《表3 RF分类器包含特征》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多源地理大数据与机器学习的地铁乘客出行目的识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

实现地铁出行目的识别，共需5个步骤。（1）基于居民出行调查数据筛选居民地铁出行记录，并提取出每条地铁出行记录的起点站、终点站等位置信息，以及出发时刻、到达时刻、出行时长、出行目的等出行特征信息。（2）根据地铁站点位置信息，使用POI数据，分别对居民出行调查数据与SCD中每次出行起止地铁站周边土地利用情况进行表征。（3）采用简单随机抽样法，将地铁出行样本划分为训练集与测试集。基于训练集数据，以地铁出行出发时刻、到达时刻、出行时长等出行特征，出行起始站点和到达地铁站点周边的土地利用特征，以及出行目的为预测变量，对RF分类器进行训练。（4）使用样本测试集对RF分类器效果进行检验。（5）将2018年北京市SCD中每条记录对应出行变量与始末站点周边土地利用特征、空间位置变量带入RF分类器中，获得每条记录的出行目的识别结果。其中，步骤（1）与步骤（2）具体计算过程已分别在交通调查数据与POI数据部分介绍。步骤（3）至步骤（5）如图3(a）—图3(c）所示。与此同时，表3对RF分类器中所选取特征进行具体描述。