Jun, 2024
将不确定性量化纳入出行方式选择建模：一种贝叶斯神经网络（BNN）方法和基于不确定性引导的主动调查框架
Incorporating uncertainty quantification into travel mode choice modeling: a Bayesian neural network (BNN) approach and an uncertainty-guided active survey framework
Shuwen Zheng, Zhou Fang, Liang Zhao
TL;DR将可解释人工智能领域的不确定性概念引入交通方式选择建模，提出了基于贝叶斯神经网络的交通方式预测模型（BTMP），该模型能够量化预测的不确定性，并通过一种不确定性引导的主动调查框架，动态地制定具有高预测不确定性的调查问题，通过减少调查问题数量降低调查成本，加快模型训练速度。对合成数据集和真实数据集进行实验验证，结果表明，利用不确定性引导的主动调查框架训练的 BTMP 模型，只需使用 20% 至 50% 的调查响应数据，即可达到与随机收集的调查数据训练的模型相当的性能。总体而言，提出的 BTMP 模型和主动调查框架将不确定性量化纳入交通方式选择建模中，为模型用户提供了关于预测可靠性的重要见解，并以成本高效的方式优化深度学习模型训练的数据收集。