摘 要：文章首先對ReliefF特征選擇算法相關(guān)理論做了解析，分析了影響城市出租車保有量的相關(guān)因素；然后利用ReliefF算法對重慶、廣東相關(guān)數(shù)據(jù)進(jìn)行了處理，提取其中特征權(quán)重較大的特征；最后，基于降維后的特征進(jìn)行多元回歸分析，得到表征重慶、廣東出租車保有量的多元回歸方程。

關(guān)鍵詞：出租車保有量；特征選擇；ReliefF算法；多元回歸分析

引言

出租車保有量問題已經(jīng)成為出租車市場管理的重要依據(jù)，對城市出租車保有量的預(yù)測也成為了城市交通中的重要研究課題。文獻(xiàn)[1]針對深圳市特區(qū)外的出租車保有量問題進(jìn)行了研究，建立了類比分析模型。文獻(xiàn)[2]通過對北京市出租車保有量問題的研究，提出了基于出行廣義成本預(yù)測模型。文獻(xiàn)[3]利用Bruce Schaller需求估計(jì)模型，對北京市出租車保有量進(jìn)行合理預(yù)測。

本文提出基于ReliefF特征選擇算法[4]的多元回歸分析方法對出租車保有量問題進(jìn)行研究。首先，利用ReliefF算法對眾多影響因素進(jìn)行權(quán)重排序，然后，利用多元回歸分析方法對具體城市數(shù)據(jù)進(jìn)行預(yù)分析。

1 ReliefF特征選擇算法

ReliefF特征選擇算法主要用于解決樣本的多分類問題。算法基本思想：從訓(xùn)練集中隨機(jī)選取一個樣本R，然后從與樣本R同類和不同類的樣本集中均選出k個最近鄰樣本，最后，更新每個特征的權(quán)重。

2 出租車保有量問題實(shí)例

選取廣東、重慶相關(guān)數(shù)據(jù)進(jìn)行研究，數(shù)據(jù)來源于中國統(tǒng)計(jì)年鑒[5]。

考查影響出租車保有量的影響因素：X1：地區(qū)生產(chǎn)總值（億元）；X2：地區(qū)總?cè)丝冢ㄈf人）；X3：城鎮(zhèn)居民家庭人均交通、通信消費(fèi)支出（元）；X4：公共交通車輛運(yùn)營數(shù)（輛）；X5：公共交通運(yùn)營線路總長度（公里）；X6：公共交通客運(yùn)總量（萬人次）；X7：城鎮(zhèn)居民家庭平均每百戶家用汽車擁有量（輛）；Y：現(xiàn)有出租車保有量（輛）。標(biāo)準(zhǔn)化處理后的數(shù)據(jù)見表1。

3 結(jié)束語

文章基于ReliefF算法對影響出租車保有量的因素進(jìn)行了降維處理，對重慶、廣東2008-2012年相關(guān)數(shù)據(jù)進(jìn)行多元回歸分析，分別得到二者的多元回歸方程，對后續(xù)的研究工作有一定的指導(dǎo)作用。

參考文獻(xiàn)

[1]孫喜梅，李猛，韓彪.基于類比分析的深圳市特區(qū)外出租車需求量預(yù)測[J].交通信息與安全，2009（5）：19-23.

[2]柳麗娜，陳艷艷，張文閣.北京市出租車乘客需求預(yù)測模型研究[J].交通標(biāo)準(zhǔn)化， 2010（13）：89-92.

[3]范合君，杜博.特大城市出租車合理數(shù)量估計(jì)及實(shí)現(xiàn)路徑-以北京市為例[J].經(jīng)濟(jì)與管理研究，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/中國統(tǒng)計(jì)年鑒.

作者簡介：王巖（1979-），男，吉林省吉林市人，工作單位：吉林化工學(xué)院，職務(wù)：教師，研究方向：模式識別、機(jī)器視覺。