教师主页
- 曹广忠
- 曹军
- 柴彦威
- 陈彦光
- 陈耀华
- 陈效逑
- 程和发
- 楚建群
- 戴林琳
- 邓辉
- 董豫赣
- 付晓芳
- 方海
- 方精云
- 冯长春
- 冯健
- 傅伯杰
- 高艳
- 宫彦萍
- 韩茂莉
- 贺灿飞
- 贺金生
- 胡建英
- 华方圆
- 胡燮
- 黄崇
- Kazuo Isobe
- 吉成均
- 贾小新
- 金鑫
- 李宜垠
- 李有利
- 李本纲
- 李喜青
- 李双成
- 林坚
- 刘耕年
- 刘文新
- 刘峻峰
- 刘宇
- 刘鸿雁
- 刘涛
- 刘燕花
- 刘刚
- 刘煜
- 刘雪萍
- 刘茂甸
- 刘萍
- 卢晓霞
- 陆雅海
- 马亮
- 马建民
- 马燕
- 蒙吉军
- 莫多闻
- 蒙冰君
- PHILIPPE CIAIS
- 彭建
- 彭书时
- 朴世龙
- 阙维民
- 宋宛儒
- 沈文权
- 沈泽昊
- 沈国锋
- 宋峰
- 陶胜利
- 唐晓峰
- 唐志尧
- 唐艳鸿
- 陶澍
- 童昕
- 李婷婷
- 王仰麟
- 王红亚
- 王志恒
- 王娓
- 王少鹏
- 王旭辉
- 王学军
- 王喜龙
- 万祎
- 王愔
- 王长松
- 王开存
- 王昀
- 吴必虎
- 吴健生
- 吴龙峰
- 吴林蔚
- 谢建民
- 徐福留
- 许文君
- 姚蒙
- 于佳鑫
- 杨小柳
- 尹燕平
- 阴劼
- 喻航
- 曾辉
- 张家富
- 张照斌
- 赵鹏军
- 赵昕奕
- 郑成洋
- 周力平
- 周丰
- 朱东强
- 朱彪
- 朱晟君
- 朱丹
- 朱江玲
- 张尧
- 张新平
- 张璐瑶
- 赵卡娜
- 汪淼
- 袁文平
- 吴英迪
- 钟奇瑞
- 刘建宝
- 杨卉
- 张一凡
- 李梅
- 杜世宏
- 秦少杰
- 张修远
- 杨晨
- 金哲侬
- 张致杰
- 连旭
- 汪哲成
- 郑韵含
郑韵含
职称：助理教授
研究方向：交通地理,城市计算,行为科学,城市与交通经济学
通讯地址：北京大学城市与环境学院楼242
yunhan@pku.edu.cn
郑韵含，北京大学城市管理与经济学双学士，美国麻省理工学院（MIT）城市规划与交通学双硕士、交通科学博士，师从 Jinhua Zhao 教授。博士毕业后在 MIT 与新加坡联合研究中心从事博士后研究。作为第一作者在Nature Cities、Nature Communications发表多篇文章，相关成果被华盛顿邮报、加拿大国家广播公司、新加坡联合早报、MIT News等多家新闻媒体报导。研究成果还广泛发表于行业内顶级期刊，如Transportation Research Part A, Part B, Part C, Cities等。研究方向聚焦于城市科学与交通领域的交叉研究，特别关注如何利用大数据和人工智能技术来理解和优化城市系统和政策。
教育经历
2014-2018，北京大学，城市管理 & 经济学， 本科
2018-2021，麻省理工学院 (MIT)，城市规划 & 交通，硕士
2021-2024，麻省理工学院 (MIT)，交通，博士
工作经历
2024-2025，麻省理工学院-新加坡联合研究所 (SMART)，博士后
研究方向
（1）因果推断、城市与交通经济学：利用先进的因果推断方法评估新兴交通工具如拥堵收费、电动汽车充电基础设施和远程办公对出行、环境、经济和社会公平的影响。（2）城市计算与机器学习：开发机器学习算法预测和引导出行行为；开发偏差缓解方法以增强机器学习算法的公平性和公正性。（3）出行决策与城市网络：结合统计建模、深度学习计算和网络理论，对个体出行决策和城市网络进行建模和分析。
在麻省理工学院(MIT)与麻省理工学院-新加坡联合研究所(SMART)指导多名硕士生和博士生开展科研工作。
研究方向
城市流动性与经济协同机制：利用时空大数据与人工智能技术，深入研究个体出行决策行为与宏观城市网络结构的相互作用，并定量探讨城市流动性与区域经济发展的协同机制。
新型交通业态的影响与治理：重点关注电动出行、自动驾驶等新型交通模式对城市经济空间结构的重塑作用，并开展面向可持续发展的协同治理策略研究。
城市系统综合建模：综合运用统计建模、计量经济学、机器学习及复杂网络理论等方法，构建能够系统模拟个人出行决策、城市网络动态及交通政策效应的分析模型。
代表性论文
· Zheng, Y.*, Keith, D., Wang, S., Mi, D. & Zhao, J. Effects of electric vehicle charging stations on the economic vitality of local businesses. (2024). Nature Communications, 15, 7437. [Paper][The Washington Post] [CBC News] [MIT News]
· Zheng, Y., Wang, S.*, Liu, L., Aloisi, J. & Zhao, J. (2024). Impacts of remote work on vehicle miles traveled and transit ridership in the United States. Nature Cities, 1, 346–358. [Paper] [MIT News]
· Wang, S.1, Zheng, Y.1, Wang, G., Yabe, T., Moro, E. & Pentland, A. (2024). Infrequent activities predict economic outcomes in major American cities. Nature Cities, 1(4), 305-314.[Paper] ( 1co-first authors.)
· Zheng, Y., Wang, S.*, & Zhao, J. (2021). Equality of opportunity in travel behavior prediction with deep neural networks and discrete choice models. Transportation Research Part C: Emerging Technologies, 132, 103410. [Paper]
· Zheng, Y.*, Meredith-Karam, P., Stewart, A., Kong, H., & Zhao, J. (2023). Impacts of congestion pricing on ride-hailing ridership: Evidence from Chicago. Transportation Research Part A: Policy and Practice, 170, 103639.[Paper]
· Zheng, Y., Moody, J., Wang, S., & Zhao, J*. (2021). Measuring policy leakage of Beijing’s car ownership restriction. Transportation Research Part A: Policy and Practice, 148, 223-236. [Paper] [MIT News]
其它论文
· Yang, M., Zheng, Y.*, Wang, S., Guo, X., & Zhao, J. (2025). Impacts of the built environment on remote work choices and preferences. Cities, 170, 103639. [Paper]
· Mo, B., Zheng, Y.*, Guo, X., Ma, R., & Zhao, J. (2025). Robust binary and multinomial logit models for classification with data uncertainties. European Journal of Operational Research. [Paper]
· Zheng, Y., Kong, H.*, Petzhold, G., Barcelos, M. M., Zegras, C. P., & Zhao, J. (2022). Gender differences in the user satisfaction and service quality improvement priority of public transit bus system in Porto Alegre and Fortaleza, Brazil. Travel Behaviour and Society, 28, 22-37. [Paper]
· Zheng, Y.*, Caros, N. S., Aloisi, J., & Zhao, J. (2023). Examining the interactions between working from home, travel behavior and change in car ownership due to the impact of COVID-19. Travel Behaviour and Society, 33, 100634. [Paper]
· Wang, Q., Wang, S.*, Zheng, Y., Lin, H., Zhang, X., Zhao, J., & Walker, J. (2024). Deep hybrid model with satellite imagery: How to combine demand modeling and computer vision for travel behavior analysis?. Transportation Research Part B: Methodological, 179, 102869. [Paper]
· Wang, S.*, Mo, B., Zheng, Y., Hess, S., & Zhao, J. (2024). Comparing hundreds of machine learning and discrete choice models for travel demand modeling: An empirical benchmark. Transportation Research Part B: Methodological, 190, 103061. [Paper]
