基于GIS的网约车乘客安全状态监测模型研究

为提供网约车乘客及时可靠的救险援助,防范网约车司机侵害乘客案件的再度发生,研究基于"潜在危险区域"的多参数安全状态监测模型.从地理时空角度,分析案件发生的区域和时间特征,基于其时空规律,提取城市"潜在危险区域",构建车辆OD距离、异常速度、行驶时间等因子,同时结合乘客信息,实时综合分析乘客安全状态.以南通市港闸区为例,以出租车轨迹、兴趣点、OSM开源路网以及城市影像等作为实验数据,实验结果表明,模型能够有效监测出车辆在"潜在危险区域"内行驶时车辆的异常行为,当不设立"潜在危险区域"时,模型能够准确地识别出司机的异常驾驶,如绕行、异常停止等,实验精度达到92.06%,其中绕行判别精度为90.57%,异常停止判别精度为100%,证明研究的模型能够取得较好的监测效果.     

关于注册的一点疑问

雅阁，别克GL8租车优惠；3A特色服务：全国主要公路气象预报。     

基于模糊数学的电动汽车电机性能评价

为解决纯电动网约车电机性能状态实时评价的问题,文章建立了电机模糊综合评价模型。根据电机的运行特性以及模糊评价输入集的要求,提出了评价模型输入参数选取的两个原则,并选取电机温度、电机控制器温度和电机转速作为评价参数。基于电机性能的状态评价,提出了模糊综合评价的步骤,详细阐述了模糊关系矩阵与模糊输入集的建立,求得目标模糊关系矩阵以及隶属度函数,并结合实验数据对模糊综合评价模型进行验证,电机评价模型的评价结果与电机实际性能相符,验证了文章建立的综合评价模型的有效性。     

基于混合机器学习框架的网约车订单需求预测与异常点识别

城市网约车订单需求体现了居民出行活力,同时表征了出行规律和内在特征。如何从复杂动态的时变数据中准确地识别异常点并进行调度优化,是优化网约车平台运力的关键环节。建立了网约车订单需求数据的时间序列图,并分析了订单需求的动态特性,提出1种基于混合机器学习框架的网约车订单需求预测模型（ARIMA-BPNN-DSR, ABD）。混合模型由差分整合移动平均自回归模型（auto regressive integrated moving average model,ARIMA）和反向传播神经网络（back propagation neural network,BPNN）通过动态选择回归算法（dynamic selection of regression,DSR）融合而成。混合模型汲取了统计方法的鲁棒性和机器学习方法的高效性,并考虑各个独立基线模型在数据局部空间上的性能表现。以2019年和2020年（疫情影响下）厦门市滴滴网约车平台订单数据作为试验基准并进行对比分析,结果表明：(1)与多个基线模型相比,ABD模型实现了最优的预测性能,同时在面向疫情外部因素影响下同样表现出优异的性能;(2)消融实验表明,...     

工商银行、神州租车联手破冰促消费

汽当国际金融危机日益蔓延，众多行业受到波及之时，汽车租赁却逆势起飞，火爆异常，成为业界瞩目的焦点。近日，国内领先的汽车租赁服务商神州租车与中国最大的商业银行一工商银行达成合作．工商银行持卡人均可凭卡获得神州租车的会员资格．并享受相应会员待遇．畅行神州，由此起程。     

广义对角占优矩阵的迭代判别

对矩阵Ａ定义一种迭代，得到两个序列Ａ＾（ｎ）和Ｎ１＾（ｎ）；通过对这两个序列的分析，得到Ａ为广义对角占优矩阵的一个充分必要条件，以及一些相关的结论。     

租车起纠纷，自有法律为你保驾护航

当下,受城市道路车辆拥挤、燃油费用价格不断攀升、养车费用高等因素影响,人们越发感觉养车不如打车,打车不如租车。由此引发的民事纠纷案件也逐渐多了起来。消费者当遭遇租车纠纷,切莫忘记自有法律为你保驾护航,下面案例或许能给你以借鉴与帮助。     

中国网络预约出租汽车发展综述

网约车作为一种颠覆性的业态出现在人们的视野当中,为乘客的出行带来了便利性。但是,这对传统出租车行业带来了极大冲击。如何平衡二者当下关系,减少冲突,在发展中实现共赢,具有重要的社会意义。本文梳理了传统出租车和网约车的发展历程,详细阐述了二者的业务模式和经营模式,厘清了传统出租车与网约车之间的关系,同时,文章给出了网约车未来发展的趋势。这既可以对传统出租车行业改革提供参考,也可以为网约车行业的建康发展提供借鉴。     

代数表示型的判定

确定一个代数的表示型是代数表示论中的主要任务之一。本文给出了无限表示型代数的某些判定方法，通过一个代数的Ａｕｓｌａｎｄｅｒ－Ｒｅｉｔｅｎ箭图的某个分支上仅仅一小部分的一些特性来推断该代数的表示型。     

汽车服务网站 AAA汽车俱乐部

北美的汽车业已经发展到一个相对成熟状态．不仅仅是车辆的选择性大大自由，就连汽车的服务业也蓬勃发展．不少汽车服务公司以发展会员并提供会员优惠的形式来吸引固定的客户。这已经成为北美最大的汽车维修、救援形态。[编者按]