基于机器学习算法的低碳节能旅游数据特征分析与挖掘
机器学习
2023-12-07 v1
摘要
为研究居民低碳意识的形成机制，并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，本文提出一种基于机器学习算法的低碳节能出行数据特征分析与挖掘方法。本文利用数据挖掘技术对低碳出行问卷数据进行分析，并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因变量。作者使用 K-means 聚类算法对居民低碳出行意愿强度进行分类，并将结果作为解释变量应用于随机森林模型，以探究居民社会属性特征、出行特征等对其低碳出行意愿的作用机制。实验结果表明，基于轮廓系数检验和 t-SNE 降维，居民低碳出行意愿可分为强、中、不强三类；基于重要性指数，最显著的四个因素是居民的职业、居住地、家庭构成和通勤时间。结论：该方法从多角度为城市交通低碳发展与管理提供了政策建议。
引用
@article{arxiv.2312.03037,
title = {Analysis and mining of low-carbon and energy-saving tourism data characteristics based on machine learning algorithm},
author = {Lukasz Wierzbinski},
journal= {arXiv preprint arXiv:2312.03037},
year = {2023}
}