自动驾驶出租车如何影响骑行安全？

最新推荐文章于 2026-01-05 22:00:00 发布

原创最新推荐文章于 2026-01-05 22:00:00 发布 · 102 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#自动驾驶 #人工智能 #机器学习 #交通安全 #程序那些事 #AIGC #马尔可夫链蒙特卡洛

“我骑自行车穿梭在伦敦各处……”

自动驾驶出租车已经在美国和中国的多个城市运营多年，如今它们即将登陆伦敦。

作为一名骑行者、一名伦敦人，以及一名长期报道人工智能失误的记者，我感到些许紧张。然而，考虑到我在伦敦曾多次被疏忽大意的人类驾驶员撞到，我内心深处又抱有一丝谨慎的乐观。

归根结底，问题在于：是周围围绕着疲惫、分心和愤怒的人类让我更安全，还是面对不可预测且不完美的人工智能让我更安全？

英国政府已决定允许某中心等公司在2026年开展“类似出租车和巴士”的自动驾驶服务试点。随后，在2027年下半年，随着《自动驾驶汽车法案》成为法律，相关进程将迅速加快，为该行业提供一个完善的法律框架。关键的一点在于，该法律将事故责任归于汽车制造商，而非车辆乘员。
更多精彩内容请关注我的个人公众号公众号（办公AI智能小助手）或者我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

codeshare1135

关注关注

2
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

AI人工智能与自动驾驶的协同创新模式

AI大模型应用之禅

06-13

1189

本文旨在系统性地阐述人工智能技术在自动驾驶领域的应用模式和创新路径。我们将覆盖从基础理论到实际应用的全链条内容，包括感知环境的AI算法、决策规划系统以及车辆控制技术。本文适合对人工智能和自动驾驶感兴趣的技术爱好者、工程师、研究人员以及相关领域的学生。无需深厚的专业背景，我们将用通俗易懂的方式讲解复杂概念。文章首先介绍核心概念及其相互关系，然后深入技术实现细节，包括算法原理和代码示例，最后探讨应用场景和未来趋势。想象一下，你正在教一个小朋友骑自行车。刚开始，你会扶着车把，告诉他如何保持平衡(感知)，什么时候该

17、自动驾驶车辆的技术、伦理与社会影响

rr23456的博客

09-30

本文探讨了自动驾驶车辆（AVs）在技术、伦理和社会层面带来的多重挑战与机遇。从电动滑板车等新型出行方式引发的政策滞后问题，到AVs伦理决策建模、信息获取边界、谨慎程度判断等技术伦理议题，深入分析了2019年自动驾驶车辆研讨会的核心观点。文章强调消费者信任的重要性，提出自主系统的六大可靠性要求，并讨论AVs对就业、公平和城市交通的广泛社会影响。最后，通过政策制定、伦理设计、信任构建和社会应对四方面提出策略，呼吁多方协作实现可持续交通与社会公平的未来愿景。

参与评论您还未登录，请先登录后发表或查看评论

4、共享与自动驾驶出行的现状、机遇与未来

pear55的博客

09-06

本文探讨了共享与自动驾驶出行的现状、挑战与未来发展趋势。分析了出行次数增加、可达性问题和经济模式不成熟等主要挑战，同时指出了安全提升、成本降低、电动化转型及城市空间优化等方面的机遇。介绍了特斯拉、Waymo、Uber和Lyft等企业的最新动态，并强调平台与空间合作的重要性。文章还展望了技术融合、服务多元化和城市空间重塑的未来方向，提出企业与政府应协同应对不确定性，推动可持续出行变革。

自动驾驶与城市土地利用：未来城市发展情景分析

### 自动驾驶与城市土地利用：未来城市发展情景分析 #### 引言城市地区的出行、交通和...预计全自动驾驶将带来一个全新的交通系统，这不仅会给交通管理带来新的可能性，还会产生全新的交通服务类型，从而影响现有交通

广州市车联网先导区建设总体技术规范

爱是与世界平行

04-25

2488

广州市车联网先导区建设总体技术规范 2021年3月 1 范围本文件主要规定了广州市车联网先导区的整体目标、技术架构、建设内容及其技术要求等。本文件共分7章，分别为总则、规范性引用文件、术语及定义、缩略语、总体要求、基础设施建设技术要求、应用场景建设技术要求等。本文件适用于广州市车联网先导区建设，其它地区可参照执行。 3 术语和定义下列术语和定义适用于本文件。 3.1 区域子系统 regional subsystem 区域子系统是特定区域的路侧协同设施的数据汇聚点，提供交通预测、交通监管、安全预警、以

《自动驾驶与机器人中的slam技术:从理论到实践》笔记——ch7（4）

qq_74174950的博客

12-30

770

主要是通过激光雷达获取环境三维点云（也可以选择IMU、轮速计来进行辅助传感），软件核心模块是前端点云配准帧间匹配、实现相邻点云的对齐（可以先找到最近邻（暴力最近邻、栅格和体素法、二分树与k-d树、四叉树和八叉树），之后进行拟合（直线拟合、平面拟合））进行基础点云处理，处理完之后进行点云匹配（使用点到点ICP、点到线ICP、似然场法的匹配方法），之后利用栅格地图的方法建立子地图，可使用关键帧或者是体素的方法将子地图拼接构建成局部地图，并使用回环检测来进行地图优化。去畸变是去当前帧激光点云的畸变。

51c自动驾驶~合集64

whaosoft~aiotの开发板商城

01-04

690

推理时，DriveLaW-Video 首先将历史帧、文本提示等编码为潜在特征并进行去噪生成视频，同时，其中间层的潜在特征被提取出来作为关键的感知信号，连同自车状态、高层指令一起输入给 DriveLaW-Act，后者通过流匹配（Flow Matching）生成最终的平滑轨迹。一个完全预训练的生成器比没有经过驾驶域预训练的生成器带来了 +3.2 PDMS 的提升，这表明更大的语料库加深了模型对驾驶物理规律的掌握，并转化为更强的规划能力，表现出明显的规模定律（scaling law）。

自动驾驶-人工驾驶混行在无锡典型瓶颈路段的微观-宏观耦合仿真研究

huanghm88的专栏

01-05

121

自动驾驶-人工驾驶混行交通仿真研究摘要本研究针对无锡典型瓶颈路段，构建了自动驾驶(AV)与人工驾驶(HV)混行交通的微观-宏观耦合仿真系统。采用Python开发，结合SUMO微观仿真与宏观交通流理论，实现了多尺度交通分析。研究重点考察了梁溪大桥匝道、太湖大道交叉口等无锡典型瓶颈在不同AV渗透率下的交通特性变化。仿真结果表明：当AV渗透率达30%时，瓶颈路段通行能力提升15-22%；渗透率达70%时，拥堵延误减少40%以上。研究揭示了混行环境下AV渗透率、车联网通信能力等因素对交通效率的影响机制。

为何高阶自动驾驶偏爱 Raw Sensor？

最新发布

yuanmenghao

01-05

497

高阶自动驾驶系统普遍选择输出原始RAW数据的摄像头而非自带ISP处理的智能摄像头，这源于对信息完整性和算法自由的追求。RAW数据保留了12-14位光强信息，支持端到端AI训练和多摄协同HDR，而ISP处理会丢失动态范围并引入非线性失真。尽管RAW传输需要更高带宽（如8MP@30fps约3Gbps），但GMSL等高速接口能胜任。特斯拉、小鹏等L3+方案均采用Raw Sensor+中央ISP架构，而智能摄像头仍适用于L2及环视等场景。Raw Sensor为算法演进提供了原始信号基础，是实现真正机器视觉的关键。

小鹏汽车端到端自动驾驶技术深度研究报告

luoganttcc的博客

01-04

744

小鹏汽车发布第二代VLA系统，实现端到端自动驾驶技术重大突破。该系统创新性地去除传统"视觉-语言-动作"架构中的语言转译环节，直接从视觉信号生成动作指令，响应速度提升300%。依托3万卡云端算力集群和720亿参数基座模型，训练数据量达1亿clips，覆盖场景相当于人类驾驶65000年。配合自研图灵AI芯片(总算力2250TOPS)，在22公里复杂路况测试中实现98%智驾占比和0接管。计划2026年Q1向Ultra车型全量推送，目前已覆盖全国2595个城市无图区域。小鹏坚持"跳过

自动驾驶汽车与人工驾驶汽车混行对交通影响的研究方案：基于宏观-微观耦合仿真的多场景分析

huanghm88的专栏

01-05

本研究提出一个宏观-微观耦合仿真框架，探究自动驾驶汽车（AV）与人工驾驶汽车（HV）混行交通的影响。通过扩展元胞传输模型（宏观）和SUMO仿真（微观），分析特定场景（如高速公路匝道、施工路段、隧道入口）在不同AV渗透率下的通行效率、拥堵机制及冲突变化。研究重点关注无信号灯交叉口的路权分配演化及高风险微观行为交互模型，探索最优AV比例。预期结果显示：协同模式AV在适当渗透率下可提升效率15%-25%，施工路段存在最佳AV比例（40%-50%），高AV渗透率交叉口可能形成"虚拟信号"通行流。

MindDrive：基于在线强化学习的自动驾驶视觉 - 语言 - 动作模型

m0_65010824的博客

12-31

769

本文是对论文《MindDrive: A Vision-Language-Action Model for Autonomous Driving via Online Reinforcement Learning》的深度解读。在自动驾驶领域，VLA模型依赖模仿学习存在分布偏移与因果混淆问题，在线强化学习应用受限于连续动作空间探索低效。该研究创新提出MindDrive框架，通过双LoRA专家架构实现语言动作动态映射，将探索转化为离散语言决策空间，基于CARLA模拟器完成在线RL训练，以轻量LLM实现优异性能。

小鹏汽车端到端 自动驾驶 最新进展

luoganttcc的博客

01-04

317

小鹏汽车2026年1月发布端到端自动驾驶最新进展：第二代VLA系统实现视觉信号到动作指令的直接输出，反应时间缩短至80ms，北京实测全程0接管。FastDriveVLA视觉Token剪枝框架提升模型推理速度3倍，准确率保持98.5%。硬件搭载自研2250TOPS算力AI芯片，XNGP系统覆盖全国2595城，支持AI代驾和无导航Super LCC+功能。该系统计划2026年一季度量产。

智能体在车联网中的应用：第37天 CARLA仿真中的端到端车道保持：基于CNN模仿学习的自动驾驶实践

IT深耕十余载，大道之简

12-31

999

本项目构建了一个完整的端到端自动驾驶训练框架，核心思想是让神经网络学会从视觉输入到控制输出的直接映射关系。数据收集模块：在CARLA环境中控制车辆行驶，同步采集摄像头图像和对应的车辆控制信号模型训练模块：使用收集的数据训练CNN模型，学习从图像到转向指令的映射函数部署验证模块：将训练好的模型部署到CARLA中，验证其车道保持性能与传统方法不同，我们的系统不包含显式的车道线检测、路径规划或控制算法，所有决策逻辑都编码在神经网络的权重中。

德思特Q&A | GNSS模拟器如何赋能自动驾驶？聚焦HIL、多实例与精准轨迹仿真的技术优势

hongke_weixin的博客

12-31

852

德思特解决方案通过灵活硬件架构+深度场景化仿真能力，解决了GNSS测试中频段兼容性、多频并发、高动态轨迹还原等关键挑战，尤其为自动驾驶提供了低成本、高保真、全链路的测试验证支撑，加速产品研发与全球合规认证。

# 2011 IEEE T-BME 经典 | 给透析机装上“自动驾驶”：如何利用控制算法预防透析低血压？

alfred_torres的博客

01-02

627

这是一篇关于血液透析自动化控制的经典工程学论文。针对透析过程中患者容易出现低血压（Hypotension）这一临床痛点，作者提出了一套基于模型预测控制 (MPC)的闭环反馈系统。该系统不仅监测血容量，还同时监测心率和血压，通过自动调节超滤率 (UFR)和透析液钠浓度 (DSC)，像“自动驾驶”一样，让患者在透析过程中的各项生理指标保持在安全范围内，从而减少透析并发症。主要贡献引入心率 (HR)：证明了将心率纳入反馈回路对于维持透析稳定性至关重要。双管齐下。

自动驾驶摄像头链路：从像素到决策的高速通道

yuanmenghao

01-04

611

摘要： GMSL（Gigabit Multimedia Serial Link）是自动驾驶摄像头数据传输的核心技术，解决了传统LVDS方案的短板。相比LVDS，GMSL通过单根同轴电缆实现长距离（≤15米）、高带宽（6–12 Gbps）传输，并集成供电（PoC）和双向控制功能，将每路摄像头的线束从6+根缩减至1根。其工作流程包括串化（Serializer）和解串（Deserializer），最终输出标准MIPI CSI-2接口供自动驾驶SoC处理，对上层完全透明。特斯拉等车企通过GMSL大幅简化了整车线束架

【Autonomous Driving/Sim】2026年度自动驾驶极端场景与车辆动力学仿真基准索引 (Benchmark Index)

2501_91053407的博客

01-01

1127

及**极端物理边界（Extreme Physics）**下的控制能力，我们整理了 "Fast-Furious-Benchmark" 全系列基准测试集。适合测试物理引擎在处理**极大质量差异（Mass Ratio）**物体碰撞时的数值稳定性与穿透检测（CCD）。扭矩映射（Torque Mapping）**以及NOS喷射时的瞬时加速度计算，是校准物理引擎摩擦系数的基准。与**脑机接口（BCI）**在高速机动战中的响应延迟与运动预测。：《速度与激情2》 (2 Fast 2 Furious)

超大规模多模态交通数据集：320TB+海量数据资源，涵盖行车视频、无人机航拍、第一视角步行骑行与道路监控，助力自动驾驶与智慧交通算法突破

2501_91704418的博客

12-31

717

超大规模多模态交通数据集（320TB+）为自动驾驶和智慧交通研究提供全面支持。该数据集包含5万小时行车视频、2000万帧行车图像（含200万鱼眼图像）、1万小时无人机航拍视频、2万小时步行视角视频、5000小时骑行视频及100万帧道路监控图像。其多模态特性覆盖机动车、非机动车及监控视角，支持自动驾驶算法训练、交通行为分析、智能监控和城市规划等应用。数据来源真实场景，经过严格质量控制，具有业界领先的规模和质量优势，为AI算法研发提供坚实基础。获取方式详见相关链接。

如何提升摩托车骑行技能？

09-02

提升摩托车骑行技能可以从以下几个方面着手： 1. **理论学习**：深入理解摩托车原理和操作规范，比如制动系统的工作原理，如何合理控制油门和离合器。 2. **基础训练**：在安全的环境下，学习和实践基础技术，例如启动、停车、直线行驶、弯道技巧以及紧急情况下的应对措施。 3. **实践课程**：参加专业的骑行培训课程或找有经验的人指导，通过模拟真实道路环境的练习提高适应性和反应速度。 4. **安全意识**：时刻注意观察周围环境，预测潜在风险，养成良好的驾驶习惯。 5. **定期维护**：熟练掌握摩托车的日常维护和检查，这有助于及时发现骑行技巧不足导致的问题。 6. **实践经验**：积累实际骑行里程，随着时间的推移，逐渐建立自信并磨炼技能。 7. **自我评估**：定期回顾骑行过程，找出可以改进的地方，不断调整和优化自己的骑行策略。记住，安全永远是第一位的，不要急于求成，慢慢来，逐步提高。