《Journal of Urban Mobility》:School travel mode choice in two medium-sized south Asian cities: Cross-city transferability and explainable machine learning approaches
编辑推荐:
为教育目的的出行在早晚高峰出行中占据重要比例。此类出行若由私人交通承担,可能导致交通拥堵加剧、空气与噪声污染以及驾驶员不适等负面后果。本研究旨在预测斯里兰卡康提(Kandy)和巴基斯坦萨希瓦尔(Sahiwal)两座南亚中等城市中小学生(school-going
为教育目的的出行在早晚高峰出行中占据重要比例。此类出行若由私人交通承担,可能导致交通拥堵加剧、空气与噪声污染以及驾驶员不适等负面后果。本研究旨在预测斯里兰卡康提(Kandy)和巴基斯坦萨希瓦尔(Sahiwal)两座南亚中等城市中小学生(school-going students)的出行方式选择。研究人员为每个城市开发了城市特定分类模型,并使用共同特征子集进行跨城市评估。采用SHapley加法解释(SHAP)方法解释模型行为并评估所学决策逻辑在不同情境下的稳定性。集成模型,特别是CatBoost和梯度提升(Gradient Boosting),在两个城市中均持续优于线性分类器和单棵决策树分类器;由于萨希瓦尔数据集包含更丰富的家庭与情境信息,其预测性能显著更强。SHAP分析揭示了两座城市间共享的行为基础,即成本相关变量主导出行方式选择决策。私人交通和可持续交通方式的较高成本均与对相应方式的持续依赖相关,表明这是一种由必要性驱动的、模式一致的行为,而非成本诱发的转换行为。距离、收入和学校类型在城市内部产生次要但依赖情境的影响。跨城市可迁移性分析表明,模型泛化能力有限且不对称。在一座城市训练的模型应用于另一座城市时,性能显著下降并出现系统性分类偏差。基于SHAP的诊断显示,迁移后的模型决策逻辑发生显著重构,包括空间敏感性降低和对成本信号的过度依赖,且在特定迁移方向下出现决策结构崩溃的证据。这些结果凸显了学生出行行为的强情境依赖性,以及采用本地校准的可解释建模方法的必要性。
**研究背景与问题**
学生上下学出行是城市早晚高峰交通的重要组成部分,若由私人交通方式承担,将加剧交通拥堵、空气与噪声污染。尽管已有大量研究探讨学生出行方式选择行为,但多数研究聚焦于大都市区域,对中等城市的关注不足。此外,许多基于机器学习的研究侧重预测精度而忽视模型可解释性,难以提取有意义的政策启示。更重要的是,单一城市的分析限制了对于不同地理情境下出行方式选择行为情境差异的理解,较少有研究明确检验在一座城市训练的模型能够在多大程度上推广至另一座城市,尤其是当输入特征在数据集间仅部分对齐时。
针对上述研究空白,本研究选取斯里兰卡康提(Kandy)和巴基斯坦萨希瓦尔(Sahiwal)两座南亚中等城市,采用可解释机器学习框架分析学生出行方式选择行为。研究目标包括:开发城市特定机器学习模型以预测学生出行方式选择;利用可解释机器学习确定输入特征对学生出行方式偏好的影响;使用共同特征子集评估机器学习模型应用于不同城市情境时的泛化能力;利用可解释机器学习评估行为决策逻辑是否跨城市迁移。该论文发表在《Journal of Urban Mobility》。
**研究方法**
本研究采用问卷调研获取数据。康提数据集为二手数据(Dias et al., 2022),于2015年5月至6月通过问卷调查收集,包含学校类型、距离、家庭收入、年级、出行成本和出行方式选择等变量。萨希瓦尔数据集通过多所学校问卷调查收集,除包含康提数据集的变量外,还增加了居住地、家庭成员数、同行人员等变量。最终数据集分别包含康提1,853条和萨希瓦尔1,160条完整观测。出行方式被二分为私人交通(私家车、摩托车)和可持续交通(公共交通、校车、共享面包车、paratransit等),步行和自行车因占比过小而排除。研究采用六种机器学习分类算法(逻辑回归、决策树、随机森林、梯度提升、XGBoost和CatBoost),通过嵌套交叉验证框架进行超参数优化和模型评估,采用合成少数类过采样技术(SMOTE)处理类别不平衡,并运用SHAP值进行模型解释和跨城市迁移诊断。
**研究结果**
**康提城市特定模型**
超参数优化在约10-12次试验内快速收敛,学习率是影响模型性能的主导因素。嵌套交叉验证结果显示集成方法优于逻辑回归和单棵决策树,CatBoost获得最高ROC-AUC(0.8774 ± 0.0196)。SHAP分析表明,可持续交通成本是最具影响力的预测因子,较高成本推动预测向可持续交通方向。私人交通成本呈现相反方向效应,较高成本反而推动预测向私人交通方向,表明高成本家庭可能因可达性限制或缺乏替代方案而结构性依赖私人车辆。较低距离值与私人交通可能性增加相关,而较长距离适度增加可持续交通倾向。较低收入水平促进可持续交通选择,较高收入水平转向私人交通。公立学校学生相对私立学校学生更倾向可持续交通。
**萨希瓦尔城市特定模型**
超参数优化显示树深度对模型性能起关键作用。嵌套交叉验证结果明显优于康提,所有集成学习器均取得高判别能力,CatBoost获得最高ROC-AUC(0.9815 ± 0.0084)。SHAP分析显示成本相关变量压倒性主导模型预测力,可持续交通成本和私人交通成本分别位列第一和第二重要特征。与康提相反,较长距离对私人交通选择有轻微贡献。较高年级学生更可能使用私人交通。与父母同行强烈促进私人交通选择。来自村庄的学生与私人交通使用关联更强,反映农村地区共享交通服务的有限性。
**共同特征子集模型**
为进行跨城市迁移评估,两数据集被缩减至共同特征子集(收入、年级、距离、出行成本和学校类型)。梯度提升在共同特征空间下表现最佳(ROC-AUC = 0.9199 ± 0.0138)。SHAP分析显示,在去除社会和家庭情境变量后,模型更加依赖成本信号,可持续交通成本成为最具影响力预测因子。距离在共同特征模型中呈现清晰的空间判别梯度,短途倾向可持续交通,长途倾向私人交通。
**跨城市泛化与迁移性**
将萨希瓦尔训练的梯度提升模型应用于康提数据集,总体准确率降至65.2%,私人交通类召回率骤降至33.1%,精确率仅19.3%,210个私人出行中的310个被错误分类为可持续交通。将康提训练的CatBoost模型应用于萨希瓦尔数据集,总体准确率降至61.7%,286个可持续出行被误分类为私人交通。两种迁移方向均表现出结构性偏差:萨希瓦尔至康提迁移过度预测可持续交通,康提至萨希瓦尔迁移过度预测私人交通。SHAP诊断显示,萨希瓦尔至康提迁移中,距离的原始逻辑被反转且空间敏感性降低;康提至萨希瓦尔迁移中,决策结构几乎完全压缩于私人交通成本,其他变量作用边缘化,呈现决策结构崩溃特征。
**讨论与结论**
本研究表明,两座城市中学生出行方式选择行为共享以成本主导的共同行为基础,但跨城市迁移能力有限且不对称。变量定义相同却在不同城市情境中编码了不同行为含义,反映出定居结构、制度安排和家庭约束的差异。政策方面,简单的定价工具难以诱发学生群体实质性方式转换,应重点改善有组织的可持续交通服务的可靠性、覆盖率和感知质量。城市间政策设计不可直接转移,需结合本地条件进行校准。本研究局限性包括:共同特征子集可能遗漏重要本地因素;横断面数据限制了对行为随时间变化的理解;类别不平衡在跨城市应用中影响模型稳定性;迁移中模型性能下降时SHAP值可靠性降低。未来研究可采用纵向数据并扩展地理范围以提升泛化能力。