基于支持向量机的低收入通勤者出行方式预测  

Mode Choice Prediction of Low Income Commuters Based on Support Vector Machine

作　　者：程龙[1,2] 陈学武[1,2] 杨硕[1,2] 王海啸[1,2] 

机构地区：[1]东南大学城市智能交通江苏省重点实验室,南京210096 [2]现代城市交通技术江苏高校协同创新中心,南京210096

出　　处：《武汉理工大学学报（交通科学与工程版）》2016年第4期619-622,627,共5页Journal of Wuhan University of Technology（Transportation Science & Engineering）

基　　金：国家自然科学基金项目(51178109;51338003);国家重点基础研究发展计划项目(973计划)(2012CB725402)资助

摘　　要：为了研究支持向量机(SVM)在出行行为分析中的适用性,分析低收入通勤者的出行方式选择,构建了基于支持向量机的出行方式选择预测建模流程,并对模型求解.基于抚顺市居民出行调查数据,统计结果表明低收入通勤者与非低收入通勤者的社会经济属性特征和活动特征具有显著差异.选取分方式的分类预测准确率、总体分类预测准确率和平均绝对百分比误差3个指标,通过与传统的多项Logit模型对比,发现支持向量机对分类数据具有较好的拟合能力,出行方式选择的预测准确率更高.To explore the applicability of support vector machine （SVM） in travel behavior analysis and shed light on mode choice of low income commuters, model specification scheme of mode choice pre- diction based on SVM is established. Statistics indicate that low income commuters have distinct socio- economic characteristics and activity characteristics from non-low income commuters based on the travel survey data of Fushun. SVM possesses high fitting ability on categorical data and provides bet- ter prediction accuracy of mode choice than traditional Multinomial Logit model from three indicators including the individual percentage of correct predictions, overall percentage of correct predictions and mean absolute percentage error.

关 键 词：出行方式选择 支持向量机 预测能力 低收入通勤者 

分 类 号：U491.1[交通运输工程—交通运输规划与管理]