交通需求模型是利用数学模型描述出行者的出行选择行为,而后利用计算机整合人口分布数据，土地利用数据以及道路网络和公交网络数据，并模拟整个城市全体市民的出行行为，从而预测道路网络上的车辆数和公交线路上的乘客数。由于该模型可以描述人的出行行为，所以它可以模拟出行者在各种交通需求管理政策或新的交通设施的影响下是如何改变出行行为的。因此，交通需求模型被用来科学地评价各种政策或投资对于整个交通系统产生的影响。
传统的交通需求模型是基于交通分析小区的统计出行频率的模型(Trip-based Travel Demand Model)。个体的出行量先被集结到交通分析小区(Traffic Analysis Zone)，而后生成基于小区的OD(Origin-Destination)出行矩阵，用来表达每两个小区之间的出行量，最后将这些出行量转换成车辆数和公交乘客数，分配到交通网络上。因此，传统的交通需求模型在交通需求管理政策评价方面会有很多无法解决的问题。譬如，由于仅考虑出行者的出行而没有考虑出行者的活动日程安排对于出行的影响，无法评价工作时间更改政策的影响；无法容纳比较丰富的人群差异性；同一出行者的出行之间会产生时空的不连贯和出行方式的不一致等等。
为了克服传统模型的种种缺陷，美国早在上个世纪70年代就开始了基于活动的交通需求模型（简称活动模型）的理论研究。目前，活动模型正在从理论研究阶段走向实际应用阶段，美国不少都市规划组织（Metropolitan Planning Organization）和州交通部正在投资开发并应用活动模型。活动模型突破了交通分析小区的限制而将单个出行者作为研究对象,利用计算机模拟生活在不同环境下的每一个出行者一天的活动行程安排，然后衍生出他们的出行行为，继而估计整个城市交通网络上的交通需求。由于突破了交通小区的限制，活动模型可以克服传统模型的缺陷。
近年来，大数据技术的兴起为交通需求模型的发展带来了新的机遇。浮动车、公交刷卡、车牌识别、手机信令等不同来源的大数据给予了交通需求模型的研究者新的全局视野，使大幅度提高模型精度成为了可能。本研究团队的目标是探索适合我国当前国情的交通需求模型建模理论，借助移动互联网和大数据信息环境，研发新一代的交通需求模型，并应用于交通规划和管理的实践。本团队注重跨学科合作，重视国际、国内学术交流，为研究人员和学生提供良好的学习平台，培养交通需求模型理论和应用方面的高端人才。
