توصيفگر ها :
رفتار سفر , تفاوت جنسيت , يادگيري ماشين , حنگل تصادفي؛ NHTS
چكيده فارسي :
با توجه به تغييراتي كه در گذر زمان سطح تحصيلات، سهم در بازار كار، فراگير شدن تكنولوژي و غيره براي هر دو جنسيت به خصوص زنان پديد آمده است، بررسي رفتار سفر زنان و مردان امري مهم به شمار مي‌آيد. اين پژوهش با هدف بررسي رفتار سفر زنان و مردان و تغييرات رخ داده در رفتار سفر آنان در طول زمان انجام شده است. براي دستيابي به اين هدف، به داده حاصل از National Household Travel Survey كه يك نظرسنجي معتبر از رفتار سفر در سطح كل كشور آمريكا است رجوع شده است. در ابتدا اطلاعات در بازه زماني شانزده سال از 2001 تا 2017، در سه مقطع 2001، 2009 و 2017 انتخاب و پاكسازي گرديد. هدف سفر‌هاي در نظر گرفته شده شامل هدف سفر خريد، كاري و اجتماعي-تفريحي است كه بالغ بر 65 درصد از كل سفر‌هاي انجام شده را شامل مي‌شود. با توجه به نتايج مهم‌ترين متغير‌ها زمان سفر، تعداد خودروي خانوار، تعداد سفر پياده شخص در هفته، سن، درآمد خانوار و فصل سفر به‌دست آمده است. اگر چه زنان و مردان با توجه به متغير‌ها و تأثيرات آنها، در تمايل به استفاده از طريقه‌هاي مختلف، غالباً رفتار متفاوتي در پيش گرفتند، ولي در كل سهم استفاده از هر طريقه براي زنان و مردان در طول دوره زماني نزديك به هم شده است. در اين پژوهش، بر خلاف روش‌هاي مرسوم از قبيل رگرسيون و لوجيت، از روش جنگل تصادفي استفاده شده است. جنگل تصادفي يكي از روش‌هاي يادگيري ماشين به صورت نظارت شده است كه در پژوهش‌هاي پيشين عملكرد بالايي در دقت پيش‌بيني ارائه داده است. در اين پژوهش به طور ميانگين دقت پيش‌بيني بالاي 90 درصد به‌دست آمده است.
چكيده انگليسي :
The purpose of this study was to investigate the travel behavior of men and women and their travel behavior changes that occurred during years with several different sections. To achieve this goal, this study was conducted based on NHTS data for a period of 16 years from 2001 to 2017 and in 3 periods 2001, 2009, and 2017. it is important to probe the behavior of women and men, considering the changes that have occurred in the level of education, labor market share, the pervasiveness of technology, etc, for both gender, specifically of women. In this study, unlike conventional methods such as regression and logit, the random forest method is used. Random forest is one of the supervised machine learning methods that previous research showed that has provided high performance in predictive accuracy. The data used in this study is big data, which was prepared by a survey from a significant number of people in the US. The considered trip purpose includes the purpose of shopping, work, and social-recreational trips, which cover up to 65% of the trips made. According to the results, the most important variables are travel time, number of household cars, number of walk trips in a week, age, household income, and travel season. Also, the results show that despite the significant increase in the share of women in various occupations, there is a significant amount of responsibility for the need of the family on them, which has a great impact on womenʹs behavior.
