基于boosting的区域停车场剩余泊位预测系统设计

针对传统剩余泊位预测方法存在预测精度不高的问题,采用STM32作为双向地磁车辆检测传感器主控芯片,确定车辆通行的方向信息。控制器中使用ATMega1280嵌入式处理芯片,其具有EEPROM小容量数据存储功能。设计停车诱导子系统,采集、处理、传输和发布停车信息。采用boosting算法,构建泊位预测模型,并计算停车诱导距离。设计泊位预测流程,将T轮训练参数代入预测模型中,获取最终预测结果。由实验结果可知,该系统泊位使用率最高为91%,与实际数据一致,说明泊位预测结果较为精准。

基于影响不对称分析的口袋公园使用满意度关键影响因子识别研究

已有大量文献聚焦城市绿地使用行为与人群感知评价,但针对口袋公园这类小微绿地的使用满意度形成机制尚缺乏深入解析。基于非线性影响不对称分析方法,将口袋公园分为道路围合型、社区附属型和自然本底型,选取5个维度23个环境因子构建指标体系,收集606份调查问卷,应用奖惩对比分析模型和梯度提升决策树算法,识别口袋公园使用满意度关键影响因子。研究表明:不同类型口袋公园使用人群关注的维度不同;口袋公园环境因子与总体满意度之间呈现非线性不对称关系;管理养护类因子位于所有公园的最优先提升等级,而环境质量类因子多位于品质提升等级。研究结果可为相关部门因地制宜制定不同类型口袋公园营建策略、合理优化建设时序提供参考。

建成环境对城市停车需求影响的非线性模型

为精细化把握城市建设项目在微观空间尺度下的停车需求规律,从空间视角探究停车需求与建成环境之间的关系。通过高峰小时建筑物单位面积的停车生成数表征停车需求,以土地利用混合度、路网密度、公交服务水平等9个因子描述建成环境,分别构建建成环境对停车需求影响的普通最小二乘(Ordinary Least Squares,OLS)模型与梯度提升迭代决策树(Gradient Boosting Decision Tree,GBDT)模型。以保定市主城区停车调查数据中的商业类配建停车场为对象,基于停车调查数据、兴趣点数据(Point of Interst,POI)、道路网络数据等多源异构数据进行模型实证分析。结果表明,考虑非线性效应的GBDT模型比OLS模型具有更好的拟合度。从影响贡献度来看,配建指标(18.92%)与区位(15.23%)是影响停车需求的最重要建成环境因素,交叉口密度(5.19%)贡献度最小;在非线性关系方面,建成环境因子与停车需求均具有非线性关系与阈值效应,除交叉口密度及人口密度与停车需求呈现U型关系,其余因素与停车需求的关系整体上保持正相关或负相关。

基于BRT的森林旅游地游客碳补偿意愿及其影响因素分析——以明月山国家森林公园为例

在全球气候变化日益加剧,极端气候频繁,倡导低碳经济的背景下,碳补偿的展开将带来生态、经济、社会等多重效益,作为利益相关者之一的游客,其行为意愿对于碳补偿市场的发展起着重要作用。基于对255位江西省明月山国家森林公园游客的有效问卷调查及访谈,运用描述性统计及增强回归树模型,分析游客碳补偿意愿及其影响因素。结果表明,职业、文化程度、气候变化感知度、是否知道森林具有固碳作用、对森林碳汇及其交易渠道的了解程度、是否认为旅游碳排放减少有利于生态环境等因素与森林旅游地游客碳补偿参与意愿具有显著的相关性。

社区建成环境对小汽车使用行为的非线性影响模型

为指导社区生活圈形成绿色出行建成环境,从社区建成环境层面定量解析小汽车使用行为的差异,通过停车场泊位利用率客观反映小汽车使用行为,构建了考虑非线性效应的梯度提升决策树(Gradient Boosting Decision Tree,GBDT)模型,以重庆市主城区停车调查数据中的居住区配建停车场为实证对象,构建以居住区为核心的社区生活圈作为建成环境的测度范围,实证结果表明:GBDT模型比线性假设的OLS模型具有更好的拟合度;建成环境指标贡献度方面,距离商圈的距离(14.30%)、人口密度(14.20%)、土地利用混合度(12.60%)对泊位利用率影响最大,反映其对小汽车使用行为的重要影响效应;在建成环境指标的非线性关系方面,建成环境因子与泊位利用率均具有非线性关系.

大学科技园助推高校创业教育的内在机理及其路径

大学科技园蕴含着丰富的创业教育资源,是推动高校创业教育的"天然沃土"。首先,大学科技园与高校创业教育存在着天然的内在联系,在姻缘关系上同源共宗、功能结构上相融互补、发展演进上相互促进;其次,大学科技园内部呈现出"双螺旋"机理特征:核心价值的双导向性、技术手段的双逻辑性、引擎系统的双驱动性。这些因素共同赋予了大学科技园在协助、补位、推动高校创业教育过程中特殊的角色地位。通过开启"无缝对接"、实施"带土移植"、移植"创业基因"、搭建"护航平台",大学科技园从不同路径影响推动着高校创业教育的建设步伐和方向。

大学生创业教育“科技园助推”模式的精准实践——以华东师范大学为例

近年来,大学生创业教育环境不断优化和改善,却依然存在着与专业教育割裂、师资匮乏、缺乏实践参与等亟待解决的现实问题。面对创业教育中的难题,华东师范大学群策群力,适时调整策略,以科技园助推创业教育的精准实践,打通了科技园与创业教育之间的联通与对接,形成了以学科优势打造产业集群区、以专业导师推动创业体系建设、以各类实践平台完善创业环境等为特色的创业教育模式。系统剖析华东师大科技园专业化与特色化的创业服务体系模式,可为其他高校提供借鉴范式,亦可借此厘清“科技园助推”模式的未来走向。

多源数据融合的城市区域时变停车需求识别方法

城市时变停车需求的准确感知是制定停车管理政策的前提条件之一,然而由于难以获取城市所有停车场进出车辆数据,且部分老旧停车场尚未实现信息化管理,以及违章停车的存在,导致城市区域时变停车需求识别困难。本研究利用城市已有交通信息采集设备,以卡口车牌识别数据、停车场进出车辆数据和出租车GPS数据为基础,通过训练模型区分停车与行车在前后两次卡口数据中的特征差异来识别车辆停车行为,从而实现城市区域时变停车需求识别。首先,结合493个停车场的进出车辆数据和3649辆出租车的GPS数据确定车辆行停状态,得到846204个停车样本和81654个行车样本,并基于合成少数类过采样技术(Synthetic Minority Oversampling Technique,SMOTE)+最近邻(Edited Nearest Neighbor,ENN)算法对不均衡行停数据集进行组合采样;其次,利用梯度提升决策树(Gradient Boosting Decision Tree,GBDT)来识别车辆的停车行为,结果表明本文建立的停车行为识别模型准确率为93.1%,精确率为99.6%,召回率为86.5%,识别效果优于其他传统方法;最后,应用该方法对某城市区域时变停车量进行监测,并利用该市41个停车场进出车辆数据进行验证,其中可通过本文算法识别的停车量为96%。研究成果可为城市区域时变停车需求感知与管理提供数据支持。

建成环境视角下出行者停车选择意愿模型

为解决停车行为分析缺少考虑建成环境影响的问题,通过停车费用、停车时长等8个变量描述出行特征,从5个维度提取12个变量刻画建成环境,构建出行者停车选择意愿梯度提升决策树模型,探索建成环境及出行特征对个体停车选择意愿的影响程度和影响方式.以保定市主城区停车调查数据、兴趣点数据、城市路网数据等多源异构数据为基础,开展通勤与非通勤两类群体的停车选择实证分析.结果表明:梯度提升决策树模型的准确性(0.9466)较离散选择行为模型(0.7456)提高27%;整体重要度方面,费率费制是影响出行者停车选择意愿最主要的因素(19.94%),区位(14.88%)、路网密度(11.30%)及公共交通临近度(9.57%)对意愿结果存在显著影响;部分建成环境要素对出行者停车选择意愿影响存在明显阈值效应,且对通勤人群与非通勤人群的影响存在较大差异.

基于增强回归树模型的三江源国家公园表层土壤储水及水源涵养功能的评估

三江源国家公园表层(0~30 cm)土壤水分性状是区域水源涵养功能及生态承载力评估的重要基础,但地面数据的缺乏限制了相关研究结果的准确性。以青海高原典型区域表层土壤水分的长期监测数据为基础,结合气温、降水、蒸散发、归一化植被指数、海拔、坡度和坡向等因子,构建了增强回归树模型以量化三江源国家公园表层土壤储水及其水源涵养功能。结果表明,三江源国家公园平均表层土壤现实储水量、有效储水量及水源涵养量分别为75.20±1.98、50.52±2.53及73.79±68.45 mm。在未考虑冰川冻土消融的情况下,区域平均最大、现实和最小产流量分别为47.75±65.75、-2.78±64.45和-30.48±65.16 mm。三江源国家公园表层土壤现实储水及水源涵养功能均呈现出从西北到东南逐渐升高的空间趋势,其总量分别为30.48亿t和50.80亿t,约79%集中于高寒草甸。研究结果可为三江源国家公园水资源承载力的评估和功能区划提供数据支撑。