠角度，應堅持貫徹“以公共交通為導向的開發(TOD)”的城市發展理念，對用地進行合理規劃、布局和調整；從中短期角度，目前許多城市施行的小汽車搖號、尾號限行等政策均屬于該維度范疇。值得一提的是，現階段還應充分利用信息化背景下的互聯網+思維，結合個體出行目的對出行需求進行有針對性得調控，從而消除或轉移不必要的出行需求，達到控制出行總量的目的。具體措施包括提倡家庭辦公、在線教育、電話會議，發展網上購物、遠程醫療等。

2）出行分布調整維度。

該維度旨在通過城市TOD 布局規劃、一定程度上的混合土地利用以及建立多核心城市等手段調整居民出行分布，尤其是通過產業布局調整通勤起訖點分布，達到縮短居民出行距離的目的。城市布局形態調整是該維度實施中的重點，具體包括人口布局、崗位分布、經濟產業布局、土地功能布局等，因此涉及的城市數據眾多，且一般為靜態數據。隨著大數據時代的推進，未來的工作重點應著眼于各項數據的整合，并融合信息化手段進行科學規劃，盡可能達到使出行需求分散化、均勻化、就近化的效果；同時能夠準確識別相對集中且長距離的出行需求，有針對性地配置快速公共交通資源，使調整交通需求分布與優化交通結構相結合。

3）出行空間均衡維度。

該維度指通過對路徑誘導、信息推送等手段對出行路徑進行引導，使出行需求在路網空間上達到均衡分布的效果。該維度研究基于對網絡運行狀態的實時監測和交通信息的準確把握，強調主動式信息服務技術、大數據處理學習下的路徑優化決策技術以及可視化技術。具體措施包括路況信息推送、VMS 信息發布策略、智能化路徑推薦、控制與誘導協同、區域擁堵收費等。

4）出行時間均衡維度。

該維度的核心即引導居民錯峰出行，并輔以必要的信息服務。與空間均衡維度類似，時間均衡維度也要以網絡運行狀態的實時監測與出行動態感知為基礎，并需要基于大數據深度挖掘的網絡旅行時間短時預測技術，為公眾的錯峰出行提供科學準確的信息與決策支持。具體措施有彈性上下班、信息預測與推送、分時段擁堵收費等。

5）交通結構優化維度。

交通結構優化維度對應出行需求中的出行方式或方式組合選擇，強調運用價格策略、激勵措施等引導出行者改變出行方式，從而達到優化交通結構、提高出行共享水平、平衡道路資源分配、提高社會公平性的目的。該維度的相關研究較多，涉及的理論與技術也較為廣泛，其核心思想為提升公共交通服務水平、保障步行和自行車交通發展、倡導公共交通優先與綠色出行，與此同時增加小汽車擁有與使用成本。該維度下的代表性技術主要包括公共汽車線網優化布局調整、綜合交通系統一體化、公共汽車智能化調度技術等，涉及的優化決策技術均需以大數據為基礎，以準確感知海量個體全過程出行鏈為前提，以信息化手段為支撐。具體措施包括公共交通系統優化、智能化調度、HOV政策、多種交通方式銜接、停車收費等。

交通需求管理的五維度研究內容見表2。從中亦可看出，大數據與信息化技術在5 個維度中幾乎均有所涉及和滲透，對精準化需求管理相關策略的制定起著重要的支撐作用。值得注意的是，5 個維度并非相互獨立，而是存在交疊，即某項需求管理措施也可能對應多個維度。例如擁堵收費政策可影響出行者的出行路徑選擇，進而在出行空間均衡維度上作用于交通需求管理，但該政策也可能使出行者放棄小汽車出行甚至放棄出行，從該層面上講，該政策可同時屬于交通結構優化維度或出行總量控制維度。另一方面，5 個維度之間亦存在相互關聯與影響，例如對出行總量進行控制又可能改變出行者的出行行為，并進一步影響個體在路網空間與時間上的分布效果。因此，對于上述維度的研究不可獨立進行，而是要從系統科學的視角充分挖掘各維度之間的相互作用關系，并以大數據為支撐、信息化為手段，不斷實現路網供需的動態平衡。

4 大數據支撐下的交通需求管理政策績效評估

4.1 績效評估分類

考慮到每一項交通需求管理措施都有其自身的特點，不應僅從效益方面進行專項評價，應選擇多個角度對交通需求管理措施的績效進行綜合性評估。按照評估的內容可以劃分為實施效益評估、成本評估、公平性評估、可接受性評估四個方面[5]。

實施效益評估指評估交通需求管理措施滿足居民出行需求、改善道路網絡運行質量的程度，具體反映為出行總量變化、出行分布改變、出行方式變化和出行資源優化等，其中每一種變化受交通需求管理措施影響的程度不盡相同，但都有相應的效益指標來體現。實施成本評估通常以居民出行平均費用為指標，該費用可理解為出行全過程涉及的廣義費用，包括內部費用(如機動車運行費用)、外部費用(如出行時間費用、空氣污染費用、延誤費用、事故費用)、社會費用(如由于交通結構變化而節省的道路建設費用)，評估時應針對各種交通需求管理措施的特點進行具體分析。公平性評估主要指對公共資源與機會的合理分配的評估，評估對象主要包括構建交通系統所耗費的公共資源(如稅收、土地資源)，以及交通活動產生的外部效應(如噪聲、空氣污染、交通事故)對社會、自然環境以及人身安全的公平性影響；此外，公平性評估還包括人們獲取公共服務能力的差異化程度、對弱勢群體移動能力的保障等方面。可接受性評估指擁有不同屬性的出行者對各項交通需求管理政策的接受程度，在保證整體利益的情況下盡可能使個體利益不受到損害是該項評估的關鍵。

表2 基于5個維度的交通需求管理研究內容Tab.2 Research contents of TDM in five aspects

值得一提的是，近年來對于交通需求管理政策的績效評估理念正在由傳統的交通規劃視角向可持續性城市移動規劃視角轉變。其核心表現為規劃視角由交通轉向人的移動，并由此帶來規劃目標、規劃思想、規劃成果以及評估手段的一系列變化[6]。同時，可持續性城市移動規劃也提出打破基于行政管理的邊界，注重以多方參與和多部門決策協調的方式制定服務于人的實際活動的策略，并且還需要建立定期監測、評估和報告規劃實施效果的制度以適時啟動規劃完善程序。可持續性城市移動規劃可從移動能力與水平、參與社會交往能力、弱勢群體移動能力保障、發展交通的成本等四方面進行度量，具體包含近20 項度量指標，同時也提倡用盡可能少的交通提供更多的移動性和更好的服務。可持續性城市移動規劃的出臺和應用體現了社會進步對城市交通需求管理內涵的推動作用，同時也給城市交通提出了服務于居民生活質量、社會福利等更高層次的目標。

表3 績效評估指標體系及大數據可行性分析Tab.3 Performance evaluation system and big data feasibility analysis

4.2 大數據對績效評估的支撐作用

隨著數據獲取技術的發展與交通運行監測服務水平的提升，交通需求管理政策績效評估指標體系也不斷發展完善，越來越多無法通過傳統算法計算得到的動態交通運行指標不斷被納入評價指標體系，而依托于大數據的支持，這些指標的實時量化已成為可能。在需求管理政策的績效評估階段，經常被利用的交通大數據可以分為七類：1)手機信令數據；2)IC卡數據；3)道路線圈與浮動車數據；4)環境監測數據；5)交通事故數據；6)視頻數據；7)輿情大數據(眾包數據、網絡問卷)；8)城市靜態數據(人口分布、崗位分布、土地布局等)。各項評估指標及相應的數據支撐情況如表3所示。

值得注意的是，表3 中的很多指標是作為反映需求管理政策績效成果的體現，并非簡單的物理量，因此不能片面地總結其數值大小、交通網絡構建與運行情況的好壞，而是應該在實踐中針對具體城市進行具體分析，不斷尋找并調整符合當前城市具體情況的最佳指標值。

同時，由表3 也可以看出，當前交通大數據可有效支撐交通需求管理政策評估中各項績效指標值的獲取。互聯網+時代下先進的技術能夠實現交通大數據的實時采集，依托分布式海量大數據處理平臺Spark，Hadoop，Storm 等能夠實現交通大數據計算的高效率，構建城市交通大數據平臺，從而實現多層次城市交通網絡的實時評價，指導交通需求管理政策的動態制定和滾動優化。

5 結語

城市交通問題的本質是由交通供需關系的不平衡導致的，受城市土地、能源等方面的制約，交通管理政策的制定思路已由傳統的以供養需轉向對出行需求進行人為誘導與調控。大數據和信息化的發展與行業滲透為精準化交通需求管理政策制定提供了契機和新的解決思路。通過對大數據的融合、處理、挖掘與深度學習，可以準確感知并預測城市海量個體的出行需求。本文針對出行需求特征從出行總量控制、出行分布調整、出行空間均衡、出行時間均衡以及交通結構優化5 個維度進行交通需求管理研究，從而完善大數據支撐下的交通需求管理體系框架。在政策評價階段，強調結合大數據技術實現多層次交通網絡動態績效評估，為新常態下的交通需求管理政策制定提供技術支持，實現基于大數據的交通需求管理政策動態調整與滾動優化。