声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-2223/N
国际刊号：1000-0054
发布日期:
作者：孙轶琳, 谌淑杰, 黄佩
单位：1. 浙江大学 工程师学院, 杭州 310058,2. 浙江大学 建筑工程学院, 杭州 310058
关键词：旅游交通,出行即服务,嵌套Logit模型,LightGBM模型
基金：浙江省“尖兵”“领雁”研发攻关计划项目(2024C01214),国家自然科学基金重点项目(52131202)
出行即服务(mobility as a service, MaaS)是基于通信技术的城市交通网络系统的重要组成部分, 为推进城市交通向可持续发展转型提供综合出行信息支持。该文基于旅游出行网络问卷调查数据, 构建嵌套Logit模型, 研究旅行者出行方式及MaaS方案选择行为及其影响因素。为进一步揭示影响因素与MaaS方案选择间的非线性关系, 建立轻量级梯度提升机(light gradient boosting machine, LightGBM), 并结合SHAP (shapley additive explanations)机器学习模型解释方法, 剖析主要影响因素之间的协同效应及其对MaaS方案选择的作用。结果表明, 收入、职业、家庭生命周期、平日交通出行习惯、景点类型等显著影响旅行者对MaaS方案的选择, 其中低收入群体、游览商业文娱和文化遗迹景点的旅行者更偏好含不限次公交或地铁的MaaS方案等, 因此可以为特定群体个性化制定相关优惠措施, 丰富MaaS在旅游交通中的相关实践。研究结论对于促进公共交通的使用、提升多式联运城市交通网络的运行效率及旅游交通吸引力具有借鉴意义。
来源：2025年第5期
《清华大学学报(自然科学版)》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。