基于ReliefF算法的城市出租车保有量问题研究

摘 要：文章首先对ReliefF特征选择算法相关理论做了解析，分析了影响城市出租车保有量的相关因素；然后利用ReliefF算法对重庆、广东相关数据进行了处理，提取其中特征权重较大的特征；最后，基于降维后的特征进行多元回归分析，得到表征重庆、广东出租车保有量的多元回归方程。

关键词：出租车保有量；特征选择；ReliefF算法；多元回归分析

引言

出租车保有量问题已经成为出租车市场管理的重要依据，对城市出租车保有量的预测也成为了城市交通中的重要研究课题。文献[1]针对深圳市特区外的出租车保有量问题进行了研究，建立了类比分析模型。文献[2]通过对北京市出租车保有量问题的研究，提出了基于出行广义成本预测模型。文献[3]利用Bruce Schaller需求估计模型，对北京市出租车保有量进行合理预测。

本文提出基于ReliefF特征选择算法[4]的多元回归分析方法对出租车保有量问题进行研究。首先，利用ReliefF算法对众多影响因素进行权重排序，然后，利用多元回归分析方法对具体城市数据进行预分析。

1 ReliefF特征选择算法

ReliefF特征选择算法主要用于解决样本的多分类问题。算法基本思想：从训练集中随机选取一个样本R，然后从与样本R同类和不同类的样本集中均选出k个最近邻样本，最后，更新每个特征的权重。

2 出租车保有量问题实例

选取广东、重庆相关数据进行研究，数据来源于中国统计年鉴[5]。

考查影响出租车保有量的影响因素：X1：地区生产总值（亿元）；X2：地区总人口（万人）；X3：城镇居民家庭人均交通、通信消费支出（元）；X4：公共交通车辆运营数（辆）；X5：公共交通运营线路总长度（公里）；X6：公共交通客运总量（万人次）；X7：城镇居民家庭平均每百户家用汽车拥有量（辆）；Y：现有出租车保有量（辆）。标准化处理后的数据见表1。

3 结束语

文章基于ReliefF算法对影响出租车保有量的因素进行了降维处理，对重庆、广东2008-2012年相关数据进行多元回归分析，分别得到二者的多元回归方程，对后续的研究工作有一定的指导作用。

参考文献

[1]孙喜梅，李猛，韩彪.基于类比分析的深圳市特区外出租车需求量预测[J].交通信息与安全，2009（5）：19-23.

[2]柳丽娜，陈艳艳，张文阁.北京市出租车乘客需求预测模型研究[J].交通标准化， 2010（13）：89-92.

[3]范合君，杜博.特大城市出租车合理数量估计及实现路径-以北京市为例[J].经济与管理研究，2015，36（8）：91-95.

[4]Kononenko I. Estimating Attributes： Analysis and Extentions of RELIEF [C] // Machine Learning： ECML-94.Springer Berlin Heidelberg，1994：171-182.

[5]http：//www.stats.gov.cn/tjsj/ndsj/中国统计年鉴.

作者简介：王岩（1979-），男，吉林省吉林市人，工作单位：吉林化工学院，职务：教师，研究方向：模式识别、机器视觉。