沙迦大学开发新型机器学习模型可在上路前标记高风险驾驶员

盖世汽车讯 据外媒报道，阿联酋沙迦大学的科学家们开发了一种新型机器学习模型，能够在驾驶员上路前预测其发生交通事故的可能性。道路交通事故通常与人为错误有关，然而传统的驾驶员筛选方法，尤其是在出租车和商业运输领域，往往过度依赖经验和背景调查。研究人员指出，这些标准通常不足以预测哪些驾驶员可能构成更高的道路风险。

该研究发表于期刊《Engineering Applications of Artificial Intelligence》，探讨了一个根本性问题:如何在危险驾驶员上路前识别就识别到他们？为了解答这个问题，研究人员开发了一种数据驱动的评估框架，该框架结合了心理分析、生理监测和仿真驾驶表现。

参与者首先完成一份结构化问卷，该问卷旨在测量诸如寻求刺激和尽责性等性格特征。然后，他们在高度逼真的仿真器中驾驶，该仿真器旨在模拟迪拜的城市交通状况。迪拜是一座国际化大都市，以其长期存在的交通拥堵和每天处理超过350万辆汽车的道路网络而闻名。

该研究的主要作者、工业工程副教授Malek Masmoudi表示:“在仿真过程中，我们记录了心率和详细的眼动指标，包括眨眼频率和视线偏移。我们利用机器学习模型分析了这个综合数据集，根据仿真过程中记录的事故和交通违章等客观结果，将驾驶员分为低风险驾驶员和高风险驾驶员。”

区分安全驾驶员和危险驾驶员

这项工作的意义在于其预防和发展的方法。该框架并非在事故发生后才做出反应，而是使运输公司能够在员工上岗前评估其风险倾向。

除了支持更安全、更明智的招聘决策外，该模型还可以作为一种有针对性的培训工具，帮助驾驶员识别自身的风险模式，提高注意力和自我调节能力。这不仅有助于提升道路安全，还有助于制定更系统、更注重实证的驾驶员发展计划。