仲博彩票平台娱乐-仲博彩票平台官网网址

科学精准有序迎春运******

　　【财经论语】

　　作者：甘家华（交通运输部规划研究院高级工程师）

　　春运被称为“人类规模最大的周期性迁徙”，关系亿万人民群众切身利益，关乎社会安定和谐。2023年春运是疫情防控进入新阶段后的第一个春运，是近年来情况最复杂、困难挑战最大的一次春运，科学精准、有力有序做好春运工作意义重大。

　　从客流规模看，2023年春运客流从低位运行快速反弹，客流总量大幅增长，预计客运总量将达20.95亿人次，较2022年同期增长99.5%，恢复到2019年同期的70.3%。目前，春运首日客流已达3473.6万人次，开始快速增长。从出行结构看，铁路客流占比预计为18%左右，其中长距离出行将明显增多；道路客运继续承担大量中短途出行任务，占比约80%。受居民消费升级、春节假期高速公路小客车免费等影响，自驾车等个性化出行比例将持续高涨，预计高速公路小客车日均流量约2620万辆。从客流构成看，群众累积的回乡过年需求集中释放，预计探亲流约占春运总客流55%，务工流约占24%，旅游流和商旅出行分别约占10%，目前热门旅游城市已出现预订高峰；多数高校春运前已放假，对客流总体影响较小。从时空分布看，节前以特大城市、省会城市向周边城市及主要劳务输出省市迁徙为主，节后则反向流动，长三角、珠三角和成渝等城市群人员流动较为密集。1月27日（正月初六）、2月6日（正月十六）前后将迎来客流高峰。

　　2023年春运将面临客流量高位运行、货运需求大幅增长、从业人员感染风险高、安全生产事故易发多发相互交织的形势和特点。一是春运客流大幅反弹。交通运输组织从低负荷状态迅速攀升到满负荷状态，将对交通运输运行管理、企业运营组织、服务保障能力水平等带来较大挑战。二是货运需求大幅增长。面对疫情“迎峰转段”新挑战，各地特别是农村地区对医疗物资需求加大，叠加今冬明春能源、粮食等重点物资，果蔬、肉禽等生活物资保障需求，干线运输、末端配送任务艰巨。三是疫情高峰与客流高峰交织，一线从业人员感染风险增加，实现客运枢纽不关停、线路服务不中断、物资运输不断链，保障行业持续稳定运行压力较大。四是交通运输安全生产隐患增多。2020年以来，受疫情反复冲击，客运场站、运输工具、从业人员长时间处于低负荷运行状态，加之春运期间易出现低温、寒潮、雨雪、冰冻等天气，交通运输安全生产面临传统风险与疫情衍生风险叠加的压力。

　　做好2023年综合运输春运工作，一是提高运输服务能力，确保旅客顺畅出行。运力调配方面，针对客流大幅增长重点线路和枢纽，提前科学安排班次计划，加大运力投放，做好运力储备。运输组织方面，加强不同运输方式之间、干线运输与城市交通间的客流、班次、时刻等衔接，避免发生旅客滞留。路网保畅方面，加强路网运行动态监测和信息发布，引导公众错峰避峰出行，提升异常情况处置能力，避免造成车辆拥堵。服务质量方面，积极关爱帮扶老幼病残孕等重点旅客，推广刷脸进站、扫码乘车等服务，提高进站和换乘效率，全力提升旅客出行体验，打造“暖心春运”。

　　二是强化物流保通保畅，确保重点物资运输。充分发挥物流保通保畅工作机制作用，保障交通“大动脉”和物流“微循环”畅通。医疗物资运输方面，加强供需对接保障，近期重点引导配送资源向农村下沉。末端配送民生保障方面，引导企业充实一线力量，保障上岗率，近期已有10余家骨干快递企业发布“春节无休服务”。重点物资保障方面，稳定煤炭铁路大通道运输，畅通11条公路运输主通道，落实北方四港优先安排电煤、LNG运输作业。

　　三是加强疫情防控处置，确保旅客放心出行。做好从业人员防护，保障一线人员防疫物资供应，落实《2023年春运期间防范和应对交通物流从业人员大面积感染新冠病毒工作指南》。提高突发疫情应急处置能力，建立从业人员轮岗备岗和跨区域调配等制度预案，确保突发情况下人员有序轮换、运力统筹调配。加强乘客个人健康宣传引导，旅行途中自觉戴口罩，主动不带病乘坐公共交通工具，最大限度避免疫情传播。

　　四是扎实落实安全生产，确保旅客安心出行。安全是底线、红线，更是生命线，要持续加强重点领域隐患排查治理。对所有投入春运的设施设备全面开展检查维护，坚决杜绝运输工具和设施带“病”运行，对所有投入春运的驾驶员开展安全培训，避免松劲懈怠、技能生疏等带来的风险。防范应对极端恶劣天气。建立气象快速通报和联动响应机制，完善应急预案，做好道路铲冰除雪、抢通保通、车辆分流引导，最大限度减轻可能诱发的次生灾害。

　　《光明日报》（ 2023年01月12日 15版）

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）