传统的基于惩罚的需求管理存在公平性、社会接受度低等问题，难以达到鼓励出行者采取可持续的出行行为，有效降低交通需求，有效缓解拥堵的目的。

研究背景

团队长期致力于采用奖励基于奖励的交通需求管理研究，包括：（1）针对未考虑成本、渗透率等特殊约束影响的问题，优化解析方法，解决理不明的问题；（2）针对无法在盈利项目中试验多种奖励策略的问题，采集行为数据，解决采不全的问题；（3）针对未考虑用户长短时行为异质性的问题，解析用户出行行为，解决解不清的问题；（4）针对未采用大规模动态交通仿真模型的问题，采用基于仿真优化的方法解决仿不精的问题。

研究方向解读

1.解析方法优化奖励方案

传统的需求管理方案多在用户均衡的假设下对最优方案进行理论求解，团队采用基于瓶颈模型的解析方法对奖励方案进行优化，并考虑多种情况下的最优方案，主要包括：（1）基础最优奖励方案；（2）考虑市场推广成本的最优方案；（3）拼车最优奖励方案；（4）双瓶颈模型下的最优方案。

解析方法优化奖励方案

2.实验经济学实验采集行为数据

实际条件下，出行者行为数据采集无法在盈利项目中测试多种奖励方案。对此，团队采用实验经济学实验的方法对出行者的出行数据进行采集。招募受试者按设定实验流程进行实验，尝试不同奖励方案，并研究奖励对出行者行为的影响。

实验经济学实验采集行为数据

3.出行行为模式解析

出行行为模式解析研究社会经济学属性、实时交通信息反馈对方案效果的长时影响。例如，高收入人群行为粘性强，长时改变显著；准确的实时交通信息能提升用户使用强度等。

出行行为模式解析

4.需求管理仿真优化

需求管理仿真优化对大规模中动态路网进行建模，能够精细至单个车辆；采用仿真的方法优化主动需求管理，实现多目标、多层次、高维的仿真优化，降低仿真优化噪声，管理仿真优化模型。

需求管理仿真优化

科研课题

1. 国家自然基金委青年项目（52002279）：“基于奖励的交通需求管理奖励机制设计与方案优化研究”，2021.1-2023.12

2. 上海科委项目：“基于大数据的上海市域路网动态交通分配建模研究”，2019-2020

3. 上海科委科技创新行动计划：“城市综合交通宏中微一体化仿真关键技术”，2019-2022

4. 同济大学青年人才培养计划：“精细化交通软政策对通勤者出行作用机理与政策优化研究”，2019-2020

5. 腾讯公司：“中观动态交通仿真系统开发”，2020-2021

6. 腾讯公司：“中观动态在线车辆路径识别、动态OD反推和基于用户行为的路径分配”，2020.10-2021.9

7. 教育部新世纪人才课题（NCET13-0425）：城市快速路主动交通管理理论及平行试验，2014-2016