剑桥大学利用机器学习监控驾驶员“工作量”有助于提高道路安全

盖世汽车讯 研究人员开发出自适应算法，可以预测驾驶员何时能够安全地与车载系统交互或接收消息，例如交通警报、来电或行车指示，从而提高道路安全性。据外媒报道，剑桥大学的研究人员与捷豹路虎(JLR)合作，将行车上路实验、机器学习和贝叶斯滤波(Bayesian filtering)技术结合起来，以可靠、连续地测量驾驶员“工作量”。相对来说，在陌生的地区驾驶可能会提高驾驶员工作量，而每日上下班的驾驶工作量可能较低。

由此产生的算法具有很强的适应性，可以近乎实时地对驾驶员的行为和状态、路况、道路类型或驾驶员特征的变化做出响应。这些信息可以整合至车载系统，如信息娱乐和导航、显示器、高级驾驶员辅助系统等。然后，所有的驾驶员-车辆交互都可以定制，以优先考虑安全性并提升用户体验，提供自适应人机交互。例如，只有在工作量较低时才会提醒驾驶员，使其可以在更紧张的驾驶场景中把全部注意力集中在道路上。