电子商务网络的支付平台作为一种商业模式已经得到了相当程度的普及。一个城市的移动支付方式,与该城市的出行特征相关。文章针对一个城市的"公交移动支付"模式,对该城市人的出行支付特征进行数据分析,建立了数据分析模型、线性回归,讨论其利弊及优化模型,提出可行性建议。 排序，对于次数太少的人的数据进行剔除，因为这些人可能是偶尔来出差、出游一次，并不是这个城市的人。（2）将本次乘车交易距上次乘车交易时间间隔较长的数据进行剔除掉，因为这类人员可能是偶尔乘公交或者地铁。（3）将除公交卡支付和移动支付方式之外的数据剔除掉。因为NULL表示机器故障。因机器故障是外界干扰因素，并不能代表出行人的主观因素，为保证数据的准确性，故将该特殊情况数据剔除掉。根据以上条件处理数据，得到2月份每天使用公交卡支付方式和移动支付方式的次数，如图2所示。图2每天使用移动支付和公交卡支付的数量2.2模型建立方式二为更加清楚地分析出行支付方式，现根据二月份一周的数据中每个ID每月乘坐地铁的次数和每月乘坐公交的次数作者简介：韩迪（1995—），女，河南商丘人，本科生；研究方向：计算机科学与技术。基于线性回归的公交移动支付问题韩迪，王军力，本文由张家港弯管机网站

转载中国知网整理!www.wangaunjimuju.net于得宝，黄梦柯，公交移动支付问题-数控滚圆机滚弧机张家港液压弯管机滚弧机滚圆机崔彤茵（河南师范大学，河南新乡453007）摘要：电子商务网络的支付平台作为一种商业模式已经得到了相当程度的普及。一个城市的移动支付方式，与该城市的出行特征相关。文章针对一个城市的“公交移动支付”模式，对该城市人的出行支付特征进行数据分析，建立了数据分析模型、线性回归，讨论其利弊及优化模型，提出可行性建议。关键词：第三方移动支付；数据分析；出行支付特征第13期2018年7月No.13July，2018进行统计，前提是根据处理与分析方式一中的方法将干扰数据和特殊数据剔除，以免影响数据的正确性。先按照2月7日的数据统计出2月乘坐地铁的次数和乘坐公交的次数，同理统计其余6天的数据，求得平均数，2月乘坐地铁的次数与乘坐公交的次数比率如图3所示。图32月乘坐地铁的次数与乘坐公交的次数之比2.3模型建立方式三考虑到一天的出行中，每一时刻的出行人数也各不相同，因此我们选取一天中的某个时间段，来分析就这个时间段而言的出行支付方式的特征。（1）选取一天中上午7：00-10：00，下午15：00-18：00这两个时间段。因这两个时间段包含了上下班、日常出行等，故选取的时间段具有代表性。（2）统计这两个时间段出行的支付方式的数量。根据以上条件处理数据，分别得到两个时间段内出行方式的比较，如表1所示。表1两个时间段内支付方式的数量统计时间段0（移动支付）/次1（公交卡支付）/次总计/次上午7:60943相关性分析模型对天数，利用Pearson进行相关系数进行分析。Pearson相关系数是用来衡量两个数据集合是否在一条直线上面，它是用来衡量定距间的线性关系。其计算公式为[3]：关系数的绝对值越大，相关性就越强，相关性越接近与0，它的相关性就越弱。以2月这一周为例，利用SPSS进行相关系数的分析。结果表明：将工作日和休息日相比较，工作日和休息日的相关系数较高，移动支付和公交公交移动支付问题-数控滚圆机滚弧机张家港液压弯管机滚弧机滚圆机本文由张家港弯管机网站 转载中国知网整理!www.wangaunjimuju.net