基于SEM的自动驾驶汽车接受度模型与风险分析

为了探究社会大众对自动驾驶汽车的接受度及其影响因素,通过对自动驾驶汽车的风险评估,基于TAM模型增加外部变量,改进感知易用性与感知有用性,建立自动驾驶汽车接受度研究模型。将研究模型中假设的外部变量、潜在变量、认知变量与自动驾驶汽车社会接受度的关系进行Pearson相关性与Kendall相关性检验。基于相关性检验剔除无关因素变量,建立线性回归模型,对相关因素与自动驾驶汽车接受度的关系进行了探究,并以此建立接受度结构方程模型,对各个变量与自动驾驶汽车社会接受度之间的因果关系进行了进一步研究论证。结果显示,法律伦理的认知对自动驾驶汽车接受意向产生(E=0.038,P<0.001)显著正影响。驾龄、驾车频率对接受意向产生(E=-0.044,P<0.001)显著负影响。学历通过促进公众对自动驾驶汽车正面的认知、抑制负面认知,从而对公众接受意向产生(E=0.172,P<0.001)显著正影响。功能的认知会促进公众对自动驾驶汽车正面影响的认知,从而对接受意向产生(E=0.444,P<0.001)显著正影响。

基于MobileViT-CA模型的营运车辆驾驶人分心行为检测

营运车辆驾驶人因其职业特殊性,驾驶过程中易产生分心驾驶行为从而引发重大交通事故。为提高营运车辆驾驶人分心驾驶行为的检测准确性和泛化性,提出一种基于改进MobileViT网络的驾驶人分心行为检测方法。首先,基于自然驾驶实车试验,构建包含安全驾驶、使用手机、喝水、整理仪容和与副驾驶交谈5类行为的营运车辆驾驶人分心行为数据集。其次,将注意力机制引入轻量型MobileViT网络,通过选择有效的网络主干MobileViT、注意力模块CA、网络嵌入位置从而设计出最优分类模型MobileViT-CA。研究结果表明:所提出的MobileViT-CA分类模型可以有效提升分类网络的性能,在正常光照条件下的营运车辆驾驶人分心行为数据集和State Farm数据集上分别达到了96.57%和99.89%的准确率,且模型具有体积小、检测精度高的优势,有较高的可靠性和泛化能力。

1035例脊髓灰质炎后遗症矫形手术硬膜外麻醉的体会

脊髓灰质炎后遗症手术麻醉方法较多,大多数选用全麻、腰麻、骨髓麻醉,我院自1982—1986年用硬膜外麻醉对1035例脊髓灰质炎后遗症患者做了矫形手术,今报告如下: 临床资料我院自1982—1986年共做了1035例脊髓灰质炎后遗症矫形手术,其中男822例。