四、模型建立与分析 (一)数据背景与分析 大客车 小汽车 电动车 自行车层之 出租车 面值p 地铁b 步行≥ 024681012 2008年因2015年 图1各交通方式平均出行距离 从2008年及2015年的居民出行调查数据中可以看出,步行、自行车的平均出行距离均不 足3公里,主要满足居民的短距离出行;道路公交平均出行出行距离由2008年的461公里增 加到2015年的719公里,增加了近一倍。而小汽车的平均出行距离则高达906公里。因此公 共交通及私人小汽车主要满足居民的长距离出行。由于影响出行方式选择的因素众多,以 棵决策树来反映不同影响因素下对于出行方式的选择不够清晰,构建的决策树过于庞大且预 测精度不高。为保证预测结果的精确性,本文将步行及非机动车两种方式作为一组来反映短 距离出行下出行方式的影响因素:将公共交通及私人小汽车两种出行方式作为一组来反映长 距离出行下出行方式的影响因素,并分别构建了短距离出行及长距离出行条件下的决策树模 (二)变量的选取 该决策树模型以对不同交通方式的选择为因变量,由于影响交通方式的选择因素很多, 本文主要考虑出行者的个人属性及家庭属性信息,选取出行时间、出行目的、出行日期(工 作日、节假日)、出行者的年龄、性别、职业、是否有公交卡、是否用公共自行车、家庭规 模、儿童数、是否有购车意愿作为自变量。部分变量编码如表1所示 表1部分输入变量定义 变量类别 变量含义 变量编码 非机动车 出行方式 公共交通(公共汽车/地铁) 私人小汽车 (c)1994-2019ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net四、模型建立与分析 （一）数据背景与分析 图 1 各交通方式平均出行距离 从2008年及2015年的居民出行调查数据中可以看出，步行、自行车的平均出行距离均不 足3公里，主要满足居民的短距离出行；道路公交平均出行出行距离由2008年的4.61公里增 加到2015年的7.19公里，增加了近一倍。而小汽车的平均出行距离则高达9.06公里。因此公 共交通及私人小汽车主要满足居民的长距离出行。由于影响出行方式选择的因素众多，以一 棵决策树来反映不同影响因素下对于出行方式的选择不够清晰，构建的决策树过于庞大且预 测精度不高。为保证预测结果的精确性，本文将步行及非机动车两种方式作为一组来反映短 距离出行下出行方式的影响因素；将公共交通及私人小汽车两种出行方式作为一组来反映长 距离出行下出行方式的影响因素，并分别构建了短距离出行及长距离出行条件下的决策树模 型。 （二）变量的选取 该决策树模型以对不同交通方式的选择为因变量，由于影响交通方式的选择因素很多， 本文主要考虑出行者的个人属性及家庭属性信息，选取出行时间、出行目的、出行日期（工 作日、节假日）、出行者的年龄、性别、职业、是否有公交卡、是否用公共自行车、家庭规 模、儿童数、是否有购车意愿作为自变量。部分变量编码如表1所示。 表 1 部分输入变量定义 变量类别 变量含义 变量编码 出行方式 步行 1 非机动车 2 公共交通（公共汽车/地铁） 3 私人小汽车 4 [值] [值] [值] [值] [值] [值] [值] [值] [值] [值] [值] [值]0 [值] [值] [值] [值] 0 2 4 6 8 10 12 步行 道路… 地铁 出租车 自行车 电动车 小汽车 大客车 2008年 2015年