该作品聚焦交通安全核心痛点,针对传统驾驶风险辨识忽视驾驶人个体差异的局限,研发基于深度学习的汽车驾驶行为风险辨识系统。项目立足大数据与人工智能技术,综合采集驾驶者生理特征、驾驶操作、车辆状态及环境数据,深度挖掘年龄、性别、心理状态等个体差异对驾驶行为的影响,构建融合 CNN 与 RNN 的个性化风险辨识模型,实现对超速、疲劳驾驶、分心驾驶等风险的精准识别与实时预警。系统创新整合跨学科技术,突破传统 “一刀切” 的风险评估模式,通过多模态数据融合、个性化模型训练及实时干预机制,提升风险辨识的准确性与适应性。其成果可广泛应用于智能汽车、汽车保险、交通管理等领域,既能降低交通事故发生率,推动个性化驾驶辅助系统发展,也为智能交通技术创新与社会科学研究提供数据支撑,助力构建更安全、智能、高效的交通出行环境。