财神彩票_（中国）企业百科

今年春运抢票软件降温了！多地增设“夜间高铁”******

　　春节将至，返乡在即。不少归家心切的游子早早打包好行李，期待着回家过个团圆年。交通运输部的数据显示，预计今年春运期间客流总量约为20.95亿人次，恢复到2019年同期的70.3%。

　　记者注意到，蛰伏近三年的高铁今年春运期间密集增加车次，不少热门线路不仅高峰时段最小发车间隔不到十分钟，运营时间也延伸至深夜。运力增长叠加客流相对减少，今年春运的火车票紧俏程度不及疫情前的年份。

　　“居然没用抢票软件就搞定了往返车票，太开心了！”“终于不用发动亲朋好友帮我买助力加油包抢车票。”网友们在社交媒体上的分享显示，今年春运抢票软件的热度明显下滑。

　　错峰出行

　　热门线路仍可买到票

　　“3年没回家过年了，今年早早就抢票准备提前几天回家，多陪陪家人。”1月15日，在北京南站，王女士正拎着一个牛津布包，推着黑色行李箱一路小跑进站。“我老家在南京，来北京工作快7年了。”王女士早早就定好闹钟，盯着买票日期，在第一时间顺利地买到了回家并且靠窗的高铁票。“让我意外的是，订完票过了3天我再看的时候，发现平台上仍有余票在售。”王女士说。

　　北京南站春运期间客流流向主要集中在济南、青岛、合肥、南京、上海等地。昨天，记者查询了北京至上述城市的次日高铁票情况，发现均有余票，剩余高铁票较多的班次通常集中在上午10点之前，以及晚间较晚时段。旅客只要选择错峰出行，仍可顺利买到回家的票。

　　北京丰台站也首次迎来春运“大考”。“这是第一次从丰台站坐车回家，票很好买。”将搭乘高铁从北京回太原的张先生告诉记者。据铁路部门统计，春运期间将会有约93.6万人从这里出发，主要方向是太原、运城以及阜阳等方向。丰台站启用，也有效缓解了北京站和北京西站的客流压力。

　　运力增加

　　多地增设“夜间高铁”

　　随着高铁网不断延展，铁路客运能力正加快释放。

　　国铁集团客运部主任黄欣在今年的春运服务保障发布会上表示，节前，全国铁路高峰日最高可开行旅客列车6077对，客座定员904万人；节后，高峰日最高可开行旅客列车6107对，客座定员914万人；最大客座能力比2019年春运增长11%。高铁运力的显著增长，是“票更好买”的根本原因。

　　不少旅客都感受到了长途高铁列车接近公交的开行密度。旅客周先生说，他打算春节回青岛探亲，发现每日到青岛的高铁足足有20多趟，而且几乎都有余票。因此，他还将上周日已经提前预订好的1月18日车票取消，在1月17日下午两点多临时改签，重新订了一张当天下午5点多的高铁票。“车次多了，票也好买了，各个时间段都有，当天下班就能回家！”周先生说。

　　记者查询12306发现，北京至长沙的高铁列车，7点至8点就有5趟可选，最小发车间隔8分钟；10点至11点有4趟列车，最小发车间隔5分钟。不少热门线路均开通了“夜间高铁”来应对返乡高峰，如北京到武汉、哈尔滨、石家庄、郑州等地。以北京至哈尔滨为例，凌晨3:47至5:30有三趟高铁可供选择；北京至郑州，从凌晨0:53至6:15有12趟列车可供选择。国铁武汉局表示，节前从1月13日至1月21日，计划加开200趟“夜间高铁”缓解节前春运压力。

　　出行半径扩大

　　中长线度假需求回归

　　除了返乡过年外，不少人还打算在春节假期和家人相伴外出旅游。交通运输部的数据显示，春节期间预计探亲流约占春运客流的55%，务工流约占24%，旅游和商旅出行约占10%。

　　对于一些热门旅游城市，返乡探亲叠加旅游出行，高铁票依然抢手。“上周，我查询了北京至桂林的高铁票，发现春节前几天的票已经卖光了。”准备假期带着家人去桂林旅游过年的胡女士说。

　　根据同程旅行发布的《2023春节假期旅游消费趋势报告》，今年春节期间出行需求大幅上涨，中长线休闲度假需求快速回归，春运开启前一周，国内长线度假游产品咨询量同比上涨近20倍，春节前签证咨询量同比上涨8倍。

　　去哪儿平台数据也显示，2023年春节期间，铁路出行平均半径同比增长六成。同时，从酒店数据来看，春节期间连住天数大于3天的订单量同比增长两成，临近假期仍将继续增长。去哪儿大数据研究院副院长郭乐春认为，这些信号意味着，消费信心正在恢复，旅游业向着积极方向前进。“春节回暖是一个好的开始，我们有信心在暑期恢复到疫情前水平。”

　　记者 鹿杨 实习记者 夏骅

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）