用可解释机器学习考察网约车需求决定因素的空间异质性
机器学习
2024-01-03 v1
摘要
近年来网约车服务的日益重要性表明，有必要考察网约车需求的关键决定因素。然而，关于网约车需求决定因素的非线性效应与空间异质性，人们知之甚少。本研究应用基于可解释机器学习的分析框架，识别塑造网约车需求的关键因素，并探索其在不同空间背景（机场、市中心与邻里）下的非线性关联。我们使用芝加哥的网约车行程数据进行实证分析。结果揭示建成环境的重要性随空间背景变化，且其对于机场行程的网约车需求预测贡献了最大的重要性。此外，建成环境对网约车需求的非线性效应表现出强烈的空间差异。网约车需求通常对市中心行程的建成环境变化最为敏感，其次为邻里行程与机场行程。这些发现为交通专业人员管理网约车服务提供了细致的见解。
引用
@article{arxiv.2209.07980,
title = {Examining spatial heterogeneity of ridesourcing demand determinants with explainable machine learning},
author = {Xiaojian Zhang and Xiang Yan and Zhengze Zhou and Yiming Xu and Xilei Zhao},
journal= {arXiv preprint arXiv:2209.07980},
year = {2024}
}