基于DAG-SVM的居民出行方式选择模型

• 作者: 伍速锋 康浩 张洋 曹雄赳 贾洪飞
• 来源期刊: 交通信息与安全
• 学科: 交通运输
• 关键词: 交通需求管理 出行方式选择 有向无环图 支持向量机 神经网络
• 年，卷（期）: 2016,（5）
• 所属期刊栏目: 技术应用
• 页码范围: 108-114
• 页数: 7页
• 分类号: U491
• 语种: 中文
• DOI: 10.3963/j.issn1674-4861.2016.05.016

摘要

提高居民出行方式的预测精度对于评价交通规划方案、交通策略的效果具有重要意义.应用心理学、行为科学的方法分析了出行决策的思维过程,将出行决策过程结构化,建立出行情景库,并采用主成份法分析了影响方式选择的主要因素,作为支持向量机模型的输入.利用统计学习理论分析了支持向量机与神经网络在建模原理上的区别,建立了基于有向无环图-支持向量机(DAG-SVM)的方式选择模型,阐述了模型的具体步骤.通过实验对不同核函数的预测效果进行了评价,并采用网格法和遗传算法进行参数寻优.结果表明,核函数选择径向基函数效果较理想,参数寻优方法上遗传算法比网格法效果更好.通过优化后,DAG-SVM模型的整体预测精度达到了82.3%,比神经网络提高了近9%.但对出租车出行的预测准确率略低于其他方式,这主要由于出租车常被作为特殊情况下的备选方式,其出行规律性相对较差.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贾洪飞	吉林大学交通学院	74	1757	24.0	40.0
2	康浩		4	8	2.0	2.0
3	曹雄赳		2	4	2.0	2.0
4	张洋		9	35	2.0	5.0
5	伍速锋		9	14	2.0	3.0