（Reducing driver's behavioural uncertainties using an interdisciplinary approach:Convergence of Quantified Self,Automated Vehicles,Internet Of Things and Artificial Intelligence）

物聯(lián)網(wǎng)（IoT）、智能網(wǎng)聯(lián)汽車(chē)、人工智能（深度學(xué)習(xí)）和機(jī)載數(shù)據(jù)采集是顛覆性技術(shù)。他們將協(xié)助我們?cè)诎踩臈l件下履行日常工作，并將徹底改變我們與技術(shù)的互動(dòng)。駕駛是一項(xiàng)復(fù)雜的多任務(wù)活動(dòng)，由于決定駕駛員表現(xiàn)的駕駛因素不確定性和駕駛因素之間相互作用，駕駛員的駕駛行為難以預(yù)測(cè)。駕駛員的不確定性及注意力分散是導(dǎo)致道路交通事故的主要因素。

人工智能和數(shù)據(jù)采集將有助于減少交通行為的不確定性，顯著地影響未來(lái)的交通環(huán)境，減少交通事故發(fā)生的可能性。利用新興研究領(lǐng)域數(shù)據(jù)采集方法的進(jìn)步，并使用無(wú)人駕駛技術(shù)來(lái)代替或者是輔助駕駛員駕駛，可以大大改善道路安全。本文提出了一個(gè)受安全系統(tǒng)啟發(fā)的跨學(xué)科的方法，對(duì)駕駛過(guò)程中的大量可用數(shù)據(jù)進(jìn)行深入挖掘，并對(duì)所提出的方法局限性進(jìn)行了討論。所提出的方法利用人工智能、物聯(lián)網(wǎng)和自動(dòng)駕駛構(gòu)建計(jì)算駕駛員行為模型，降低駕駛員行為預(yù)測(cè)模型的不確定性，此模型可以用來(lái)監(jiān)測(cè)和控制交通系統(tǒng)。

未來(lái)的研究應(yīng)該關(guān)注這種系統(tǒng)在復(fù)雜系統(tǒng)中大規(guī)模部署時(shí)的可移植性和可持續(xù)性。