APP下载

基于深度学习的慢行交通方式选择行为预测模型

2022-02-12陈文强王雪梅

公路交通科技 2022年12期
关键词:影响模型研究

陈文强,王雪梅,王 涛,高 超,李 琼

(1.长安大学 运输工程学院,陕西 西安 710064, 2.陕西汇德通市政工程有限公司,陕西 西安 710086)

0 引言

“慢行交通”也称非机动化交通,方式主要包括步行、自行车等,其发展对于解决城市交通“最后一公里”问题、提高城市公共交通运营效率具有重要作用。得益于移动互联网、移动支付等技术进步,无桩共享单车凭借使用方便、操作快捷等优势,受到用户的推崇,共享单车行业正进入快速发展期,运力过度投放、恶性竞争等问题逐渐暴露,严重影响行业健康发展。依据共享单车市场需求影响因素,制定精细化管理策略已成为企业亟需解决的重要问题,这就需要根据慢行交通方式选择影响因素,研究慢行交通方式选择行为。

交通方式选择行为相关研究主要历经集计方法/非集计方法,到基于活动的分析方法,随着交叉学科的发展,考虑心理因素、环境因素的交叉研究是重要方向[1-3]。近年来,深度学习方法在交通方式选择行为建模方面的应用越来越广泛[4-5],由于可处理数据能力更强,模型精度比传统模型表现更好[6]。但对模型有重要影响的内生潜在变量,如态度、偏好、感知等心理因素,被置于“黑箱”而得不到合理解释。为提高慢行交通方式选择模型预测精度和获得有效的政策启示,本研究将慢行交通方式选择的影响因素分为个人信息、态度与认知、建成与自然环境、出行信息4类,利用Lasso-logistic回归模型与深度学习方法建立慢行交通方式选择预测模型,提高模型精度和明确政策启示。……

登录APP查看全文

猜你喜欢

影响模型研究
一半模型
FMS与YBT相关性的实证研究
辽代千人邑研究述论
哪些顾虑影响担当?
重尾非线性自回归模型自加权M-估计的渐近分布
视错觉在平面设计中的应用与研究
EMA伺服控制系统研究
3D打印中的模型分割与打包
扩链剂联用对PETG扩链反应与流变性能的影响