基于因子分析与聚类分析的居民出行目的与租车关系研究.docVIP

基于因子分析与聚类分析的居民出行目的与租车关系研究 　　摘 要：通过因子分析和聚类分析方法建立综合评价模型，对居民出行目的与其租车是否存在影响进行实例分析，从出行目的中提取3个符合实际意义的公因子，给出因素的影响排名，然后根据因子得分应用K-means聚类分析将居民出行12种出行目的分成3类，客观地分析了居民出行目的与居民租车之间的联系，所得到的评价结果可为租车行业的发展与规划提供科学的依据和参考。 　　关键词：居民出行；出行目的；租车 　　引言 　　因子分析和聚类分析方法主要用于多种事物间关系研究，交通方面采用该方法研究较少。Ben-Akiva等[1-2]讨论了出行者个性特征对个体行为的影响；邹继贤等对汉中市居民出行特征进行系统分析，其目的用于解决中小城市交通问题；陈熙采用问卷调查方式，归纳总结城市居民交通出行基本特征在不同区域的差异性及其影响因素；芦芳强等以五个典型城市公交OD出行数据运用图形处理及模型标定等方法进入深的数据挖掘。 　　1 出行目的研究 　　居民出行目的包含上班、上学、回程、购物、休闲旅游、探亲访友、商务办公等，不同出行目的选择的交通方式差异性较大。 　　2 模型建立 　　2.1 因子分析方法 　　假设评价的总体有n个居民对应的出行目的为j，因子分析的数学模型就是把j个出行目的分别表示为m（m≤j）个公共因子和一个独特因子的线性加权和，即： 　　X=AF+？着 　　其中X=（X1，X2，…，Xj）为可测的j个出行目的构成的j维随机向量，F=（F1，F2，…，Fm）是不可测的m维随机向量，称为公共因子（也称主因子），它的每个分量F1，F2，…，Fm将出现在每个变量中。 　　2.2 聚类分析 　　聚类分析法是事物分类常用方法，思路是根据样本性质方面的亲密程度进行分类，然后按照距离远近将数据分为若干类别，最终使类别内数据差异尽可能小，类别间差异尽可能大。 　　2.3 变量选择 　　特性变量的选择是指针对居民出行目的的选择。 　　3 案例分析 　　3.1 因子分析 　　将因子分析法应用于重庆市南岸区居民出行目的与其租车之间的关系研究，将出行目的划分为：上班、上学、自驾、带驾、接待、婚庆、回程、购物、休闲旅游、探亲访友、商务办公、家用车辆和其他，用X1，X2，…，X13来表示，用xij表示第i个居民的出行目的为j，则X=（xij）200×13。 　　（1）首先将原始数据输入SPSS软件，对13个变量作KMO（Kaiser-Meyer-Olkin）检验和巴特利特球度检验。其KMO值为0.6120.5，并通过了Barletts球形检验（P0.000），说明可以进行因子分析。使用主成份方法提取因子，选取特征值大于1的特征值。 　　（2）对原始数据进行标准化处理后，利用相关系数矩阵进行基于主成分分析方法的因子分析，计算其特征值及贡献率，公共因子的特征值和累计方差贡献率见表1。 　　表1 解释方差及贡献率 　　另根据表1方差累积贡献率可知前3个因子能解释变异量的83.149%，因此13个变量可以提取为3个公共因子，继而得到公因子的旋转矩阵。 　　表2 旋转及得分矩阵 　　根据表2旋转后的因子载荷矩阵，从旋转后的因子载荷矩阵将F1因子命名为主要因素。主因子F2命名为次要因素。主因子F3命名为其他因素。 　　3.2 聚类分析 　　根据3个因子得分函数，用SPSS计算所得的200名居民的3个因子得分作为新变量，对200名居民出行目的进行K-means聚类分析并分成3类。 　　表3 最终聚类中心 　　根据3个类的最终类中心情况（见表3），第一类居民出行目的为刚性需求；第二类居民出行目的主要为弹性需求；第三类居民出行目的主要为生活娱乐出行。 　　4 结束语 　　利用新产生因子得分排名及各因子中载荷分析，可以客观的了解出行目的与居民租车之间的关系，分析不同出行目的与居民租车之间存在的主次关系。 　　参考文献 　　[1]Ben-AkivaM， Boccara. Integrated framework for travel behavior analysis[C]//4th Conference of International Association of Travel Behavior Research France，1987. 　　[2]Bowan J L， Ben-Akiva M.Activity-based disaggregate travel demand model system with activity schedules[J].Transportation Research Part A，2001，35（1）：1-28. 　　作者简介：聂 （1