一种用于城市土地利用中停车时长建模的机器学习方法
机器学习
2023-10-12 v2 机器学习
物理与社会
摘要
在快速发展的国家中,停车是一个不可避免的问题。日益增多的车辆需要越来越多的城市土地用于停车。然而,像印度这样的发展中国家对停车问题的关注甚少。本研究提出了一个模型,用于分析汽车使用者的社会经济与出行特征对停车时长的影响。具体而言,部署了人工神经网络(ANNs)来捕捉驾驶者特征与停车时长之间的相互关系。ANNs 在学习和识别参数间联系以最佳预测结果方面高效。由于 ANNs 的效用因其黑箱性质而受到严重限制,本研究使用了 Garson 算法与局部可解释模型无关解释(LIME)进行模型解释。LIME 通过用所开发的 Interpretable 模型在局部近似,给出任意分类的预测。本研究基于通过访谈调查在现场收集的微观数据,考虑了两种土地利用类型:办公商务与商场/购物。结果显示 LIME 具有更高的预测概率,因此该方法可被普遍采用。此外,基于两种土地利用的结果讨论了政策启示。这项独特的研究可促成增强的停车政策与管理以实现可持续性目标。
引用
@article{arxiv.2008.01674,
title = {A Machine Learning Approach for Modelling Parking Duration in Urban Land-use},
author = {Janak Parmar and Pritikana Das and Sanjaykumar Dave},
journal= {arXiv preprint arXiv:2008.01674},
year = {2023}
}