因果与预测：出行方式选择建模中因果发现与推断同人工神经网络的比较
统计方法学
2023-07-31 v1
摘要
本研究比较了因果模型与预测模型在芝加哥三个社区出行方式选择建模中的表现。采用因果发现算法与因果推断技术，直接从观测数据中提取出行方式选择决策过程中的因果关系，并估计变量间的定量因果效应。模型结果显示，出行距离与车辆保有量是三个社区出行方式选择的直接原因。研究估计了人工神经网络模型以预测出行方式选择，其准确率超过70%，所获得的SHAP值度量了各变量的重要性。我们发现因果建模与预测建模两种途径均对其服务目的有所助益。我们还注意到，通过因果建模研究出行方式选择行为大多尚未被探索，但其有可能转变我们对该行为的理解。需进一步研究以 realization 这些技术在出行方式选择建模中的全部潜力。
引用
@article{arxiv.2307.15262,
title = {Causation versus Prediction: Comparing Causal Discovery and Inference with Artificial Neural Networks in Travel Mode Choice Modeling},
author = {Rishabh Singh Chauhan and Uttara Sutradhar and Anton Rozhkov and Sybil Derrible},
journal= {arXiv preprint arXiv:2307.15262},
year = {2023}
}