利用被动数据与机器学习丰富调查数据集的框架：将态度变量迁移至其他交通调查
A framework for enriching survey datasets using passive data and machine learning, with an application to transferring attitudinal variables across transport surveys
发表于 2026年7月28日 · 收录于雷达 2026年11月5日
中文摘要
针对问卷缩短虽能提高回应率、却减少建模变量的问题，研究结合机器学习、回归算法与被动数据增强，构建预测性迁移学习框架，并以美国全国住户出行调查为例补充心理测量数据。该方法对观测态度的解释方差最高达25%，观测值与预测值的相关系数最高为0.5。