结合特征选择与网格搜索的增强型多层感知机用于出行方式选择预测
计量经济学
2023-10-24 v2
摘要
准确可靠地预测个体出行方式选择对于发展多模式城市交通系统、开展交通规划以及制定交通需求管理策略至关重要。传统离散选择模型数十年来主导了建模方法，却受限于严格的模型假设与较低的预测精度。近年来，机器学习（ML）模型，如神经网络与提升模型，被研究者广泛用于出行方式选择预测并取得了有前景的结果。然而，尽管预测性能优越，大量 ML 方法，尤其是神经网络模型分支，也受限于过拟合与繁琐的模型结构确定过程。为弥补这一不足，本研究提出一种具有两个隐藏层的增强型多层感知机（MLP；一种神经网络）用于出行方式选择预测；该 MLP 通过 XGBoost（一种提升方法）进行特征选择，并通过网格搜索方法确定各隐藏层的最优隐藏神经元数。所提方法在中国成都收集的真实居民出行日记数据集上进行了训练与测试。
引用
@article{arxiv.2304.12698,
title = {Enhanced multilayer perceptron with feature selection and grid search for travel mode choice prediction},
author = {Li Tang and Chuanli Tang and Qi Fu},
journal= {arXiv preprint arXiv:2304.12698},
year = {2023}
}
备注
we need to improve the paper in many ways