北京出台自动驾驶新规:自动驾驶车辆须配备司机应急

来源:人民日报

概要:在中国境内注册的独立法人单位,因进行自动驾驶相关科研、定型试验,可申请临时上路行驶。


记者今天从北京市交通委获悉,北京市交通委联合市公安交管局、市经济信息委等部门,制定发布了加快推进自动驾驶车辆道路测试有关工作的指导意见和自动驾驶车辆道路测试管理实施细则两个指导性文件。明确,在中国境内注册的独立法人单位,因进行自动驾驶相关科研、定型试验,可申请临时上路行驶。


根据指导意见和实施细则,在中国境内注册的独立法人单位,因进行自动驾驶相关科研、定型试验,可申请临时上路行驶。申请道路测试的车辆必须符合国家机动车运行安全技术条件,并且具备自动、人工两种驾驶模式,可在两种模式间随时切换;为保证安全,测试车辆在上路测试前,必须在自动驾驶封闭测试场进行过不少于规定里程与规定测试环境的测试,测试结果经专家评审认定,具备条件才允许上路测试;上路测试期间,车辆属于“有人驾驶”状态,每辆车都要配备有一定驾龄经验、熟悉自动驾驶系统的测试驾驶员,正常情况下,测试驾驶员监控车辆的运行,特殊或紧急情况下,由测试驾驶员接管测试车辆进行驾驶操作,确保车辆行驶安全,测试的车辆还必须安装监管装置,可以随时监测驾驶员的驾驶行为;上路后,测试单位必须购买交通事故责任保险或赔偿保函,如果测试车辆在测试期间发生事故,按照现行道路交通安全法及相关规定进行处理。


据了解,北京市交通委、公安交管局等部门将综合考虑道路技术条件和交通流量等因素,选择第一批可用于实际测试的道路,所选择的测试道路将包括城市主干道、支路、红绿灯路口等多种交通场景。


一、什么是自动驾驶车辆


自动驾驶车辆是指在符合《机动车运行安全技术条件》(GB7258)的机动车上装配自动驾驶系统的车辆。自动驾驶车辆不需要驾驶员执行物理性驾驶操作,自动驾驶系统能够对车辆行驶任务进行指导与决策,并代替驾驶员操控车辆完成安全行驶。自动驾驶包括自动行驶功能、自动变速功能、自动刹车功能、自动监视周围环境功能、自动变道功能、自动转向功能、自动信号提醒功能、网联式自动驾驶辅助功能等。


二、什么样的单位能申请自动驾驶车辆道路测试


在中国境内注册的,进行自动驾驶相关科研、定型试验,需要临时上路行驶的独立法人单位。


三、如何保证道路测试的安全


(一)对测试车辆有严格要求


测试车辆必须符合《机动车运行安全技术条件》(GB7258)标准。测试车辆具备自动、人工两种驾驶模式,并可随时切换;测试车辆必须安装相应监管装置,能监测驾驶行为和车辆位置。


(二)上路前必须通过严格的“考试”


测试车辆在上路测试前,必须先在封闭测试场内按相关标准进行测试和考核,考核结果经专家评审,通过后才允许上路测试。


(三)道路测试是处于“有人驾驶”状态


自动驾驶测试车辆需按规定悬挂号牌、标识,每辆车都要配备一名有一定驾驶经验,熟悉自动驾驶系统的测试驾驶员,随时监控车辆,保障车辆安全行驶,在任何情况下都可以随时人工接管车辆。


四、自动驾驶车辆都会在哪里测试


测试车辆将在指定区域、指定时段内测试。区域的选择将选取人流量少、车流量少的地段,时间段的选择将避开早晚高峰的时间段,不会对正常交通产生过多影响。


五、如何认定测试期间的交通事故


测试车辆测试期间发生交通事故或交通违法行为,认定测试驾驶员为车辆驾驶员,由市公安交管部门按照现行道路交通安全法律法规的规定进行处理,并由测试驾驶员承担相关法律责任。


未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能,互联网和脑科学交叉研究机构。由互联网进化论作者,计算机博士刘锋与中国科学院虚拟经济与数据科学研究中心石勇、刘颖教授创建。


未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)云脑研究计划,构建互联网(城市)云脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。


  如果您对实验室的研究感兴趣,欢迎支持和加入我们。扫描以下二维码或点击本文左下角“阅读原文”

深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值