基于機(jī)器學(xué)習(xí)的出行目的推算方法比較

同濟(jì)大學(xué)建筑設(shè)計(jì)研究院（集團(tuán)）有限公司

0 引 言

近年來(lái)，隨著智能交通系統(tǒng)的不斷建設(shè)和發(fā)展，各類(lèi)設(shè)備提供了多種多樣的被動(dòng)的交通數(shù)據(jù)（如智能公交卡數(shù)據(jù)、手機(jī)數(shù)據(jù)、車(chē)載GPS數(shù)據(jù)等）。這些數(shù)據(jù)為進(jìn)一步的交通規(guī)劃與分析提供了豐富、準(zhǔn)確的數(shù)據(jù)基礎(chǔ)，然而這些數(shù)據(jù)也存在固有缺陷，由于設(shè)計(jì)初衷為監(jiān)控或管理，其不包含有出行目的，而出行目的為交通出行行為中的重要屬性，對(duì)進(jìn)一步的交通規(guī)劃分析尤為重要。因此，國(guó)內(nèi)外學(xué)者在出行目的推測(cè)方面展開(kāi)了深入研究，嘗試采用不同的方法來(lái)推測(cè)出行目的。

從研究方法上看，該領(lǐng)域的研究主要分為兩個(gè)階段。第一個(gè)階段為基于簡(jiǎn)單規(guī)則的判斷[1-5]，主要利用時(shí)間屬性進(jìn)行初步篩選，再根據(jù)空間屬性和個(gè)人信息特征對(duì)出行目的進(jìn)行判斷。該類(lèi)方法在不同的數(shù)據(jù)源和邏輯規(guī)則結(jié)構(gòu)下，推算的準(zhǔn)確率差異較大，整體準(zhǔn)確性不高，大約在70%左右。第二個(gè)階段主要采用機(jī)器學(xué)習(xí)類(lèi)的方法[6-13]。該類(lèi)方法類(lèi)型較廣，不同的方法間運(yùn)行效率和準(zhǔn)確性差異較大，但推算的準(zhǔn)確性整體較高，大約在75%～95%之間；相較基于規(guī)則類(lèi)的方法，機(jī)器學(xué)習(xí)方法對(duì)多維度數(shù)據(jù)的處理能力較強(qiáng)，模型的適應(yīng)性較強(qiáng)。該類(lèi)方法主要包含有支持向量機(jī)、貝葉斯網(wǎng)絡(luò)、決策樹(shù)、隨機(jī)森林、神經(jīng)網(wǎng)絡(luò)等。

盡管在該領(lǐng)域國(guó)內(nèi)外的研究方法較為豐富，但對(duì)出行目的的研究大多數(shù)是不同的學(xué)者在不同的數(shù)據(jù)源和不同的模型條件下的單一方法的準(zhǔn)確性分析或少量方法的對(duì)比分析，尚未對(duì)該領(lǐng)域幾類(lèi)表現(xiàn)較好的方法應(yīng)用較廣泛的方法進(jìn)行相同條件下的橫向比較。

因此，本文通過(guò)總結(jié)國(guó)內(nèi)外在該領(lǐng)域的研究方法，總結(jié)出表現(xiàn)較好，較為廣泛應(yīng)用的五類(lèi)方法——決策樹(shù)、隨機(jī)森林、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、貝葉斯網(wǎng)絡(luò)；在此基礎(chǔ)上，根據(jù)德陽(yáng)和資陽(yáng)的居民出行調(diào)查數(shù)據(jù)，在相同數(shù)據(jù)源條件下，對(duì)這幾類(lèi)方法的推算準(zhǔn)確性進(jìn)行比較（見(jiàn)表1）。

表1 國(guó)內(nèi)外研究方法概況

1 研究數(shù)據(jù)處理

1.1 數(shù)據(jù)說(shuō)明

為探索各類(lèi)機(jī)器學(xué)習(xí)方法在出行目的推算上的準(zhǔn)確性與普遍性規(guī)律，排除單一數(shù)據(jù)源的偶然性，本文以德陽(yáng)和資陽(yáng)兩個(gè)城市的居民出行調(diào)查數(shù)據(jù)為基礎(chǔ)，同時(shí)考慮到出行目的推算的后期應(yīng)用以智能公交卡數(shù)據(jù)為主，因此在研究中提取居民出行調(diào)查數(shù)據(jù)中的公交出行數(shù)據(jù)，并根據(jù)智能卡所能獲取的數(shù)據(jù)屬性類(lèi)型進(jìn)行兩種條件的設(shè)置（見(jiàn)表2），即完整變量條件的模型和不含有個(gè)人屬性特征下的模型[14]。

德陽(yáng)出行調(diào)查數(shù)據(jù)包含3 217個(gè)家庭共計(jì)21 287次出記錄（見(jiàn)表3）；資陽(yáng)居民出行調(diào)查數(shù)據(jù)包含3 347個(gè)家庭共計(jì)25 096次出記錄（見(jiàn)表4）。對(duì)于每一位出行者，其包含有出行目的在內(nèi)的18種屬性特征[15]。

1.2 數(shù)據(jù)清洗

根據(jù)國(guó)內(nèi)外研究經(jīng)驗(yàn)及Spearman檢驗(yàn)可知：出行次序、停留時(shí)間與出行目的具有相關(guān)性（見(jiàn)表5）。由于在基礎(chǔ)數(shù)據(jù)中不含有這兩個(gè)屬性，因此在本文中主要補(bǔ)充兩個(gè)字段：出行的停留時(shí)間、出行次序。

停留時(shí)間lt（lasting time）是指該出行者在目的地的停留時(shí)間，其為同一出行者下一次的出發(fā)時(shí)間sti+1（i=1,2,3……n）和上一次的到達(dá)時(shí)間ati（i=1,2,3……n）之差；對(duì)于一天內(nèi)最后一次出行的停留時(shí)間的計(jì)算，假設(shè)該出行者第二日與第一日相同，當(dāng)日第一次出行的出發(fā)時(shí)間st1與當(dāng)日最后一次出行的到達(dá)時(shí)間atn（i=1,2,3……n）的之差，既停留時(shí)間lt=24－atn＋st1。

出行次序則是依時(shí)間排序的同一出行者當(dāng)日的第1次出行到第N次出行的時(shí)間順序。

據(jù)此規(guī)則，進(jìn)行數(shù)據(jù)補(bǔ)充和清洗。

最終得到德陽(yáng)共有2 296次公交出行，資陽(yáng)為2 424次公交出行。

表2 模型設(shè)置條件

表3 德陽(yáng)居民出行調(diào)查數(shù)據(jù)樣例一

表4 德陽(yáng)居民出行調(diào)查數(shù)據(jù)樣例二

表5 屬性變量相關(guān)性分析

2 出行目的推測(cè)模型構(gòu)建及分析

本文主要采用五類(lèi)機(jī)器學(xué)習(xí)方法進(jìn)行目的推測(cè)，分別分析在不同的數(shù)據(jù)源和不同的輸入變量條件下模型的準(zhǔn)確性及整體的穩(wěn)定性。

2.1 模型評(píng)價(jià)參數(shù)

一個(gè)性能良好的機(jī)器學(xué)習(xí)模型可以從海量訓(xùn)練數(shù)據(jù)集中提取出那些最有實(shí)際意義和價(jià)值的信息，并進(jìn)行處理，生成能夠清晰的描述分類(lèi)問(wèn)題的規(guī)則集。分類(lèi)準(zhǔn)確率（召回率）用于描述機(jī)器學(xué)習(xí)模型應(yīng)用于測(cè)試數(shù)據(jù)集或未知數(shù)據(jù)集時(shí)的分類(lèi)能力高低，其公式為Recall=TP/(TP+FN)。本文以推測(cè)的出行目的準(zhǔn)確性為目標(biāo)，因此采用準(zhǔn)確率（召回率）作為主要指標(biāo)，當(dāng)準(zhǔn)確率相同時(shí)以精確率（Precision=TP/(TP+FP)）作為同條件下的次要指標(biāo)，最終根據(jù)測(cè)試數(shù)據(jù)的準(zhǔn)確率和精確率以評(píng)價(jià)模型優(yōu)劣（見(jiàn)表6）。

表6 機(jī)器學(xué)習(xí)性能指標(biāo)

2.2 模型構(gòu)建及準(zhǔn)確性分析

2.2.1 決策樹(shù)（CHAID）

決策樹(shù)模型是基于熵或Gini指標(biāo)判斷不同的類(lèi)別間的最佳區(qū)分節(jié)點(diǎn)得到的樹(shù)模型結(jié)構(gòu)（見(jiàn)圖1）。在模型設(shè)置過(guò)程中，由于出行目的為分類(lèi)變量，因此利用卡方自動(dòng)檢驗(yàn)算法來(lái)自動(dòng)搜索變量產(chǎn)生最大差異的方案，以構(gòu)建最佳決策點(diǎn)的分枝過(guò)程。在該模型中設(shè)置50%為訓(xùn)練數(shù)據(jù)，50%為驗(yàn)證數(shù)據(jù)，最大樹(shù)深度為3層，并設(shè)置95%的置信水平防止其過(guò)擬合。在模型的訓(xùn)練及驗(yàn)證過(guò)程中，通過(guò)大量試驗(yàn)，保證其訓(xùn)練集和測(cè)試集的準(zhǔn)確性差異較?。ㄒ话阈∮?%），以得到模型的準(zhǔn)確性的最終結(jié)果。由此得到的準(zhǔn)確性分類(lèi)結(jié)果如表7所示。

由模型的準(zhǔn)確性可知，在條件一和條件二下，同城市的模型準(zhǔn)確性變化較?。ㄐ∮?%），即模型在不同的輸入條件下推測(cè)能力較為穩(wěn)定，準(zhǔn)確性約為83%左右。

表7 決策樹(shù)模型準(zhǔn)確性分析

2.2.2 隨機(jī)森林（RF）

隨機(jī)森林是建立在CART決策樹(shù)基礎(chǔ)上的組合算法模型，其通過(guò)自助法重采樣技術(shù)，不斷生成訓(xùn)練樣本和測(cè)試樣本，由訓(xùn)練樣本生成多個(gè)分類(lèi)樹(shù)組成隨機(jī)森林，測(cè)試數(shù)據(jù)的分類(lèi)結(jié)果按照分類(lèi)樹(shù)投票多少形成的分?jǐn)?shù)而定，由此得到最終的分類(lèi)結(jié)果（見(jiàn)表8 ）。

由模型的準(zhǔn)確性可知（見(jiàn)表9），在條件一和條件二下，德陽(yáng)模型的準(zhǔn)確性在條件一時(shí)最佳約為93%，在條件二時(shí)準(zhǔn)確性相比決策樹(shù)也較高，約為87%。資陽(yáng)的模型準(zhǔn)確性較穩(wěn)定，約為86%，優(yōu)于決策樹(shù)模型。

圖1 決策樹(shù)模型結(jié)構(gòu)（德陽(yáng)條件一樣例）

表8 隨機(jī)森林決策規(guī)則（德陽(yáng)條件一樣例）

表9 隨機(jī)森林模型準(zhǔn)確性分析

2.2.3 神經(jīng)網(wǎng)絡(luò)（MLP）

MLP神經(jīng)網(wǎng)絡(luò)是基于BP算法的多層感知器模型。

在兩種條件下，由模型的準(zhǔn)確性分析可知其預(yù)測(cè)數(shù)據(jù)的準(zhǔn)確性變化幅度較?。ㄐ∮?%），模型整體較為穩(wěn)定，準(zhǔn)確率大約在82%左右（見(jiàn)圖2、圖3、表10）。

圖2 德陽(yáng)5種目的準(zhǔn)確性（條件一樣例）

圖3 資陽(yáng)5種目的準(zhǔn)確性（條件一樣例）

表10 MLP神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確性分析

2.2.4 支持向量機(jī)（SVM）

支持向量機(jī)根據(jù)最優(yōu)分類(lèi)面將樣本進(jìn)行分類(lèi)，當(dāng)其不能在超平面進(jìn)行線性劃分時(shí)，則通過(guò)核函數(shù)將其映射到多維空間再進(jìn)行劃分。

在訓(xùn)練模型時(shí)，為防止模型過(guò)度擬合，需充分調(diào)整訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)的隨機(jī)種子，使訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)準(zhǔn)確性差異小于5%，以避免其過(guò)擬合，當(dāng)其達(dá)到較為穩(wěn)定的狀態(tài)時(shí)以此狀態(tài)下的最高準(zhǔn)確性作為模型分類(lèi)的結(jié)果。

由此，得到最終的模型準(zhǔn)確性如表11所示：

表11 支持向量機(jī)準(zhǔn)確性分析

由分析結(jié)果可知，該模型在兩種條件下準(zhǔn)確性普遍較高，大約在90%～93%，相較其他方法訓(xùn)練較為充分，模型整體較為穩(wěn)定，準(zhǔn)確率高。

對(duì)于城市的規(guī)劃和建設(shè)來(lái)說(shuō)，居住區(qū)是一個(gè)重要的組成部分，他是城市居民生活的地方，是人們基本生存生理需要的地方。在住宅小區(qū)園林景觀設(shè)計(jì)的過(guò)程中，主要是生態(tài)綠化、生活品質(zhì)等方面的綜合應(yīng)用，除此之外，在推動(dòng)住宅小區(qū)生態(tài)景觀設(shè)計(jì)的基礎(chǔ)上，如何創(chuàng)造符合各個(gè)年齡段居民需求的運(yùn)動(dòng)、活動(dòng)空間，提高居住環(huán)境的舒適度與幸福感都是需要景觀設(shè)計(jì)過(guò)程中關(guān)注的問(wèn)題。通過(guò)規(guī)劃設(shè)計(jì)來(lái)增強(qiáng)居民的歸屬感和舒適度，并在和諧的環(huán)境中相互交流，增強(qiáng)鄰里之間的溝通。

2.2.5 貝葉斯網(wǎng)絡(luò)（BAYESIAN）

貝葉斯分類(lèi)方法是一種展現(xiàn)已知數(shù)據(jù)集屬性分布的方法，其最終計(jì)算結(jié)果完全依賴(lài)于訓(xùn)練樣本中類(lèi)別和特征的分布（見(jiàn)圖4）。

圖4 貝葉斯網(wǎng)絡(luò)準(zhǔn)確性分析

由分析結(jié)果可知，對(duì)于德陽(yáng)的出行目的推算結(jié)果準(zhǔn)確性相對(duì)較低，大約在57%～67%，對(duì)于資陽(yáng)的模型則是訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)相差較大，模型不穩(wěn)定且推測(cè)的準(zhǔn)確性相對(duì)其他模型較低，約為73%～75%（見(jiàn)表12）。

表12 貝葉斯網(wǎng)絡(luò)準(zhǔn)確性分析

3 模型準(zhǔn)確性比較及總結(jié)

對(duì)比不同條件下相同城市的各類(lèi)機(jī)器學(xué)習(xí)方法推測(cè)的準(zhǔn)確性，以此判斷是否存在較為穩(wěn)定的模型對(duì)于出行目的推測(cè)類(lèi)問(wèn)題具有良好的適應(yīng)性。

由圖5可知，RF和SVM準(zhǔn)確性在90%以上，CHAID在85%作用，MLP模型準(zhǔn)確性略低于CHAID模型，總體的推測(cè)準(zhǔn)確性為RF＞SVM＞CHAID＞MLP；BAYESIAN準(zhǔn)確性相對(duì)這四類(lèi)較低。

由圖6可知，SVM推測(cè)準(zhǔn)確性在90%以上，RF和CHAID大于85%，總體的推測(cè)準(zhǔn)確性為SVM＞RF＞ CHAID；MLP準(zhǔn)確率略低于CHAID；BAYESIAN準(zhǔn)確性相對(duì)這四類(lèi)較低，差異較大。

由圖7可知，S V M推測(cè)準(zhǔn)確性在90%以上，RF、CHAID和MLP大于80%，總體的推測(cè)準(zhǔn)確性為SVM＞RF＞CHAID＞MLP；BAYESIAN準(zhǔn)確性相對(duì)這四類(lèi)較低。

由圖8可知，SVM推測(cè)準(zhǔn)確性在90%左右，RF、MLP和CHAID大于80%，總體的推測(cè)準(zhǔn)確性為SVM＞RF＞MLP＞CHAID；BAYESIAN準(zhǔn)確性相對(duì)這四類(lèi)較低。

根據(jù)模型的準(zhǔn)確性分析可知，在五種模型四種條件下，模型的分類(lèi)結(jié)果整體呈現(xiàn)出較為穩(wěn)定的排序，既SVM＞RF＞CHAID＞MLP＞BAYESIAN，在這五類(lèi)方法中，模型的準(zhǔn)確性平均高于80%，而B(niǎo)AYESIAN模型準(zhǔn)確性波動(dòng)較大、不穩(wěn)定，且模型準(zhǔn)確性不高。CHAID和MLP模型準(zhǔn)確性較為相近，但CHAID整體準(zhǔn)確性略高于MLP。

圖5 德陽(yáng)模型間對(duì)比分析（條件一）

圖6 德陽(yáng)模型間對(duì)比分析（條件二）

圖7 資陽(yáng)模型間對(duì)比分析（條件一）

圖8 資陽(yáng)模型間對(duì)比分析（條件二）

由此分析可知，在出行目的推斷中SVM對(duì)模型推斷有較為良好的準(zhǔn)確性，為推測(cè)中的最優(yōu)模型。

4 研究結(jié)論

本文在分別探索了兩種數(shù)據(jù)源，兩類(lèi)模型設(shè)置條件下五種機(jī)器學(xué)習(xí)方法模型的準(zhǔn)確性，由圖5～圖8可知，在四種情況下，SVM、RF模型的準(zhǔn)確性較高且較為穩(wěn)定，普遍呈現(xiàn)出SVM＞RF＞CHAID的趨勢(shì)，即這三類(lèi)方法對(duì)于出行目的推測(cè)這個(gè)領(lǐng)域表現(xiàn)較好，適應(yīng)性較強(qiáng)。

在不同的條件下，同數(shù)據(jù)源模型的準(zhǔn)確性普遍變化較小，這也說(shuō)明了個(gè)人屬性特征對(duì)于出行目的的推測(cè)影響較小，由此可知在變量較少的條件下出行目的推測(cè)模型也具有穩(wěn)健性，故該類(lèi)模型對(duì)采用被動(dòng)數(shù)據(jù)進(jìn)行出行目的挖掘具有可實(shí)施性和應(yīng)用前景。