“面向人群出行分布的机器学习分析框架”是市规划院近年来取得的一项创新性成果，已于核心期刊《城市交通》发表。该成果首次将AI技术引入城市居民活动特征分析，成功构建了更精准、更具推广价值的城市居民出行预测技术，为国土空间规划提供了有力的技术支撑。

该研究成果创造了一个“聪明的人流预报员”。它只看7个简单数据——出行距离、起点人口岗位、终点人口岗位、起点辐射能力、终点辐射能力、终点机会数、行政区划——即可勾勒出一幅从哪来、到哪去、走哪条路、在哪堵的市民出行轨迹图。基于宁波市、东京都市圈、纽约市和伦敦市四区域真实数据的验证显示，其预测精度较主流方法提升50%以上。

技术适用场景示例

在验证预测精度的同时，研究团队进一步剖析模型输出，提炼出影响出行行为的三大共性因子：出行距离、目的地人口岗位规模与行政边界。数据表明，无论城市规模或文化背景如何，目的地承载的人口岗位越密集，机会密度越高，吸引力便越强；而行政区划在用地与设施配置上的“隐形围墙”，则显著形塑了居民的移动轨迹。这些发现为破解出行行为的深层机理提供了新的方向，也为优化城市规划、交通设施布局与应急管理注入了可落地的实践力量。

跨城市、跨文化背景下各影响因素的重要性比较

 当前，研究成果已全面融入我市城市规划、建设和运营的各个环节，为宁波都市圈规划、国土空间规划、综合交通规划、轨道交通线网规划、快速路网建设规划以及重大片区的交通组织优化等重点项目提供了有力支撑。同时，此项技术成果已作为核心模块成功融入市规划院自研的规划大语言模型平台，可进一步提供人、车、货流等智能分析。

部分应用示例

大语言模型生成的宁波某社区客流来源

从理论到实践的不断创新，充分体现了市规划院在“AI+国土空间规划”领域的创新能力和技术实力。下步，该院将进一步拓展数据来源，持续优化模型算法，推动研究成果在更多城市和领域的推广应用，助力国土空间规划，服务城市高质量发展。