基于生成式机器学习的出行行为潜在特征建模
机器学习
2018-09-18 v1 机器学习
摘要
本文中，我们引入一种生成式建模框架来识别出行决策中具有信息量的潜在特征，从而实现了一种信息论驱动的出行行为分析方法。该方法涉及使用受限玻尔兹曼机（RBM）生成式建模框架来构建联合三方贝叶斯图模型。我们将该框架应用于方式选择调查数据，以识别抽象潜在变量，并与具有特定潜在偏好（安全性、舒适性与环境性）的传统潜变量模型进行性能比较。来自加拿大魁北克一项联合陈述性与显示性偏好方式选择调查的数据被用于标定 RBM 模型。结果表明其对模型似然统计量有显著影响，并表明机器学习工具非常适用于建模条件独立行为交互的复杂网络。
引用
@article{arxiv.1809.05781,
title = {Modelling Latent Travel Behaviour Characteristics with Generative Machine Learning},
author = {Melvin Wong and Bilal Farooq},
journal= {arXiv preprint arXiv:1809.05781},
year = {2018}
}
备注
Published in the proceedings of IEEE Intelligent Transportation Systems Conference 2018