基于K均值聚类与随机森林算法的居民低碳出行 意向数据挖掘 |
| |
引用本文: | 吴文静,景鹏,贾洪飞,张铭航.基于K均值聚类与随机森林算法的居民低碳出行 意向数据挖掘[J].华南理工大学学报(自然科学版),2019,47(7). |
| |
作者姓名: | 吴文静 景鹏 贾洪飞 张铭航 |
| |
作者单位: | 吉林大学交通学院,吉林长春,130000;江苏大学汽车与交通工程学院,江苏镇江,212013 |
| |
基金项目: | 教育部人文社会科学研究项目 |
| |
摘 要: | 对居民低碳意识的形成机理进行研究,可以为交通管理者引导城市居民选择低碳出行方式提供重要依据.运用数据挖掘技术对低碳出行问卷数据进行分析;将计划行为理论框架下的15维问题视为表征居民低碳出行意愿的内在原因变量,应用K均值聚类算法对居民低碳出行意愿强度进行归类,并将所得结果作为被解释变量应用于随机森林模型中,探讨居民的社会属性特征、出行特征等对其低碳出行意愿的作用机理.结果表明:基于Silhouette指标检验及t-SNE降维,居民低碳出行意愿可划分为3类:强烈、中立、不强烈;基于重要性指标显示影响最为显著的4项因素分别是居民的职业、居住地、家庭构成、通勤时间.研究结果从多个角度为城市交通低碳化发展及管理提供政策建议.
|
关 键 词: | 低碳出行意愿 数据挖掘 K均值聚类 随机森林 Silhouette指标检验 |
本文献已被 CNKI 万方数据 等数据库收录! |
|