
CNET科技资讯网 7月28日 北京消息:备受关注的《网络预约出租汽车经营服务管理暂行办法》(以下简称“《暂行办法》”)今日出台。《暂行办法》不再要求网约车辆登记为“出租客运”,即不必执行8年报废,而代之以60万公里强行报废。同时,网约车运价原则实行市场调节,未见数量管控要求。业界普遍认为,此办法贴近市场,对推动我国网约车行业发展为利好,同时也有利于网约车和出租车平等竞争,共同发展。
去年10月10日,交通运输部发布了《网络预约出租汽车经营服务管理暂行办法(征求意见稿)》,甫一出台便激起巨大争议之声。经济学界、法律界以及交通运输界普遍认为其过于严厉,可能会导致大量兼职司机流失,影响社会运力,尤其是网约车应将车辆更改为营运性质这一项,这意味着报废年限变为8年,等于变相阻止兼职车辆进入网约车领域
经过长达半年,“专车新政”终于落地。和征求意见稿相比,《暂行办法》做了较多调整和优化。在最受关注的车辆性质上,《暂行办法》不再要求车辆登记为“出租客运”,而是规定“网约车行驶里程达到60万公里时强制报废。行驶里程未达到60万公里但使用年限达到8年时,退出网约车经营 ”。降低了准入门槛,更符合兼职为主的网约车分享经济新业态。
对车辆数量、车费定价等,《暂行办法》也不再过多限制,去年10月的《意见》指出,各地可根据本地区实际情况,对预约出租汽车运价实行政府指导价或市场调节价,而此次公布的文件精神则是网约车运价原则实行市场调节,并且删除了征求意见稿中网络预约出租汽车配置数量有规定的条款,即意味着取消了地方数量管控。
《暂行办法》还规定了网络预约出租车车辆和驾驶人的准入条件。车辆应当符合:7座及以下乘用车;安装具有行驶记录功能的车辆卫星定位装置、应急报警装置;车辆技术性能符合运营安全相关标准要求。驾驶员要求:取得相应准驾车型机动车驾驶证并具有3年以上驾驶经历;无交通肇事犯罪、危险驾驶犯罪记录,无吸毒记录,无饮酒后驾驶记录,最近连续3个记分周期内没有记满 12分记录;无暴力犯罪记录。
同时,《暂行办法》将征求意见稿中“网约车驾驶员应与平台方签订劳动合同或经营合同”的要求,更改为“与驾驶员签订多种形式的劳动合同或协议”。从网约车行业的现状来看,兼职的驾驶员和平台签订合同可操作性差,也违背分享经济的初衷。新办法主要在驾照、驾龄、交通扣分及犯罪记录等方面对驾驶员提出限制。原征求意见稿中的促销方案提前10日公示也被删除。
这一方案得到了市场和业界的普遍认可。中国政法大学朱巍教授认为,《暂行办法》是我国乃至世界上第一个对网约车的正式立法,必将极大促进我国互联网+出行为代表的分享经济产业发展,更好的保障消费者权益,维护新产业市场竞争的公平性,更好的解决了新旧产业更替中的阶段性问题。
易观高级分析师张旭认为,专车新政对报废里程阈值进行了60万公里限定,这个门槛相对于滴滴优步的大部分司机而言并不算高,相信也会为他们接受。同时对司机也设定了统一的司机考核标准,说明政策制定者已经充分考虑了分享经济的实际情况,从而采取了更为科学的车辆退出机制。这一规定客观来说,对于滴滴优步和神州首汽自营的两种专车模式更为公平,也使两种专车运营模式在车辆准入和司机准入上真正站在了同一起跑线。
作为网约车平台企业,滴滴出行也表示,《暂行办法》表明在如何监管网约车的探索上,中国政府走在了世界前列,也充分体现了政府推动城市交通供给侧结构改革,支持 “互联网+”和发展共享经济和新经济的思路和决心。“我们将按照《暂行办法》要求,规范运营,积极申请网约车平台公司相关经营许可,亦将积极与相关政府部门、出行行业相关企业一同探索,加大技术创新,提高交通资源利用和城市交通效率,改善出行体验,为社会创造更多灵活的就业机会,更好的为亿万老百姓提供安全、便捷、舒适的出行服务。”
不过,《暂行办法》根据经营区域向相应的出租汽车行政主管部门提出申请,地方政府对网约车的具体管理标准和营运要求有一定的裁量权。这意味着网约车平台将面临上千个地方市县的属地线下审批和监管,对此,滴滴公司表示,“希望各级地方政府在落实中央政策的过程中,能够以维护人民群众利益,方便人民群众生活为根本目标,鼓励创新,简政放权,为新业态发展创造一个良好环境。”
伴随《暂行办法》,也同时公布了《关于深化改革推进出租汽车行业健康发展的指导意见》,滴滴公司对此表示,将采取切实措施,初期投入1亿元发展基金,与相关政府部门、出租车企业、出租车司机等多方携手,共同推进出租车与网约车融合发展,加快推动出租车行业转型升级,提升运营效率和司机收入,共同为人民群众出行服务。
好文章,需要你的鼓励
GeoVerse融合几何潜在扩散模型与Wan2.2视频生成先验,并引入全局空间记忆机制,实现了跨视角一致、生成质量高且推理速度快的新视角合成,在多个数据集上大幅超越现有方法GLD。
本文解读TT-VidT,一种通过分离外观锚点与动作令牌、结合Diff Compression训练目标的视频自监督方法。在24种架构目标组合的受控实验中,仅TT3D与Diff Compression搭配才能进入强动作敏感区,且计算量比同类方法降低近一半。
Q&A Q1:Imprint Reader是什么? A:Imprint Reader是上海人工智能实验室团队开发的模型,通过SMaRT训练方法学会读取另一个模型冻结的权重更新,把参数层面的变化翻译成自然语言描述,判断这次更新到底注入了什么知识或诱导了什么行为习惯。 Q2:MetaEdit能做什么? A:MetaEdit能把Reader对目标行为的梯度信号迁移到原始模型上,不需要任何目标任务的训练数据,只用一句行为描述就能定向调整模型参数,已经在安全性拒绝率调节、数学推理风格转变和工具调用能力提升上验证过效果。 Q3:Imprint Reader读权重更新的准确率高吗? A:目前还不高,知识类目标的Pass@100只有2%,行为类目标是16%,说明自由生成描述的可靠性有限,但相比原始模型完全答不出来的0%基线,已经证明了权重更新的自然语言读取是可行的。
统一多模态模型能看也能画,理论上该会自我修正。本论文提出UMM-Reflection,用整条轨迹的强化学习联合训练诊断和修图能力,GenEval提升12分,且迁移到多个未训练基准,揭示RL提升的是选择可靠性而非新能力。