【经工讲堂2025年第3期】新加坡国立大学Prateek Bansal博士应邀报告
3月10日（星期一）上午10点，在主楼317举行了一场题为《Analytical Data Fusion Approaches to Update Mobility Patterns in Real-time》的学术报告，吸引了众多师生前来聆听与交流。
本次报告的主讲人是新加坡国立大学（NUS）的Prateek Bansal博士。他现领导新加坡国立大学行为认知科学实验室（Behavioural Cognitive Science Lab），并担任未来城市实验室（Future Cities Laboratory）Adaptive Mobility模块的共同首席研究员。PrateekBansal博士于康奈尔大学获得博士学位，曾在帝国理工学院担任研究员，长期致力于解决个体出行行为与新兴技术采纳等领域的复杂问题。迄今为止，他在《Transportation Research Part B》《Transportation Research Part C》《Statistics and Computing》等高水平期刊发表论文70余篇，并担任《Transportation Research Part B》《Transportation Research Part A》《Journal of Choice Modelling》等期刊编委。同时，他也是美国交通研究委员会（TRB）多个常设委员会成员及国际出行行为研究协会（IATBR）常务理事。
在报告中，Prateek Bansal博士指出，传统出行模拟模型主要依赖家庭出行调查（HTS）数据，但由于样本量有限、空间异质性不足，导致模型在空间覆盖和动态更新方面存在局限。虽然被动收集的手机信令数据和公交智能卡数据等出行数据（PCM）具有广泛的空间覆盖，但由于其空间分辨率和数据属性与HTS数据存在差异，难以直接整合用于出行行为分析。针对这一问题，Prateek博士团队提出了一种创新性数据融合方法。首先，通过整合HTS与PCM数据，生成多模式、时间依赖的起讫（OD）矩阵，提升多模式出行需求的表征精度。其次，结合生成的OD矩阵与HTS数据，为合成数据生成完整的活动日程。通过引入PCM数据，该方法不仅能够在城市尺度上动态估计并实时更新多模式OD需求矩阵及活动安排，也为更具弹性、数据驱动的交通规划提供了新的路径。
此次报告内容丰富，理论与应用结合紧密，不仅展示了出行行为建模领域的前沿进展，也为师生们在交通系统建模与大数据融合研究中的实践与探索带来了深刻启发。相信在Prateek Bansal博士的精彩分享与引领下，出行行为与数据融合领域的研究将不断深入，为未来智能交通和城市可持续发展注入新的动力。