一、從零開始搭建自己的靜態博客 — 基礎篇

目錄

前幾天心血來潮,想要在GitHub Pages上搭建一個靜態博客;之前,我也曾基於Django開發過自己的博客,並買了雲主機部署,但是訪問量感人,慢慢自己也不打理了,就把雲主機退訂了(去吃噸好的~~~);

雖然搭建靜態博客很簡單,但是也想記錄一下,如果恰好能對你有所幫助或啟發,那我也覺的很開心了。

搭建靜態博客的工具多種多樣,即有流行的,也有GitHub Pages官方推薦的;其實,選用哪種工具不重要,關鍵是一步步的理解它,遇到問題、解決問題的思路和過程;

因為我本人對Python比較熟悉,所以我選用基於Python開發的,它基本滿足我的需求:

  • 支持markdown的格式;
  • 提供自動化構建;
  • 足夠的主題庫和插件庫,並且支持定製化;

本文主要涉及pelican的基本使用方法,最終在本地搭建一個簡陋的博客網站;

1. 準備環境

選定工作目錄,並使用創建一個虛擬環境:

λ mkdir pelican-blog
λ cd pelican-blog

# 創建基於 Python 3 的虛擬環境 
λ pipenv install --three

# 查看虛擬環境中的 Python 版本
λ pipenv run python --version
Python 3.7.3

在虛擬環境中安裝必要的包:

λ pipenv install Markdown pelican

# 查看包之間的依賴關係
λ pipenv graph
Markdown==3.1.1
  - setuptools [required: >=36, installed: 41.6.0]
pelican==4.2.0
  - blinker [required: Any, installed: 1.4]
  - docutils [required: Any, installed: 0.15.2]
  - feedgenerator [required: >=1.9, installed: 1.9]
    - pytz [required: >=0a, installed: 2019.3]
    - six [required: Any, installed: 1.13.0]
  - jinja2 [required: >=2.7, installed: 2.10.3]
    - MarkupSafe [required: >=0.23, installed: 1.1.1]
  - pygments [required: Any, installed: 2.4.2]
  - python-dateutil [required: Any, installed: 2.8.1]
    - six [required: >=1.5, installed: 1.13.0]
  - pytz [required: >=0a, installed: 2019.3]
  - six [required: >=1.4, installed: 1.13.0]
  - unidecode [required: Any, installed: 1.1.1]

2. 新建項目

pelican提供了一個命令行工具:pelican-quickstart,能夠讓我們快速地新建一個網站項目;

它在執行的過程中,會交互式的詢問一些配置項,如果你現在還不能確定的話,那就大膽的使用默認值吧,後面還可以在配置文件中修改;

命令執行完成后,它會在我們的項目中新建如下的目錄和文件:

.
├── content         # 目錄,存放原始博文和相關靜態文件
├── output          # 目錄,存放構建后的網站源碼
├── Makefile        
├── pelicanconf.py  # 構建相關的配置文件
├── publishconf.py  # 發布相關的配置文件
└── tasks.py

其中,content/目錄存放所有的markdown格式的文本,我們還可以再新建一個content/images/的子目錄,用於存放所有的圖片;

注意:

在自動構建的過程中,content/images/中的文件會被無損地拷貝到output/images/中,通過修改pelicanconf.py文件中STATIC_PATHS的配置項(默認值為['images'])可以改變這種行為;

3. 第一篇博文

現在我們在content/目錄下添加第一篇markdown格式的文章,就以本文為例;

pelican可以很“聰明”地從文章的元數據中提取需要的信息,所以我們以特定的格式編寫文章的開頭:

Title: 一、從零開始搭建自己的靜態博客 -- 基礎篇
Date: 2019-11-21 14:37
Modified: 2019-11-22 11:09
Category: 工具
Tags: pelican
Author: luizyao
Slug: pelican-blog-chapter-1
Summary: 本文簡要的介紹 pelican 的基本用法
Status: published

<開始正文>

注意:

  • 更多元數據以參考:;

  • 如果你使用VSCode作為你的日常開發工具,那麼我建議你使用插件為不同類型的文件自動生成頭信息模版;

4. 修改配置文件

在正式開始構建之前,我們需要完善一下配置文件pelicanconf.py

# pelicanconf.py

# 修改時區
TIMEZONE = 'Asia/Shanghai'

# 添加一個 GitHub 的“絲帶”鏈接
GITHUB_URL = 'https://github.com/luizyao'

# 修改社交賬號的展示
SOCIAL = (
    ('GitHub', 'https://github.com/luizyao'),
)

# 修改默認的時間格式('%a %d %B %Y')
DEFAULT_DATE_FORMAT = "%Y-%m-%d %H:%M"

# 為元數據定義默認值
DEFAULT_METADATA = {
    # 默認發布的文章都是草稿,除非在文章元數據中明確指定:Status: published
    'status': 'draft',
}

5. 本地構建和訪問

我們通過以下命令構建網站並自動適配文件的修改,通過訪問:

λ pipenv run pelican --autoreload --listen content/

注意:

  • 不要忘記把文章元數據中的Status: draft改成Status: published,不然我們是看不到這篇文章的;

  • pelican默認使用notmyidea這個主題來構建網站;你可以通過pelican-themes命令查看已安裝的主題:

    λ pipenv run pelican-themes --list
    notmyidea
    simple

    然後通過在pelicanconf.py中設定THEME = 'simple'或者構建時傳入-t 'simple'選項來使用主題simple,實際上和純文本差不多了;

6. markdown解析異常

  • 這是一個列表:

    if 1:
        print('這是一段python代碼')

這個時候,如果你訪問我們的網站,你會發現上面的markdown代碼被展示成下面的形式,根本就不是我們想要的縮進代碼塊的效果:

為什麼會這樣呢?我們又該如何解決這個問題?

6.1. Markdown包的實現機制

pelican使用包作為markdown文本的解釋器,這個包嚴格實現了語法,並提供一些擴展;

John Grubermarkdown語法的發明者,他在2004發布了第一個版本的markdown語法,這一版本的語法有着明顯的特點:

  • 不支持三個反引號('```')包裹代碼的寫法;
  • 不支持表格;
  • 定義了嚴格的嵌套縮進的格式,必須是4個空格;

雖然自從發布了第一版之後,就再也沒有更新過,但是現在流行的各種markdown語法都是基於它的擴展和補充,例如:、等;

注意:

雖然Markdown包嚴格實現了John Gruber’s Markdown語法,但是具體的實現還是有一些差別的,更多細節可以參考:

6.2. pelican默認使用的Markdown擴展

上一節中我們提到,Markdown包同樣提供一些擴展用於解析更多類型的語法,這些擴展又分為官方擴展和第三方擴展;

通過查閱pelican的源碼(或官方文檔),可以看到其默認使用了以下擴展:

# pelican/settings.py

'MARKDOWN': {
    'extension_configs': {
        'markdown.extensions.codehilite': {'css_class': 'highlight'},
        'markdown.extensions.extra': {},
        'markdown.extensions.meta': {},
    },
    'output_format': 'html5',
},

首先,我們看一下擴展:

它主要實現了大多數PHP Markdown的語法,是其它6個擴展的合集:

擴展 文檔 描述
Abbreviations
Attribute Lists
Definition Lists
Fenced Code Blocks 擴展了代碼塊的寫法
Footnotes
Tables 支持表格

我們重點看一下Fenced Code Blocks,因為它支持了我常用的三個反引號包裹代碼塊的寫法:

GitHub‘s backtick (“`) syntax is also supported:

# more python code

然後,我們再看一下擴展:

它基於包為我們提供了代碼的高亮显示,我們主要看一下它的一些可配置選項:

  • linenums:如果置為True,將會為代碼塊每行標上行號;
  • css_class:為<div>標籤加上class屬性,默認是codehilite;在這裏,pelican使用的是highlight;

最後,我們看一下:

它主要是pelican內部使用,還記得我們每個markdown文本的開頭都要有特定的格式嗎?就是通過這個擴展讀取的;感興趣的同學可以自己去看一下,這裏我們就不多說了;

6.3. 向第三方擴展尋求幫助

看到現在,我們也沒有找到想要的解決方案:對列表裡縮進嵌套反引號包裹的代碼塊,進行正確的渲染;

還好我們還有眾多的第三方擴展供我們使用:

我們找到一個的擴展貌似可以代替markdown.extensions.extra,來一起看一下吧:

它和markdown.extensions.extra大部分是一樣的,只是有以下不同:

  • 新包含了擴展:優化粗體和斜體的展示(不關心);
  • 新包含了擴展:增加了對原始HTML代碼的處理(不關心);
  • 使用擴展代替Fenced Code Blocks:加強版的markdown語法解析(看來正式我們想要的);

其實,看到SuperFences文檔的第一句話,我就知道妥了,嘻嘻;

Allowing the nesting of fences under blockquotes, lists, or other block elements (see Limitations for more info).

文檔的內容很豐富,我們就不再這裏一一解釋了,有興趣的同學可以自己去看一看,說不定有什麼意外的收穫呢!!!

6.4. 解決問題

現在,我們來實際解決這個問題:

  1. 安裝必要的包:

    λ pipenv install pymdown-extensions
  2. 修改pelicanconf.py文件中MARKDOWN的默認配置:

    # 使用第三方擴展來增強對 markdown 語言的解析,但是首先要安裝 pymdown-extensions 模塊
    MARKDOWN = {
        'extension_configs': {
            'markdown.extensions.codehilite': {'css_class': 'highlight'},
            'pymdownx.extra': {},
            'markdown.extensions.meta': {},
        },
        'output_format': 'html5',
    }

7. One more thing

我在瀏覽SuperFences文檔時,發現一個很有意思的章節:;

它推薦了代替markdown.extensions.codehilite,那我們就來看看這到底是個什麼鬼?

在它的文檔中有一句話大概能說明兩者的關係:

The Highlight extension is inspired by CodeHilite, but differs in features. PyMdown Extensions chooses not to implement special language headers for standard Markdown code blocks like CodeHilite does; PyMdown Extensions takes the position that language headers are better suited in fenced code blocks.

更多實現上的細節,我們不再去深究,主要看看我們可以用來干什麼?

比如,為代碼塊每行加上行號:

咦?markdown.extensions.codehilite也可以啊,它不是也有一個linenums的選項嗎?置成True不就行了;

說的對,不過丑。

一般情況下,為代碼塊添加行號有兩種樣式:

  • table:默認的樣式,創建一個表,第一列是行號;
  • inline:在每行代碼的開頭,但是複製代碼會把行號一起複制,不方便;

不過,pymdownx.highlight提供了第三種樣式:pymdownx-inline,它和inline很像,只是複製時不會加上行號,因為實際上把行號元素渲染成下面這樣:

<span class="lineno" data-linenos="1 "></span>

然後,我們通過以下的CSS樣式去“激活”它:

[data-linenos]:before {
  content: attr(data-linenos);
}

下面,我們來將它具體的應用到我們的項目中吧:

首先,修改pelicanconf.py文件中MARKDOWN的默認配置:

# 使用第三方擴展來增強對 markdown 語言的解析,但是首先要安裝 pymdown-extensions 模塊
MARKDOWN = {
    'extension_configs': {
        'pymdownx.highlight': {
            'css_class': 'highlight',
            'linenums': True,
            'linenums_style': 'pymdownx-inline',
        },
        'pymdownx.extra': {},
        'markdown.extensions.meta': {},
    },
    'output_format': 'html5',
}

然後,在output/theme/css/main.css文件的末尾加上下面這段代碼:

[data-linenos]:before {
  content: attr(data-linenos);
}

最後重啟下服務,就能看到效果了:

注意:

這裡有個問題,如果我們重新執行構建命令,output/theme/css/main.css文件又會被覆蓋成原先的內容,我們這個效果就看不到了;

不過這並不是我們最終的方案,所以我們也不在這裏繼續深究了。

GitHub:

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

※為什麼 USB CONNECTOR 是電子產業重要的元件?

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司,幫您輕鬆架站!

※想要讓你的商品成為最夯、最多人討論的話題?網頁設計公司讓你強力曝光

※想知道最厲害的台北網頁設計公司推薦台中網頁設計公司推薦專業設計師”嚨底家”!!

100天搞定機器學習|Day56 隨機森林工作原理及調參實戰(信用卡欺詐預測)

本文是對的補充

前文對隨機森林的概念、工作原理、使用方法做了簡單介紹,並提供了分類和回歸的實例。
本期我們重點講一下:
1、集成學習、Bagging和隨機森林概念及相互關係
2、隨機森林參數解釋及設置建議
3、隨機森林模型調參實戰
4、隨機森林模型優缺點總結

集成學習、Bagging和隨機森林

集成學習

集成學習並不是一個單獨的機器學習算法,它通過將多個基學習器(弱學習器)進行結合,最終獲得一個強學習器。這裏的弱學習器應該具有一定的準確性,並且要有多樣性(學習器之間具有差異),比較常用的基學習器有決策樹和神經網絡。

集成學習的核心就是如何產生並結合好而不同的基學習器,這裡有兩種方式是,一種是Bagging,基學習器之間沒有強依賴關係,可同時生成的并行化方法。一種是Boosting,基學習器之間有強依賴關係,必須串行生成。
集成學習另一個關鍵問題是結合策略,主要有平均法、投票法和學習法,這裏不再展開。

Bagging

Bagging是Bootstrap AGGregaING的縮寫,Bootstrap即隨機採樣,比如給定含有$m$個樣本的數據集$D$,每次隨機的從中選擇一個樣本,放入新的數據集,然後將其放回初始數據集$D$,放回後有可能繼續被採集到,重複這個動作$m$次,我們就得到新的數據集$D’$。

用這種方式,我們可以採樣出TGE含m個訓練樣本的採樣集,然後基於每個採樣集訓練基學習器,再將基學習器進行結合,這便是Bagging的基本流程。

隨機森林
隨機森林是非常具有代表性的Bagging集成算法,它在Bagging基礎上進行了強化。
它的所有基學習器都是CART決策樹,傳統決策樹在選擇劃分屬性時是在當前結點的屬性集合(假定有d個屬性)中選擇最優屬性。但是隨機森林的決策樹,現在每個結點的屬性集合隨機選擇部分k個屬性的子集,然後在子集中選擇一個最優的特徵來做決策樹的左右子樹劃分,一般建議$k=log_2d$.分類決策樹組成的森林就叫做隨機森林分類器,回歸決策樹所集成的森林就叫做隨機森林回歸器。

RF的算法:

輸入為樣本集$D={(x_,y_1),(x_2,y_2), …(x_m,y_m)}$,弱分類器迭代次數T。

輸出為最終的強分類器$f(x)$

1)對於t=1,2…,T:
a)對訓練集進行第t次隨機採樣,共採集m次,得到包含m個樣本的採樣集Dt
b)用採樣集$D_t$訓練第t個決策樹模型$G_t(x)$,在訓練決策樹模型的節點的時候, 在節點上所有的樣本特徵中選擇一部分樣本特徵, 在這些隨機選擇的部分樣本特徵中選擇一個最優的特徵來做決策樹的左右子樹劃分

2)如果是分類算法預測,則T個弱學習器投出最多票數的類別或者類別之一為最終類別。如果是回歸算法,T個弱學習器得到的回歸結果進行算術平均得到的值為最終的模型輸出。

隨機森林參數解釋及設置建議

在scikit-learn中,RandomForest的分類類是RandomForestClassifier,回歸類是RandomForestRegressor,需要調參的參數包括兩部分,第一部分是Bagging框架的參數,第二部分是CART決策樹的參數。這裏我們看一下scikit-learn中隨機森林的主要參數

隨機森林模型調參實戰

這是一道kaggle上的題目,通過信用卡交易記錄數據對欺詐行為進行預測,信用卡欺詐檢測文件記錄了2013年9月歐洲信用卡持有者所發生的交易。在284807條交易記錄中共包含492條欺詐記錄。
數據集下載地址:請在公眾號後台回復[56]
需要說明的是,本文重點是RF模型調參,所以不涉及數據預處理、特徵工程和模型融合的內容,這些我會在本欄目未來的章節中再做介紹。
所以最終結果可能會不理想,這裏我們只關注通過調參給模型帶來的性能提升和加深對重要參數的理解即可。
1、導入用到的包

import numpy as np
import pandas as pd
from sklearn.model_selection import GridSearchCV,train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import roc_auc_score

2、導入數據

df = pd.read_csv("D:\WKS\PyProject\Credit_Card\creditcard.csv")
data=df.iloc[:,1:31]

284807條交易記錄中只有492條欺詐記錄,樣本嚴重不平衡,這裏我們需要使用下採樣策略(減少多數類使其數量與少數類相同)

X = data.loc[:, data.columns != 'Class']
y = data.loc[:, data.columns == 'Class']

number_records_fraud = len(data[data.Class == 1]) # class=1的樣本函數
fraud_indices = np.array(data[data.Class == 1].index) # 樣本等於1的索引值

normal_indices = data[data.Class == 0].index # 樣本等於0的索引值

random_normal_indices = np.random.choice(normal_indices,number_records_fraud,replace = False)
random_normal_indices = np.array(random_normal_indices)

under_sample_indices = np.concatenate([fraud_indices,random_normal_indices]) # Appending the 2 indices

under_sample_data = data.iloc[under_sample_indices,:] # Under sample dataset

X_undersample = under_sample_data.loc[:,under_sample_data.columns != 'Class']
y_undersample = under_sample_data.loc[:,under_sample_data.columns == 'Class']

X_train, X_test, y_train, y_test = train_test_split(X_undersample,y_undersample,test_size = 0.3, random_state = 0)

先用默認參數訓練RF

rf0 = RandomForestClassifier(oob_score=True, random_state=666)
rf0.fit(X_train,y_train)
print(rf0.oob_score_)
y_predprob = rf0.predict_proba(X_test)[:,1]
print("AUC Score (Train): %f" % roc_auc_score(y_test, y_predprob))

0.9244186046511628
AUC Score (Train): 0.967082
除oob_score將默認的False改為True, 我們重點優化n_estimators、max_depth、min_samples_leaf 這三個參數。為簡單起見,模型評價指標,我們選擇AUC值。
模型調優我們採用網格搜索調優參數(grid search),通過構建參數候選集合,然後網格搜索會窮舉各種參數組合,根據設定評定的評分機制找到最好的那一組設置。
先優化n_estimators

param_test1 = {'n_estimators':range(10,101,10)}
gsearch1 = GridSearchCV(estimator = RandomForestClassifier(oob_score=True, random_state=666,n_jobs=2), 
                       param_grid = param_test1, scoring='roc_auc',cv=5)
gsearch1.fit(X_train,y_train)
gsearch1.cv_results_, gsearch1.best_params_, gsearch1.best_score_

{‘n_estimators’: 50},
0.9799524239675649)
在優化后的n_estimators基礎上,優化max_features

param_test2 = {'max_depth':range(2,12,2)}
gsearch2 = GridSearchCV(estimator = RandomForestClassifier(n_estimators= 50,oob_score=True, random_state=666,n_jobs=2),
   param_grid = param_test2, scoring='roc_auc',cv=5)
gsearch2.fit(X_train,y_train)
gsearch2.cv_results_, gsearch2.best_params_, gsearch2.best_score_

{‘max_depth’: 6},
0.9809897227343921)
在上述兩個參數優化結果的基礎上優化max_depth

param_test2 = {'min_samples_split':range(2,8,1)}
gsearch2 = GridSearchCV(estimator = RandomForestClassifier(n_estimators= 50,max_depth=6,
                                  oob_score=True, random_state=666,n_jobs=2),
   param_grid = param_test2, scoring='roc_auc',cv=5)
gsearch2.fit(X_train,y_train)
gsearch2.cv_results_, gsearch2.best_params_, gsearch2.best_score_

{‘min_samples_split’: 5},
0.9819618127837587)

最後我們綜合再次嘗試

rf1 = RandomForestClassifier(n_estimators= 50,max_depth=6,min_samples_split=5,oob_score=True, random_state=666,n_jobs=2)
rf1.fit(X_train,y_train)
print(rf1.oob_score_)
y_predprob1 = rf1.predict_proba(X_test)[:,1]
print("AUC Score (Train): %f" % roc_auc_score(y_test, y_predprob1))

0.9331395348837209
AUC Score (Train): 0.977811
最終結果比調參前有所提升

隨機森林優缺點總結

RF優點
1.不容易出現過擬合,因為選擇訓練樣本的時候就不是全部樣本。
2.可以既可以處理屬性為離散值的量,比如ID3算法來構造樹,也可以處理屬性為連續值的量,比如C4.5算法來構造樹。
3.對於高維數據集的處理能力令人興奮,它可以處理成千上萬的輸入變量,並確定最重要的變量,因此被認為是一個不錯的降維方法。此外,該模型能夠輸出變量的重要性程度,這是一個非常便利的功能。
4.分類不平衡的情況時,隨機森林能夠提供平衡數據集誤差的有效方法
RF缺點
1.隨機森林在解決回歸問題時並沒有像它在分類中表現的那麼好,這是因為它並不能給出一個連續型的輸出。當進行回歸時,隨機森林不能夠作出超越訓練集數據範圍的預測,這可能導致在對某些還有特定噪聲的數據進行建模時出現過度擬合。
2.對於許多統計建模者來說,隨機森林給人的感覺像是一個黑盒子——你幾乎無法控制模型內部的運行,只能在不同的參數和隨機種子之間進行嘗試。

參考:

https://www.jianshu.com/p/708dff71df3a
https://zhuanlan.zhihu.com/p/30461746
https://www.cnblogs.com/pinard/p/6156009.html

《百面機器學習》中有一道關於隨機森林的面試題,大家可以思考一下:
可否將隨機森林中的基分類器由決策樹替換為線性分類器或K-近鄰呢?

解答:隨機森林屬於Bagging類的集成學習,Bagging的主要好處是集成后的分類器的方差比基分類器方差小。Bagging採用的分類器最好是本身對樣本分佈比較敏感(即不穩定的分類器),這樣Bagging才有價值。線性分類器或K-近鄰都是比較穩定,本身方差就很小,所以以他們作為基分類器使用Bagging並不能獲得更好地表現,甚至可能因為Bagging的採樣導致訓練中更難收斂,從而增大集成分類器的偏差。

本文由博客一文多發平台 發布!

本站聲明:網站內容來源於博客園,如有侵權,請聯繫我們,我們將及時處理【其他文章推薦】

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站,提高曝光率!!

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司,幫您輕鬆架站!

※想知道最厲害的台北網頁設計公司推薦台中網頁設計公司推薦專業設計師”嚨底家”!!

江淮和大眾“密謀”新能源偉業?

據相關資料顯示,今年新能源汽車市場持續旺銷。有知情人士表示,江淮汽車近期一直在跟大眾汽車“親密接觸”,雙方商談的重點專案則是新能源車。  
 
下一輛上市新車是iEV6E   在純電動車領域,江淮汽車已開發了兩代產品平臺共七代產品,目前在售的純電動乘用車有iEV4和iEV5、iEV6S等三款車型。 今年江淮有兩款純電動車型上市,SUV車型iEV6S在今年4月份北京車展推向市場,下一款新車將是小型電動汽車iEV6E。有消息稱,該車將在9月份上市,但江淮乘用車行銷公司新能源行銷部部長雷兵表示,目前還沒有確定該車的上市具體時間。  
與大眾汽車親密接觸中   目前江淮汽車已經與蔚來汽車達成戰略合作協定,雙方將在電動汽車領域進行全面戰略合作,整體合作規模將達到100億元。而與大眾汽車的“緋聞”,江淮汽車始終沒有正式回應。雙方從去年廣州車展開始接觸,12月初大眾汽車集團總裁兼CEO海茲曼對媒體公開表示,雙方進行了“初步的瞭解”,而大眾全球高管也已經造訪了江淮汽車。據知情人士表示,江淮汽車近期跟大眾汽車接觸頻繁,雙方商談的重點專案則是新能源汽車,至於會不會像比亞迪、戴姆勒的合作那樣,成立一個新的合資公司,推出獨立的新能源汽車品牌,目前則無法預判。   文章來源:南方都市報

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※為什麼 USB CONNECTOR 是電子產業重要的元件?

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司,幫您輕鬆架站!

※想要讓你的商品成為最夯、最多人討論的話題?網頁設計公司讓你強力曝光

※想知道最厲害的台北網頁設計公司推薦台中網頁設計公司推薦專業設計師”嚨底家”!!

南都電源出資3千萬增資孔輝汽車 佈局新能源汽車產業鏈

南都電源週一晚間發佈公告稱,為促進公司在新能源汽車領域的相關產業發展,公司擬使用自有資金以現金方式出資人民幣3,000.03萬元增資參股長春孔輝汽車科技股份有限公司,其中272.73萬元認繳孔輝汽車新增的註冊資本,2727.30萬元作為孔輝汽車的資本公積。增資完成後,公司將持有孔輝汽車17.07%的股權比例。  
  南都電源表示,孔輝汽車主營汽車電子控制系統研製與銷售、汽車整車及部件的試驗測試等業務。此次增資會增強公司在新能源汽車系統集成領域的能力,從而為公司向新能源汽車產業鏈的發展奠定相關的基礎。   文章來源:全景網

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※為什麼 USB CONNECTOR 是電子產業重要的元件?

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司,幫您輕鬆架站!

※想要讓你的商品成為最夯、最多人討論的話題?網頁設計公司讓你強力曝光

※想知道最厲害的台北網頁設計公司推薦台中網頁設計公司推薦專業設計師”嚨底家”!!

斑馬快跑獲多氟多集團1.5億融資 佈局新能源綠色通行產業鏈

據報導,主打新能源綠色通行領域的斑馬快跑已於近期完成新一輪融資,總金額達1.5億並已全部到賬,多氟多集團旗下博嘉創投獨家投資。資方多氟多集團是鋰電池材料方面的知名企業,將在資源上給予斑馬快跑更多支援。斑馬快跑CEO李佳表示斑馬快跑將繼續深耕新能源綠色通行領域,按照“新能源商用車+新能源乘用車+充電樁”的思路,進行新能源綠色通行全產業鏈佈局。  
  今年3月底,斑馬快跑互聯網+新能源綠色通行大巴項目從武漢啟動,切入了巴士出行的蛋糕。李佳說,斑馬巴士免費運營3個月以後,斑馬紋已經給當地社會帶來了品牌效應,並且上座率也實現了98%,新的盈利點破局。據悉,本月斑馬快跑即將上線第一批七座乘用車並將在年底鋪開。    關於以後發展方向,斑馬快跑希望能做最大的新能源車輛運營商,打造車、樁、網的“斑馬雲”,做成武漢這座城市的互聯網名片。日前,定制物流車型“東風斑馬”已由工信部《道路機動車輛生產企業及產品公告》車輛新產品公示發佈,斑馬快跑迎來又一個里程碑,讓車輛從一出廠即將帶有斑馬紋。   文章來源:CNEV-H

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站,提高曝光率!!

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司,幫您輕鬆架站!

※想知道最厲害的台北網頁設計公司推薦台中網頁設計公司推薦專業設計師”嚨底家”!!

工信部:電動汽車電池管理系統標準正在編制修訂

近日,參加電動汽車百人會論壇的中國汽車工業協會常務副會長董揚表示,電動車續航里程在400公里是一道檻。國內對動力電池,一直存在著磷酸鐵鋰電池和三元材料電池路線之爭,爭論的核心其實是,將續航里程還是安全性放在第一,或者兩者有沒有更好的結合點。目前對於如何選擇電動車技術路線存在多方爭論,但是還要看市場發展狀況和需求。  
  據工信部資料統計,自2009以來,中國新能源汽車安全事故共31例,其中2015年以來發生17起,在這17起事故中有4起是電池系統的事故、有6起是相關部件的事故、有2起是充電系統缺陷引起的,當然還有5起是違規改裝或者不當使用引起的。截至2015年底,事故率達到0.17‰,高出世界平均水準。   工業和資訊化部裝備工業司司長李東表示:「國家已經組織制定了電動汽車遠端監控標準,並且電動客車安全條件即將發佈實施。電池管理系統技術條件、動力電池的編碼、規格尺寸等標準正在編制、修訂,並且也要儘快出臺。與此同時,正在組織修訂新能源汽車生產企業和產品准入規則,擬大幅度提高企業的研發能力和生產條件要求,提高性能和安全的要求。」   文章來源:證券時報

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※為什麼 USB CONNECTOR 是電子產業重要的元件?

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司,幫您輕鬆架站!

※想要讓你的商品成為最夯、最多人討論的話題?網頁設計公司讓你強力曝光

※想知道最厲害的台北網頁設計公司推薦台中網頁設計公司推薦專業設計師”嚨底家”!!

電動跑車大對決:蓮花、特斯拉、保時捷,誰是你的最愛?

極致動力引爆熱血,在追求極限的領域裡,電動跑車無疑是這幾年最可怕的終極武器。撇開那些有錢也買不到的車款,我們列出了市面上五款能夠上路,而且已經或即將量產的電動跑車,一起來看看他們各自的獨特魅力。

市售電動跑車比較表(科技新報製圖)

2019 年,兩家傳統跑車廠正式推出了首款純電動車,將要挑戰特斯拉在這個市場上的霸主地位,分別是德國保時捷和英國蓮花,20 世紀三大跑車廠,如今只剩下法拉利還沒有推出電動車。上週這隻義大利神駒宣布,他們在 2025 年前都沒有打算推出電動跑車,看來短期內我們不用再修改比較表了。

此外,Model S 跟 Model X(數據皆為 Performance 版)雖然不能算是跑車,但因為其兇猛的加速力,堪比市面上燃油超跑,也恰好符合我們的定義,因此這台轎車跟休旅車就跟著上榜了。

世界最快的電動車:Tesla Roadster 2020

這個稱號很有 Elon Musk 的狂人風格,讓我們一起來看看這台現代神獸的官方數據吧。

Tesla Roadster 2020 是該車型的第二代,台灣定價 750 萬。(圖片來源:)

根據特斯拉官方說法,Roadster 2020 會有兩種版本,基本款的 0 到 100 公里加速時間,是 2.1 秒;而高階版本,將會採用 SpaceX 的火箭噴射技術,讓他的零百加速時間,只有 1.9 秒,成為地表最快的車。

目前世界上的超級跑車家族,像是法拉利、保時捷、藍寶堅尼和 Bugatti,大部分的加速時間都在 2.4 到 2.6 秒左右,所以無論你購買的是哪一個版本的 Roadster,起步都會比現有的超級跑車還要快。此外,2020 Roadster 油門催到底的極速來到每小時 400 公里,如果有一條完美的道路讓它盡情奔馳,它可以把台灣高鐵甩開好幾條街去。

這個數據在市售電動車來說,完全可以打遍天下無敵手,然而目前這些數據都是特斯拉官方提供的,尚未經過其他單位的測試驗證,正式上市之後會不會縮水沒人能保證。但比起世界上許多發表完就胎死腹中的電動超跑,至少 Roadster 2020 跳票的機率是很低的。畢竟,特斯拉已經收了客戶每台車 5,000 美元的預購金,如果出包後果可不得了。

除了速度之外,新版的 Roadster 官方提供的續航力高達 970 公里,在市售電動車中排名第一,當然售價也不便宜,基本款從 20 萬美元起跳,高階版更是從 25 萬美元起價(台灣預購價為 750 萬新台幣)。

血統純正的電動超跑:Lotus Evija

自從特斯拉打響了電動車高性能的名聲後,每年都會有所謂的「電動超跑」出現,他們都有著神似阿斯拉的外型,以及驚人的性能數據,同時還有動輒千萬元的身價,然而多數都沒能夠真正的交車。

英國跑車經典品牌蓮花(Lotus),在今年正式宣告了首款電動超跑開始接受預購,並將於 2020 年開始交車,全球限量 130 輛,根據中國媒體報導,中國只有 5 台配額,而台灣則由代理商接單,並沒有公開獲得多少配額。

Lotus Evija 車尾空氣動力設計,成為獨樹一格的標誌。(圖片來源:)

配備世界最猛的 1,972 馬力,讓這台車就是一台安靜的野獸,根據他們最新的測試報告指出,在最近一次的調校中,改善了加速度與操控穩定性,讓他在時速 30 公里和 300 公里都能有同樣穩定的控制力。

Evija 身上還有著幾個獨特的設計,其中最引人注目的就是它的空氣動力設計,除了車側明顯可見的風洞,車後也有兩個對稱的大型孔狀設計,能夠幫助引導氣流,並減低在車尾產生的風阻。在車尾上還有一個隱藏式的尾翼,當需要高速駕駛時,可以將尾翼升起,提供更好的抓地力。

為了將低風阻,Evija 的後照鏡是一組隱藏式的攝影鏡頭,藏於車身兩側;而車頭的造型與進氣口,除了減少風阻外,也讓大量進氣用於協助馬達和電池組散熱。

Lotus Evija 的性能除了來自於強大馬力之外,車身是採用全碳纖維,手工打造,也讓它的車身重量僅有 1,680 公斤,是世界最輕的電動超跑。內裝部分也不馬虎,使用類麂皮包覆座椅,中控台是大膽的中空懸浮式設計非常前衛。

這款超級跑車還有一個傲人的功能,它支援超高功率的充電裝置,以現有 350 kW 快充,只需要 18 分鐘可以充滿電,還能夠向上支援到 800 kW 設施。

作為名門限量超跑,它的身價自然也非同小可,目前官網公告的預售價格為 170 萬英鎊,相當於 6,600 萬新台幣未稅價。如果特斯拉已經無法讓你感到尊爵不凡,這台 Lotus Evija 很值得考慮。

沒有贏,但也不會輸:Porsche Taycan

比性能,Tesla Roadster 2020 很難追上;比尊榮,Lotus Evija 已然站在頂峰。Porsche Taycan 作為旗下首款電動車,用全球超過三萬張的訂單告訴特斯拉,賣車不是在算數學。

這句話絕對不誇張,考慮到特斯拉在台灣全年的銷量還不到 2,000 輛,Porsche Taycan 在台灣的訂單已經有 700 輛,是非常好的表現。

Porsche Taycan 擁有經典的保時捷風格,和旗下最強的性能。(圖片來源:)

如果從比較表中來看,Taycan 在各方面似乎都稍遜一籌,然而從品牌定位來說,特斯拉在精細度、內裝品質以及整體服務體驗來說,仍然不是主流車廠的對手。在 Model 3 開賣之前,許多車主還會在兩家之間猶豫,但當特斯拉切入庶民市場後,高價位的品牌溢價空間就消失了,保時捷則趁機進軍搶市。

在比較表中我們比較的是最高級的 Taycan Turbo S,0 到 100 公里加速只需 2.8 秒,雖然放在這張表裡似乎不太亮眼,但仍然能夠完勝自家經典車系 911 Carerra S 車型,甚至可以比肩各家燃油超跑的性能。

此外,Taycan 也支援最高達 800 kW 的快充,在目前配置的 270 kW 功率下,從 5 %充到 80 %只需 22 分鐘,並且提供展示中心充電服務,解決里程焦慮問題。

從 Taycan 的熱賣可以看出電動車市場不斷在進化成熟,雖然現階段里程焦慮依然是一般民眾購車最大的考量,但是隨著各家電池技術進步,以及充電設備的普及,選購電動車時,整體的銷售體驗以及組裝品質、內裝與個人風格的整合,也將成為重要考量事項。

最後,儘管在表列數據中,我們看到 Roadster 似乎橫掃千軍,但是在極速領域中,許多重要的數據其實仍未獲得驗證,像是再加速數據(時速 100~200、200~300 公里)、0~400~0 時間(從零加速到 400 公里再回到靜止時間),以及評斷綜合表現的紐柏林賽道成績。這一切就等 Roadster 2020 正式交車,才能見分曉了。

(合作媒體:。首圖來源:)

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站,提高曝光率!!

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司,幫您輕鬆架站!

※想知道最厲害的台北網頁設計公司推薦台中網頁設計公司推薦專業設計師”嚨底家”!!

電動車餅擴大,電池材料需擴產?

不讓特斯拉專美於前,歐美傳統車廠近2年積極推出純電動車車款,搶攻未來燃油車退場後的新車市商機,而在此一商機之下,市場對於鋰電池需求當然將有顯著增加,對台廠的電池材料廠商而言,受惠程度又是如何?今年是否有商機?

電動車的餅有多大?

傳統歐美車廠積極布局純電動車市場,福斯集團從Audi到VW兼具高價至平價車款,更有一長串ID系列車款等待登場,計畫至2028年將推出逾70款電動車;福特汽車計畫今年要讓銷售的汽車25%都是純電動與混合動力車,並預告在未來所有主流車款都將擁有電動車版本,2022年前要有40款混合動力車,其中16款為純電動車。

通用(GM)汽車也宣布計畫將旗下悍馬車品牌通過電動皮卡與電動車版本展開「復興」,預計將與韓國鋰電池大廠LG在美國展開電池組建廠計畫;而更不止歐美車廠對純電動車有野心與布局,剛落幕的美國CES展上,Sony一台電動車概念車也是目光焦點,不難想見,未來這塊市場前景發展將會更為蓬勃。

即使先不談歐美車廠待推出的電動車款,不願放過中國車市這塊大餅的特斯拉,上海廠進度也優於市場預期,未來無論是在歐美車款的數量爆發,還是即將登場的上海特斯拉廠,對電池材料的台廠,是否有可期待的商機?

中碳:短期拓展應用端,車市需長久看待

中碳布局介相石墨碳微球產品多年,由於石墨球具有高效率、高密度、高放電能力與循環壽命佳等優點,是電動車、儲能用鋰電池關鍵負極材料;2019年6月中碳的屏南廠與小港新線開始投產,拉高中碳介相碳微球年產能來到7,500噸。

針對電池材料市況上,中碳表示,中國近期電動汽車狀況仍不容樂觀,預期今年中國電動車供應鏈還是會有壓力,目前中碳評估中國客戶出貨狀況應該與去年相當;長線中碳認同電動車仍會是大勢所趨,但也評估消費者還需時間接受電動車產品。

近期在產能去化上,中碳也積極布局電動車以外應用,在儲能領域方面,中碳則評估近期正在針對日、韓客戶展開認證,韓國已有1家完成簽約,日本則有3家客戶在進行,其中包括有日本營造業廠商,因為日本法規要求建案當中需要有儲能設備因應天災,因此促使中碳與客戶牽上線,現階段已在測試,另外也有1家大廠11月即在測試,近期應該就會出貨。

至於上海特斯拉廠方面,中碳指出,就特斯拉既往與Panasonic的合作來看,考量到系統需求,電池材料的供應上不可能有大幅調整,避免影響到整體電力系統穩定度,且過往材料供應端就包含有中、韓廠商,估計會維持由既有廠商出貨。

美琪瑪:去年擴產已相對充分,短期無計畫

針對能否切入上海特斯拉廠供應鏈,美琪瑪表示公司電池材料客戶以日系廠商為主,但美琪瑪指出硫酸鈷、硫酸鎳為極為上游的材料,主要是出往前驅體製造商,後續客戶產品銷至哪一間鋰電池製造商,又與哪間車廠合作,追蹤較為困難。

而美琪瑪也評估,就未來全球市場上,需要鋰電池驅動的電動車車款還是持續增加,長線市況仍屬樂觀,而去年也已經因應需求擴充硫酸鎳產能3成,並且完成客戶認證,應可滿足近期客戶需求,短期評估不會擴產,不過後續如果有急單需求,也可緊急擴產因應,擴產所需時間與資本支出都不會太高;目前美琪瑪旗下美戶硫酸鎳年產能來到26,000噸、硫酸鈷約4,000噸。

(本文內容由 授權使用。首圖來源:)

 

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※為什麼 USB CONNECTOR 是電子產業重要的元件?

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司,幫您輕鬆架站!

※想要讓你的商品成為最夯、最多人討論的話題?網頁設計公司讓你強力曝光

※想知道最厲害的台北網頁設計公司推薦台中網頁設計公司推薦專業設計師”嚨底家”!!

2020 全球車市保守,產業亮點看「雙電」

提到 2020 年的全球汽車市場,幾乎沒有人敢說前景光明,不論是業內人士、產業分析師,都保守看待,主因中美貿易戰造成消費信心未恢復,再加上全球仍處於傳統燃油車轉入新能源車的調整階段,亦造成買方心態觀望。

尋找今年產業亮點,則電動車、車用電子這「雙電」,仍將是市場焦點。電動車部份,特斯拉上海廠完工量產,今年銷售量大幅看增,供應鏈業績同步受惠;而特斯拉的大動作也引發各大傳統汽車品牌大廠備戰,加大力道推出電動車應戰,今年電動車市場百家爭鳴。此外,車市不景氣中,車商推出高 CP 值車款仍是顯學,單一台車搭載越來越多先進駕駛輔助系統(ADAS),也持續使車用電子領域成為台灣電子廠商佈局重點。

車市保守主因:貿易戰、消費弱、車種調整

根據德國汽車工業協會(VDA)預估,2019 年全球汽車銷售量將下滑 410 萬輛,僅 8,010 萬輛,年減 5%,創下 2008 年金融危機以來,汽車行業最大逆風,其中,中國市場衰退是最大的元兇,而美國、印度、日本和歐洲等主要汽車消費市場也全面下滑,展望 2020 年,VDA 則預估,全球汽車銷量還會持續下滑 1%,至 7,890 萬輛。

除了業內,國際信評機構惠譽(Fitch)也在 2019 年底提出,2020 年的全球汽車銷量沒有出現反彈的理由,而汽車銷售放緩也正拖累全球製造業。不過,多數人也預期,今年中國會試圖穩住車市,並為全球帶來支撐的力量。

台經院產經資料庫產業分析師梁宜峰直言,2020 年全球車市還保守的,主因中美貿易戰帶來的影響仍未消除,進而造成消費需求疲弱,而各大車廠從傳統燃油車轉入新能源車或電動車,正值產業的調整轉型期,也使買氣觀望;尤其,車廠也砸下成本投入自駕車的研發,並影響獲利能力,因此裁員頻傳,外界對整體車市買氣沒有太大的期待,預估今年中國車市的銷售跌幅亦將在 1%。

補助退場衝擊電動車銷量,2020 上半年不樂觀

原本外界期待,各國的節能減碳政策能為新能源車帶來榮景,但由於各國的補貼政策逐步減少,已明顯看到電動車的銷售量轉弱,中國更是 2019 年 6 月電動車補貼腰斬後,銷售量急凍,原本上半年電動車售量 49 萬輛,年增 56.6%,但下半年一路溜滑梯,全年電動車銷售量僅 97.2 萬輛,年減 1.2%,梁宜峰認為,今年上半年電動車市場仍不理想。

面對中國電動車的銷量驟減,大家都很關心今年是否續降,中國工信部部長苗圩在今年 1 月表示,今年 7 月不會再次下砍補助。外界也解讀,相關宣示,有望使中國電動車市場銷售走勢漸平穩。

梁宜峰指出,電動車的銷售與政策補貼呈正相關,補貼減少短期仍將影響銷售,今年上半年電動車還是會比較辛苦;但他看好,2020、2021 年傳統車廠會密集推出新車款,包括賓士、福斯、奧迪、Porsche 等,屆時消費者有更多選擇,整體市場今年下半年的市況有機會稍微好轉。

不景氣中特斯拉上海廠投產,供應鏈利多

電動車上半年雖難有期待,但前進中國的特斯拉則為相關零組件廠帶來一些期待。和大董事長沈國榮表示,從 2019 年第 3、4 季特斯拉的交車量屢創新高,和大交給特斯拉的減速齒輪箱產品,出貨量也跟著成長,和大仍是該客戶部份組件的獨家供應商,隨著上海廠的投產,新廠需求量逐步開出,和大的訂單需求也每月增加,現在「交貨壓力非常非常大」。

和勤中國大陸嘉興廠總經理呂宏義,美系客戶上海廠尋求中國在地化供應鏈,而和勤的精沖製程完善,並符合當地政策的環保高標準要求,因此也已看到今年度客戶訂單展望成長。

據估算,特斯拉美國廠的年產能為 30 萬輛,去年交車量達到 36.75 萬輛;而中國初期規劃年產能為 30 萬輛,第一年產能估為 15 萬輛,由於量產順利,顯示特斯拉快速複製產線的能力佳,未來德國新廠年產能 50 萬輛也同樣令供應鏈期待。

對台灣零組件供應商而言,另一個好消息是,燃油車逐漸退場的政策,及能源車發展漸成熟,讓各大車廠加大推出電動車力道,包括賓士、BMW、福特、日產、福斯、奧迪等,今年都有多款新電動車搶市。

沈國榮也直言,2030 年是各國政策推動燃油車退場的年限,在特斯拉銷售持續成長,消費者對電動車的接受度也提升下,各大車廠紛紛推出電動車款,積極搶食商機,和大也有很多電動車的專案正和車廠合作開發中,預估目前電動車相關訂單佔營收比重約 3 成,但 2、3 年後有機會達到 5 成。

車商大方配 ADAS 系統,車電熱呼呼

2020 年車市另一個亮點則是智慧駕駛相關的車用電子,也就是 ADAS 先進駕駛輔助系統,雖然汽車要到完全無人駕駛仍有法規面問題待解決,但 ADAS 系統能預讓駕駛在道路行駛更安全、方便,成為許多民眾在買車時重視的備配,今年在車市不好的狀況下,每台車加裝智慧安全系統的數量看增,供應鏈也受惠。

台經院產經資料庫產業分析師梁宜峰指出,除了車商的大力推、民眾的需求也被提升外,各國重視交通安全,法規推動強制加裝各項ADAS系統也是重要的因素,未來幾年,中國、美國、日本、歐盟均有新增立法,像是日本 2021 年要加裝緊急剎車系統(AEB),美國 2022 年 9 月將 AEB 列為標準配備,這都是台商可以積極卡位佈局的市場。

他建議,台廠可以佈局車用電子的五大重點,第一為電池材料,雖然主要的電池模組仍是韓、日、中國,但台灣扮演電池相關化學材料,也同樣有商機;第二為車載鏡頭,梁宜峰認為,台廠有十幾年的鏡頭經驗,ADAS 系統對高階鏡頭的需求強勁;第三則是最核心和最重要的部份是汽車半導體,以台積電為代表,其餘包括 MCU、MOFET 等汽車半導體也都擁商機。

第四看好汽車電子零件,BSS、AEB 相關系統零組件,梁宜峰說,消費者在購車時會以安全為最大考量,在車市不好時更會考慮相關備配的高 CP 值,因此也會帶動相關車用電子零件的成長;最後是看好車聯網,隨著 5G 的佈建,未來道路上的資訊存取裝置會更多,以達到預先告知駕駛者前方路況、避開塞車路段…等智慧訊息,車聯網的佈建,也值得投入。

(本文內容由 授權使用。首圖來源:)

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※如何讓商品強力曝光呢? 網頁設計公司幫您建置最吸引人的網站,提高曝光率!!

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司,幫您輕鬆架站!

※想知道最厲害的台北網頁設計公司推薦台中網頁設計公司推薦專業設計師”嚨底家”!!

電動車前景看好,中國印度發展空間大

國際能源署(International Energy Agency)發佈報告指出,電動車市場規模從無擴展到200萬輛,僅花了五年時間達成,反映電動車爆發力之強大。

報告指出,即便全球去年電動車註冊上路數量跳增60%,但電動車也只占整體輕型車輛總數的0.2%,這意謂著電動車還有極大發展空間。

中國目前是全球最大電動車市場,去年有超過四成的電動車賣到中國,是美國的兩倍多,IEA說這明顯是環保政策所造成。

談到政策,全球人口第二多的印度為積極響應「巴黎氣候協議」,並同時對抗空氣污染,近期剛出台的新政策設定2030年後,印度國內將只准賣電動車,這對其它國家而言,幾乎是不可能的任務。

美國電動車廠特斯拉已注意到印度市場潛力,其創辦人馬斯克(Elon Musk)在政策發佈後,大力讚揚印度政府對環保產業的支持。另一方面,對於川普不顧民意毀棄巴黎協議,馬斯克也以退出政策顧問團表示抗議。

(本文內容由授權使用。圖片出處:public domain CC0)

本站聲明:網站內容來源於EnergyTrend https://www.energytrend.com.tw/ev/,如有侵權,請聯繫我們,我們將及時處理

【其他文章推薦】

※為什麼 USB CONNECTOR 是電子產業重要的元件?

網頁設計一頭霧水??該從何著手呢? 找到專業技術的網頁設計公司,幫您輕鬆架站!

※想要讓你的商品成為最夯、最多人討論的話題?網頁設計公司讓你強力曝光

※想知道最厲害的台北網頁設計公司推薦台中網頁設計公司推薦專業設計師”嚨底家”!!