XiaoMi-AI文件搜索系统
World File Search System驾驶员的
Billy Buddy针对网络欺凌
摘要 - 该项目介绍了与机器学习能力集成的基于嵌入式智能事故预防和预防系统的设计和实施。该系统旨在用于监视各种参数，包括驾驶员的透眼，心率，酒精含量，事故检测车辆定位以及环境因素，以提高道路安全并预防事故。该系统结合了与多个传感器连接的Raspberry Pi控制器，包括USB摄像头，心率传感器，酒精传感器，MEMS传感器，GPS模块，超声波传感器和GSM模块。Raspberry Pi从这些传感器中处理数据，以监视驾驶员的状况，车辆状态和周围环境。摄像机不断检测到驾驶员的眼睛，提供了对其机敏和嗜睡水平的见解。心率传感器监视驾驶员的心率，提供其他压力或疲劳的指标。酒精传感器测量驾驶员呼吸中的酒精含量，提醒驾驶员是否受到影响。发生潜在的事故，MEMS传感器会检测到车辆加速度或方向的突然变化，表明碰撞。同时，超声波传感器检测附近车辆的接近度，从而增强了碰撞检测。
Transit Booster
基于驾驶员的识别基于驾驶员的车辆识别解决方案包括两个元素：建筑物访问卡和一个车载助推器。助推器安装在车辆挡风玻璃内部。助推器协助交通读取器识别和身份验证卡ID。Transit读取器将卡ID和Booster ID的组合传输到任何访问控制系统。如果此组合已授权，则授予访问权限，并且门会自动打开。
项目新闻 - 国家物理实验室
我们专注于轮胎系统监控，这是向更智能轮胎发展的一部分。目前只测量轮胎压力，但公司希望监控更多参数，如力。“智能”轮胎可以测量轮胎的完整性和压力、道路状况，甚至驾驶员的驾驶风格。在这种环境下，更换电池是不可持续或不切实际的，这是能量收集和自主无线传感器网络可以提供解决方案的一个例子，它可以提高驾驶员的安全性，同时降低油耗。
包含自动驾驶汽车的白皮书
从此级别开始，驱动程序可以选择哪个系统控制驾驶功能，尽管在某些限制范围内。这意味着车辆不需要持续的监督，但在系统无法自行处理危险情况时，确实需要驾驶员的注意力和干预。系统可以在驾驶员的请求下停用，也可以在达到其操作功能的限制时自动自动，此时，它将向驾驶员恢复控制的预警发出预警。3级自治使驾驶员可以在特定条件下从踏板上从方向盘和脚上移开手。
附件LTA费用清单和收件人
私人租车驾驶员的职业许可证（PDVL）持有人仅获得驾驶私人租车的许可，而出租车驾驶员的职业许可证（TDVL）持有人获得许可以驾驶出租车和私人租车。在2022年3月，LTA引入了现有PDVL持有人的选项，以通过为转换支付管理费并履行转换要求，将其PDVL转换为TDVL。
通过学习与车辆相关的测量数据来推断个性化驾驶员工作量
摘要 — 使车载系统（例如高级驾驶辅助系统和车载信息系统）适应个体驾驶员的工作量可以提高安全性和便利性。要实现这一点，必须推断驾驶员的工作量，以便适时以适当的方式为驾驶员提供自适应辅助。我们不是为所有驾驶员开发一个平均模型，而是通过易于获取的车辆相关测量数据（VRM），使用机器学习技术，开发一个考虑到个体驾驶员驾驶特征的个性化驾驶员工作量推断（PDWI）系统。所提出的 PDWI 系统包括两个阶段。在离线训练中，首先使用模糊 C 均值 (FCM) 聚类根据个体驾驶员的固有数据特征自动将其工作量分成不同的类别。然后，通过分类算法构建 VRM 和不同级别工作量之间的隐式映射。在线实施中，VRM 样本被分类到不同的簇中，从而可以成功推断驾驶员的工作负荷类型。最近从现实世界的自然驾驶实验中收集的数据集被用来验证所提出的 PDWI 系统。比较实验结果表明，所提出的集成 FCM 聚类和支持向量机分类器的框架在准确率、精确率、召回率、F 1 -sco 方面提供了良好的工作负荷识别性能
业务回顾 - PSO
为了进一步提高石油运输业务的效率，公司定期组织培训课程和会议，使运输承包商专业化。考虑到向客户交付产品严重依赖公路运输，因此，道路安全仍然是重点关注的领域。公司在全国范围内定期举办“防御性驾驶”课程，以加强驾驶员的道路意识。考虑到驾驶员的艰苦条件，公司在全国范围内开发了十个休息区，提供基本的娱乐设施。公司还为所有 PSO 驾驶员和油罐车清洁工提供 300,000 卢比的人寿保险。
机械工程杂志 - J-Stage
1.研究动机 根据SAE定义的2级自动驾驶，驾驶员对驾驶负有法律责任，并有义务监控系统的运行状态。作者认为向驾驶员呈现系统安全级别的信息将有效提高驾驶员监控系统状态的任务绩效，同时减少驾驶员这种监控行为的工作量。当系统的安全性较低时，向驾驶员呈现这种情况并提示驾驶员主动监控自动驾驶系统的运行状态非常重要。即使对于驾驶员没有义务监控系统运行的3级自动驾驶，该界面系统也有助于向驾驶员呈现系统安全级别的信息。当仅靠系统难以避免碰撞风险时，发生将驾驶权转移给驾驶员的“接管请求”（Gold 等，2013）（Eriksson 等，2017）的可能性很高。因此，作者认为向驾驶员呈现系统安全级别下降的信息对于保持高水平的“准备度”（Kitazaki，2018）是有效的，即驾驶员的驾驶准备程度。如图 1 所示，如果驾驶员的驾驶能力水平（能力（C））满足环境所要求的驾驶需求水平（任务需求（D）），则驾驶员可以安全驾驶以满足环境的要求（Fuller，2005）。在自动驾驶过程中，如果“C>D”，则有可能保持一定的恒定值，以保证自动驾驶系统和驾驶员的整体安全。
