CNET科技资讯网 7月26日 北京消息:滴滴出行今日正式对外公布了“安全驾驶”系统,该系统被称为“滴滴护航”,是滴滴平台自主研发的安全产品。综合分析手机传感器、陀螺仪、GPS等信息,“滴滴护航”从疲劳驾驶、超速、急加速、急转弯、急刹车、分心驾驶等六个维度检测司机的驾驶行为,提高司机个人与平台的安全保障水平。
目前,该系统已在滴滴代驾司机端上线,检测维度正逐步开放,不久后将在专快车等业务司机端推广,并计划和司机的综合评分挂钩。“滴滴护航”的上线,意味着滴滴出行安全体系进一步升级,滴滴也成为国内首家将手机检测驾驶行为系统应用到实践中的网约车平台。
基于海量驾驶数据,滴滴利用移动互利网技术与机器学习算法,研发出了驾驶行为感控系统“滴滴护航”。
该系统所提供的驾驶行为感控SDK(软件开发工具包),集成进司机端后,在订单进行时根据手机传感器、陀螺仪、GPS等提供的信息,从疲劳驾驶、超速、急加速、急转弯、急刹车、分心驾驶等六大维度检测司机的驾驶行为。
“滴滴护航”共经历了近一年的测试和研发。通过与OBD(车载诊断系统)对比数据后看到,该系统的准确率已超过90%。目前,该技术已经提交了国际专利申请。
据悉,该系统的每个维度标准都通过严格的参数进行认定。以“超速”为例,即一定时间范围内,检测司机开车超过当前路段限速20%及其以上的严重超速行为。“分心驾驶”则会检测司机边开车边打电话的行为,基础参数为“行驶状态下,速度大于18km/h且处于通话状态”。根据一定时间段内的数据收集、分析、反馈,平台也会实时做相应的优化和升级。
目前,该系统已在滴滴代驾司机端上线,六大维度逐步开放,凡是行程中出现过危险驾驶行为的司机,都会在行程结束后收到“安全驾驶提醒”。该提醒会详细指出司机危险驾驶行为的种类、位置、时间等信息,督促司机改变驾驶习惯。
接下来,滴滴将把“滴滴护航”与司机综合评分结合起来,同时形成司机驾驶习惯的画像,对其驾驶陋习针对性纠正。驾驶习惯好的司机将享受更多权益;驾驶习惯有待改进的司机,将进入“百川”司机精准培训体系重新学习。
“安全”是滴滴全平台的首要目标。近些年来,滴滴基于互联网和大数据前沿技术的深度应用,在提升用户安全体验方面不断做着努力。通过对司机安全画像,对风险订单硬性排除,对司机精准培训管控,安全教育全量触达等方式,滴滴安全管理效率远高于传统出行企业。
据统计,2016年全年,滴滴出行运营里程接近传统出租车行业的五分之一,但交通事故死亡人数仅为传统出租车行业的十分之一。滴滴每百万单交通事故死亡率和每亿公里交通事故死亡率分别为0.021、0.28,与传统出租车行业的0.037和0.47相比,大幅降低了40%。
如今,“滴滴护航”的上线意味着用户安全体验的进一步升级。平台对于司机驾驶行为的检测,将督促其提升安全意识并优化驾驶行为。滴滴司机的综合评分也将从乘客主观评分和系统模型的判断,升级到驾驶行为感控的评估。多维度反应司机服务水准,不仅优化了的司机安全驾驶行为,也将给乘客全方位的安全保障。
好文章,需要你的鼓励
这项研究利用大语言模型解决科学新颖性检测难题,南洋理工大学团队创新性地构建了闭合领域数据集并提出知识蒸馏框架,训练轻量级检索器捕捉想法层面相似性而非表面文本相似性。实验表明,该方法在市场营销和NLP领域显著优于现有技术,为加速科学创新提供了有力工具。
un?CLIP是一项创新研究,通过巧妙反转unCLIP生成模型来增强CLIP的视觉细节捕捉能力。中国科学院研究团队发现,虽然CLIP在全局图像理解方面表现出色,但在捕捉细节时存在不足。他们的方法利用unCLIP生成模型的视觉细节表示能力,同时保持与CLIP原始文本编码器的语义对齐。实验结果表明,un?CLIP在MMVP-VLM基准、开放词汇语义分割和视觉中心的多模态任务上显著优于原始CLIP和现有改进方法,为视觉-语言模型的发展提供了新思路。
这项研究介绍了RPEval,一个专为评估大语言模型角色扮演能力而设计的新基准。研究团队从法国里尔大学开发的这一工具专注于四个关键维度:情感理解、决策制定、道德对齐和角色一致性,通过单轮交互实现全自动评估。研究结果显示Gemini-1.5-Pro在总体表现上领先,而GPT-4o虽在决策方面表现出色,但在角色一致性上存在明显不足。这一基准为研究人员提供了一个可靠、可重复的方法来评估和改进大语言模型的角色扮演能力。
这篇论文介绍了LegalSearchLM,一种创新的法律案例检索方法,将检索任务重新定义为法律要素生成。研究团队构建了LEGAR BENCH数据集,涵盖411种犯罪类型和120万案例,并开发了能直接生成关键法律要素的检索模型。实验表明,该模型在准确率上超越传统方法6-20%,且在未见犯罪类型上展现出强大泛化能力。这一突破为法律专业人士提供了更高效、精准的案例检索工具。