基于K均值聚类与随机森林算法的居民低碳出行意向数据挖掘

作者：吴文静; 景鹏^*; 贾洪飞; 张铭航

来源：华南理工大学学报(自然科学版), 2019, 47(07): 105-111.

• 低碳出行意愿
• 数据挖掘
• K均值聚类
• 随机森林
• Silhouette指标检验

对居民低碳意识的形成机理进行研究,可以为交通管理者引导城市居民选择低碳出行方式提供重要依据.运用数据挖掘技术对低碳出行问卷数据进行分析;将计划行为理论框架下的15维问题视为表征居民低碳出行意愿的内在原因变量,应用K均值聚类算法对居民低碳出行意愿强度进行归类,并将所得结果作为被解释变量应用于随机森林模型中,探讨居民的社会属性特征、出行特征等对其低碳出行意愿的作用机理.结果表明:基于Silhouette指标检验及t-SNE降维,居民低碳出行意愿可划分为3类:强烈、中立、不强烈;基于重要性指标显示影响最为显著的4项因素分别是居民的职业、居住地、家庭构成、通勤时间.研究结果从多个角度为城市交通低碳化发展及管理提供政策建议.

• 单位
  江苏大学; 吉林大学