时空随机森林揭示TOD与地铁客流关联的异质性

文章预览

小编语 上期的推送中，小编为大家介绍了实验室有关叙事地图的研究成果：《叙事地图的符号体系及叙述机制》。本期推送，小编为大家分享实验室最新研究成果：时空随机森林揭示TOD与地铁客流关联的异质性。 1. 摘要     本研究通过引入一种兼顾空间与时间变化的机器学习方法，深入探讨了以公共交通为导向的发展（TOD）与地铁客流之间的复杂关系。传统模型往往忽视了不同地点、不同时段的客流模式差异。为此，我们提出了“时空随机森林回归”（Geographical and Temporal Random Forest Regression，GTRFR）算法，将全局模型拆解为多个局部子模型，从而获得更精确、更具可解释性的预测结果。研究以杭州都市圈这个中国最具TOD特色的城市之一为研究场景，模型揭示了各类TOD要素在不同时间、不同地点对地铁客流的差异化影响。研究结果中发现了显著的时 ………………………………