共享自动驾驶汽车使用意愿模型及其影响因素

为了构建共享自动驾驶汽车(shared autonomous vehicles，SAV) 的使用意愿模型并分析其影响因素，通过使用时机和使用频率来体现公众对SAV的使用意愿；采用验证性因子分析将态度潜变量转化为潜变量得分，以此将态度潜变量引入传统的有序Logit模型；提出SAV使用意愿的有序Logit模型构建方法，并建立基于个人属性、通勤特征、态度潜变量的SAV使用意愿模型.研究发现:是否使用过滴滴拼车、工作单位停车费、自动驾驶态度对使用时机和3种价格(1，2，3元/km) 下的使用频率有显著影响；使用过滴滴拼车、工作单位收取停车费、支持自动驾驶的群体倾向于频繁地、更早地使用SAV出行；公众期望以1元/km或 2元/km即不超过目前滴滴拼车的价格使用SAV.     

高职生“学习参与度”对创新创业核心素养的影响机制研究

通过对523名高职学生进行实地调研,探析“学习参与度”对学生创新创业核心素养的影响机制。结果显示:课程建设、教师引导、资源支持对学习心理参与度影响显著;教师引导、资源支持、社会实践对学习行为参与度影响显著。学习参与度显著影响创业意识、创新精神、创业能力。提出优化对策:重视学生创新创业核心素养的培养;提高学生创新创业学习参与度;人际互动提升学习心理参与度;协同培育提高学习行为参与度。     

考虑多种损坏构成特征的沥青路面预防性养护决策方法

由于沥青路面损坏构成的多样性, 相同的路面状况指数(pavement condition index, PCI)可能代表不同的损坏组合. 当多种损坏并存且损坏程度接近时, 用PCI和主导损坏(最严重、扣分最多的路面损坏)难以得到具有针对性的养护对策. 因此, 通过对PCI的深入分析, 明确了主导损坏代表性不足的路段, 以现行预防性养护决策方法为基础, 补充了一种考虑损坏构成特征、更具针对性的决策方法. 以上海城市道路近5年的检测、养护数据为分析基础, 首先利用有序聚类算法将路段按PCI水平分组, 分析了不同阶段路面损坏构成和差异水平; 然后, 针对多种损坏并存且损坏差异不显著的路段, 根据预防性养护的实施效果筛选了能够反映正确预防性养护经验的有效养护路段; 最后, 基于有效养护路段建立并对比分析了2个基于BP(back propagation)神经网络的养护决策模型. 结果表明: 当PCI水平介于优良(84.4~93.0分)时, 不同损坏程度接近, 主导损坏代表性不足; 考虑多种损坏构成特征的BP神经网络模型表现出更高的决策精度, 测试集决策正确率达86.20%, 优于仅考虑主导损坏的模型(58.50%). BP神经网络与传统决策树法结合能够优化沥青路面决策过程, 提高养护对策选取的针对性.     

视觉搜索中图标布局的影响机理

采用视觉搜索范式，研究图标视觉特征及数量变化对图标布局认知绩效的影响.实验表明，当图标数量N=6时，仅图标视觉特征主效应显著，布局方式对搜索速度无显著影响，图标视觉特征是认知绩效的主要影响因素;当图标数量N=15时，仅图标布局方式主效应显著，横向排列搜索速度最快.通过图标数量的连续性变化实验发现，图标数量超过10个，横向排列反应时显著低于纵向排列，两者错误率无显著差异;随着图形面板 L_○长度 / S_○宽度比值的降低，两者平均反应时差距逐渐缩小，趋于一致.研究表明，图标数量的变化对布局方式和视觉特征的认知绩效产生显著影响.     

"互联网+"驱动产业创新机制、商业模式与政策建议

在信息化的时代,"互联网+"对于市场经营的企业产业发展的推动加快了产业智能互联网的形成,这类新型产业在智能化信息处理系统的建设、高速物联网服务等方面的优势都成功领先于传统行业,有助于大力推进市场经济的可持续发展.分别从以下几个方面对"互联网+"产业链作出研究.①"互联网+"是如何推动传统产业进行业务创新的,"互联网+"下衍生出来的高科技产业链创新和传统产业技术的创新是如何出现的;②"互联网+"是从哪几个方面如何推进商业变革的,而传统的商业模式在变革为"互联网+"商业模式后如何为市场创造价值的.无论是传统产业还是互联网产业经营都有其利弊和风险,经过系统的数据分析和研究在互联网的新时代下诞生的新型商业创新产业链在市场中的表现并不像预期中那样稳定,在产业运营的过程中还需要互联网平台通过对互联网内部的制度的建设管理以及产业在市场中运营时的制度进行及时准确的监督管理;③通过对新时代产业互联网发展不同阶段的现况表现以及遇到的一些困难按照互联网产业发展初始期、发展期、成熟期、创新期的顺序给出了对应管理建议和政策.     

2017—2019 年北京地区实验动物质量抽检结果分析

摘要:目的 比对分析 2017—2019 年北京地区实验动物微生物及遗传质量监测结果,为实验动物产业发展提供参考。 方法 按照国家和地方现行实验动物检测标准,对北京地区实验动物生产单位进行抽检,并发布检测报告。按照报告数据,对此阶段小鼠、大鼠、豚鼠、地鼠、兔、犬、猴和小型猪共 8 个品种的实验动物按照品种、等级、单位等进行分类,分析质量问题,并与 2014—2016 年同期实验动物质量比对,分析变化趋势。 结果 2017—2019 年分别抽检动物 144、131 和 135 批次,检出不合格批次分别为 30、15 和 17 批。 不合格主要因素为兔、犬及猪免疫不达标(20 批) ,病原感染 20 批,未发现遗传变异。 与 2014—2016 年同期相比,未检出遗传问题相同,免疫不达标状况好转,但病原感染出现上升。 结论 通过质量分析比对,能够为实验动物产业健康发展提供数据支持。     

改进遗传算法及其在钻井液设计中的运用

在深井、超深井以及地层复杂等条件下，为了避免或减少钻井事故的发生，达到优质快速钻井的目的，选择合适的钻井液体系至关重要。基于案例推理（CBR，Case-Based Reasoning）的钻井液设计中，钻井液体系由岩性、井型和井深等属性推理得出，但属性权重的分配会对推理结果产生显著的影响；遗传算法在优化属性权重时，存在收敛速度慢、收敛精度低的缺点。针对上述问题，提出一种解决CBR中属性权重分配问题的改进遗传算法。首先，对遗传算子进行改进：选择算子方面，利用指数尺度变换法优化个体选择；交叉算子方面，对算术交叉中的比例因子进行自适应调整；变异算子方面，改进个体变异方向，保持种群多样性。其次，从个体适应度和交叉个体的差异程度两方面实现交叉概率自适应调整。最后，通过对UCI数据集的对比实验，证明了改进后的遗传算法能改善全局收敛性能，提高CBR的准确率。将该算法运用到基于CBR的钻井液设计中，实验结果表明，所提方法能够优化属性权重的分配，进而提高钻井液设计的质量。     

Meet-Cloud for Secure and Accurate Distribution of Negative Messages in Vehicular Ad hoc Network

Keeping Vehicular Ad hoc Network(VANET) from attacks requires secure and efficient distribution of information about bad entities. Negative messages are pieces of information that define the negative attributes of vehicles. By formally defining the negative message, we observe that accuracy is essential for its efficient distribution. We formally define the coverage percentage and accurate coverage percentage to describe the availability and distribution efficiency of negative message. These two metrics can jointly evaluate the performance of a distribution method. To obtain both high coverage percentage and high accurate coverage percentage, we propose meet-cloud, a scheme based on meet-table and cloud computing to securely and accurately distribute negative messages in VANET. A meet-table in a Road Side Unit(RSU) records the vehicles it encounters. All meettables are sent to cloud service to aggregate a global meet-table. The algorithm for distributing and redistributing negative messages are designed. Security analysis shows that meet-cloud is secure against fake and holding on to negative message attacks. Simulations and analysis demonstrate that meet-cloud is secure under denial of service and fake meet-table attacks. The simulation results also justify that meet-cloud outperforms the RSU broadcast and epidemic model.