【机器学习】XGBoost+SHAP模型：缓冲区大小对建成环境与地铁客流关系的影响。

文章预览

声明：该论文为研究团队成员阅读到的优秀文献，非本推文作者原创。 原文出处：Liu X, Chen X, Tian M, et al. Effects of buffer size on associations between the built environment and metro ridership: A machine learning-based sensitive analysis[J]. Journal of Transport Geography, 2023, 113: 103730. 研究目的和意义 利用更细粒度的大数据和非参数机器学习方法，该研究对300m、600m、800m和1000m四种径向缓冲区范围内的建成环境要素与地铁客流的关系进行了敏感性分析。研究结果有助于规划人员为站点地区规划和需求预测制定地铁汇水区基准，更重要的是，研究结果强调了精心选择基于面积的变量的分析空间单元的重要性，特别是在使用非参数机器学习方法进行研究时。 方法 1.研究区域与变量 本研究以上海为个案进行研究。该研究使用了上海地铁的数据，特别是2019年9月18日(一个典型的星期三)记录的 ………………………………