任 飞,许丽冰,胡爱平,王 旭,李宏胜

(1. 南京工程学院机械工程学院, 江苏 南京 211167;2. 中科院脑科学与智能技术卓越创新中心, 上海 200031;3. 南京超控电子科技有限公司, 江苏 南京 210000;4. 南京工程学院自动化学院, 江苏 南京 211167)

随着国家经济飞速发展,交通堵塞问题也日趋严重.为了满足人们日常出行需求,交通出行策略也变得越来越多.对人们出行方式进行准确预测,根据预测数据进行合理交通规划,进而有效地缓解交通运营压力,具有较强现实意义.

国内外学者对出行方式预测模型进行了大量研究.文献[1]研究了居民出行方式与居住地关系,主要采用多层logit模型来构建人们出行方式和其居住地的交叉选择模型;文献[2]提出基于时间动力学原理的出行选择行为模型,通过对出行路径分析,表明出行者时间分配与生命周期事件显著相关;文献[3]利用DAG-SVM模型,分别采用不同核函数进行预测,并利用遗传算法进行参数优化,结果表明经过遗传算法优化后的预测结果准确度更好;文献[4]根据对居民进行问卷调查的结果,建立广义随机后悔最小化模型来对人们出行方式选择进行研究,并对关键影响因素进行弹性分析,将RUM模型与G-RRM模型预测结果对比分析,结果显示G-RRM模型的预测结果占有明显优势;文献[5]将MNL模型与机器学习方法决策树以及SVM模型进行对比,并对某市出行数据进行实例验证,结果表明SVM模型预测精度较高.

本文根据收集的相关数据资料,首先利用……