基于CART‑Apriori方法的城市居民出行方式选择研究

为何你的每日通勤至关重要

你每天在城市中的每一次出行——无论是步行、骑行、乘公交还是开车——都会在不知不觉中影响交通拥堵、污染，甚至城市的形态。本文研究了一个中国中等规模城市中人们如何选择出行方式，并检验了一种新的数据驱动方法来预测这些选择。研究结果有助于解释为何有人会步行一公里，而其他人在同样距离选择网约车，以及更智能的规划如何能减少拥堵和碳排放。

中等规模城市的出行方式概况

本研究所考察的城市约有58万城市居民，无地铁或轨道系统，路况相对顺畅。大多数出行距离较短，常见选项包括步行、共享单车与电动滑板车、公交、出租/网约车和私家车。由于公交票价较低且大多为统一票价，居民不会为单次出行的微小票价差别纠结，而更关注诸如是否买车等长期决策，以及出行距离和换乘次数等实际细节。研究通过对1500名居民的大规模问卷，收集了关于个人特征、出行目的、出行距离及所选出行方式的信息。

将传统模型与新算法相结合

几十年来，交通研究者使用传统的数学模型来预测出行选择，但这些模型常在应对复杂的现实行为时力不从心。较新的机器学习工具预测能力更强，但常被批评为难以解释的“黑箱”。本研究将多种方法整合到一个框架中。首先，名为Apriori的算法在问卷数据中扫描最强的“如果——则”模式，例如“如果某人出行3–5公里、拥有私家车且需换乘一到两次，则他们很可能选择网约车”。这些模式随后被输入一种称为CART的决策树模型，CART通过基于距离或是否有车等因素不断将出行者分支，以预测每个人将采用何种出行方式。

让黑箱变得可理解

为了超越纯粹的预测并真正解释行为，研究者引入了名为RuleFit的模型。RuleFit将决策树的分支——那些说明谁会选择哪种方式的规则——转换为简单、易读的陈述并赋予数值权重。这些权重显示每条规则在多大程度上将人们推向步行、骑行、乘公交、驾驶或网约车。通过这种方式，研究既能预测人们的选择，也能清晰描述主要模式，而不是仅仅给出没有解释的预测结果。

决定性影响因素寥寥数项

尽管最初考虑了许多潜在影响因素，数据挖掘步骤显示只有四项因素主导了出行决策：出行距离、出行目的、是否拥有私家车，以及公共交通所需的换乘次数。其中距离最为关键。居民在距离低于一公里时通常选择步行，无论是否有车。共享单车在1–3公里的通勤中尤为受欢迎，即便是有车族也常选择。对于3–5公里的中程出行，想要直达且避免多次换乘的人更倾向于共享电动滑板车和私家车。对于不需要换乘的3–5公里行程，公交仍是较优选。若公交需多次换乘，则1–3公里的通勤更可能选择网约车。总体而言，组合的CART–Apriori模型能将人们的出行方式正确预测约83%，优于其他几种常用方法。

对更绿色街道的启示

通过明确驱动日常选择的少数关键因素，本研究为城市规划者提供了清晰的指导。改善住宅3公里范围内的人行道和自行车道，可将许多短途出行转向步行和骑行。尤其是为3–5公里行程优化公交线路以减少换乘，可使公共交通比驾车更具吸引力。对短途驾车实施停车费或拥堵费等政策，配合便捷的共享单车和电动滑板车，也能进一步鼓励低碳出行。对非专业读者而言，结论很简单：当城市让短途出行易于步行或骑行，并让较长出行可通过公交在不多次换乘的情况下完成时，人们会自然而然地选择更清洁、更高效的出行方式。

引用: Song, H., Wang, X., Tian, W. et al. Study on urban residents’ travel mode choice based on the CART-Apriori method. Sci Rep 16, 6270 (2026). https://doi.org/10.1038/s41598-026-37216-4

关键词: 城市出行行为, 方式选择, 机器学习, 可持续交通, 公共交通