本發(fā)明涉及數(shù)據(jù)分析，具體而言，尤其涉及一種基于累積局部總效應(yīng)圖的乘客忠誠度影響機(jī)理解析方法。

背景技術(shù)：

1、城市公共交通服務(wù)質(zhì)量評價涉及多個關(guān)鍵維度，如線網(wǎng)站點(diǎn)布局、車輛運(yùn)行狀況、乘車環(huán)境、服務(wù)態(tài)度及票價政策，這些要素的服務(wù)質(zhì)量直接決定了乘客的出行體驗與滿意度，并深刻影響著乘客對公共交通的忠誠度。高忠誠度不僅體現(xiàn)了乘客對公共交通服務(wù)的高度認(rèn)可和持續(xù)選擇，還為公共交通系統(tǒng)構(gòu)建了穩(wěn)定、可靠的客流基礎(chǔ)，為其長期運(yùn)營和發(fā)展提供了有力保障。

2、值得注意的是，公共交通服務(wù)要素的質(zhì)量與乘客忠誠度之間的關(guān)系并非簡單的線性對應(yīng)，而是呈現(xiàn)出復(fù)雜的非線性特征。即某一服務(wù)要素質(zhì)量的輕微變動，都可能引發(fā)乘客忠誠度的顯著波動。因此，深入探究城市公共交通服務(wù)中各維度要素的服務(wù)質(zhì)量如何影響乘客的公共交通忠誠度，兼具重要的理論和現(xiàn)實意義。在理論層面，這一研究有助于揭示公共交通服務(wù)質(zhì)量與乘客忠誠度之間的內(nèi)在作用機(jī)理，進(jìn)一步豐富和完善公共交通服務(wù)管理的理論體系；在實踐層面，該研究能為公共交通服務(wù)提供者提供科學(xué)的決策依據(jù)，指導(dǎo)其優(yōu)化服務(wù)流程、提升服務(wù)質(zhì)量，從而有效增強(qiáng)乘客的公共交通忠誠度，推動公共交通系統(tǒng)的可持續(xù)發(fā)展。

3、在探討公共交通服務(wù)要素質(zhì)量與乘客忠誠度之間的非線性關(guān)系時，梯度提升決策樹、隨機(jī)森林等機(jī)器學(xué)習(xí)方法發(fā)揮了關(guān)鍵作用。這些方法不僅能處理復(fù)雜的非線性數(shù)據(jù)關(guān)系，還能通過其內(nèi)部機(jī)制揭示不同服務(wù)要素對乘客忠誠度的影響程度。同時，部分依賴圖(partial?dependence?plot)和累積局部效應(yīng)圖(accumulated?local?effects?plot)等獨(dú)立于模型的解釋方法也被廣泛應(yīng)用于可視化解析這些關(guān)系，為公共交通服務(wù)提供者提供直觀的決策支持。

4、部分依賴圖作為一種直觀的可視化工具，能夠展示一個或兩個特征如何影響機(jī)器學(xué)習(xí)模型的預(yù)測結(jié)果，其優(yōu)點(diǎn)在于直觀易懂、適用多種模型，并能揭示特征與預(yù)測結(jié)果之間的線性和非線性關(guān)系。然而，當(dāng)公共交通服務(wù)要素的質(zhì)量特征之間存在強(qiáng)相關(guān)性時，部分依賴圖可能無法準(zhǔn)確反映這些要素對乘客忠誠度的獨(dú)立影響，因為它假設(shè)計算部分依賴的特征與其他特征不相關(guān)，這在實際應(yīng)用中往往不成立。

5、相比之下，累積局部效應(yīng)圖是一種能夠量化解釋變量對模型響應(yīng)變量平均影響的可視化工具，其優(yōu)點(diǎn)在于能在量化影響的同時解決特征之間的相關(guān)性問題，并且也是一種模型無關(guān)的解釋方法。但累積局部效應(yīng)圖的不足在于未直接考慮解釋變量的值分布對結(jié)果的影響，這可能導(dǎo)致忽視數(shù)據(jù)稀疏區(qū)域、無法準(zhǔn)確反映全局效應(yīng)、難以解釋極端值的影響以及可能給出誤導(dǎo)性結(jié)論，同時也限制了其作為模型解釋工具的完整性。

技術(shù)實現(xiàn)思路

1、根據(jù)上述提出的技術(shù)問題，而提供一種基于累積局部總效應(yīng)圖的乘客忠誠度影響機(jī)理解析方法。本發(fā)明在繼承累積局部效應(yīng)圖能夠處理強(qiáng)相關(guān)性變量優(yōu)勢的基礎(chǔ)上，進(jìn)一步創(chuàng)新性地融入了每個解釋變量的樣本得分值分布考量，從而能夠更精確、更全面地描繪公共交通服務(wù)要素質(zhì)量與乘客忠誠度之間的實際關(guān)系。

2、本發(fā)明采用的技術(shù)手段如下：

3、一種基于累積局部總效應(yīng)圖的乘客忠誠度影響機(jī)理解析方法，包括：

4、s1、收集多維度的公共交通服務(wù)要素質(zhì)量和乘客忠誠度數(shù)據(jù)；

5、s2、檢驗s1中數(shù)據(jù)的信度和效度，并研究公共交通服務(wù)要素質(zhì)量屬性之間的相關(guān)性；

6、s3、對數(shù)據(jù)進(jìn)行預(yù)處理，基于乘客忠誠度測量模型計算乘客忠誠度得分，構(gòu)建公共交通服務(wù)要素質(zhì)量與乘客忠誠度之間的因果解析模型，捕捉服務(wù)要素質(zhì)量與乘客忠誠度之間的關(guān)系，并利用數(shù)據(jù)對模型進(jìn)行訓(xùn)練；

7、s4、利用累積局部總效應(yīng)分析公共交通服務(wù)中的各個維度要素的服務(wù)質(zhì)量對乘客忠誠度的影響。

8、進(jìn)一步地，所述步驟s1具體包括：

9、所述乘客忠誠度表示乘客根據(jù)其以往的出行經(jīng)驗，在未來選擇公共交通出行的持續(xù)意愿，將乘客忠誠度用顯變量進(jìn)行量化分析，包括：未來將繼續(xù)使用公共交通出行、公共交通出行仍為首選出行方式、愿意向他人推薦公共交通服務(wù)，以及即使具備購車能力，公共交通仍為首選出行方式；

10、所述公共交通服務(wù)要素質(zhì)量包括乘客交通相關(guān)技術(shù)屬性感知服務(wù)質(zhì)量和乘客舒適性與安全性感知服務(wù)質(zhì)量兩個方面，所述乘客交通相關(guān)技術(shù)屬性感知服務(wù)質(zhì)量表示乘客感知的用于滿足其基本需求的服務(wù)要素的質(zhì)量，包括：公共交通服務(wù)時間、換乘便利性、乘客往返站點(diǎn)的步行距離以及乘客在站點(diǎn)的候車時間；所述乘客舒適性和安全性的感知服務(wù)質(zhì)量表示乘客感知的與運(yùn)輸舒適性和安全性相關(guān)的服務(wù)質(zhì)量，包括：站點(diǎn)設(shè)施布置和候車環(huán)境、站點(diǎn)衛(wèi)生條件、運(yùn)行平穩(wěn)性、車內(nèi)的溫度、座椅的舒適性以及安全性。

11、進(jìn)一步地，所述信度用于檢驗數(shù)據(jù)的內(nèi)部一致性，采用克朗巴赫系數(shù)檢驗s1中乘客忠誠度數(shù)據(jù)的信度，當(dāng)計算出的克朗巴赫系數(shù)大于0.7時，表明乘客忠誠度的數(shù)據(jù)具有可靠性；

12、所述效度用于檢測每個結(jié)構(gòu)下的顯變量是否能夠反映乘客忠誠度所表示的內(nèi)容，所述效度在檢驗的過程中，分別計算顯變量的kmo統(tǒng)計量、bartlett球形檢驗的顯著性概率、平均方差提取量和組合信度值，當(dāng)計算結(jié)果都處在預(yù)設(shè)范圍內(nèi)，且因子載荷大于0.5時，表明乘客忠誠度的數(shù)據(jù)具有效度。

13、進(jìn)一步地，所述相關(guān)性分析用于衡量公共交通服務(wù)要素質(zhì)量中兩個不同變量之間的相關(guān)性程度，當(dāng)變量之間的相關(guān)性系數(shù)大于0.7時，表明變量間存在很強(qiáng)的相關(guān)性；當(dāng)相關(guān)性系數(shù)在0.4到0.7之間時，表明變量間相關(guān)性較強(qiáng)；小于0.4則表明相關(guān)性較弱；

14、通過相關(guān)性的計算結(jié)果驗證公共交通服務(wù)要素質(zhì)量中變量之間的正相關(guān)性。

15、進(jìn)一步地，所述步驟s3具體包括：

16、所述預(yù)處理，用于對收集到的數(shù)據(jù)進(jìn)行清洗、整理和處理；

17、所述乘客忠誠度測量模型構(gòu)建乘客忠誠度與對應(yīng)的顯變量的測量模型，并基于路徑系數(shù)計算乘客忠誠度得分；

18、所述公共交通服務(wù)要素質(zhì)量與乘客忠誠度之間的因果解析模型，將公共交通服務(wù)要素質(zhì)量作為輸入，將乘客忠誠度得分作為輸出，在模型訓(xùn)練的過程中采用網(wǎng)格搜索法和交叉驗證法對參數(shù)進(jìn)行調(diào)優(yōu)操作，并利用平均絕對百分比誤差對模型的預(yù)測結(jié)果進(jìn)行評估。

19、進(jìn)一步地，步驟s4具體包括：

20、s41、計算公共交通服務(wù)要素質(zhì)量中的變量在第k個區(qū)間對乘客忠誠度產(chǎn)生的平均局部效應(yīng)：

21、k＝1,2,3,4,…k其中，xs代表當(dāng)前選定的部分依賴的公共交通服務(wù)要素質(zhì)量變量；xc代表除xs外其他解釋變量構(gòu)成的向量；將公共交通服務(wù)要素質(zhì)量變量的取值范圍劃分為一系列區(qū)間，k表示區(qū)間數(shù)量；zk+1表示第k+1個區(qū)間的下界取值，第k個區(qū)間的上界取值；表示位于第k個區(qū)間內(nèi)的數(shù)據(jù)樣本集合，表示數(shù)據(jù)樣本集合內(nèi)的樣本數(shù)量；i代表中的第i個數(shù)據(jù)樣本，代表集合中第i個數(shù)據(jù)樣本的其他解釋變量xc的得分情況；代表集合中第i個數(shù)據(jù)樣本的部分依賴變量xs的替代得分，令為可微函數(shù)，用于表示機(jī)器學(xué)習(xí)模型，機(jī)器學(xué)習(xí)模型的輸入為公共交通服務(wù)中各維度要素的服務(wù)質(zhì)量，輸出為乘客的忠誠度；x表示公共交通服務(wù)中各維度要素的服務(wù)質(zhì)量構(gòu)成的向量；表示xs在第k個區(qū)間對乘客的忠誠度產(chǎn)生的平均局部影響；

22、s42、計算xs對響應(yīng)變量產(chǎn)生的累積局部總效應(yīng)，即計算每個數(shù)據(jù)樣本的累積局部效應(yīng)，以區(qū)間為單位進(jìn)行累積，形成累積局部總效應(yīng)：

23、

24、s43、將s42中的累積局部效應(yīng)進(jìn)行標(biāo)準(zhǔn)化，顯示每個區(qū)間內(nèi)xs對響應(yīng)變量產(chǎn)生的累積局部總效應(yīng)的比例：

25、

26、其中，表示部分依賴變量xs對響應(yīng)變量產(chǎn)生的非標(biāo)準(zhǔn)化的累積局部總效應(yīng)，fxs,k,tale(x)表示對mxs,k(x)進(jìn)行標(biāo)準(zhǔn)化后結(jié)果的累積百分比曲線。

27、較現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：

28、本發(fā)明提供的基于累積局部總效應(yīng)圖的乘客忠誠度影響機(jī)理解析方法，在探究乘客忠誠度影響機(jī)理的研究領(lǐng)域，學(xué)術(shù)界廣泛采納了多樣的分析方法，這些方法既包括傳統(tǒng)的線性回歸技術(shù)，如多元線性回歸、路徑分析和結(jié)構(gòu)方程模型，也涵蓋了非線性方法，如三因素理論、梯度增強(qiáng)決策樹和隨機(jī)森林等。為了客觀、準(zhǔn)確地揭示解釋變量與響應(yīng)變量之間的關(guān)系，亟需一種不依賴于特定模型的分析方法。本發(fā)明提出的累積局部總效應(yīng)圖(tale)正是一種模型無關(guān)的解釋方法，它不依賴于特定的模型類型，只需從模型中導(dǎo)出滿足條件的可微函數(shù)，即可準(zhǔn)確且高效地揭示變量之間的內(nèi)在聯(lián)系，適用于分析各類模型中解釋變量與響應(yīng)變量之間的關(guān)系形式。此外，相較于部分依賴圖(pdp)等方法，累積局部總效應(yīng)圖(tale)繼承了累積局部效應(yīng)圖(ale)的優(yōu)勢，能有效解決變量間的相關(guān)性問題，從而更準(zhǔn)確地描述變量間的獨(dú)立影響。

29、本發(fā)明提供的基于累積局部總效應(yīng)圖的乘客忠誠度影響機(jī)理解析方法，采用的累積局部總效應(yīng)圖(tale)在處理具有不均勻得分分布的數(shù)據(jù)樣本時展現(xiàn)出顯著優(yōu)勢，能夠精確地揭示解釋變量與響應(yīng)變量之間的真實關(guān)系。在乘客忠誠度影響機(jī)理的研究中，累積局部總效應(yīng)圖(tale)在數(shù)據(jù)處理方面采用了標(biāo)準(zhǔn)化處理，以反映每個區(qū)間內(nèi)解釋變量對響應(yīng)變量產(chǎn)生的累積局部總效應(yīng)的比例。相比之下，累積局部效應(yīng)圖(ale)則通過中心化來計算累積局部效應(yīng)，這一過程是通過將每個特征值減去其均值來實現(xiàn)的，使得處理后的數(shù)據(jù)均值為零。然而，這種中心化處理削弱了原始數(shù)據(jù)中的尺度信息和極端值的影響，這對于全面理解乘客忠誠度的影響機(jī)理可能構(gòu)成障礙。實際上，乘客忠誠度的樣本得分分布對最終交通政策的制定具有較大影響。相比之下，采用標(biāo)準(zhǔn)化處理的tale方法顯示出獨(dú)特的優(yōu)勢。標(biāo)準(zhǔn)化處理不僅保持了數(shù)據(jù)在不同特征間的相對尺度信息，還允許極端值的存在，從而能夠更準(zhǔn)確地反映乘客忠誠度的復(fù)雜動態(tài)。因此，在乘客忠誠度影響機(jī)理的研究中，標(biāo)準(zhǔn)化處理的tale方法能夠更好地保留和解析數(shù)據(jù)中的細(xì)微差別和極端情況，更全面地考慮乘客行為的多樣性和差異性，具有較強(qiáng)的適用性和解釋力。

30、本發(fā)明提供的基于累積局部總效應(yīng)圖的乘客忠誠度影響機(jī)理解析方法，以更加客觀、深入的視角揭示城市公共交通服務(wù)中各個維度要素的服務(wù)質(zhì)量如何以非線性方式影響乘客的公共交通忠誠度。該方法不僅保留了傳統(tǒng)累積局部效應(yīng)圖在處理強(qiáng)相關(guān)性變量方面的優(yōu)勢，還創(chuàng)新性地融入了每個解釋變量的樣本得分值分布考量。這一創(chuàng)新解決了傳統(tǒng)方法因未直接考慮解釋變量特征值分布對結(jié)果的影響而帶來的一系列問題，包括可能忽視數(shù)據(jù)稀疏區(qū)域、無法準(zhǔn)確反映全局效應(yīng)、難以解釋極端值的影響，以及可能給出誤導(dǎo)性結(jié)論等。這不僅提升了模型作為解釋工具的完整性，還能夠更精確、更全面地描繪解釋變量與響應(yīng)變量之間的實際因果關(guān)系。通過將此方法應(yīng)用于乘客忠誠度影響機(jī)理的深入分析中，本發(fā)明不僅能夠獨(dú)立于所使用的影響機(jī)理分析模型，探索并客觀地揭示各個公共交通服務(wù)要素的感知服務(wù)質(zhì)量與乘客忠誠度之間的本質(zhì)關(guān)系，還為公共交通服務(wù)質(zhì)量優(yōu)化策略的制定提供了更為堅實的科學(xué)依據(jù)。

31、基于上述理由本發(fā)明可在數(shù)據(jù)分析等領(lǐng)域廣泛推廣。