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
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。