基于机器学习的城市居民低碳出行行为研究

针对城市居民是否选择低碳出行的问题，本文基于机器学习方法，通过问卷调查的形式，对影响城市居民低碳出行的相关因素与实际交通出行方式进行数据收集，设置自变量与因变量及其取值，并基于Logistic回归模型原理进行拟合建模，在不同属性下，对城市居民是否选择低碳出行方式和影响进行分析，得到不同属性之间与各个属性内部的影响与区别关系。同时，运用Logistic回归、神经网络与决策树3种分类预测模型，在现有数据基础上，对城市居民是否选择低碳出行方式进行预测。研究结果表明，年龄、收入、距离和是否拥有汽车及驾驶证，对选择低碳出行方式具有重要影响，尤其是没有汽车的居民，选择低碳出行方式的可能性是拥有汽车居民的9.065倍，且3种模型的预测准确度均在85%以上，而神经网络模型的预测准确度接近90%,各项指标均说明预测效果良好，验证了该方法的可行性及适用性。该研究为预测不同地区与类型的低碳出行方式提供了理论参考。