新能源汽车国家大数据联盟微课堂围绕新能源汽车、大数据行业的应用现状、发展趋势，邀请行业内专家学者分享自身观点和经验，通过在线授课的形式进行观点分享及互动。旨在促进新能源汽车行业发展、推动大数据技术应用和汽车产业的转型升级，加速实现新能源汽车与大数据的融合发展。

2024年2月27日晚，联盟微课堂第七十一期邀请到北京工业大学城市交通学院副教授/院长助理伍毅平做客直播间，分享主题为《驾驶行为研究管理现状及趋势》，以下为课程回顾。

驾驶行为是连接人、车、环境的关键纽带，对交通系统的安全、效率和能耗排放影响深远，加强驾驶行为管理是降低道路交通事故、提升运行效率、减少能耗排放的重要手段。伍毅平老师首先揭示了驾驶行为研究从经验驱动向数据驱动的范式转型，他指出，驾驶行为不仅关乎交通安全的核心命题——安全，更与能源经济、城市治理等宏观议题紧密关联。

研究数据显示，驾驶行为对车辆燃油经济性的影响范围可达30%，经训练的生态驾驶行为亦可使车辆燃油消耗降低12% ~18% ,同时还可令地面交通温室气体排放减少10%。而驾驶行为数据的深度挖掘能够优化道路资源分配效率，这标志着研究视角已从单一的安全维度拓展至经济-社会复合价值体系。信息处理模型的量化研究为此提供了科学支撑：当驾驶员接收信息量超过100bits/分钟时，决策错误率呈指数级上升，这一发现为智能座舱的人机交互设计划定了安全阈值。依据信息处理模型，驾驶人接收信息量的多少与驾驶行为表现并非简单的线性关系，这充分凸显出对驾驶行为进行深入研究和有效管理的必要性。

    谈及研究管理现状时，伍毅平老师介绍，数据采集是基础，目前主要通过主观问卷和客观实验两种方式进行。主观问卷获取的驾驶人主观感受虽有价值，但客观性不足；客观实验借助先进技术感知驾驶行为，多种采集手段融合已成为趋势。采集到的数据需经过清洗、匹配等处理，才能满足后续分析建模的要求。构建科学的指标体系对刻画驾驶行为至关重要，这需要综合考虑驾驶人属性、行为特点、操控状态及相关违法事故等因素，再借助数据模型和特征图谱直观展示行为变化。利用统计分析和机器学习算法评价诊断驾驶行为，能明确行为等级，定位高风险人群，为针对性管理提供支持。而驾驶行为优化的关键在于找到行为特征与培训优化手段的匹配关系，不过在培训时要考虑个体差异对效果的影响。

随着大数据、智能网联和自动驾驶等技术的发展，驾驶行为研究管理迎来新的机遇与挑战。伍毅平老师表示，大数据为驾驶行为管理提供了丰富的数据支持，有助于实现精确评估、诊断和个性化管理，提升交通安全性。智能驾驶技术改变了驾驶模式，部分驾驶操作由车辆承担，这带来了新的研究课题，如自动驾驶环境下驾驶行为的变化及优化。驾驶员群体结构也在发生变化，老年驾驶群体增多，他们与年轻群体在身体和心理上存在差异，对驾驶信息的处理能力不同，研究管理时需充分考虑这些特点。新能源汽车的普及也一定程度上影响了驾驶习惯，其续航里程和充电的特殊性使驾驶人更关注节能，这种变化对交通系统的影响值得深入研究。在车路云一体化管理的背景下，如何协调人的驾驶与自动驾驶的关系，满足个性化需求，提高交通效率和安全性，也成为亟待解决的问题。

课程最后，为了让大家更好地理解，伍毅平老师分享了多�