春运五大风险，公安部预警！******

　　公安部预警2023年春运五大风险

　　随着疫情防控措施调整转段，预计今年春运跨区域流动性将加速释放，春运客流总量可能出现大幅增长，局部地区、重点时段人流、车辆、物流高度集中，交通安全风险加大。公安部研判2023年春运交通安全形势，发出交通安全提示。

　　公安部综合出行需求、客货运量、气象预报、疫情形势等情况分析，2023年春运道路交通安全面临自驾小客车肇事、干线公路混行、农村地区群死群伤、酒驾醉驾、雨雾冰雪影响等五方面主要风险。

　　近两年春运期间小客车肇事死亡占比超过一半，导致的较大事故占比近七成。今年群众旅游探亲、返乡返岗的出行方式向自驾、小规模组团拼车出行转换的特点将更为明显，小客车肇事风险上升。

　　临近春节，能源、粮食、医疗、民生等物资运输需求旺盛，预计干线公路交通流量将持续增长、高位运行，大客车、大货车、危化品运输车、小客车等各类车型混合通行程度升高，交通拥堵和事故风险凸显。2022年春运期间高速公路死亡同比上升16.5%，今年干线公路交通事故风险有增无减。

　　外出务工人员大量返乡，加之春节期间农村地区赶集庙会、走亲访友、红白喜事等出行活动频繁，农村地区路况复杂，货车、拖拉机、三轮车违法载人、面包车超员载客等违法行为发生几率增大，易导致群死群伤交通事故。近两年春运期间，农村地区交通事故死亡人数、较大交通事故起数均占六成。

　　春运期间道路交通繁忙，交通违法肇事多发易发。近两年春运期间，交通肇事主要原因是未礼让行人、超速行驶、无证驾驶、酒驾醉驾、机动车未让优先方通行，其中，一次死亡3人、5人以上事故中，酒驾醉驾均是首要肇事原因。

　　此外，近期受大雾团雾、雨雪冰冻等恶劣天气影响引发的交通事故多发，高速公路及长下坡、桥梁隧道、急弯陡坡等重点路段交通安全风险隐患突出，极易导致车辆追尾、侧滑、侧翻。

　　公安部提示，自驾出行，应提前了解交通路况、天气预报和交通安全提示，合理安排出行路线和出行时间，尽量错峰出行。出行前应仔细检查车辆维护保养状况，准备好必要的生活和防疫物资，应谨慎评估自身健康状况，未排除感染风险前或出现发热等症状时，倡导暂缓出行。驾车时要集中精力，不分心驾驶，不疲劳驾驶，不超速行驶，驾乘车辆要全程全员系好安全带。谨记“开车不喝酒、喝酒不开车”，切勿酒后驾驶。

　　行经高速公路，要保持安全车距，遇拥堵、缓行路段，切勿随意穿插，切勿占用应急车道，如发生交通事故、车辆故障，牢记“车靠边、人撤离、即报警”，避免发生二次事故。恶劣天气条件下出行，要严格遵守“降速、控距、亮尾”措施，通过急弯陡坡、积雪结冰路段，要提前降低车速，不急打方向、急踩刹车，防止车辆失控侧滑侧翻。

　　乘坐客运车辆出行，要到正规客运场站，切勿乘坐非法营运客车；农村地区乘车出行要乘坐安全性能良好的私家车或正规的客运班线，不要搭乘轻型货车、三轮车、拖拉机等非载客车辆，不要乘坐超员车辆。

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