利用出租车GPS轨迹数据进行短时交通流量预测：以重庆市解放碑街区为例

交通流量预测是智能交通系统的重要组成部分。本文以重庆市解放碑街区为研究区域进行交通流量预测分析,基于研究区域内出租车GPS轨迹数据处理获取时间间隔为5min、10min、15min的交通流量序列。同时为充分挖掘交通流量序列特征规律,减小序列非线性、非平稳性带来的影响,本文提出一种基于信号分解的预测模型GE-RL。通过一般线性模型（GLM）将原始序列分解成周期序列、趋势序列和残差,同时引入经验模态分解方法（EMD）对残差进一步分解以充分挖掘序列特征;模型预测方面,构建随机森林模型（RF）对周期序列和趋势序列进行预测,接着引入长短期记忆网络模型（LSTM）构建RF-LSTM残差模型对EMD分解的各分量进行预测,通过叠加各模型预测成果得到最终预测结果;同时为验证模型精度,设置对照模型进行比对。结果表明,所构建的GE-RL模型在预测精度上均高于对照模型,可以满足基于不同样本时间间隔的交通流量预测的需要。     

重庆市土壤保持服务空间分布及影响因素分析

土壤保持服务能够削弱和改善土壤侵蚀,对其空间分布特征及影响因素进行分析,可提高土壤保持能力,减少区域水土流失。首先,基于修正通用土壤流失方程(revised universal soil loss equation, RUSLE)模型和生态系统服务和交易的综合评估(integrated valuation of ecosystem services and trade-offs, InVEST)模型估算研究区土壤侵蚀量;其次,选用精度更高的土壤侵蚀估算模型评价研究区土壤保持服务;最后,采用多元线性回归、地理探测器等方法探讨影响研究区土壤保持服务空间分布的主要因素。结果表明：RUSLE模型估算结果与研究区实际土壤侵蚀模数差值为201.02 t/(km²?a),精度较低,InVEST模型估算结果与研究区实际土壤侵蚀模数差值为33.11 t/(km²?a),精度较高;研究区土壤保持总量为13.01×10⁸ t,其中土壤保持能力较强的区域在研究区东北以及西南方向,而研究区西部、中部和东南部土壤保持能力较弱;影响土壤保持服务的气候...