19、智能车辆信任修复与大学生时空移动及手机使用情况研究

智能车辆信任修复与大学生时空移动及手机使用情况研究

智能车辆信任修复研究

在智能车辆与乘客的交互中,信任问题至关重要,但目前针对紧急情况下信任修复的研究相对匮乏。为了更好地了解人们在交通事故后如何通过车辆系统感知信任修复策略,以及信任修复对他们对车辆的认知有何影响,研究人员开展了相关调查。

研究通过在线调查,利用视频材料来确定人们对车辆系统的感知,并基于信任修复策略建立他们对车辆的信任和使用意愿。研究结果表明,基于社会认知的信任修复策略会影响用户对车辆系统温暖和能力的感知,更重要的是,它增强了用户对车辆的信任和使用意愿。

以下是具体的研究结论:
1. 社会认知影响感知 :基于社会认知的信任修复策略对人们对车辆系统的温暖和能力感知有显著影响。车辆系统简短而有针对性的描述能显著影响个人对其的社会认知。例如,系统为事故道歉并提供情感安慰,可提升个人对其温暖的感知;承诺避免可能的事故则能增加个人对其能力的感知。这支持了相关研究结果,同时也证明了使用视频材料的实验方法对参与者的感知有刺激作用。
2. 情感安慰更有效 :社会认知反应影响用户对车辆系统的信任和使用意愿。提供情感安慰通常比不提供安慰更能促进人们在事故后对车辆的信任,且在鼓励人们继续使用自动驾驶方面,情感安慰比避免口头承诺更有效。在本研究中,安慰行为引发的信任和使用意愿明显高于承诺行为,可能是因为视频材料中的碰撞事故未造成严重的生命威胁后果,但要完全模拟乘坐真实汽车的危险感颇具挑战。
3. 感知起中介作用 :感知到的温暖和能力对信任和使用车辆的意愿有显著的中介作用。即用户对车辆系统的温暖感

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练分类,实现对不同类型扰动的自动识别准确区分。该方法充分发挥DWT在信号去噪特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性效率,为后续的电能治理设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值