《表5 不同类别乘客聚类中心及占比》
本文基于Scikit-Learn的GMM算法对工作日乘客出行数据(共3 019 568人)进行聚类,取Calinski-Harabaz分数最大时的乘客聚类数最终将工作日乘客分为五类,各类别乘客聚类中心如表5所示。为了直观理解每类群体的出行特征,采用雷达图可视化各类乘客出行特征的聚类中心分布,如图4所示。
图表编号 | XD00198360700 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.20 |
作者 | 程小云、张学宇、薛顺然、王建军 |
绘制单位 | 长安大学运输工程学院、长安大学生态安全屏障区交通网设施管控及循环修复技术交通运输行业重点实验室、长安大学运输工程学院、长安大学生态安全屏障区交通网设施管控及循环修复技术交通运输行业重点实验室、长安大学公路学院、长安大学运输工程学院、长安大学生态安全屏障区交通网设施管控及循环修复技术交通运输行业重点实验室 |
更多格式 | 高清、无水印(增值服务) |