基于XGBoost模型的空铁联运中转城市研究

Railway Transport and Economy(2023)

引用 0|浏览1
暂无评分
摘要
在空铁联运出行中,为旅客推荐合理的中转城市是用户行程规划中的关键一步.研究基于旅客选择的中转城市数据,运用特征选择与数据处理技术,通过对比支持向量机(SVM)、K最近邻算法(KNN)、随机森林算法(RF)、多层感知机(MLP)和XGBoost模型的实验结果,最后采用结果最优的XGBoost模型对空铁联运中转城市进行推荐.结果表明,该模型在正确率上达到91.92%,具有一定的先进性与优越性;对于采用数据增强后训练的XGBoost模型,大大增加了模型的鲁棒性.在影响因素分析中,结果表明出发与到达的客观属性信息比旅客个体特征贡献度更高,也是首次证明出发与到达的客观属性信息对旅客选择中转城市有重要影响,为空铁联运中转城市推荐研究提供了新的思路.
更多
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络