摘要：为推进城际交通大数据的应用,需要补全出行目的信息,将团体旅客出行目的决策与文本主题生成类比,开发基于无监督学习框架的出行目的推断方法.提出嵌入出发时间生成模块的主题模型,以及团体旅客重建和语义化特征设计方法,并通过吉布斯采样估计参数.基于调查数据的模型对比研究发现,模型对一般私务辨识性能提升7.7%;基于票务数据的案例研究发现,模型对出发时间预测精度达到90.9%,间接验证了模型的可靠性.主题标注表明,模型不仅推断出4种与典型模式相符的出行目的,还辨识出既有认识外的非常规模式.对道路客运分析表明,出行目的构成呈现地区差异,高铁开通对不同出行目的出行量的负向影响程度不一.

摘要：在小流域综合治理的内涵由聚焦水土保持转向生态保护、绿色发展、民生改善等多目标统筹的背景下,研究其相关机制、实施路径具有重要实践意义。从源头治理、系统治理、协同治理3个维度展开,梳理人水地关系协调、碎片化资源增值、多元参与等面临的实施困境。基于对相关利益主体及权责的分析,提出利益联结机制的构建方法和针对性实施策略,并以湖北省赤壁市羊楼洞港小流域综合治理为例,指出构建清晰、稳定的利益联结机制是破解小流域综合治理实施困境的有效路径。

摘要：基于数据的城市交通管理和控制方法是广大学者和交通管理部门的关注重点。以频繁序列模式挖掘算法为基础,对卡口车辆轨迹序列进行时空特征分析。选用7种典型的机器学习算法进行预测,并分析了卡口空间区位、交通量以及连接道路等级对预测精度的影响。研究结果表明,集成学习算法特别是RF的预测性能最好,误差较小且训练速度快;SVR和神经网络算法(MLP、LSTM)在预测误差表现上相近,但是基于神经网络算法的预测模型耗时较长。此外,不同模型的预测误差在空间上的分布具有相似性,在卡口密布的区域预测精度更高,在外围边缘区域误差较大;卡口交通量越大、连接的道路等级越高,预测精度越高。随着城市交通电子卡口设备在路网中的完善,该预测方法的准确性可以进一步提高。