新手开车勿惊慌,实用技巧供参考(上)

<正>万事开头难,开车当然也不例外。相信每一位驾驶员都经历过初次上路的忐忑不安,眼盯前方,双手紧握转向盘,身体僵直前倾,远离前车,缓慢前行,起步停车或遇到坡路和堵车时经常熄火等等,这些都是新手的写照,只要稍加留意很容易辨认。客观地讲,新手的确影响了车流速度,也造成了一些事故隐患,很多人给新手冠以"马路杀手"的称谓。于是一些很有"自知之明"的新手为了取得他人谅解,经常在自己车的后挡风玻璃上贴上"新手请多     

越野驾驶有技巧

"十一"假期里,喜欢越野的人有了充分的时间,有了追求刺激与激情的表演机会,但我们不能不提到安全,也不能不说说越野的驾驶知识,因为只有在这些前提下,我们才能够充分保障自己在大自然里的那丝丝冲动的延伸!     

既可电力驱动、又可脚踏骑行的“E-BIKE”电动自行车

在美国，自行车运动一向被视作男性运动。然而近年来，似乎越来越多的美国女性有意争当自行车运动领域中的“巾帼英雄”。于是，不但自行车销量稳步上升，而且相关产品如自行车服、配饰等也随之悄然升温。因此，今年首季度著名的自行车厂家纷纷推出女士专用自行车，Cannondale、Specialized、Trek等     

城市自行车骑行者疲劳感知特性（双语出版）

为了探究自行车骑行过程中骑行者的疲劳感知变化规律及其影响因素,设计实施了针对不同骑行环境的骑行试验。根据试验收集的骑行者个体属性、骑行强度数据及骑行者生理、心理数据,利用多元线性回归方法建立了骑行者疲劳感知模型,定量描述了骑行者疲劳感知与骑行者个体属性、骑行强度以及骑行者生理、心理负荷之间的变化关系。应用统计检验方法对模型的线性显著性、多重共线性进行检验;并通过实施新的骑行试验验证了模型对于实际骑行活动中骑行者疲劳感知的预测能力。由模型分析可知：骑行者的疲劳感知变化主要受到骑行者个体属性、骑行强度、骑行者生理负荷以及心理负荷等属性的影响,4种属性的建模变量对于出行者疲劳感知的影响因子分别为-0.291,0.353,0.253,0.265。研究结果表明：在骑行过程中,骑行强度、骑行者生理负荷以及心理负荷因素与疲劳感知呈正相关关系,而骑行者个体属性则与疲劳感知呈负相关关系,其中骑行强度因素对于疲劳感知变化影响最大;模型预测的骑行者疲劳程度值与试验实测值无显著性差异;可通过改善现有骑行环境来降低骑行过程中骑行者的生理负荷和心理负荷,从而减小骑行者出行疲劳感知期望值,以此影响自行车出行者骑行选择行为的决策;骑行疲劳感知模型可应用于自行车交通评估与规划。     

非机动车骑行行为实验研究

基于交通信息负荷量和交通信息变化的非机动车骑行过程,分析了骑行行为的安全性．针对不同的交通信息负荷量下非机动车骑行者的骑行行为,从骑行的安全感和舒适度出发,借助交通行为分析理论,设计了非机动车行车实验的研究方法,通过对比实验研究,分析了非机动车的速度和加速度特点,并根据自行车速度不稳定、波动频率高,而电动自行车速度相对稳定,但速度高、加速度大的特点,得出电动自行车安全性差的结论,验证了实验方法的可行性与合理性．     

基于强化敏感性理论的电动自行车风险骑行行为影响因素

从交通管理的奖惩机制角度,探究电动自行车骑行人的奖惩反应性对其风险骑行行为的影响机理.采用改进强化敏感性理论构建风险骑行行为的心理认知模型.在改进强化敏感性理论框架下,引入风险感知和风险骑行意向,同时考虑性别、年龄和骑行次数的影响,采用结构方程模型评估影响风险骑行行为的主要心理因素.通过问卷调查,共获取402个有效样本...     

电动车故障排除实例两则

故障现象:一辆48V天津产电动车,最高车速可达40km/h.使用一年半曾换过一组电瓶,一切正常,近期骑行中突然出现无法加速现象,加速转把转到底车速也只有15km/h.     

克服恐惧 新手倒车注意事项

我在停车场停车时,时常会遇见一些具有倒车恐惧症的新人在倒车时弄得手忙脚乱、满头大汗,却很难将车停进车位,有的人干脆就请人代停,而由于倒车引起的车辆小蹭小撞的事故也频繁的增多。每个驾驶员在驾车出行时,几乎都会遇到倒车的情况。在学驾校学车的时候所练的“侧方移位”,这让每个学员都觉得前进容易倒车难。而主要原因是由于后视镜的盲区、角度估计不准、反向操纵、     

独行最后的香格里拉(上)

或许是学美术的缘故,自己是个注重感受、贪恋美好事物的人。对速度的追求使我两年来痴迷于摩托驾驶,而2002年的五一节骑车游过乌江画廊、龚滩古镇后,川西高原、亚丁、乡城、香格里拉一带瑰丽的美景对我无疑更是一种召唤。就在2002年国庆节前夕,我获得了年假和国庆长假同休的批准,便决定骑车上路,行走最后的香格里拉。     

基于卷积神经网络的自行车骑行行为识别

为研究适合我国城市交通的自行车骑行行为分类识别方法,实施骑行行为视频调查试验,并提取骑行者骑行特征信息.结合我国交通现状和自行车交通特点,提出一种新的骑行行为分类方法,新的行为分类可基本覆盖我国自行车交通的所有骑行行为场景.采用提出的行为分类方法对试验个体骑行行为进行人工分类标记,得到不同骑行场景下的骑行行为分类数据集.基于卷积神经网络(CNN)建立自行车骑行行为识别模型,考虑模型输入特征特性以及分类任务复杂度对模型结构进行迭代设计选优,调整模型网络组成和卷积参数,得到分类效果显著的模型结构.对比分析多元Logit分类模型、三层全连接层BP神经网络模型,与本文的卷积网络模型在骑行行为分类预测的表现,在20 000次迭代训练之后,3个模型均得到收敛结果.结果 表明,提出的骑行行为分类模型准确率分别高于多元Logit模型20%,高于BP网络模型15%,显著优于对比模型的识别效果.卷积网络模型可有效解析骑行行为与各骑行特征因素之间的关系.