申请/专利权人：深圳技术大学

申请日：2023-12-20

公开（公告）日：2024-04-12

公开（公告）号：CN117874709A

主分类号：G06F18/27

分类号：G06F18/27;G06F18/241;G06F18/21

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：基于可解释性机器学习的建成环境对居民出行的多尺度影响分析方法，涉及机器学习领域，具体涉及数据挖掘分析技术领域。解决了出行行为的尺度和建成环境测量中难以得到每个影响因素对出行行为的关系的问题。该方法通过居民出行数据和地理尺度的相关性分析，得到地理尺度数据。根据地理尺度数据，从多角度设置三个层面尺度对应的假设。根据这些假设创建多尺度对应模型框架，并设置建成环境的5D要素指标。通过验证多尺度对应模型的适用性，结合多元线性回归和多项logit模型结果，对模型进一步分析和更新。最终，采用可解释性机器学习方法，得到建成环境对居民出行的影响关系。本发明在居民出行研究中能够较好地弥补目前居民出行研究上的不足。

主权项：1.基于可解释性机器学习的建成环境对居民出行的多尺度影响分析方法，其特征在于，所述方法包括：S1，通过居民出行数据以及地理尺度的半径做相关性分析，得到地理尺度数据；S2，根据所述地理尺度数据，从不同角度设置三个层面尺度对应的假设；S3，根据所述三个层面尺度对应的假设创建多尺度对应模型框架；S4，在所述多尺度对应模型框架内，设置建成环境5D要素指标，最终得到多尺度对应模型；S5，验证所述多尺度对应模型的适用性，并设定所述多尺度对应模型的计算方法，进一步更新所述多尺度对应模型；S6，采用可解释性机器学习方法，结合多元线性回归以及多项logit模型结果，对更新后的所述多尺度对应模型进一步分析，最终得到建成环境对居民出行的影响关系。

全文数据：

权利要求：

百度查询： 深圳技术大学 基于可解释性机器学习的建成环境对居民出行的多尺度影响分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD