考虑出行者异质性的绿色出行行为研究

交通限行政策和推广纯电动汽车是实现绿色交通的重要途径.为定量分析出行者环保意识对绿色出行行为的影响,基于出行者环保态度和环保行为,利用潜在类别分析模型对出行者进行潜在类别划分;将出行者的潜在类别作为解释变量带入双变量Probit模型中,分析出行者潜在类别和其他因素对私家车限行政策赞同度和纯电动车意愿购买的影响.研究结果表明:基于出行者环保态度和环保行为,出行者可划分为环境友好者、环境中立者、伪环境友好者三类群体;在出行者绿色出行行为中,带入出行者类别能够显著提高模型的拟合度;出行者潜在类别对绿色交通出行行为具有显著影响.     

基于潜在类别条件Logit模型的机舱座位选择行为

为向旅客推送精细化座位推荐服务,通过潜在类别条件logit模型探究了旅客座位偏好及座位效用差异。首先运用解释结构模型筛选出影响旅客选座的关键因素;其次对旅客及其选择偏好进行RP-SP调查,运用潜在类别条件Logit模型划分旅客类别,进一步探究不同因素对旅客类别的影响程度;最后构建不同类别旅客机舱座位效用函数,根据效用最大化原则判断旅客选择行为。结果表明,旅客在机舱座位选择行为上存在异质性,旅客被划分为三个类别：class1占比38.8%,倾向于选择第一排或紧急通道排的过道位置;class2占比39.8%,倾向于选择靠窗座位;class3占比21.4%,倾向于过道位置。研究将为航空公司进行座位管理及制定座位附加服务费提供理论及决策支持。     

休闲旅客出行选择行为潜类别分析

鉴于以往研究中对于异质性特点考虑的不足,引入潜类别分析理论对中国客运市场中休闲旅客的出行选择行为进行研究.设计了旅客出行选择的潜类别模型并给出了相应的拟合方法,在此基础上,组织开展了针对休闲旅客的大规模SP调查并对调查数据进行分析.通过MNL模型和MMNL模型的拟合验证了休闲客运市场中旅客出行选择行为异质性的存在,进而,通过潜类别模型的拟合将休闲客运市场进一步划分为3个细分市场,并从模型的标定结果出发,进一步明确了各个细分市场的偏好特点与组成特点.     

研究生心理弹性潜在类别及SCL-90的比较

研究生的心理弹性可能具有异质性,且不同潜在类别可能与心理健康有不同关系,采用心理弹性量表(CD-RISC)、症状自评量表(SCL-90)对1 242名研究生进行整群施测,结果发现:研究生心理弹性可分为5种潜在类别,即高心理弹性组(24%)、低心理弹性组(15%)、高弹性—低自信组(13%)、乐观自信—低韧性组(24)和高弹性—低相信直觉和命运组(26%);低心理弹性组的心理健康症状最高,高心理弹性组与高弹性—低相信直觉和命运组的心理健康症状最低,且两者仅在强迫症状上的差异具有统计学意义(p<0.01),高弹性—低自信组和乐观自信—低韧性组症状居中且两者间差异无统计学意义;性别对研究生心理弹性的潜在特征分类具有显著性影响.     

考虑异质性及主观评价的出行行为研究

出行者对出行方式的主观评价和出行者异质性对出行选择行为都具有重要影响.文中利用潜在类别选择模型研究这些因素对出行选择行为的影响.通过验证性因素分析,得到出行者对出行方式的舒适性评价和可靠性评价等潜在心理变量.将潜在心理变量带入潜在类别条件Logit模型中,研究出行者可以划分的潜在类别数量,并研究不同潜在类别的出行者在时间价值、拥挤度评价、可靠性评价方面的异同.研究结果表明,出行者可以划分为Class1、Class2两类群体,其中Class1在出行行为选择时,考虑出行方式的舒适性和可靠性,时间价值较低;而Class2在出行行为选择时,不考虑出行方式的舒适性和可靠性,时间价值也显著高于Class1.文中定量化的研究结果可用于公共交通设施的规划设计与评价.     

交通出行者出行行为模糊性分析

对交通出行者出行行为进行了定义,阐述了出行行为受出行者特性、出行特性及运输设施特性的影响,并详细分析了出行者出行行为的模糊不确定性.     

基于概率潜在语义分析的中文文本分类研究

概率潜在语义模型使用统计的方法描述"文档—潜在语义—词"之间的概率分布关系,其实质是模拟了潜在的概率语义空间,并将文档和词映射到同一个语义空间.该文将概率潜在语义分析模型用于中文文本分类,一方面较好地处理了自然语言中的同义、多义问题;另一方面通过计算概率潜在语义空间中向量的距离来获得文档间的类别信息从而达到文本分类的目的.实验结果表明,该分类器具有良好的分类性能.     

基于类别核心词的朴素贝叶斯中文文本分类

摘要及关键词中提取类别核心词,通过加权方式,强化它们在文本分类中的作用. 基于朴素贝叶斯分类方法的实验表明,提出的方法能够有效提高中文文本的分类准确率.     

基于潜在语义的多类文本分类模型研究

在文本分类中,一个文本往往有多类属性,而目前大多数分类模型均为二元分类模型.因此,提出一种基于潜在语义的多类分类模型.该模型同时考虑文档特征信息和文档的类属信息,在提取文档潜在语义信息的同时把对文档分类贡献大的特征信息保留下来.其结果是既能较好地解决文档中同义词和多义词的问题,又能解决多类属分类问题,并且能够探测到新类.在Reuters文档集上的实验表明,在维数较低的情况下,分类效果比较好,性能比较稳定.     

基于潜在类分析的城市异质出行群体识别研究

异质出行群体的合理划分是提升出行需求预测准确性和实施主动式交通管理的关键,针对目前城市多方式出行群体划分研究的不足,在分析出行习惯与偏好差异影响因素的基础上,提出基于潜在类分析(Latent Class Cluster Analysis,LCCA)的城市异质出行群体识别方法.以北京市为例,应用揭示性偏好调查进行基础数据收集,运用Mplus软件编程实现LCCA模型估计.模型将出行者划分为三类异质出行群体,群体1:低出行+方式均衡组(20.4％),群体2:中高出行+小汽车偏好组(30.3％),群体3:高出行+绿色交通组(49.3％).模型回归结果表明:群体2、3的百分比与北京市小汽车、公共交通出行比例之差均不超过2％,证明提出的出行群体识别方法有效,个人属性、出行者对各交通方式的认知与态度对群体隶属影响显著.针对各异质出行群体提出了相应的绿色交通发展措施,为城市交管部门的精细化出行管控提供重要依据.     

基于潜变量RF的通勤高峰期小汽车出行方式向公交转移行为研究

为缓解城市的交通拥堵,科学合理的引导小汽车出行者改乘公共交通出行显得尤为重要。以通勤出行者为研究对象,引入了有关价值观念的扩展心理潜变量,并建立了基于扩展TPB理论的潜变量MIMIC模型,分析了小汽车和公交出行方式下各潜变量之间的关系。然后,考虑随机森林算法有鲁棒性好、泛化能力强的优势,构建了带有心理潜变量的MIMIC-RF出行方式转移模型,通过实证结果得到有潜变量的模型比传统的模型具有更好的预测效果。因此,可借助该模型进行敏感度分析,结合关键影响因素的变化探究通勤者选择小汽车出行方式向公交转移的规律。     

基于GIS的公交乘客出行路径选择模型

公交乘客出行路径选择模型是公交乘客信息系统的关键技术。本文通过对公交乘客出行心理的研究,结合地理信息系统（GIS）的特点,提出了以换乘次数最少为首要目标、出行距离最短为第二目标的基本GIS的公交乘客出行路径选择模型。为提高路径搜索效率,模型中提出了GIS方向估价函数的概念。在南京市实际公交网络上的试算结果表明该模型实用、高效。     

基于个体出行模式的公交乘客活动规律性度量

针对分别度量公交乘客出行重复性与周期性造成的个体活动规律特征表征不完全问题,以空间维度为例对个体活动相似性进行公交站点聚类,按乘客日活动先后顺序进行排序,构建了个体日出行链,将相同站点集群的日出行链归为同一类出行模式.分别改进了信息熵（Information Entropy,IE）模型和环形周期判别法（Ring-like Periodic Detection Method,RPDM）,建立了公交乘客活动规律组合度量模型,并结合浙江省海宁市2019年10月至12月共92 d的公交出行数据进行了方法应用.比较了83 423名乘客的出行活动重复性、周期性和规律性值的差异,选取不同重复性与周期性的4名乘客,分析了其92 d活动空间特征,绘制了50名出行最规律和最不规律乘客的出行模式热图,发现按个体出行模式综合度量公交乘客出行活动规律性,能区分出12.13%重复性相同而周期性不同的乘客和25.14%周期性相同而重复性不同的乘客,将乘客细分效果提升了37.06%.结果表明：基于个体出行模式重复性与周期性的组合度量模型进行公交乘客出行规律判别效果好,有利于提升公交乘客细分的精确度.     

基于迁移学习的实时多类别文本分类方法研究

在实时文本分类任务中经常会有新类别出现,传统的文本分类方法通常难以利用实时的小规模样本学习新类别的模型。提出了一种基于迁移学习的新类别模型训练方法。首先将迁移学习技术和LS －SVM 算法结合,设计正则化项以控制源模型的迁移量及新模型与源模型的相似度,达到增量迁移。其次具体讨论了正则化项的学习方法。实验结果显示该方法相对同类算法有更好的分类性能,可以更高效地完成各种实时文本分类任务。     

基于专利信息的潜在语义索引优化技术的研究

以专利文献为基础,结合特征传递共现对映射潜在语义空间的影响,提出了基于专利信息的潜在语义索引优化方法。该方法根据专利文献的分解细节信息,将单独的专利文献分解为多个子文档和伪文档,使同一类别文档内特征共现度升高、不同类文档间特征共现度降低,从而使对应的潜在语义空间更加合理。同时提取专利核心特征构建专利信息伪文档,增强合理共现信息的出现频率。实验结果证明,专利文本分类任务结合本方法时,可以有效地提高分类的准确性。     

基于类别混合嵌入的电力文本层次化分类方法

针对当前电力文本分类方法中因忽视类别标签之间潜在语义关联关系而导致分类性能低效的问题,提出一种基于层次化分类模型的电力文本分类方法.首先,利用采集的电力成果非结构化文档,采用自动化信息提取技术和标注技术,构建电力文本多标签分类训练集,并结合领域知识分析,构建类别标签之间的层次化关系.然后,提出基于类别结构和标签语义混合...     

基于潜在语义对偶空间的跨语言文本分类研究

当今互联网上语言呈现多样性趋势,如何组织这些多语言的资源成为研究的热点。通过对双语平行语料库提取语义对应关系,构建潜在语义对偶空间,把双语文档映射到此概念空间后,实现跨语言分类。并通过改变训练集样本大小及语言构成来验证模型的分类性能。实验结果表明基于潜在语义对偶空间的跨语言文本分类具有良好的稳定性和准确度。     

基于出行行为分析的地铁通勤票价折扣研究

针对当前城市交通拥堵问题,对轨道交通票价的合理设定进行研究,以提升公共交通吸引力和缓解财政压力.首先,基于正交设计法设计问卷并开展意向调查（Stated Preference,SP）,构建基于巢式Logit(Nested Logit,NL)模型的通勤者出行方式选择模型;其次,通过分析通勤通道内地面公交、地铁接驳公交以及地铁等公交票价对小汽车和出租车的分担率的交叉弹性,选用地铁票价作为优惠对象;再次,基于Pareto最优理论,以公共交通分担率和公共交通票务收入的双提升为目标,构建变动需求下的通勤地铁票价折扣模型;最后,以天通苑-北京五环内市辖区通勤通道为例,采用非支配排序算法（Non-dominated Sorting Algorithms,NSA）确定地铁票价的合理折扣范围.研究结果表明：当地铁票价的优惠幅度介于7%～13%之间时,可实现Pareto最优态,当地铁票价的优惠幅度为13%时,通勤通道地铁及地面公交分担率的最大涨幅为6.1%.