**网约车司机高速瞌睡案引发热议**
近日，一名乘客指控网约车司机在高速公路上开启定速巡航后入睡，引发广泛关注。事发后，平台对涉事司机采取了停职处罚。
该事件引发网友热议，有人指出网约车司机疲劳驾驶已成常态，并呼吁提高平台和乘客的单价，保障司机收入的同时确保行车安全。
也有网友建议，乘客在遇到司机瞌睡时应立即下车并找安全的地方休息，避免风险。
如何有效遏制网约车疲劳驾驶问题，值得平台、监管部门和公众共同思考。
（举报）
网约车司机开定速巡航 边睡边跑高速！乘客吓得中途下车
- 相关推荐
- 大家在看
-
【腾讯云】11.11云上盛惠！云服务器首年1.8折起，买1年送3个月！
11.11云上盛惠！海量产品 · 轻松上云！云服务器首年1.8折起，买1年送3个月！超值优惠，性能稳定，让您的云端之旅更加畅享。快来腾讯云选购吧！
腾讯云
12-20
广告 -
专挑加塞车碰瓷： 湖北一网约车司机骗保61万多被刑拘
近日湖北警方侦破一起车辆保险诈骗案，犯罪嫌疑人李某驾驶一辆网约车，专挑加塞车辆碰瓷”。一年内竟出险222次，涉及21家保险公司，骗取车辆保险理赔金61万余元，被他碰瓷”的受害者多达248名，直到一名被碰瓷”的车主前去报案才暴露出来。且除了车损，像网约车、出租车这样的营运车辆，往往还会索赔因修车导致无法营业的损失，一天300元左右，最终警方查明，李某获得了理赔金61万余元，构成保险诈骗嫌疑，被警方刑事拘留。
-
网约车乘客开门杀致人受伤 扭头就走：司机乘客或共同承担责任
在大学门口发生的一起交通事故中，网约车司机张丰与乘客王力因疏忽观察，共同承担了事故的主要责任。王力在下车时突然打开车门，导致恰好驶过的李飞驾驶的电动车与其相撞，造成李飞和电动车乘客张毅受伤，电动车损毁严重。社会各界对此事故的看法不一，许多人通过网络平台表达了自己的观点，并参与讨论。
-
网约车乘客开门杀致人受伤 扭头就走：三名乘客已被找到
成都一起交通事故引发关注，一名网友在骑行过程中被一辆网约车的乘客突然打开的车门撞倒，导致受伤。事故发生后，网约车和乘客均离开了现场。如果司机和乘客都已履行了自己的义务需要考虑骑车人的责任。
-
高速夜间堵车司机熄火睡觉 被无人机叫醒 网友：飞行闹钟
国庆假期已经正式开始昨晚开始大规模的人员迁移已然展开每年这个时候固定的保留节目就是堵车有时候甚至一堵就是数个小时昨晚京哈高速出现大堵车堵到大家直接车内息灯睡觉这就导致可能前方道路已经疏通但很多人在梦里无法第一时间察觉是会影响通行其实针对假日高速拥堵不少人专家已经建言献策有人提议称将现行的部分法定节假日高速免费通行政策调整为每辆车按年享受固定免费通行时长让公众高速出行更加灵活自由
-
网约车乘客开门杀致人受伤后跑掉 网友吵翻到底谁主责：官方通报
据国内媒体报道称，近日有成都网友称，自己骑车遭遇一辆网约车开门杀”摔倒受伤，但网约车及乘客竟然全部走掉。涉事三名女乘客已经被找到，涉事网约车也被暂扣，事故正在处理当中。交警部门对刘某某、蒋某的依法处罚及事故赔付工作正在按程序进行。
-
华为：将逐步实现高速路上车即休息、长途安心睡
华为全联接大会2024在上海开幕，华为副董事长、轮值董事长徐直军发表了拥抱全面智能化时代”的主题演讲。其中在谈到自动驾驶时，徐直军表示，现在，中国消费者对汽车智能驾驶已经非常熟悉了，购买新车时配智能驾驶高阶版本的比例非常高，汽车的智能驾驶能力也已经成为中国消费者购买新车时重点考虑的因素。在这些关键场景目标达成的基础上，未来最终实现无人驾驶。
-
拉萨一网约车前挂蓝牌、后挂绿牌 后果严重：罚5000、扣12分
据平安拉萨发文，近期，拉萨市一辆小轿车的前后车牌竟然呈现出截然不同的模样，前脸原本的绿牌变成了蓝牌。交警利用大数据技术锁定了嫌疑车辆的行车轨迹，并确认该车为某网约车公司平台签约车辆，并在该公司的协助下成功查获该车。此次事件再次给广大驾驶员朋友们敲响了警钟，交通法规是保障道路交通安全的重要准则，任何人都不得违反。
-
司机送回乘客的包却被反咬钱对不上：乘客记错数目 表示感激
在河南南阳，一位出租车司机的诚信和善良行为在社会上引起了广泛的关注和讨论。这位司机在发现乘客遗失在车上的背包后，没有选择据为己有是决定将背包送还给失主。它也鼓励人们在面对诱惑时，能够坚守道德底线，做出正直的选择。
-
高速大卡车侧翻 运载新车掉落一地：网友直呼可惜
陕西省银昆高速发生了一起严重的交通事故，一辆满载数十辆新车的大型卡车不幸侧翻，导致车上的新车纷纷坠地，造成了巨大的经济损失和潜在的环境问题。事故发生在9月17日晚，卡车在行驶过程中撞击路边防护栏后失去控制，发生了侧翻。公众呼吁加强驾驶员的安全意识培训，以及提高道路管理的质量，以减少类似事故的发生。
-
男子高速路上见缝就钻：被撞还要负全责
变道超车一定要留出足够的安全距离，然现实生活中总有人喜欢见缝就钻”，即便是在高速公路上。公安部交通管理局”就披露了最新发生的一桩案件，2024年9月5日，沪昆高速江西上饶段。首先必须提前打开左转向灯，然后通过后视镜观察，确认与左侧车道内车辆拉开足够的安全距离，之后果断向左变道，最后，在超越原车道前车后，要保持速度继续行驶并开启右转向灯，确认与被超车辆拉开足够安全距离后，向右变回原车道。
-
Canvas:与ChatGPT协作的新方式
Canvas是OpenAI推出的一个新界面，旨在通过与ChatGPT的协作来改进写作和编码项目。它允许用户在一个单独的窗口中与ChatGPT一起工作，超越了简单的聊天界面。Canvas利用GPT-4o模型，能够更好地理解用户的上下文，并提供内联反馈和建议。它支持直接编辑文本或代码，并提供快捷操作菜单，帮助用户调整写作长度、调试代码等。Canvas还支持版本回溯，帮助用户管理项目的不同版本。
-
Text Behind Image:轻松创建文字背景图片设计。
Text Behind Image 是一个开源的设计工具，允许用户轻松创建文字背景图片设计。它提供了一个简洁的界面，让用户可以自由地在图片上添加文字，创造出独特的视觉效果。这个工具对于设计师、社交媒体运营者和内容创作者来说非常有用，因为它可以快速生成具有吸引力的视觉内容。
-
torchao:PyTorch原生量化和稀疏性训练与推理库
torchao是PyTorch的一个库，专注于自定义数据类型和优化，支持量化和稀疏化权重、梯度、优化器和激活函数，用于推理和训练。它与torch.compile()和FSDP2兼容，能够为大多数PyTorch模型提供加速。torchao旨在通过量化感知训练（QAT）和后训练量化（PTQ）等技术，提高模型的推理速度和内存效率，同时尽量减小精度损失。
-
LFMs:新一代生成式AI模型
Liquid Foundation Models (LFMs) 是一系列新型的生成式AI模型，它们在各种规模上都达到了最先进的性能，同时保持了更小的内存占用和更高效的推理效率。LFMs 利用动态系统理论、信号处理和数值线性代数的计算单元，可以处理包括视频、音频、文本、时间序列和信号在内的任何类型的序列数据。这些模型是通用的AI模型，旨在处理大规模的序列多模态数据，实现高级推理，并做出可靠的决策。
-
NVLM-D-72B:前沿的多模态大型语言模型
NVLM-D-72B是NVIDIA推出的一款多模态大型语言模型，专注于视觉-语言任务，并且通过多模态训练提升了文本性能。该模型在视觉-语言基准测试中取得了与业界领先模型相媲美的成绩。
-
gradio-bot:将Hugging Face Space或Gradio应用转化为Discord机器人
gradio-bot是一个可以将Hugging Face Space或Gradio应用转化为Discord机器人的工具。它允许开发者通过简单的命令行操作，将现有的机器学习模型或应用快速部署到Discord平台上，实现自动化交互。这不仅提高了应用的可达性，还为开发者提供了一个与用户直接交互的新渠道。
-
AI-Powered Meeting Summarizer:会议语音转文本并自动生成摘要的AI工具
AI-Powered Meeting Summarizer是一个基于Gradio的网站应用，能够将会议录音转换为文本，并使用whisper.cpp进行音频到文本的转换，以及Ollama服务器进行文本摘要。该工具非常适合快速提取会议中的关键点、决策和行动项目。
-
VARAG:视觉增强的检索与生成系统
VARAG是一个支持多种检索技术的系统，优化了文本、图像和多模态文档检索的不同用例。它通过将文档页面作为图像嵌入，简化了传统的检索流程，并使用先进的视觉语言模型进行编码，提高了检索的准确性和效率。VARAG的主要优点在于它能够处理复杂的视觉和文本内容，为文档检索提供强大的支持。
-
JoyHallo:数字人模型，支持生成普通话视频
JoyHallo是一个数字人模型，专为普通话视频生成而设计。它通过收集来自京东健康国际有限公司员工的29小时普通话视频，创建了jdh-Hallo数据集。该数据集覆盖了不同年龄和说话风格，包括对话和专业医疗话题。JoyHallo模型采用中国wav2vec2模型进行音频特征嵌入，并提出了一种半解耦结构来捕捉唇部、表情和姿态特征之间的相互关系，提高了信息利用效率，并加快了推理速度14.3%。此外，JoyHallo在生成英语视频方面也表现出色，展现了卓越的跨语言生成能力。
-
PhysGen:基于物理的图像到视频生成技术
PhysGen是一个创新的图像到视频生成方法，它能够将单张图片和输入条件（例如，对图片中物体施加的力和扭矩）转换成现实、物理上合理且时间上连贯的视频。该技术通过将基于模型的物理模拟与数据驱动的视频生成过程相结合，实现了在图像空间中的动态模拟。PhysGen的主要优点包括生成的视频在物理和外观上都显得逼真，并且可以精确控制，通过定量比较和全面的用户研究，展示了其在现有数据驱动的图像到视频生成工作中的优越性。
-
Whisper large-v3-turbo:高效自动语音识别模型
Whisper large-v3-turbo是OpenAI提出的一种先进的自动语音识别(ASR)和语音翻译模型。它在超过500万小时的标记数据上进行训练，能够在零样本设置中泛化到许多数据集和领域。该模型是Whisper large-v3的微调版本，解码层从32减少到4，以提高速度，但可能会略微降低质量。
-
Realtime API:低延迟的实时语音交互API
Realtime API 是 OpenAI 推出的一款低延迟语音交互API，它允许开发者在应用程序中构建快速的语音到语音体验。该API支持自然语音到语音对话，并可处理中断，类似于ChatGPT的高级语音模式。它通过WebSocket连接，支持功能调用，使得语音助手能够响应用户请求，触发动作或引入新上下文。该API的推出，意味着开发者不再需要组合多个模型来构建语音体验，而是可以通过单一API调用实现自然对话体验。
-
Saylo AI:探索无限的AI角色扮演游戏。
Saylo AI是一个AI角色扮演游戏，让你与AI角色互动，探索多样化的戏剧性故事。它利用人工智能技术，提供沉浸式的互动体验，让玩家在虚拟世界中与AI朋友交流，体验不同的故事情节。Saylo AI的背景信息展示了其创新性和娱乐性，旨在为玩家提供一种全新的娱乐方式。目前产品处于推广阶段，价格未明确标注。
-
twinny:Visual Studio Code的免费且私密的AI扩展
twinny是一个为Visual Studio Code用户设计的AI扩展，旨在提供个性化的编程辅助，提高开发效率。它通过集成先进的AI技术，帮助开发者在编码过程中快速解决问题，优化代码，并提供智能提示。twinny的背景是响应开发者对于更加智能和自动化编程工具的需求，它通过简化开发流程，减少重复劳动，从而让开发者能够专注于更有创造性的工作。
-
Buildpad:构建人们真正想要的产品
Buildpad 是一个旨在帮助创始人从概念到成功最小可行产品(MVP)的在线平台。它通过提供智能验证工具、AI引导的开发流程、进度跟踪以及个性化的项目见解，帮助用户构建能够获得市场认可的产品。Buildpad 的主要优点包括简化产品开发流程、提高产品成功率、以及提供个性化的指导和支持。
-
Novela:AI时代的技能学习平台
Novela是一个专注于AI时代技能学习的在线平台，提供早期访问服务，用户可以免费试用。它旨在帮助用户掌握AI相关的技能，以适应未来职场的需求。
-
interview.co:视频面试软件，简化招聘流程
interview.co是一个专注于简化招聘流程的视频面试软件。它通过提供在线视频面试、AI问题生成器和面试管理工具，帮助企业高效地筛选和评估候选人。产品背景信息显示，interview.co旨在解决传统面试中的时间消耗、日程安排困难和成本高昂等问题。价格方面，interview.co提供试用版，具体定价信息需进一步探索。
-
Open NotebookLM:将任何PDF转换为播客集！
Open NotebookLM是一个利用开源语言模型和文本到语音模型的工具，它可以处理PDF内容，生成适合音频播客的自然对话，并将其输出为MP3文件。该项目的灵感来自于NotebookLM工具，通过使用开源的大型语言模型（LLMs）和文本到语音模型来实现。它不仅提高了信息的可访问性，还为内容创作者提供了一种新的媒体形式，使他们能够将书面内容转换为音频格式，扩大其受众范围。
-
Chital:macOS平台的Ollama模型聊天应用
Chital是一个为macOS平台设计的应用程序，它允许用户与Ollama模型进行聊天。这个应用具有低内存占用和快速启动的特点，支持多聊天线程，能够在不同的模型间切换，并支持Markdown格式。此外，它还能自动为聊天线程生成标题摘要。Chital的开发主要是为了满足开发者个人的使用需求，但也鼓励社区成员通过fork代码库来添加新功能。
-
SafeEar:保护隐私的音频深度检测
SafeEar是一个创新的音频深度检测框架，它能够在不依赖于语音内容的情况下检测深度音频。这个框架通过设计一个神经音频编解码器，将语义和声学信息从音频样本中分离出来，仅使用声学信息（如韵律和音色）进行深度检测，从而保护了语音内容的隐私。SafeEar通过在真实世界中增强编解码器来提高检测器的能力，使其能够识别各种深度音频。该框架在四个基准数据集上的广泛实验表明，SafeEar在检测各种深度技术方面非常有效，其等错误率（EER）低至2.02%。同时，它还能保护五种语言的语音内容不被机器和人类听觉分析破译，通过我们的用户研究和单词错误率（WER）均高于93.93%来证明。此外，SafeEar还构建了一个用于反深度和反内容恢复评估的基准，为未来在音频隐私保护和深度检测领域的研究提供了基础。