基于集成学习的多式联运货运量预测模型构建

货运量精准预测是多式联运网络高效协同发展的重要基础,货运量时变性强、数据多样性缺失是实现精准货运量预测的问题所在。基于此,通过挖掘货物运输量(集装箱)的时间变化特征,构建初始相关时间特征输入集,结合斯皮尔曼相关性系数分布,采用Bagging+BP集成学习方法训练多个弱分类器,最终组合获取高精度的强学习模型。以南京龙潭港为例,对自回归移动平均模型(ARIMA)、Bagging+BP集成学习网络以及长短时记忆神经网络(LSTM)三种模型进行评价,实验结果表明,相比于其他模型,提出的Bagging+BP集成学习网络预测性能良好,有一定的实用价值。

城市无障碍设施改善规划设计策略及建议

关注弱势群体是以人为本的重要内容,保障盲人等残障人士的出行环境是关爱弱势群体、体现服务均等化的重要举措。文章以盲人为研究对象,针对我国现行城市无障碍设施的规划、设计、建设、管理与盲人的实际需求不相匹配的现状,通过实地调查和盲人座谈等方式,分析城市无障碍设施设置与使用中存在的问题,结合盲人出行行为特征的分析,明确了无障碍设施规范化、精细化和智能化改善原则,提出了推行无障碍设施建设通用化与规范化、实施设计精细化与智能化、加强无障碍设施管理以及研发智能化助盲设施四个方面的改善策略和建议,为指导及完善城市无障碍设施的设计与管理提供了参考和借鉴。