接驳轨道交通的共享单车潮汐均衡时空分布模式

以深圳市为研究区,使用工作日早高峰的接驳骑行订单数据,考虑地铁站和出入口两层面的潮汐均衡性分类,从单车调度角度将出入口划分为无需调度型、站内调度型和站外调度型;使用非负矩阵分解方法划分出入口流量时空分布类别,确定调度时间.结果表明,将接驳轨道交通的潮汐均衡分析聚焦到出入口层面,精确划分出入口调度类型,可确定调度方式和产生调度需求的时间,为单车管理者进行车辆调度提供可靠的数据支持.

“数字中国”建设创新创业人才现状与对策研究——以福建为例

数字人才是指具备ICT(信息通信技术)普通技能、专业技能和补充技能的人才,涵盖数字战略管理、深度分析、产品研发、先进制造、数字化运营、数字营销等领域,是实现数字化建设的关键要素。随着数字化建设、数字化转型的加速,数字人才的需求量呈现不断递增的趋势。以福建省为例,数字人才供给与数字经济发展需求之间存在较大的缺口,应加快建立以需求为导向的数字人才引进与培养机制,优化人才资源结构,确保人才供应链稳定;集中优势资源,发展新型创新平台,聚才引智引领创新发展;健全数字产业创新创业服务环境,创新生态系统,吸引优秀的数字人才;完善数字人才配套保障服务体系,激发数字人才的创新能力;统筹协调各区域数字人才流动机制,实现福建省数字人才环境的区域均衡发展。

基于划分的自适应轨迹拐点提取压缩算法

海量的轨迹数据为管理分析和数据挖掘工作带来了巨大的挑战,轨迹压缩技术成为解决这一问题的一种有效方案.针对目前多数轨迹压缩算法需要人为干预设定阈值的问题,融合特征聚类与轨迹划分的思想提出了一种自适应的轨迹拐点提取压缩算法.算法从轨迹的全局方向特征与局部方向特征出发考虑,依次进行了轨迹粗划分、子轨迹合并以及轨迹细划分的工作.实验结果显示,随着轨迹规模的增大,与其他算法相比,该算法基本能够在保持更高压缩率的同时产生更低的方向误差.提出的算法具有自适应和高精度拐点识别的优势,在其他轨迹压缩场景之下仍有着较高的参考价值.

基于多传感器融合的时空连续AOD重构模型

气溶胶光学厚度(AOD)是气溶胶最重要的参数之一,现有的遥感AOD产品受云、积雪等因素的影响空间缺失严重,因此,生成空间覆盖完整的AOD具有重要意义.本文融合MODIS的MAIAC AOD和Himawari-8的AHI AOD,结合气象数据和高程数据,提出一种集成反距离权重插值(IDW)和CatBoost模型的时空连续AOD重构方法(命名为IDW-CatBoost).将此方法应用于京津冀和台湾岛的AOD重构,并与IDW、CatBoost方法对比,重构结果利用地基监测AERONET AOD进行验证,其中,京津冀的验证数为352个,台湾岛的验证数为641个.结果表明:在空间分布上,IDW AOD存在星点状特征,CatBoost、IDW-CatBoost的AOD具有空间连续分布的纹理特征;精度上,经地基监测AERONET AOD验证,京津冀地区IDW AOD与IDW-CatBoost AOD接近;台湾岛IDW-CatBoost AOD相比于IDW、CatBoost结果,R^(2)分别提高了10%和5%.经过多传感器AOD融合,与单传感器AHI L2、L3、MAIAC AOD相比,IDW-CatBoost重构AOD精度显著提升,在京津冀地区,R^(2)分别提高了15%、35%和12%,RMSE分别下降了25%、38%和22%;在台湾岛,R^(2)分别提高了14%、76%和76%,RMSE分别下降了6%、24%和24%.因此,基于多传感器AOD融合的IDW-CatBoost模型用于重构AOD产品,不仅空间覆盖完整,而且具有更高的精度.