-
题名基于机器学习的中欧集装箱货运方式选择预测
- 1
-
-
作者
郭姝娟
耿晓洁
李纲
王翔
魏梓峰
李一义
-
机构
大连海事大学交通运输工程学院
大连交通大学交通工程学院
-
出处
《科学技术与工程》
北大核心
2025年第1期357-364,共8页
-
基金
国家自然科学基金(72172023)
辽宁省教育厅基本科研项目(LJKMR20220378)
+1 种基金
大连交通大学人文社科研究-支持人文社科融合发展专项研究项目(面上项目)
辽宁省属本科高校基本科研业务费专项资金(LJ112410150021)。
-
文摘
为高效准确预测重大突发事件下货运代理对于中欧间集装箱运输方式选择偏好,并揭示影响货运代理选择的相关因素,采用陈述性偏好方法对货运代理进行调查,同时考虑了运输属性和货物属性的影响,构建决策树、逻辑回归和随机森林预测模型,对货运代理的选择行为进行预测。通过准确率、精确率、召回率和F1这4个评价指标,将3个机器学习模型与离散选择模型的预测结果进行了综合对比;并利用随机森林算法对疫情不同阶段下影响货运代理运输方式选择的属性重要性进行排序。研究结果表明:3个机器学习模型的预测精度均比离散选择模型高,其中随机森林模型相较于决策树模型和逻辑回归模型在中欧集装箱运输方式选择问题具有更高预测准确度,更加适用于该问题;影响因素方面:在平稳期,货物属性是最重要的影响因素,当重大突发事件发生时货运代理更加看重阈值延迟时间。此外,货物目的地和货物价值对中欧集装箱运输方式选择有着重要影响。该研究可为全球重大突发事件影响下更准确地分析货运代理的运输方式选择行为的决策机制,以及帮助航运公司和中欧班列经营人更好地理解货运代理偏好和决策因素,为应对类似的突发事件提供了有力依据。
-
关键词
交通工程
货物运输方式选择
机器学习
中欧班列与班轮运输
-
Keywords
traffic engineering
freight transportation mode choice
machine learning
CR-Express and liner shipping
-
分类号
U116.2
[交通运输工程]
-
