盖世汽车讯 据外媒报道，阿联酋沙迦大学（University of Sharjah）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。

图片来源：期刊《Engineering Applications of Artificial Intelligence》

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。

科学家表示：“分析表明，视线分散、寻求刺激、尽责性和性别是驾驶行为的最佳预测指标。研究结果表明，我们的模型可以作为出租车公司和交通运输机构的重要决策支持工具，帮助他们通过识别事故风险较低的驾驶员来改进驾驶员选拔流程。”

作者指出，研究结果验证了所提出的分类框架在区分安全驾驶员和危险驾驶员方面的实用性。“研究结果为出租车公司和运输机构提供了宝贵的见解，这些公司和机构可以通过关注研究中确定的重要因素，识别出事故风险较低的驾驶员，从而改进驾驶员选拔流程。”

Masmoudi博士强调，道路安全不应始于事故发生之后，而应始于驾驶员入职之前。他表示：“最安全的状态就是不发生事故。因此，安全必须从驾驶员握住方向盘之前就开始。在工业4.0时代，我们拥有预测风险的工具，而不仅仅是被动地应对事故。问题不再是‘我们如何衡量风险？’，而是‘为什么我们不使用这些工具？’”

自律且负责的人开车谨慎

研究结果表明，安全驾驶不仅取决于驾驶技术，还深受人格特质和视觉注意力模式的影响。例如，经常将视线从道路上移开的驾驶员，发生仿真事故的概率显著更高。

Masmoudi博士解释说：“天性自律、负责任的人往往驾驶更加谨慎。而那些寻求刺激、沉迷于刺激和冒险的人，则更容易出现不安全的驾驶行为。”

简而言之，某些可衡量的性格特征和注意力习惯始终预示着更高的事故风险。当利用机器学习技术分析这些因素时，出租车或运输公司就能高精度地预测风险。

除了筛查之外，该研究的成果还可以为有针对性的培训项目提供信息。被识别为高风险的驾驶员可以接受关于注意力控制、压力管理和安全决策方面的专门指导。

对于出租车公司和车队运营商而言，这种方法可以减少事故、降低保险和维修成本、提高乘客安全、增强公众信任，并全面提升公司声誉。

沙迦大学工业工程教授、该论文合著者Imad Alsyouf表示：“危险驾驶并非随机行为；它反映了注意力和人格方面可衡量的模式。通过结合心理学、生理学和机器学习，我们能够从依赖直觉的招聘方式转向基于证据的安全决策。”

现实意义

Alsyouf教授强调，尽管该模型能够成功识别高风险驾驶员，“但人工智能不应取代人类的判断；它应该用客观数据来强化人类的判断。我们的目标不仅是筛选风险，还要帮助驾驶员了解并提升自身的安全驾驶水平。”

这项研究的设计充分考虑了实际应用。Alsyouf教授解释说：“它最直接的应用领域是出租车和商用车辆的招聘。企业不再仅仅依赖驾驶记录或面试，而是可以采用基于仿真器的简短评估，并结合心理筛查和生理监测。”

重要的是，该框架的应用范围远不止于招聘。Masmoudi博士指出，该模型可以作为结构化的培训和评估工具，使公司能够为驾驶员设计个性化的改进方案。他说道：“关键优势在于该系统在部署前即可运行，它将安全管理从被动的事故发生后才做出反应的模式，转变为预防和发展的模式，从而及早识别风险并主动应对。”