随着群众出行需求提升，汽车保有量持续增长，道路交通承载压力与日俱增。驾驶安全直接影响道路交通的安全有序，更关乎每个家庭的幸福及每位交通参与者的生命财产安全，成为当下亟待关注的核心议题。尤其是新能源与智能驾驶技术的普及，在提升驾驶体验的同时，安全隐患也随之增多。为深入剖析当前驾驶人安全驾驶的痛点问题，探寻技术创新与行为引导相结合的解决方案，助力提升全民交通安全素养，本刊记者近日专访了北方工业大学于泉教授。
本刊记者：您认为，当前影响安全驾驶的因素有哪些？如何让安全驾驶从“被动遵守”转向“主动践行”？
于泉：随着智能网联汽车的发展，智能驾驶技术的普及，影响驾驶人安全驾驶的因素呈现出新的复杂特征，且各维度相互交织，一般来说可归纳为人因、车因、环境、管理四大核心维度。人因是交通事故的首要诱因，具体包括三类：传统风险行为，如疲劳驾驶、分心驾驶等；智能驾驶环境下的新型行为偏差，如对高级辅助驾驶系统（ADAS）过度依赖；个体差异带来的风险，如驾驶经验不足等。车因方面，智能辅助技术的性能短板成为新隐患。ADAS存在明确功能边界，如自适应巡航控制系统（ACC）在车辆切入、匝道汇入等突发场景中无法满足安全需求；不同智能功能车辆的安全效果差异显著；系统状态提示不清晰、人机交互逻辑复杂等设计缺陷，增加驾驶人认知负担，影响驾驶安全。环境因素呈现“场景依赖”特征，影响更为突出。研究表明，辅助驾驶在交叉口等场景中表现更安全，但在施工区车道缩减等场景中风险显著升高。管理因素的缺失同样关键。当前，智能驾驶法规仍不完善，系统安全标准等尚未形成明确体系；驾驶人培训体系未能及时适配技术发展，安全宣传精准度不足。
推动安全驾驶从“被动遵守”转向“主动践行”，需构建“教育、技术、管理、文化”四位一体的协同体系。在教育引导层面，需建立精准化、分层化的安全宣传培训机制。针对新驾驶人强化智能驾驶技术认知培训，重点讲解ADAS的适用场景与限制；对老驾驶人开展技能更新培训，核心是传递“系统辅助≠智能驾驶”的原则，纠正认知偏差。在技术优化层面，推动车辆、道路、环境的协同升级。车辆端完善ADAS设计，弥补功能短板；道路端加快车路协同基础设施建设，提升道路智能化水平；环境端优化道路设计，降低场景复杂性带来的风险，为安全驾驶提供技术支撑。在管理监管层面，健全法规体系与智能监管机制。完善智能驾驶相关法规，明确驾驶人的核心责任，细化系统失效等场景的责任认定标准，通过刚性约束规范驾驶行为。在文化培育层面，通过行业宣传、媒体报道等方式，传播“人机协同、安全第一”的驾驶理念，纠正“智能化＝零风险”的错误认知。推动汽车制造商、交通管理部门、驾驶人群体形成共治合力，让安全驾驶成为全民共识和自觉行动。
本刊记者：对驾驶人而言，应如何正确认知ADAS的“辅助”属性，且需坚守哪些安全底线？
于泉：正确认知ADAS的“辅助”属性，是智能驾驶时代保障安全的核心前提。当前广泛应用的ADAS本质是“辅助驾驶”而非“自动驾驶”。从技术原理来看，ADAS遵循“剩余功能原理”“补偿原理”等逻辑，性能依赖特定运行环境和硬件条件，存在明确功能边界，环境感知能力有限，且决策响应延迟，在部分突发场景中可能因响应不及时而引发事故。驾驶人在使用过程中，需扮演“监控者”和“最终决策者”的双重角色，既要利用系统优势减轻负担，又需保持对驾驶场景的持续关注和对系统状态的清晰认知。
我认为，驾驶人必须坚守四大安全底线：“全程专注”的监控底线，杜绝注意力分散，即使系统激活，双手也不脱离方向盘、视线不离开行驶道路，随时应对突发情况；“明确边界”的使用底线，不超出系统能力范围，使用前明确适用场景和限制条件，不在超出运行设计域（ODD）的场景中使用；“主动接管”的责任底线，牢记驾驶安全第一责任人身份，不放弃驾驶技能的保持和提升；“定期检查”的维护底线，定期检查传感器、雷达等硬件状态，发现异常立即停用检修，不擅自改装或破解系统设置。
本刊记者：在推动人工智能（AI）与驾驶人行为管理深度结合，降低人为事故风险方面，您有哪些建议？
于泉：推动AI与驾驶人行为管理深度结合，核心是构建“数据驱动、精准干预、全程管控”的管理体系，通过AI实现对驾驶行为的实时感知、风险预警、精准规制和持续优化，最大限度降低人为事故风险，提升道路交通安全性和高效性。具体可从以下方面发力：一是构建驾驶行为动态分析与预警系统。依托车载终端、路侧传感器等设备采集驾驶人操作、生理及环境数据，通过机器学习模型精准识别疲劳驾驶、分心驾驶等危险行为，实现风险实时防控。二是开展个性化安全教育与培训。利用AI对驾驶人行为数据进行画像分析，精准定位个体安全短板，推送定制化培训内容，重点强化突发场景接管技巧。建立驾驶人技能动态评估机制，定期检测手动驾驶能力、系统操作熟练度，确保其具备应对各类场景的驾驶能力。三是建立智能监管与执法体系。将AI与道路监控系统深度融合，利用计算机视觉等技术，实现对分心驾驶等违法行为的自动识别、取证和处罚，解决传统执法“取证难、覆盖窄”的问题。四是推动车路协同与政策优化应用。优化信息推送策略，根据实时交通流量、天气条件、驾驶人特征调整信息，预判复杂场景风险。分析海量事故数据，识别高风险场景和关键影响因素，为交通法规修订、道路设计优化、安全标准制定提供数据支撑。
本文刊发于《道路交通管理》杂志2025年第11期
扫码关注微信公众号
点击“订阅杂志”，查看更多精彩内容。
