近日，多伦科技一项名为“一种基于驾驶人行为意图识别模型的辅助安全控制方法及系统”的发明专利获国家知识产权局授权。这标志着公司在智能化驾考领域取得关键突破，为“无人化”驾考安全提供了核心技术支撑。

痛点：长期依赖随车安全员，局限明显

传统驾考中，行车安全主要依靠副驾驶位的随车安全员。这种方式人力成本高，且难以避免人为提示、主观差异甚至作弊。尽管各地上线了监管系统，但面对海量考试数据，全流程监管依然困难。

同时，市面上的ADAS（高级驾驶辅助系统）主要针对成熟驾驶员，面对驾考学员这类“非成熟驾驶员”时，常出现误判、漏判。驾考行业急需一套真正理解“学员行为”的主动安全方案。

方案：系统识别驾驶意图，辅助安全决策

全方位感知：通过激光雷达、毫米波雷达和摄像头，实时获取车辆360°范围内目标物的位置、速度、朝向等信息，并筛选出八个方向距离本车最近的“感兴趣目标”。

计算碰撞风险：基于CAN总线数据实时计算本车运动轨迹，针对静止、匀速接近、加速接近、减速接近等不同目标，动态修正碰撞时间阈值（TTC）。当预测到风险时，输出基础碰撞信号。

识别驾驶意图：收到信号后，调用车内视觉传感器捕捉学员的手部、头部、视线及踏板操作等行为特征，输入深度神经网络模型，实时判断学员是否有主动避撞意图（如减速、转向等）。

决策终级制动：若系统判断学员没有主动避撞意图（如仍在踩油门），则果断输出制动指令，由执行机构主动刹车；若学员已有效操作，系统不予干预，尊重驾驶员判断。

创新：全向安全防护 + 意图驱动控制

全向防护：不仅关注正前方，还对左前、右前、左侧、右侧、后方等区域进行碰撞风险管控，有效应对考试中突然出现的行人、非机动车、路沿及后方来车。

意图驱动：首次将学员行为意图作为紧急制动的核心判据，解决传统AEB在驾考场景下“该刹不刹、不该刹乱刹”的难题，既保安全，又避免误判影响考试。

仿生学习：基于大量驾驶行为数据构建的深度网络模型，能不断迭代优化，越来越“懂”中国驾考学员的操作特点。