预测瑞士儿童上学交通方式：基于全国普查数据的机器学习方法
综合经济学
2025-04-15 v1 经济学
摘要
儿童的出行行为在塑造长期出行习惯和公共健康结果中起着关键作用。尽管全球兴趣日益增长，但关于瑞士儿童上学交通方式选择的影响因素知之甚少。本研究通过将随机森林分类器（一种机器学习算法）应用于瑞士出行与交通微观普查数据，以识别儿童上学交通方式选择的关键预测因子，从而填补了这一空白。在所有模型中，距离始终是最重要的预测因子，例如在区分主动与非主动出行或汽车与非汽车使用时。模型表现出相对较高的性能，总体分类准确率分别为87.27%（主动 vs 非主动）和78.97%（汽车 vs 非汽车）。该研究提供了基于经验的见解，可支持学校出行政策，并展示了机器学习在复杂交通数据集中揭示行为模式的潜力。
引用
@article{arxiv.2504.09947,
title = {Predicting Children's Travel Modes for School Journeys in Switzerland: A Machine Learning Approach Using National Census Data},
author = {Hannes Wallimann and Noah Balthasar},
journal= {arXiv preprint arXiv:2504.09947},
year = {2025}
}