0
  • 聊天消息
  • 系统消息
  • 评论与回复
登录后你可以
  • 下载海量资料
  • 学习在线课程
  • 观看技术视频
  • 写文章/发帖/加入社区
创作中心

完善资料让更多小伙伴认识你,还能领取20积分哦,立即完善>

3天内不再提示

辅助驾驶或将开车更危险 注意力不集中情况翻倍

工程师邓生 来源:快科技 作者:若风 2020-11-27 11:05 次阅读

对于不少老司机来说,ACC自适应巡航或者辅助驾驶系统,是他们买车的首要参考配置。因为在跑高速时,就能发现这配置是如何的实用了。

但是,现实中,有不少司机过于信赖辅助驾驶系统,甚至直接把它当做自动驾驶来使用,结果也造成了一些本可以避免的事故。

日前,一项来自美国公路安全保险协会(IIHS)和麻省理工学院AgeLab的最新研究结果显示。

当驾驶员对驾驶辅助系统产生信任时,他们会更频繁地使用电子产品,导致双手离开方向盘。

在测试中,20名志愿者在一个月的时间里,要求被使用高级驾驶辅助功能,研究人员会记录他们将双手从方向盘上移开或将注意力从道路上移开的频率。

这些事情包括使用手机,调整音响或空调与喝咖啡等,致使驾车过程中更加危险。

第一组10人驾驶路虎揽胜极光,配备有ACC自适应巡航,第二组10人驾驶沃尔沃S90,配备有Pilot Assist辅助驾驶系统,具有ACC自适应混航和车道保持功能。

测试结果显示,开始时,志愿者驾驶员无论是手动驾驶、使用ACC还是使用Pilot Assist,他们出现脱离迹象的频率没有差别。

但在一个月后,频率开始明显增加,他们开始常常将手脱离方向盘,将目光移向别处。

IIHS高级研究科学家Ian Reagan说,与研究开始时相比,驾驶员在使用驾驶辅助系统一个月后,双手出现脱离方向盘的可能性,是研究开始时的两倍多。

并且,与手动驾驶相比,他们在习惯使用后,双手离开方向盘的可能性是12倍以上。

此外,特斯拉此前被曝出多起,驾驶员因为过分信赖自动辅助驾驶功能,而在高速行驶时引发了事故,这也说明了,在自动驾驶技术完全成熟前,过分信赖具较高的风险。

责任编辑:PSY

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
  • 电子产品
    +关注

    关注

    6

    文章

    1077

    浏览量

    57302
  • 事故
    +关注

    关注

    0

    文章

    9

    浏览量

    12270
  • 辅助驾驶
    +关注

    关注

    1

    文章

    158

    浏览量

    14855
收藏 人收藏

    评论

    相关推荐

    未来已来,多传感器融合感知是自动驾驶破局的关键

    /L4级自动驾驶赛跑的元年。 马斯克评论FSD 12.3版本的左转弯操作就像人类司机一样。如果FSD 12.3版本成功,基本颠覆目前市场上的智能驾驶技术路线。基于“数据/算法/算
    发表于 04-11 10:26

    自动驾驶辅助系统性能评估工具MXeval 5.1新版本发布#泊车辅助 #ADAS

    辅助系统自动驾驶
    北汇信息POLELINK
    发布于 :2024年02月04日 15:40:10

    图解transformer中的自注意力机制

    在整个注意力过程中,模型会学习了三个权重:查询、键和值。查询、键和值的思想来源于信息检索系统。所以我们先理解数据库查询的思想。
    的头像 发表于 06-29 17:06 796次阅读
    图解transformer中的自<b class='flag-5'>注意力</b>机制

    PyTorch教程-16.5。自然语言推理:使用注意力

    16.5。自然语言推理:使用注意力¶ Colab [火炬]在 Colab 中打开笔记本 Colab [mxnet] Open the notebook in Colab Colab
    的头像 发表于 06-05 15:44 345次阅读
    PyTorch教程-16.5。自然语言推理:使用<b class='flag-5'>注意力</b>

    PyTorch教程-11.5。多头注意力

    11.5。多头注意力¶ Colab [火炬]在 Colab 中打开笔记本 Colab [mxnet] Open the notebook in Colab Colab [jax
    的头像 发表于 06-05 15:44 368次阅读
    PyTorch教程-11.5。多头<b class='flag-5'>注意力</b>

    PyTorch教程-11.6. 自注意力和位置编码

    上构建适当的加权和来为每个标记计算表示。因为每个标记都关注另一个标记(不同于解码器步骤关注编码器步骤的情况),这种架构通常被描述为自注意力模型 (L
    的头像 发表于 06-05 15:44 1003次阅读
    PyTorch教程-11.6. 自<b class='flag-5'>注意力</b>和位置编码

    PyTorch教程11.4之Bahdanau注意力机制

    电子发烧友网站提供《PyTorch教程11.4之Bahdanau注意力机制.pdf》资料免费下载
    发表于 06-05 15:11 0次下载
    PyTorch教程11.4之Bahdanau<b class='flag-5'>注意力</b>机制

    PyTorch教程11.6之自注意力和位置编码

    电子发烧友网站提供《PyTorch教程11.6之自注意力和位置编码.pdf》资料免费下载
    发表于 06-05 15:05 0次下载
    PyTorch教程11.6之自<b class='flag-5'>注意力</b>和位置编码

    PyTorch教程11.5之多头注意力

    电子发烧友网站提供《PyTorch教程11.5之多头注意力.pdf》资料免费下载
    发表于 06-05 15:04 0次下载
    PyTorch教程11.5之多头<b class='flag-5'>注意力</b>

    PyTorch教程16.5之自然语言推理:使用注意力

    电子发烧友网站提供《PyTorch教程16.5之自然语言推理:使用注意力.pdf》资料免费下载
    发表于 06-05 10:49 0次下载
    PyTorch教程16.5之自然语言推理:使用<b class='flag-5'>注意力</b>

    基于YOLOv5s基础上实现五种视觉注意力模块的改进

      视觉注意力机制的各种模块是个好东西,即插即用,可以添加到主流的对象检测、实例分割等模型的backbone与neck中,实现轻松涨点,本文使用OID数据集的2000多张数据,基于YOLOv5s
    的头像 发表于 06-02 14:52 945次阅读
    基于YOLOv5s基础上实现五种视觉<b class='flag-5'>注意力</b>模块的改进

    一种新的深度注意力算法

    本文简介了一种新的深度注意力算法,即深度残差收缩网络(Deep Residual Shrinkage Network)。从功能上讲,深度残差收缩网络是一种面向强噪声或者高度冗余数据的特征学习方法
    发表于 05-24 16:28 0次下载
    一种新的深度<b class='flag-5'>注意力</b>算法

    计算机视觉中的注意力机制

    计算机视觉中的注意力机制 卷积神经网络中常用的Attention 参考 注意力机制简介与分类 注意力机制(Attention Mechanism) 是机器学习中的一种数据处理方法,广泛应用
    发表于 05-22 09:46 0次下载
    计算机视觉中的<b class='flag-5'>注意力</b>机制

    详解五种即插即用的视觉注意力模块

    SE注意力模块的全称是Squeeze-and-Excitation block、其中Squeeze实现全局信息嵌入、Excitation实现自适应权重矫正,合起来就是SE注意力模块。
    的头像 发表于 05-18 10:23 1886次阅读
    详解五种即插即用的视觉<b class='flag-5'>注意力</b>模块

    ADAS辅助驾驶——NOA自动辅助导航驾驶

    功能的本质意思是把“导航”和“辅助驾驶”结合。在原来L2辅助驾驶的基础上(如车道线保持、自动跟车),加上车机的导航信息(如地图软件)进行自动变道,实现从A点到B点的自动
    的头像 发表于 05-05 11:27 1.3w次阅读
    ADAS<b class='flag-5'>辅助</b><b class='flag-5'>驾驶</b>——NOA自动<b class='flag-5'>辅助</b>导航<b class='flag-5'>驾驶</b>