Journal of Geo-information Science, Volume. 22, Issue 9, 1753(2020)
Fig. 3. Schematic diagram of estimating trip purpose of the smart card transactions
Fig. 4. MDA values of different feature importance in the RF classifier
Fig. 5. The OOB accuracy of the RF classifier changes with the number of features
Fig. 6. Convergence of training of random forest classifiers and judgment of the optimal number of trees
Fig. 7. Temporal distribution of metro trip departures and arrivals for different travel purposes
Fig. 8. Spatial distribution of metro trip departures and arrivals for different travel purposes
Table 1. Data sources and brief description
View tableView in ArticleTable 1. Data sources and brief description
数据类型 数据描述 数据年份 数据来源 居民出行调查数据 居民一日出行链 2015年（对应2014年北京市 居民出行情况） 北京市交通委员会（http://jtw.beijing.gov.cn/） SCD智能卡数据 共计约1434万条地铁出行数据 2018年（7月1日至7月7日） 北京市交通委员会（http://jtw.beijing.gov.cn/） 百度POI数据 用于反映城市服务设施的空间分布情况 2015年 百度地图开放平台（http://lbsyun.baidu.com/） 地铁站点数据 北京市地铁站点空间分布情况 2014年、2018年 北京地铁（https://www.bjsubway.com/） 住房交易价格数据 单位面积成交价格 2015年 北京链家网（https://bj.lianjia.com/）
Table 2. Number and proportion of metro trips by purpose intraffic survey data
View tableView in ArticleTable 2. Number and proportion of metro trips by purpose intraffic survey data
出行目的 样本数量/条 占比/% 回家 3270 58.76 其他 498 8.95 上班 1797 32.29 总计 5565 100.00
Table 3. Variables included in the random forest classifier
View tableView in ArticleTable 3. Variables included in the random forest classifier
特征名称 特征描述 出行目的 被识别变量（上班、回家、其他） 出行特征 出发时刻、到达时刻、出行时长 土地利用特征 起止点周边高收入、低收入工作场所类型POI核密度值 起止点周边居民点类型兴趣点与住房价格核密度值 起止点周边公共服务与生活服务设施类型POI核密度值 起止点到市中心欧式距离
Table 4. Random forest classifier confusion matrix results
View tableView in ArticleTable 4. Random forest classifier confusion matrix results
样本数量/条 样本占比/% 分类结果 为“回家” 分类结果 为“其他” 分类结果 为“上班” 预测准确 样本占比 真实值为“回家” 782 38 14 93.76 真实值为“其他” 8 45 23 59.21 真实值为“上班” 0 42 439 91.27
Table 5. Comparison of confusion matrix betweenrandom forest classifier with or without travel-related variables
View tableView in ArticleTable 5. Comparison of confusion matrix betweenrandom forest classifier with or without travel-related variables
样本数量/条 样本占比/% 分类结果为 “回家” 分类结果为 “其他” 分类结果为 “上班” 仅包含出行特征分类 准确样本占比 初始RF分类器 准确样本占比 真实值为“回家” 765 38 15 93.52 93.76 真实值为“其他” 22 31 33 36.05 59.21 真实值为“上班” 3 56 428 87.89 91.27
Get Citation
Copy Citation Text
Pengjun ZHAO, Yushu CAO.
Received: Mar. 22, 2019
Accepted: --
Published Online: Apr. 23, 2021
The Author Email: Pengjun ZHAO (pengjun.zhao@pku.edu.cn)
