.png){kind=icon}
返回
Modeling Consumer Outing Behavior Using Lifestyle Analysis and Mobility Data
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-03534-9_6.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，智能手机内置的GPS和加速度计传感器取得了显著进展，使得对消费者外出行为的详细测量成为可能。这些数据正被越来越多地应用于医疗保健、游戏和营销等领域，促进了服务行业的数字化转型。然而，年龄、兴趣和态度等个体特征与观察到的出行模式之间的关系仍知之甚少。深入理解个体特征背后潜在的生活方式维度对于设计可持续、以人为本的服务至关重要，这些服务需满足消费者的多样化需求和偏好。本研究探讨了个体生活方式因素与外出行为的关系。我们从约3,000名用户处获取并分析了一个月的出行行为数据，包括GPS位置和交通方式，并补充了关于生活方式偏好的问卷调查数据。通过对问卷数据进行探索性因子分析，我们确定了五个代表消费者偏好潜在维度的生活方式关键因素。随后，我们构建了模型，使用移动模式（如周末活动）和自我报告的偏好（如旅游兴趣）作为预测因子，预测每个因素的强度。这种整合建模方法使我们能够将主观生活方式特征与观察到的行为联系起来。结果表明，通过整合基于智能手机的移动数据与自我报告的出行偏好，可以准确预测生活方式因素的强度（平均ROC-AUC=0.77）。这一发现强调了整合观察行为建模方法在增强客户理解方面的潜力，这对于服务行业中提供卓越服务是一个关键组成部分。
Keyword:
Outings
GPS
lifestyle
factor analysis
machine learning
期刊
机构
引用论文
Exploring attitudinal factors influencing modal shift: a latent class analysis of Danish commuters探索影响出行方式转变的态度因素：丹麦通勤者的潜在类别分析
PREAI
分享收藏XGBoost.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏Lifestyles, residential location, and transport mode use: A hierarchical latent class choice model
PREAI
分享收藏
分享收藏Identifying latent activity behaviors and lifestyles using mobility data to describe urban dynamicsEPJ DATA SCIENCEOAAI
EPJ DATA SCIENCEIF2.5
OAAI分享收藏
查看更多内容