مدل سازی تقاضای سفر و استفاده از فنون جدید بخش مهمی از وظایف اصلی علوم جغرافیا وبرنامه ریزی شهری ، مهندسی حمل و نقل و مدیریت ترافیک درون شهری را به خود اختصاص داده است. در سال های اخیر در موضوعات مختلف حمل و نقل و ترافیک درون شهری از روش ها و فنون جدید در زمینه مدل سازی تقاضای سفر توسط محققین به کار گرفته شده و نتایج امیدوار کننده ای نیز در بر داشته است. با این توصیف پژوهش حاضر درصدد برآمد با انجام مطالعات نظری و بررسی های میدانی، به مدل سازی مکانی تقاضای سفر، تاثیر آن بر پیش بینی جریان های ترافیکی درمنطقه 6 شهر تهران اقدام کند. از این رو پرسش راهبردی پژوهش این است که مدل سازی مکانی تقاضای سفر در محاسبه میزان تقاضای سفر و نقش آن در پیش بینی جریان های ترافیکی درمنطقه 6 شهر تهران به چه میزان تاثیرگذار است؟ برای پاسخ علمی به این پرسش از روش شناسی توصیفی- تحلیلی با بکار گیری روش وتکنیک های سیستم اطلاعات جغرافیایی(gis) ‎، سنجش ازدور(rs) ، و مدل تحلیلی رگرسیون چندمتغیره خطی(lmr)، روش شبکه عصبی مصنوعی(ann) ، و همچنین از معیارهایی جهت ارزیابی نقاط ضعف و قوت مدل های جاری مدیریت تقاضای سفر استفاده گردید، که دقت و صحت نتایج مدل سازی را ا فزایش داده است. نتایج بدست آمده از مدل سازی با روش تحلیلی رگرسیون خطی چند متغیره به میزان (0.73=r2) درصد است، درصورتی که در روش شبکه عصبی مصنوعی این مقدار به میزان (r2=0.99) رسیده است. میزان قدر مطلق خطای نسبی در روش تحلیلی رگرسیون خطی چند متغیره (mare=1.43) بدست آمده، در صورتی که این مقدار در روش شبکه عصبی مصنوعی به میزان (mare=0.00013) رسیده است. میانگین مجذورات خطای استاندارد در روش تحلیلی رگرسیون خطی چند متغیره به میزان (rmse=78.628) بوده، در صورتی که این مقدار در روش شبکه عصبی مصنوعی به میزان (rmse=4.38) رسیده است. با توجه به نتایج بدست آمده، مدل مکانی تقاضای سفر از توانمندی های لازم جهت شناسایی، و تعیین متغیرهای تاثیرگذار در محاسبه میزان تقاضای سفر و تاثیر آن در پیش بینی جریان های ترا فیکی در منطقه 6 شهر تهران برخورداربوده است.