基于理论引导深度学习的国家级道路网络长期交通建模研究

基于理论引导深度学习的国家级道路网络长期交通建模研究

本研究聚焦国家级道路网络的长期交通需求建模问题，旨在突破传统方法在可解释性与预测性能之间的权衡瓶颈。研究提出理论引导深度学习框架 DeepDemand，将经典交通需求理论中的关键机制嵌入可微分神经网络架构，在保留行为解释力的同时显著提升预测能力。项目基于英国国家战略道路网络 5,088 个高速公路路段、连续 8 年的观测数据开展验证，结果表明，该框架不仅具有较高的预测精度和空间迁移能力，还能够揭示出行时间阻抗、人口结构、机动车可获得性、土地利用与就业分布等因素对交通需求形成的作用机制。研究将为可达性导向的交通规划、公共服务覆盖评估、出行公平性分析及区域空间政策制定提供新的数据驱动工具与理论支撑。

关键词：长期交通建模；理论引导深度学习；国家道路网络；可解释人工智能；可达性规划