智能汽车专业校企合作模式及人才培养方式的探究

智能汽车已经成为未来汽车领域的发展方向,且高校逐渐与企业合作,建立智能汽车人才培养模式。但是现阶段,校企合作深度以及人才培养方式仍然存在一定的不足,不利于为智能汽车领域输送更多的人才。基于此,本文主要探究智能汽车专业校企合作模式以及人才培养模式,详细阐述智能汽车专业校企合作模式及人才培养模式中存在的问题,进而提出针对性的建议。     

新能源汽车技术专业“1+X”课证融合思考

在《国家职业教育改革实施方案》当中,明确提出了开启"1+X"的证书制度,其主要目的是要利用把学历教育和技能培训进行有效融合,培养出符合时代需求的高素质技术技能人才。以新能源车技术专业作为实例,对"1+X"制度进行积极地探索,找到培养高品质应用型技术人才的新方式,从新能源汽车技术专业的课程内容、考核方式、师资力量等各方面进行探索,为"1+X"课证融合的有效开展寻找高效途径,从而提高人才的质量。     

沃尔沃XC60

测试地点:中国·北京2022款沃尔沃XC60在各个方面都让人比较满意,如果价格优惠力度进一步增大,相信会带来更多购买者上月刚驾驶过2022款沃尔沃S60 B4,今天坐上2022款沃尔沃XC60B5四驱智雅豪华版驾驶位一踩油门踏板就感受到了动力上有了很大提升,毕竟发动机从B4提升到了B5。     

基于XGBoost算法的危险场景驾驶行为模式分析及安全评估

危险感知能力对驾驶人的驾驶行为模式具有重要影响。为准确评估驾驶人的危险感知能力、提升危险感知水平判别的准确度，提出了基于模拟驾驶技术的危险感知能力影响分析方法和基于极端梯度提升树（XGBoost）算法的危险感知水平判别模型。通过设计3种常见交通冲突场景，采集模拟驾驶中驾驶人的多维度驾驶行为特征数据，并分析危险感知能力与驾驶行为的相关关系。通过模拟实验发现:驾驶人对行人的危险感知能力较弱，易发生碰撞事故；驾驶人在危险场景中的车速（p＝0.01）、制动反应位置（p < 0.01）以及反应时间（p < 0.01）与危险感知水平之间存在显著负相关关系。在相关性分析的基础上，利用XGBoost算法识别能反映驾驶人危险感知能力的重要特征变量，并构建以制动反应位置、反应时间、车速、刹车深度，以及加速度为指标的驾驶人危险感知水平判别模型；通过与LightGBM、支持向量机（SVM），以及逻辑回归（LR）等算法分类预测性能的对比分析，评价危险感知模型的判别精度，结果表明:基于XGBoost算法的危险感知水平判别模型的判别准确率为84.8%、F1值为83.4%、AUC值为0.959，优于LightGBM（准确率为78.8%、F1值为76.7%、AUC值为0.924）、SVM（准确率为57.6%、F1值为42.2%、AUC值为0.859），以及LR算法（准确率为69.7%、F1值为65.5%、AUC值为0.836）。所提方法可为判别驾驶人危险感知能力及其对驾驶行为模式的影响提供可靠手段。      

电客车维修组织管理智能化平台的开发

基于电客车日常普查、整改等项目多、台账多的现象,着手研究搭建电客车现场生产维修组织管理智能化平台,平台仅需输入各专项工作的相关信息及限定条件,系统即可智能生成各班组每日派工单以及自动跟进各项工作的进展等。可实现相关工作不遗漏、不超时,相关信息可共享、可存档,以及事后可追溯等功能,解决和弥补了传统电客车维修组织管理中存在的诸多"顽症"和不足。同时,此平台投入使用后,电客车维修组织管理真正实现了智能化、信息化和无纸化,规范了车间生产管理,提高了车间的科学化管理水平。     

VTS在海上自主航行船舶（MASS）服务中的责任与策略研究

海上自主航行船舶(Maritime AutonomousSurface Ship,以下简称“MASS”),简单来说是指利用传感、通信、物联网等技术手段,自动感知和获得船舶自身、海洋环境、物流、港口等方面的信息和数据,并基于计算机技术、自动控制技术、大数据技术、智能技术,在航行、管理、维护保养、货物运输等方面实现智能化运行的船舶。     

驾驶行为数据驱动的城市道路交通安全风险辨识方法探讨

为提高城市道路交通安全水平,针对道路交通安全风险辨识方法多采用宏观事故数据及小样本交通调查数据的研究现状,紧扣当前道路设计及交通管理对风险客观精确辨识的现实需求。首先,分析了已有风险辨识方法的优缺点,及现有辨识方法面临的挑战;其次,基于国内外驾驶行为研究现状,结合车联网OBD异常驾驶行为数据精确度高、数据量大等优势,定性剖析不同道路条件与异常驾驶行为的关系;最后,建立道路条件与异常驾驶行为关联模型,分析探讨利用异常驾驶行为数据辨识道路交通安全风险的研究思路,并提出相应的思路流程及关键技术的进一步研究。     

货车自动驾驶技术及标准法规发展分析

目前,自动驾驶技术在乘用车领域已获得突破性发展;为提高通行效率和出行安全起到了极大的作用。自动驾驶技术在商用车领域的应用,有望较好解决高昂的人力成本和难以提高的效率等问题。然而,目前自动驾驶技术在货车的应用大多采用跟乘用车同样的标准进行规范,这在实际应用中存在着诸多的问题;例如,在FCW和AEB功能中货车在相同车速的制动距离要远大于乘用车,而其所采用标准规定的碰撞预警时间却并无多大不同,这在实际场景中存在着较大的安全隐患[1,2]。此外,货车质量和体积较大,且较多应用于长途运输,运输过程中会经历包括高温、严寒、山区等多种复杂气候场景,这些都将对货车自动驾驶技术在车辆制动效能、能耗以及多场景应用等方面提出更有针对性规范的要求。本文针对货车的应用场景特点,为其自动驾驶技术应用标准化提出了建议。     

兰新高铁甘青段路基冻胀自动监测及分析研究

为查明兰新高铁甘青段路基冻胀变形原因和影响因素,提出相应的冻胀处理措施,将路基冻胀变形控制在允许范围之内,采用自动监测系统,对路肩以下5 m范围内路基的冻结深度、水分、冻胀变形等进行监测,并对监测结果进行统计分析和深入研究。研究结果表明:路基冻结深度的发展主要受气温的影响,基床表层以下填料含水量随着冻结深度增加缓慢增加;基床表层及基床底层上部1.0 m范围冻胀量占总冻胀量的80%以上;低路堤地段冻胀最严重。为减少路基冻胀量,设计及施工时应采用全冻结深度防冻胀方案,以填料防冻胀为主,辅以防水、疏水和隔热等综合措施;低路堤地段防冻胀措施应适当加强。