A machine learning approach for the operationalization of latent classes in a discrete shipment size choice model
A machine learning approach for the operationalization of latent classes in a discrete shipment size choice model
复制标题
一种机器学习方法，用于在离散出货尺寸选择模型中操作潜在类别
DOI：
10.1016/j.tre.2018.03.005
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Liedtke
中科院分区：
文献类型：
--
作者：
Piendl;Matteis;Liedtke
本文阐述了一种在战略性区域间货运模型中实施涉及行为敏感货运尺寸选择的潜在细分的新方法。通过潜在类别分析形成的不同同质细分市场估计离散出货尺寸选择模型。应用一种称为贝叶斯分类器的机器学习技术将从样本中获得的片段与国家层面上可用的商品流数据联系起来。最后，在一个示例性场景中，计算了信息和通信技术对货运规模分布的影响，揭示了适度的弹性以及卡车满载对不足卡车装载的主要替代。
This paper elaborates a novel approach for implementation of latent segments concerning behaviorally sensitive shipment size choice in strategic interregional freight transport models. Discrete shipment size choice models are estimated for different homogenous segments formed by latent class analysis. A machine learning technique called Bayesian classifier is applied to link segments obtained from a sample to data of commodity flows being available on a national level. Finally, in an exemplary scenario, the impact of information and communication technologies on shipment size distributions is calculated, revealing moderate elasticities and a predominant substitution of less than truck loads by full truck loads.
登录
查看更多内容
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
Stephan Müller;J. Klauenberg;Axel Wolfermann
通讯作者：
Axel Wolfermann
评估托运人从多式联运网络中获得的收益
影响因子：
--
作者：
G. Liedtke
通讯作者：
G. Liedtke
DOI：
10.1016/j.tra.2013.11.008
发表时间：
2014-01-01
影响因子：
6.4
作者：
Abate, Megersa;de Jong, Gerard
通讯作者：
de Jong, Gerard
GOODTRIP：城市商品分配建模和评估的新方法
DOI：
--
发表时间：
1999
期刊：
影响因子：
--
作者：
J. Boerkamps;A. Binsbergen
通讯作者：
A. Binsbergen
将物流纳入货运需求模型：最先进的技术和研究机会
DOI：
--
发表时间：
2012
期刊：
影响因子：
--
作者：
L. Tavasszy;K. Ruijgrok;I. Davydenko
通讯作者：
I. Davydenko