浅析报废汽车回收拆解与利用

据统计,报废汽车回收主渠道也很薄弱,国有企业回收拆解仅占报废汽车拆解总量的56%。有近40%的报废汽车流入乡镇和个体户,使大量报废汽车、拼装车重新流到社会,二手汽车质量没有一个标准,给交通安全带来严重隐患。     

汽车报废回收及循环利用

众所周知,目前我国的汽车拥有量位居全球第二。随着汽车消费的增长,废旧汽车总量也相应急剧增加。如不加快废旧汽车回收拆解与再制造行业的健康发展,将对环境、交通等方面产生严重影响。加快废旧汽车回收拆解与再制造行业健康发展,必须完善报废汽车回收利用的政策法规,严格市场准入条件,加大行业扶持力度,倡导行业自律发展等。其中,建立报废汽车回收管理网络尤其必要,以形成报废汽车回收的主管部门、企业及公安交通管理部门共享的信息网络,实现报废回收拆解的全程监控。     

报废汽车回收制度在我国现阶段实施的意义

实行报废汽车回收制度,既有利于广大消费者,又有利于我国汽车工业总体的发展,故报废汽车回收制度在我国现阶段的实施势在必行.     

报废汽车回收制度在我国现阶段实施的意义

实行报废汽车回收制度,既有利于广大消费者,又有利于我国汽车工业总体的发展,故报废汽车回收制度在我国现阶段的实施势在必行。     

报废汽车回收监督的进化博弈分析

建立了报废汽车回收过程中政府与汽车回收责任体的博弈模型,分析了博弈双方的稳定性条件,揭示博弈双方的行为特征及其对稳定状态的影响．结果表明：汽车回收责任体回收的成本与收益、政府对企业的奖惩力度以及政府监督成本是影响博弈结果的主要因素．     

闭环供应链在我国汽车报废系统中的应用研究

我国汽车报废现状 中华人民共和国2013年5月1日起．开始实施《机动车强制报废标准规定》．明确规定．国家对达到一定行驶里程的机动车引导报废。其中．小、微型非营运载客汽车和大型非营运轿车行驶60万千米．中型非营运载客汽车行驶50万千米,大型非营运载客汽车行驶60万千米。     

基于集合覆盖模型的报废汽车回收点选址优化研究

报废汽车是重要的再生资源,为了提高报废汽车的回收利用率,实现其经济价值和资源环境价值,需要构建高效率、高效益的报废汽车逆向物流网络,而报废汽车回收点的选址对整个网络的运作有重大影响。本文以成都市为例构建了报废汽车回收点选址优化的集合覆盖模型,然后针对该模型设计了相应的算法,并对模型进行了分析和验证。     

为汽车报废“新政”喝彩

据报道，私家车最长只能开15年的报废规定即将被“报废”，而以行驶60万公里为标准的报废“新政”即将施行。对此消息，主管汽车政策的商务部官员9月24日在广州花都汽车论坛上已予以证实。     

商务部要求宣贯《报废汽车回收拆解企业技术规范》

日前,商务部组织制定的国家标准《报废汽车回收拆解企业技术规范》（G822128—2008）（以下简称《拆解规范》）,已由国家质量监督检验检疫总局、国家标准化管理委员会联合发布,并将于2009年1月1日起开始实施。为将标准的宣传贯彻工作落到实处,商务部要求各地商务主管部门做好以下几项工作。     

汽车报废制度“废了谁”？

《机动车强制报废标准规定》经2012年8月24日商务部第68次部务会议审议通过,并经国家发改委、公安部、环境保护部同意,2012年12月27日,商务部、国家发改委、公安部、环境保护部令2012年第12号公布。     

汽车客运站客流特征及客运量预测研究

以潍坊汽车客运站为例,分析了汽车客运站的客流特征,根据客运站客流变化规律,建立了回归预测模型,经平均绝对百分误差检验预测误差小于10,属于高精度预测.同时进行了实际客运量预测,为汽车客运站合理安排组织运力提供了参考依据.     

基于分段外推法的城市汽车保有量预测

汽车保有量的预测是城市交通规划的一项基础性工作,是制定各种交通需求管理措施的重要依据。分析影响城市汽车保有量的因素,将城市划分成不同的交通小区,并建立相应的评价模型对各小区进行综合评价。同时利用某一小区以往汽车保有量资料,建立基于分段外推法的城市汽车保有量预测模型,为城市汽车保有量的近期预测提供有效方法。     

基于PCA和HMM的汽车保有量预测方法

分析了常用的汽车保有量预测方法,提出了一种新的基于主成分分析和隐马尔可夫模型的汽车保有量预测方法.选取国民总收入、人均GDP、人口总数量、城市化率、固定资产投资总额、进出口总额、城镇居民人均可支配收入、钢材产量、公路货运量、公路客运量、社会消费品零售总额11个指标作为汽车保有量的主要影响因素,运用主成分分析提取了主要影响因素的主成分.以提取的主成分与汽车保有量分别作为自变量、因变量,建立了回归分析模型.以汽车保有量回归预测值的年增长率为隐状态,以回归预测值与实际值的相对误差为可见信号,建立了隐马尔科夫模型,并对的汽车保有量回归预测值进行修正.分析结果表明:基于1994～2008年的中国汽车保有量及其主要影响因素的历史数据,应用提出的方法得到2009、2010年的汽车保有量修正值分别为6.220 96×107、7.825 12×107 veh;与2009、2010年实际汽车保有量比较,相对误差分别为-0.95％、0.30％.可见,基于主成分分析和隐马尔科夫模型的汽车保有量预测方法具有良好的预测精度,能够适用于短期预测.     

用改进的灰色模型预测2000年我国汽车保有量

本文针对灰色预测模型的缺陷，对灰色模型的建模过程及检验方法进行了改进，用线性回归来建立ＧＭ（１，１）模型，用统计方法进行模型的显著性检验；并且运用该种方法对２０００年我国汽车的保有量进行了预测。     

基于遗传BP算法的我国汽车保有量预测

在对我国中长期汽车保有量预测时,针对传统BP算法的不足,采用遗传算法优化BP算法的连接权值,使优化后的BP网络的训练速度和预测精度得到了有效提高,说明该方法具有较好的实用性和推广价值.     

利用电算进行回归预测分析

在回归分析过程中，观察值是动态预测的重要信息，增加一个新的观察值，回归方程要重新计算和重新进行相关分析，增加了大量而繁琐的重复计算，通过运用dBASEⅢ数据库管理系统，设计了JGC1，JGC2，JGC22和JGC23这几个源程序，使一元和二元线性及非线性回归预测的因变量在实际工作中能得到更好更充分的应用。