博鱼体育,博鱼体育官方网站,博鱼体育APP下载近年来，我国碳污排放情况面临巨大挑战，其中道路交通是城市碳污排放的重要来源之一。针对碳污排放的时空关联性，本研究提出CNN-LSTM-Attention端到端预测框架，突破传统分阶段建模的模块化缺陷，在解释性和预测准确性均显著提升。在模型训练的基础上，对碳污排放进行预测，识别污染热点，还对碳污排放热点进行溯源。本研究可为城市交通污染精准管控、车路协同系统排放网络优化提供有力支持，助力“双碳”目标下的智能交通治理体系构建。

　　项目简介：共享微出行（共享单车、共享电单车等）服务质量仍有待提升，使用率下降、供需错配等问题在很大程度上制约了其发展。本研究基于合肥市共享单车和电单车一周出行数据，分析共享微出行的时空分布特征，提出了时空地理加权回归与极限梯度提升模型相结合的混合预测方法，兼顾时空自相关性与非线性效应。研究提高了预测精度并揭示了建成环境因素对出行模式的影响，提出了车辆调度与建成环境干预政策，为共享微出行的可持续发展提供理论支持和实践指导。