基于朴素贝叶斯分类器的公交通勤人群辨识方法

发布时间：2017-12-11 12:10

  本文关键词：基于朴素贝叶斯分类器的公交通勤人群辨识方法

  更多相关文章： 城市交通 IC卡数据 朴素贝叶斯分类器 通勤人群

【摘要】：公交IC卡数据中通勤用户卡号ID的辨识和提取是其公交出行行为特征分析的前提.本文以厦门市公交IC卡刷卡记录为依托,结合相关问卷调查,提出一种基于朴素贝叶斯分类器(Na?ve Bayesian Classifier,NBC)的公交通勤人群辨识方法.首先,利用两种数据源中(问卷调查数据与IC卡数据)同时包含的公交出行信息,例如工作日首次刷卡时间、每周工作日刷卡天数等,建立其与调查数据中独有的类别变量(通勤人群/非通勤人群)之间的贝叶斯概率关系,并以此构建与训练NBC模型.然后,利用未参与训练的调查样本对标定后的模型的预测准确性进行测试,通勤人群的预测成功率达到88%.最终,利用测试验证后的NBC模型对公交IC卡数据中通勤人群进行识别,结果显示,厦门市公交通勤人群的数量介于26万人到32万人之间,并给出相关指标的统计结果.
【作者单位】： 同济大学道路与交通工程教育部重点实验室;
【基金】：国家自然科学基金(51478350)
【分类号】：U491
【正文快照】： 1引言近些年,随着信息时代的到来,通过对居民出行行为特征的深入分析来模拟城市空间要素变化逐渐成为大数据时代城市空间研究的新范式[1].传统的居民公交出行调查数据主要通过调查问卷获取,获取成本高、样本量小、时间跨度短,并且问卷的主观性较大.然而,公交IC卡数据具有真实，

本文编号：1278393