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.     

老旧机动车淘汰更新及补贴政策的成本有效性分析——以北京市为例

以氮氧化物和PM_2.5削减量为减排效果评估指标, 以车辆残值成本、政策执行成本、燃油成本节约为社会成本指标, 借助单位减排产生的社会成本(社会成本/减排量比值), 对北京市2011年6月至2020年12月老旧机动车淘汰更新及补贴政策的实施效果进行成本有效性分析。结果表明, 研究覆盖期内, 该政策的成本有效性并非单调递减, 而是呈现阶段性和结构性特点: 在重点淘汰柴油货车时期, 政策成本有效性最佳, 在重点淘汰国III汽油车时期, 成本有效性较差, 两者氮氧化物及PM_2.5单位污染物减排成本分别相差14倍和34倍; 随着车型拓展到更高排放标准, 淘汰小型客车的成本有效性呈下降趋势, 国III和国IV排放标准的小型客车减排潜力已较为有限, 且成本有效性远低于政策早期; 淘汰重型货车的成本有效性较高, 且在部分时期存在社会成本的节约。建议后续相关政策的制定应基于成本有效性, 审慎地将排放标准更高的小型客车纳入该政策管制范围, 应更关注重型柴油货车加速淘汰的政策设计优化。     

电力业务许可制度国际比较研究

电力业务许可制度的实质就是电力准入监管,是适应电力市场化改革的产物.作为一种纠正电力市场失灵的准入监管手段,电力业务许可制度应当适应一国的电力工业组织模式和市场格局.尽管目前我国的电力业务许可制度在性质、范围、许可管理机构、许可程序等方面都存在一定差异,但国外电力业务许可制度仍然有许多值得我们汲取与借鉴之处.     

对机动车第三者责任强制保险赔付制度的思考

第三者责任强制保险的相关法律规定并不完善,使得商业保险公司为了各自的利益制定内部规定或者格式保险合同条款缺乏可操作性,使受害人不能及时得到补偿,因此,应明确第三者的范围,并赋予第三者对保险公司有直接请求权。     

农民如何投资理财？

1．购买汽车、农用车等交通工具搞运输。这在交通方便、资源丰富的乡镇无疑是一种投资好方法，但货源要相对固定、充足，最好自己掌握驾驶技术、懂管理，行车要注意安全。必须加入保险，以降低投资风险。     

数字驾驶与交通安全

进入 2 1世纪 ,如何提高道路交通安全、减少交通事故已经是人类面临的一项全球性的挑战 .在机遇与挑战并存的现实面前 ,科技就是生产力 ,现代高新技术的突飞猛进为解决交通安全问题构建了新的解决平台 .本文提出了智能交通信息网络环境下数字驾驶的新概念 ,试图运用计算机、通信、控制、心理学等多学科交叉的技术手段 ,研究未来数字车辆的驾驶行为 ,揭示出数字驾驶的典型特征 ,旨在进一步增进车辆的行驶安全性 ,提高整个社会的运行效率和人类的生活质量     

机动车超载自动监控装置

目前，公路客、货运输中，在经济利益的驱使下，超重甚至严重超载的现象十分普遍，由此引发的恶性交通事故屡见不鲜，造成人员和经济方面的重大伤亡和损失。尽管管理部门大了检查执法力度，但仍屡禁不止，据媒体报道，货车超载运输肇事占事故总数的30％以上，直接经济损失所占比例更是高达50％以上。对事故的分析表明，车辆失控、爆胎、钢板断裂等是主要原因，     

JM3B坦克驾驶模拟器视景仿真系统

本文介绍了ＪＭ３Ｂ坦克加强模拟器视景仿真系统的结构，工作原理及实现方法，硬件设计上采用了８０４８６，ＴＭＳ３２０Ｃ２５，ＴＭＳ３４０２０等效我处理机并行流水结构，有效地解决了计算机成像中３Ｄ运算象素填充和数据传输中存在的“瓶颈”问题。     

自主式交通系统功能架构优化密度峰值聚类算法

自主式交通系统(autonomous transportation system, ATS)是为应对主动式智慧交通发展趋势而提出的新一代交通系统。为科学合理地构建ATS功能架构,提出了一种面向多属性文本的优化密度峰值聚类算法(density peaks clustering, DPC)。该算法结合交通系统功能架构的基本特征,通过改进的词频-逆向文档频率算法与文本向量空间模型,将多属性文本转化成空间维度坐标。再利用高斯函数和决策值优化DPC算法进行聚类,并结合轮廓系数对聚类结果进行评价。为了检验算法的合理性,在ATS道路自动驾驶场景下,基于道路载运工具运行服务域、交通基础设施管理服务域和交通安全管理服务域的功能数据集进行了算例分析,依据聚类结果绘制功能架构图。架构图由自主感知-自主学习-自主决策-自主响应4层构成,验证了ATS应用场景中功能架构优化算法的可行性和合理性。算例结果表明：该算法的构建具有鲁棒性,算例轮廓系数整体均值为0.84,与原算法相比解决了聚类过程中聚类中心难以划定的问题;与原智能交通系统中的各架构设计相比,该功能架构更具有层次性和逻辑性。该优化算法能够促进新一代交通系统...     

具有优先级的深度确定性策略梯度算法在自动驾驶中的应用

深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法在自动驾驶领域中应用广泛,但DDPG算法因采用均匀采样而导致低效率策略比例较高、训练效率低、收敛速度慢等.提出了基于优先级的深度确定性策略梯度(priority-based DDPD,P-DDPG)算法,通过优先级采样代替均匀采样来提升采样利用率、改善探索策略和提高神经网络训练效率,并且提出新的奖励函数作为评价标准.最后,在开源赛车模拟(The Open Racing Car Simulator,TORCS)平台上对P-DDPG算法的性能进行了测试,结果表明相对于DDPG算法,P-DDPG算法的累积奖励在25回合之后就有明显提升而DDPG在100回合之后训练效果才逐渐显现,提升约4倍.P-DDPG算法不仅训练效率提升且收敛速度加快.