这些天模型讨论很热烈，凑个热闹，谈谈自己对模型的一些认识，希望能抛砖引玉。
第一，模型历程。
轨道交通模型的发展始于第二次世界大战后城市交通快速机动化发展带来的挑战。20世纪50年代，J.DouglasCarroll，Jr主持了底特律城市综合交通研究(DetroitMetropolitanAreaTrafficStudy-DMATS)，首次研究了旅游与城市的关系，如不同类型土地的旅游率、旅游空间分布的基本原则(两地之间的联系与旅游时间等阻抗负相关，与两地之间的旅游总量正相关，提出了重力模型的原型)，开启了城市交通规划和交通模型的先河。此后，芝加哥、新泽西等地也逐步开展了类似的交通规划研究。
20世纪60年代末，英国学者AlanWilson提出的熵最大化理论在城市和交通领域的应用，通过熵最大化，提出了旅游分布和旅游方式选择的算法，为重力模型提供了更好的理论基础。并且它的计算结果与后续Logit模型的公式一致，不禁让人惊叹Wilson的数学天赋。但作为一种开放的进化系统，熵最大化状的适用性是值得怀疑的。
20世纪70年代以后，交通规划转向了交通需求管理政策，改善了公共交通服务水平。然而，基于curve-fitting的原有交通模型不能反映交通政策和公交改善对旅行行为的影响，也不能评估交通政策和公交改善的效果。
一九七三年，DouglasLee发表了著名的《RequiemforLarge-ScaleModels》(模型挽歌)论文，列出了模型的七大罪行，尖锐地指出了当时模型的弊端。到目前为止，这篇论文的一些观点仍然值得借鉴和思考，比如一个目标不明确的普通交通模型能起到什么作用？
然而，随着随机效用最大化(RUM)行为选择模型的引入，交通模型的发展并没有陷入沼泽，而是停滞不前。通过将政策影响或服务水平变化效用函数，实现了对政策措施的评价，解决了模型无法评价交通政策和交通服务水平的危机。同时，交通分配在引入Beckmann模型和WF算法解决后，实现了交通平衡分配。这个时期可以说是交通模型发展的黄金时代。
20世纪90年代以后，基于旅行链的交通模型成为模型的主要研究方向，主要考虑旅行者一天的旅行安排、不同旅行间的时间联系和方式的一致性、家庭成员旅行需求的转移、污染物排放计算的要求等。然而，模型的数据要求和资本成本太高，只有一些资金充裕的城市实现了旅行链模型的升级。ABM最近的手段是通过Agent-based来实现模型预测和分析。个人决策一般采用蒙特卡洛随机选择或RUM的方法，可以看作模型在历史延续方法上基于超强计算能力的突破。
第二，模型的一些深层问题。
静态思维:现有的模型系统基本没有考虑旅行行为的时空连续性，利用模型基本年度的行为特征投射到未来年度进行预测。无论是出行率、出行分布、方式选择，都没有考虑旅行者出行行为的演变过程，只是基本年份、预测年份等单独年份变量的结果。10年前，快递行业不发达的购物旅行远远超过目前的购物旅行，目的地分布受到很大影响。但是我们的模型能在10年前反映出这个特点吗？
线性思维:现有的离散选择行为模型中的各种属性都是线性结合的，但人类对事物的感知绝对不是线性的。2元地铁票价上涨到3元，100元票价上涨到101元的效用下降不可能是等价。这种线性模型结构决定了模型只能适用于变量小范围变化的弹性分析和敏感测试。面对未来20-30年规划的巨大变化，如果能预测准确，会让人莫名其妙的惊讶。非线性导致系统可能存在多种状态，同样的需求，同样的交通设施，可能存在占主导地位的畅通状态，也可能有汽车占主导地位的拥堵状态。模型应该如何处理？
定量定性:计划是政治和艺术，支持计划的交通模型完全以定量化的身份出现，自身与其服务目标自然矛盾。
第三，模型的未来。
建模框架范式的变化:Zhang&Acker在Life-OrientedTravelBehaviorResearch:AnOverview中提出，基于旅行行为的交通模型框架应该进行范式变化，从基于旅行、基于旅行链、基于活动(Activity-based)的方法整合到生活导向(Life-oriented)的方法中，旅行行为和活动格局不仅是旅行目的的衍生，也与生活选择(Lifechoices)密切相关。在考虑未来社会经济和技术发展的基础上，回归以人的生活需求为导向的模型构建。
大数据的应用:被动收集的大数据的应用可以帮助我们更好地了解现在。目前，手机信令的数据分析基本上还在2016年TRPartC的论文范围内，如OD提取、目的分析、方法识别等。但是，对于未来的预测，需要了解交通状况与人口、就业、设施、政策甚至因果关系。这种关系的分析可能是未来大数据的真正意义，我们可能刚刚开始。
人工智能:主要是深入学习模型中的应用，其主要问题是可解释性、时空移植性问题。具体参考AnilNPKoushik、M.Manoj和N.Nezamuddin论文Machinelearningapplicationsinactivity-travelbehaviourresearch:areview
模型扩展:模型不一定局限于四个阶段。基于检测数据，对路网进行短期分配和流量预测，更多的是运营和交通管理模型，精度相对较高。关注城市空间格局和基础设施布局的规划模型在理论和实践上面临着巨大的挑战，可能已经到了山穷水复疑无路的地步。能不能柳暗花明还需要我们一代的努力。
