网约车新政是政府对共享经济进行规范引导的积极探索和示范。本研究运用政策工具理论，对全国234个城市网约车政策文本进行了计量分析，通过工具分类、内容编码、交叉分析技术从政策工具、利益相关者和城市发展水平三个维度剖析了当前网约车新政中存在的问题，并提出了对策建议。研究表明，网约车新政以强制型政策为主，存在管制措施与创新导向的错位；地方网约车新政的制定和执行受到传统迅游出租车群体的干扰，存在政策俘获现象；网约车政策总体偏严、同质化过高，中央政策目标与地方执行的效果存在偏差。政府必须转变监管理念，建立协同自律监管模式，提升精准监管能力，促进新旧业态融合发展。

在我国，虽然房车市场仍然属于小众市场，和发达国家尤其是美国相比有着非常明显的差距，但是近几年房车市场却呈现出了蒸蒸日上的态势。本文通过介绍房车市场现状，分析需求端、供给端和政策端的不同因素对房车市场未来发展的影响，解析了我国房车市场未来的发展趋势。

2018年8月31日，十三届全国人大常委会第五次会议表决通过了《电子商务法》，自2019年1月1日起施行。但是，相应的实施细则还没有制定出台，特别是涉及食品安全的外卖平台、涉及交通安全的出行平台、二手车交易平台等，还需要在具体监管适用上予以确定，而对二手车电商平台的监管也需要进一步规范管理。

对抗样本是指通过添加干扰产生能够导致机器学习模型产生错误判断的样本。过去几年人工智能学者取得巨大的突破，深度学习更是让冷冰冰的机器“耳聪目明”，不仅能够从视频中认出猫，还能识别路上的行人和交通信号灯。科学家和工程师在图像、语音、自然语言处理等方面取得突破性进展，某些领域AI已经超越人类。然而，研究者也发现，基于深度神经网络模型的系统，很容易被对抗样本欺骗愚弄。在自动驾驶领域，研究对抗样本的攻击和防御情况，对自动驾驶行业的发展具有深远影响。

通过构建模型，提出了能快速评估退役电池残值的方法；将退役电池重组后用于小规模储能，对应用于工商业的经济性进行了探讨；通过计算得出，收支相抵的最小峰谷电价差为0.73元，并且第三方收购的退役电池梯次利用于工商业削峰填谷能获得利润。

报废汽车的回收因事关环保和资源重复利用而被受社会的广泛关注。文章首先据近十年汽车保有量的数据，通过灰色系统模型和Matlab软件，预测出2022年我国报废汽车的数量，提出报废汽车回收面临严峻的挑战；其次，对闭环供应链下汽车回收的三种模式的流程图、模型设计、优缺点进行分析，发现现有的回收模式和定价存在很多弊端，不利于环保和资源的重复利用，制约了废旧汽车回收行业的发展；再次，通过优化理论与方法，对三种模式进行建模求解，经过定量分析，给出不同模式下行业回收利润最优的条件，并通过数值验证；最后，结合我国国情，给出当前我国应以第三方回收模式为主，大力扶持企业间进行联盟为辅，通过联盟模式加快我国报废汽车回收行业发展的建议。