融合城市道路网络的交通方式份额深度混合模型

交通方式份额分析对于各种现实交通任务至关重要，因为它有助于研究人员理解旅客的旅行行为和选择。典型例子是通过考虑社会人口统计特征（如年龄、收入等）以及旅行方式的属性（如旅行成本和时间）来预测社区的旅行方式份额。然而，仅有有限的努力将城市建成环境的结构，例如道路网络，整合到方式份额模型中，以捕捉建成环境的影响。通常需要手动特征工程或城市设计特征的先验知识。本研究提出深度混合模型（DHM），将道路网络和社会人口统计特征直接作为输入，用于交通方式份额分析。通过图嵌入（GE）技术，我们以更强大的城市结构表示形式来增强旅行需求模型。在芝加哥的模式份额预测实验中，结果表明DHM能够为社会人口统计结构提供有价值的空间洞察，提高了在城市层面估计不同方式份额的旅行需求模型性能。具体而言，DHM在保持选择模型解释力的同时，将结果提高了20%以上，显示其在可解释性、预测准确性和地理洞察方面的优势。