Verwendung des Modells Random Forest (Wald aus zufälligen Bäumen)

In diesem Buch entwickeln wir eine neue Methode der Conjoint-Mustererkennung, die eine auf Netzwerkmustern basierende Analyse mit einer auf Aktivitätssequenzen basierenden Analyse kombiniert. Wir nutzen die Vorteile beider Methoden, um Mustergruppen zu erstellen, die in ihrem Inneren eine deutliche Musterhomogenität und eine Heterogenität zwischen den Mustern aufweisen. Der erste Teil der Analyse hier wendet einen traditionelleren Ansatz an, um einzigartige Netzwerkmuster zu identifizieren, von denen 16 83,05 % der NHTS-Arbeitstagsdaten 2017 erfassen. Die multivariate Analyse der gruppierten Motivdaten zeigt eine unterschiedliche Präferenz der Motive für Studenten, Teilzeitbeschäftigte, Rentner, Telearbeiter, Autofahrer, Frauen und junge Erwachsene. Im zweiten Teil der Analyse werden die Motive nach der Anzahl der Orte, die eine Person an einem Tag besucht, in Kategorien zusammengefasst und ihre Korrelation mit der Zeitverwendung und dem Reiseverhalten untersucht. Zeitverwendung und Reisen werden auf der Grundlage einer minutengenauen Modellidentifikation der Zeitzuteilung analysiert.