Enhancing Speech Recognition for Parkinson's Disease Patient Using Transfer Learning Technique

Parkinson's disease patients suffer from disorders of speech.The most frequently reported speech problems are weak,hoarse,nasal or monotonous voice,imprecise articulation,slow or fast speech,difficulty starting speech,impaired stress or rhythm,stuttering,and tremor.To improve the speech quality and assist the patient with speech rehabilitation therapy,we have proposed the speech recognition model for Parkinson's disease patients using transfer learning technique (PSTL),where we have pre-trained the long short-term memory (LSTM)neural network model with our developed publicly available dataset that has been obtained from healthy people through the social media platform.Then,we applied the transfer learning technique to improve the performance of the PSTL framework.The frequency spectrogram masking data augmentation method has been used to alleviate the over-fitting problem so that the word error rate (WER) is further reduced.Even with a limited dataset,our proposed model has effectively reduced the WER from 58％ to 44.5％ on the original speech dataset and 53.1％ to 43％ on the denoised speech dataset,which demonstrated the feasibility of our framework.     

Multi-Model Ensemble Deep Learning Method to Diagnose COVID-19 Using Chest Computed Tomography Images

Deep learning based analyses of computed tomography (CT) images contribute to automated diagnosis of COVID-19,and ensemble learning may commonly provide a better solution.Here,we proposed an ensemble learning method that integrates several component neural networks to jointly diagnose COVID-19.Two ensemble strategies are considered:the output scores of all component models that are combined with the weights adjusted adaptively by cost function back propagation;voting strategy.A database containing 8347 CT slices of COVID-19,common pneumonia and normal subjects was used as training and testing sets.Results show that the novel method can reach a high accuracy of 99.37％ (recall:0.9981;precision:0.9893),with an increase of about 7％in comparison to single-component models.And the average test accuracy is 95.62％ (recall:0.9587;precision:0.9559),with a corresponding increase of 5.2％.Compared with several latest deep learning models on the identical test set,our method made an accuracy improvement up to 10.88％.The proposed method may be a promising solution for the diagnosis of COVID-19.     

交通运输传播新型冠状病毒肺炎的系统动力学仿真

为研究交通运输对新型冠状病毒肺炎(COVID-19)传播的影响, 建立了基于系统动力学的交通运输传播新型冠状病毒肺炎模型; 在设定模型假设的基础上, 将人群分为易感个体、潜伏个体、感染个体和移除个体4种, 并根据COVID-19的传播特性建立了交通运输影响下疫区、港站、车船和关联地区的COVID-19修正易感-潜伏-感染-移除(SEIR)和易感-潜伏-感染(SEI)传播动力学方程; 在研究交通运输传播COVID-19过程的基础上, 绘制了交通运输传播COVID-19的系统动力学模型因果回路, 并进行了因果反馈回路分析; 构建了基于系统动力学的交通运输传播COVID-19模型, 并检验了模型的量纲一致性、机械错误、有效性和极端条件; 以A市为研究对象, 建立了3种仿真场景以研究交通运输对COVID-19传播的影响。仿真结果表明: A市COVID-19感染个体数量在疫情发生后第32天达到峰值, 累计感染77 726人, A市以外地区感染个体数量在疫情发生后第30天达到峰值, 累计感染28 084人; 交通运输对COVID-19的传播起正反馈作用, 交通运输影响下的COVID-19感染个体和移除个体数量峰值分别是无交通运输参与下的18.62、10.99倍, 因此, 实施交通管控措施对控制疫情发展、防范疫情扩散具有积极作用; 公共交通出行比例的增加将进一步加快COVID-19的传播, 因此, 减少人们出行需求, 降低公共交通出行比例, 加大对公共交通车船、港站的病毒消杀工作能有效减缓COVID-19的传播。      

COVID-19在城市轨道交通系统内的传播建模与预测

考虑城市轨道交通出行特征, 将新冠疫情下城市轨道交通系统内的乘客分为易感者、感染者、暴露者; 假设病毒自由传播, 以疫情发生初期的病例为研究对象, 结合相关研究, 选择病毒传染概率为0.41;将感染者乘坐城市轨道交通的过程分为出入站阶段和乘车阶段, 考虑病毒有效传播范围、人群分布特征、人群流动特征, 建立新冠疫情在城市轨道交通系统内部的传播模型; 以某市地铁为模拟案例, 假如有13个感染者乘坐地铁, 结合历史客运数据确定模型参数的取值, 预测不同载运水平下可能造成的感染人数, 同时研究与可能感染人数相关的各类要素。研究结果表明: 当载运水平降低至平均水平的10%时, 多数案例的可能感染人数降低至1人以下, 证明了城市轨道交通客流管控强度的有效性, 起终点站内人数折减引起的感染人数变化(小于20%)低于车厢人数折减引起的变化(60%~80%), 说明相比起终点站内人数, 车厢内的人群密集程度对可能感染人数的影响更加显著; 在经停时, 假如上下车人数之比不大于1, 则能有效控制可能感染人数的升高; 当经停站数与可能感染人数非线性正相关时, 载运水平、经停站数、可能感染人数之间的函数关系具有较高的拟合优度(决定系数为0.700 1)。      

新冠肺炎疫情对民航的影响分析与政策建议

为给政府制定应对策略提供决策支持,基于航班运行数据分析了新型冠状病毒肺炎疫情对民航造成的影响。通过分析2003年“非典”和新型冠状病毒肺炎疫情对民航影响的差异,基于情景假设对2020年民航运输发展形势进行了预测分析,并提出有关政策建议。研究结果表明：新型冠状病毒肺炎疫情对民航市场需求造成了严重的冲击,2020年民航运输形势不容乐观,预计年旅客运输量同比基本持平或下降10.9%。政府部门需在做好疫情防控期间运输保障工作的同时,加快出台积极的产业政策以支撑民航发展。     

基于乘客感知的多模式公交服务质量差异性研究

针对多模式公交服务质量的差异性，提出一种以TAN贝叶斯网络与支持向量机(SVM)为 基础的多方法组合评价模型，评价各模式公交服务质量，并预测检验了指标优化效应。首先，采 集2015—2018年市区线路、郊区线路、快速公交、定制公交的服务质量调查数据，基于公交方式截 面，使用TAN贝叶斯网络推理得出各因素对乘客满意度的影响能力及潜在影响关系；其次，结合 IPA分析方法，基于时间截面定位分析各模式公交选取指标的服务水平，辨识各模式公交需优化 的主要指标；最后，选取多层感知器(MLP)、长短时记忆神经网络(LSTM)与SVM进行对比，验证 了SVM回归预测的精准度，并采用SVM与OAT方法预测得到各模式公交满意度变化及指标敏 感性，参照因素间潜在的影响关系提出优化方案。结果表明：4种公交模式的服务质量影响关系 网络具有差异性，各模式公交均存在车厢拥挤问题，市区线路的指标优化效果最佳，正效应为 36.4%；市区和郊区线路均应与其他模式公交匹配发车计划，通过缩短乘客候车时长可分别提升 39%、32.2%的乘客满意度；快速公交需提升车辆行驶的稳定性，定制公交需要调整线路规划，减 少乘客乘车总时长，优化为整体服务质量提升带来的正效应分别为42.7%和37.4%。     

新冠疫情对城市核心区交通安全的干预效应分析

新冠疫情政策使城市核心区交通安全特征发生变化.本文利用交通事故接处警数据构建一维时间序列，分析疫情下交通事故的时间分布特征；针对交通事故量序列的非平稳特征，运用小波分解技术提取疫情防控政策干预下的序列结构突变点，该突变点排除春节假日因素的影响；结合支持向量机方法构建疫情防控政策对交通事故量影响的干预模型，评估疫情对交通事故量的影响程度.研究结果表明：疫情初期的管控政策使交通事故量平均每日下降12.23起，先以68.7%的速度衰减，又以30.9%的速度回升，该趋势一直持续到复工复产政策实施，相对宽松的交通管控政策使平均每日事故量下降值稳定在11.71起.     

基于出行行为模型的出行感染风险评估 ——以新冠肺炎疫情期间江苏省地区为例

为准确评估新冠肺炎疫情期间的出行感染风险，在对出行行为进行全出行链建模基础上提出出行风险评估模型.基于江苏省确诊病例流行病学调查报告和线上问卷调查数据，分别对病毒携带者和普通出行者出行行为模型进行参数标定，对比分析病毒携带者和普通出行者出行行为的异同.进一步对疫情期间不同出行方式和出行活动进行感染风险评估. 得到结论：交通管制措施可有效降低出行感染风险，就医出行风险明显高于其他出行活动，差旅在疫情传播初期风险较高，非机动车出行风险相对较低.     

快速路入口匝道与衔接交叉口联动控制优化方法

针对快速路入口匝道排队过长造成的衔接交叉口拥堵问题,提出一种快速路入口匝道和 衔接交叉口的联动控制优化方法。分析快速路匝道排队溢出原因,提出基于交通状态估计的入 口匝道与衔接交叉口的系统控制策略。以系统总通行能力最大和交叉口车均延误最小为目标, 分别从交叉口配时、匝道调节及系统排队长度这3个方面构建系统约束方程,建立快速路入口匝 道与衔接交叉口联动控制优化模型。以长春市典型快速路和交叉口为例,选择高峰、平峰、低峰 这3种交通环境,运用联动控制优化模型进行仿真实验,并与经典优化方法进行对比分析,结果表 明：不同交通状况下,联动控制优化方法均能有效改善快速路运行情况,缓解入口匝道排队溢出 现象,同时提高衔接交叉口通行效率;特别是在饱和交通状态下,联动控制优化方法表现优异,系 统整体车均延误和排队长度分别降低了5.67%和19.25%。     

新冠肺炎疫情对中国港航业的影响及其对策

分析了新冠肺炎疫情对于经济、贸易和产业的影响,论述了疫情条件下航运与产业的传导机制和直观影响;综合运用Granger检验、问卷调查、企业调研、专家访谈等方式评估了疫情对于港航业的总体影响;聚焦不同市场板块,分析了疫情对港口、集装箱、油轮、干散货、邮轮等细分板块的不同影响程度;结合港航业当前困难,提出了主要应对举措建议。研究结果表明:新冠肺炎疫情已经给世界经济、贸易和产业产生了较大影响,并通过全球供应链传导于航运产业;每日新增病例与波罗的海干散货指数具有较强的Granger因果关系;2020年第一季度,中国主要监测港口货物吞吐量和集装箱吞吐量分别为105 353×104 t、3 766.6×104 TEU,同比下滑3.5%、8.6%;疫情对于干散货、集装箱、油轮的短期冲击都较大,2020年2月,8大集装箱枢纽港口吞吐量同比下滑19.8%,邮轮客运遭受全面关闭的打击;后市复苏将是一个缓慢恢复的过程,新冠肺炎疫情已经并将持续对港航业产生较大影响;建议航运企业强化境外口岸政策与港口挂靠跟踪,防范船舶租约纠纷及法律风险,完善邮轮的疫情防控体系,推动智慧港口与智能航运发展等应对措施。      

新冠疫情对老年人公交出行行为的影响

新冠肺炎疫情对交通运输产生巨大影响,但现有成果主要研究疫情爆发期疫情对交通运输的影响,较少有分析后疫情阶段的出行行为.本文利用验证性因素分析模型及Logit 模型,研究后疫情阶段新冠病毒,老年人个人统计学特征,老年人对新冠肺炎疫情严重程度的感知等心理因素对老年人出行行为的影响.研究结果表明：短距离出行中,新冠疫情和对新冠肺炎疫情严重程度的感知对出行方式选择没有显著影响;新冠疫情和对新冠肺炎疫情严重程度的感知对老年人使用公交意愿具有显著影响;此外,这两个因素也影响老年人外出概率和使用公交的概率.     

疫情背景下高校思政课线上教学改革的探索与实践

本文分析了在线教育的特点和难点,结合教学实际,对新冠疫情背景下高校思政课在线教学提出改进方案与具体建议,希望对高校在线思政课的教学改革提供经验.     

新冠疫情对老年人公交出行行为的影响

新冠肺炎疫情对交通运输产生巨大影响,但现有成果主要研究疫情爆发期疫情对交通运输的影响,较少有分析后疫情阶段的出行行为.本文利用验证性因素分析模型及Logit 模型,研究后疫情阶段新冠病毒,老年人个人统计学特征,老年人对新冠肺炎疫情严重程度的感知等心理因素对老年人出行行为的影响.研究结果表明：短距离出行中,新冠疫情和对新冠肺炎疫情严重程度的感知对出行方式选择没有显著影响;新冠疫情和对新冠肺炎疫情严重程度的感知对老年人使用公交意愿具有显著影响;此外,这两个因素也影响老年人外出概率和使用公交的概率.     

新冠肺炎交通防控政策对长沙市人口流动的影响

为探究新冠肺炎疫情下交通防控政策对长沙市人口流动的影响，本文根据长沙市在新冠 肺炎疫情期间颁布的交通防控政策和疫情实时防控情况划分防控阶段，基于百度迁徙大数据，利 用双重差分模型，识别长沙市不同阶段的交通防控政策以及量化防控效果，分析交通防控政策对 长沙市人口流动的影响。结果显示，长沙市在交通管制阶段，平均人口迁出强度、平均人口迁入 强度及城市内部出行强度分别下降了83.68%、69.24%及59.74%，有效地控制了人口流动，降低了 疫情扩散危险。在交通恢复阶段，长沙市人口流动强度逐渐反弹，城市内部出行强度基本恢复到 2019年同期水平。本文研究结果显示了交通管制对疫情扩散限制的有效性，为常态化疫情防控 下精准防控政策和复工复产政策制定提供参考。     

新冠疫情防控对大湾区高速公路运输的影响分析

在新冠疫情常态化防控背景下，我国区域性疫情频发，如何量化疫情防控措施对经济运行和客货运输的影响成为社会亟待研究的问题。为此，本文设计了高速公路运输指标计算方法，提出疫情防控措施的等级与阶段划分流程，建立双重差分模型分析疫情防控措施对高速公路运输指标的影响。本文以粤港澳大湾区主要城市为对象，基于2020年5月—2022年4月高速公路收费数据和疫情防控信息开展案例研究。研究结果表明：I级(加强)防控措施下，客车流量显著下跌，各案例降幅在8%~27%之间，货运指标变化不明显。深圳和东莞在II级(严格)防控阶段，客货运指标均剧烈下跌，两市客车流量分别再下降 46.3%和 33.7%，货车流量分别再下降 42.7%和 27.6%，货运量和货物周转量降幅与货车流量相当。高速公路客车市际平均运距在I级防控措施下存在下降趋势，但在II级阶段下，客车和货车市际平均运距均显著提升。本文为城市与城市群疫情防控措施的制定与实施提供一定的参考价值。     

新冠肺炎疫情下武汉封城令对交通流的影响——以浙江省为例

为研究新冠肺炎疫情下武汉封城令对交通流的影响，基于新冠肺炎疫情期间浙江省移动手机漫游数据，采用数据挖掘和回归分析等方法，分析了交通流的时空分布及其与武汉封城令的关系。结果表明，武汉封城令发布后，浙江—湖北每日交通流量和疫区每日新增感染人数满足自然界的Taylor定律，即交通量的自然对数和疫区每日新增感染人数的自然对数线性负相关；人们往往倾向于在“不得不”离开的状态下逃离危险区域，而武汉封城令和紧急状态令对人口的出行影响具有1d的时间滞后性，其短期出行峰值持续时间为3d左右；政府发布武汉封城令使疫区交通出行量出现短期增长，但长期来看，使人们的交通出行更加谨慎，降低了流行病大范围传播的风险。据此，在全球新冠肺炎疫情加剧的形势下，建议政府部门可在海外各国疫情紧急发布状态后的1～3d内，实施海外输入交通流严格管控，并至少持续一周时间。     

新冠疫情影响下居民共享出行方式选择行为研究

为分析新冠疫情对共享出行方式选择行为的影响，针对传统出行、网约车、合乘、汽车分时租赁及共享自行车的多方式交通系统设计SP(Stated Preference)问卷；对于疫情前和疫情期间的出行方式选择分别构建基于面板数据的混合Logit模型，比较解释变量的影响差异，分析感知疫情严重程度和方式选择惯性的联合影响；基于弹性分析预测疫情背景下不同管控政策对应的出行方式分担率。结果表明：感知疫情严重程度对合乘和分时租赁影响显著，方式选择惯性对网约车、分时租赁及共享自行车影响显著；当感知疫情严重程度降低至30%~50%时，1.6~3.0倍的停车费调整策略可将私家车分担率降低至疫情前，此时，低密接的分时租赁具有主要替代作用；当感知疫情严重程度在60%以上时，提高合乘出行安全程度至1.4~3.6倍可恢复其分担率。     

基于新型冠状病毒传播机理的交通出行易感度研究

为科学判断各交通方式出行过程中人群感染病毒的风险概率进而有效控制病毒传播,借助空气传染病模型,根据已发布的新型冠状病毒传播机理,构建了交通出行的病毒易感度评估模型,模型包含对病毒传播有重要影响的通风、载客密度、暴露时间等主要参数。选用各种运输方式中有代表性的运载工具进行不同假设情景下的易感度评估,结果表明,在各种有效防控措施均得以采用的情景下,乘坐交通工具的易感度相比高危情景降低97%以上,相比基准情景降低93%以上。研究可为交通领域的科学防疫、精准施策提供依据。     

"非典"和新冠肺炎疫情对我国客货运输的影响比较与分析

为使运输行业有效做好新冠肺炎疫情防控工作并积极应对后续可能出现的行业风险，在剖析2003年“非典”疫情对各种交通运输方式客货运输流量产生影响的基础上，比较了新型冠状病毒肺炎疫情与“非典”疫情的共性与不同，分析了新型冠状病毒肺炎疫情将对我国客货运输发展产生的影响，预测新型冠状病毒肺炎疫情将在短期内对铁路客运、公路客货运、民航客货运造成较大负面影响；对铁路货运、航运影响较小；对快递、电商业发展产生积极影响。基于各运输方式客货运量所受影响预测，指出未来一段时期交通运输行业应关注的重点：要进一步健全行业突发危机管理机制和行业重大风险防范机制；针对此次疫情涉及面较广的特点，应关注农村交通运输防控工作，保障疫情期间“三农”健康有序发展。     

区块链技术在交通运输行业新冠肺炎疫情防控中的应用分析与政策建议

为提升交通运输行业新冠肺炎疫情防控水平,解决行业信息分散、孤立、不透明、难追溯等问题,加强区块链在交通运输行业中的应用,首先介绍了区块链哈希函数、非对称加密、默克尔树、智能合约、P2P网络等底层技术优势。然后,针对新冠肺炎疫情防控工作中卡口管控、医疗物资分配、防疫物资运输三个场景存在的问题,分析了区块链技术对提升交通运输管理的作用,并构建了区块链技术系统架构,设计了基于区块链技术的相关管理和技术流程。最后,提出促进行业信息资源共享、加强先进技术融合、加快底层技术建设与开发及区块链技术与管理体制相结合的政策建议,以促进区块链在交通运输行业疫情防控方面的应用。