采用跨學科方法減少駕駛員的行為不確定性：自動駕駛，物聯網和人工智能的融合

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

物聯網（IoT）、智能網聯汽車、人工智能（深度學習）和機載數據采集是顛覆性技術。他們將協助我們在安全的條件下履行日常工作，并將徹底改變我們與技術的互動。駕駛是一項復雜的多任務活動，由于決定駕駛員表現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測。駕駛員的不確定性及注意力分散是導致道路交通事故的主要因素。

人工智能和數據采集將有助于減少交通行為的不確定性，顯著地影響未來的交通環境，減少交通事故發生的可能性。利用新興研究領域數據采集方法的進步，并使用無人駕駛技術來代替或者是輔助駕駛員駕駛，可以大大改善道路安全。本文提出了一個受安全系統啟發的跨學科的方法，對駕駛過程中的大量可用數據進行深入挖掘，并對所提出的方法局限性進行了討論。所提出的方法利用人工智能、物聯網和自動駕駛構建計算駕駛員行為模型，降低駕駛員行為預測模型的不確定性，此模型可以用來監測和控制交通系統。

未來的研究應該關注這種系統在復雜系統中大規模部署時的可移植性和可持續性。