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。发表于: 。决策行为是交通规划中的关键问题,传统的统计学习方法在预测性能方面存在局限性,机器学习模型在交通规划者中备受关注。然而,机器学习模型的黑箱特性限制了其在决策和政策制定中的实际应用。本研究使用了低收入和低中等收入家庭的数据集,采用了多项式逻辑模型和机器学习分类器,通过特征重要性和个体条件期望图解释了决策行为。研究结果表明,机器学习模型中的随机森林模型具有最佳的准确性,而旅行成本的增加会显著降低公...
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。