BriefGPT - AI 论文速递
·
评估使用统计和机器学习技术确定出行方式选择的因素 —— 以印度孟加拉城市为例
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
决策行为在交通规划中很重要。本研究使用低收入家庭数据，采用多项式逻辑模型和机器学习分类器，解释决策行为。结果显示随机森林模型准确性最佳，旅行成本增加会降低公交出行概率，旅行时间减少则增加对地铁的偏好。这项研究扩展了机器学习技术在模式选择分析中的应用，并提高了对这些模型在真实数据方面的理解。
🎯
关键要点
- 决策行为在交通规划中至关重要。
- 传统统计学习方法在预测性能上存在局限性。
- 机器学习模型在交通规划中受到关注，但其黑箱特性限制了实际应用。
- 本研究使用低收入和低中等收入家庭的数据集。
- 采用多项式逻辑模型和机器学习分类器解释决策行为。
- 随机森林模型在机器学习模型中具有最佳准确性。
- 旅行成本增加显著降低公交出行概率。
- 旅行时间减少增加对地铁的偏好。
- 研究扩展了机器学习技术在模式选择分析中的应用。
- 提高了对机器学习模型在真实数据方面的理解，包括准确性和可解释性。
➡️
