自动驾驶怕不怕下暴雨？自动聊聊极端天气这个“老大难”你有没有在暴雨天打过车？如果手机屏幕上跳出来的是一辆顶着激光雷达的自动驾驶车，你心里会不会咯噔一下？驾驶极端景仍技术反正我会。前段时间武汉下大雨，天气有网友拍到一台无人车在路口“犹豫不决”，表现半天不敢左转，差恶后面堵了一长串。劣场91片网评论区有人说：“这要是难关我坐在上面，早急死了。自动” 笑归笑，驾驶极端景仍技术但这件事确实点出了一个关键问题——自动驾驶在极端天气下，天气表现真的表现不行。不是差恶我不信任科技，而是劣场客观事实摆在那里。美国加州交通管理局每年都会公布自动驾驶脱离报告，难关就是自动测试车遇到搞不定的情况、需要人类接管的数据。我翻过2023年的报告，Waymo和Cruise在雨天、雾天等恶劣天气下的接管频率，是晴天的好几倍。哪怕是在凤凰城这种很少下雨的地方，只要路面湿滑，系统就像换了个人似的，变得保守、迟钝，17.c草在线看甚至直接停在路边“罢工”。传感器们各有各的“怕”要搞清楚为什么自动驾驶怕极端天气，得先明白它是靠什么“看”世界的。目前主流方案全靠三样东西：摄像头、激光雷达、毫米波雷达。这三兄弟各怀绝技，但也各自有软肋。先说摄像头。它最像人眼，靠可见光成像，分辨率高，能认颜色和文字标示。可一旦下雨，雨滴挂在镜头上就像近视眼没擦眼镜。我见过一个测试视频，车在暴雨中行驶，摄像头画面全是水痕和反光，红绿灯都变成一团团光晕。更别提夜里下雨，对面车灯一照，整块画面白茫茫一片，压根分辨不出哪里有行人。激光雷达呢，爱液不用登录靠发射激光脉冲并接收反射来构建三维点云。它对光线的依赖少，但怕雨滴和雪花。雨滴会反射激光，产生大量“噪点”——就像你在雷达屏幕上看到的雪花点。雾天更麻烦，小水滴悬浮在空气中，激光打到上面就散射了，有效探测距离直接砍半。有研究指出，中到暴雨下，激光雷达的有效探测距离能缩短30%到50%。这意味着原本200米外能发现障碍物，现在可能到100米才“反应过来”，高速上根本来不及刹车。毫米波雷达相对坚强，它靠电磁波工作，穿透雨雾能力很强。可它也有硬伤——分辨率低，分辨不出具体物形。它能告诉你“前方5米有东西”，但说不清那是个塑料桶还是缩在路边的孩子。所以现在所有主流系统都是“多传感器融合”，指望互相补位。软件黄色视频但补位也有极限，当暴雨大到所有传感器都“肉眼可见”地衰减时，系统整体就是个半盲状态。传感器优势极端天气弱点摄像头分辨率高、能认颜色怕雨滴遮挡、暗光、眩光激光雷达三维建模精确怕雨雪散射、探测距离骤减毫米波雷达不受大雾影响分辨率低、无法识别物体形态更麻烦的是，路况本身就变了就算传感器硬撑着没失灵，极端天气下的道路环境也完全变了样。之前有个朋友跟我聊，说“人下雨天不也照样开车吗？” 可人能做到，是因为人会“脑补”。我们知道水深的地方要慢，知道路上的落叶下面可能有坑，知道前车溅起的水花意味着什么。但自动驾驶没有这种常识。举个例子，大雨后路面常有积水。积水会对自动驾驶产生两个致命干扰：一是激光雷达打在平静水面上会发生镜面反射，探测不到水下深度；二是积水会倒映天空和旁边建筑，算法可能把倒影误判为真实障碍物，然后来个急刹车。含羞草免费在线观看我在一份学术论文里看到，北京某自动驾驶团队做过测试，雨后路面积水时，车辆检测“虚拟障碍物”的误报率比干燥路面高出70%。也就是说，系统经常以为前面有东西，其实只是一滩水。还有强风。侧风对高速行驶的车辆影响很大，但自动驾驶的控制算法大多按“车辆本身状态”来调整，普遍缺少对风速风向的直接感知。有些车通过偏移量倒推风力，但响应滞后。开过高速遇到横风的司机都知道，方向盘得一直微调，自动驾驶车在这种时候往往显得僵硬，忽左忽右，像新手学车握不住方向盘。数据不够，算法也“没经验”可能有人问：现在大数据这么厉害，多喂点雨天数据不就行了？问题在于，极端天气的数据又少又难标。自动驾驶的训练依赖海量场景数据，但真实的暴风雨、冰雪天气本来就不常见，而且哪怕同一个路段，每次下雨的积水深浅、能见度、反光角度都不一样，很难形成规律。更麻烦的是，雨滴、雪花在激光雷达点云里形成的噪点，是随机且不重复的。标注员老老实实去标这些图像，往往会发现刚标完，下一帧又是另一种形态。有一家自动驾驶公司的人跟我透露，他们一个专门标注雨天数据的团队，效率只有晴天数据的三分之一，成本翻了两倍。数据少了，算法就没见过那么多稀奇古怪的情况，自然就“没经验”。仿真模拟呢？确实能生成各种各样的天气，但模拟和真实世界之间有“鸿沟”。模拟器里的雨是数学建模出来的，雨滴大小、分布都比较规律。真实的雨是夹杂着风向、尘土、前车卷起的水雾的，那种混乱感，模拟器很难完全复刻。所以很多系统在模拟测试中能过“暴雨科目”，一上路就露馅。企业在硬磕，但还没完全解决好在行业里没人躺平。各个玩家都在想办法。比如特斯拉靠纯视觉，他们用神经网络模型从大量真实视频中学习“去雨”和“恢复”的算法，相当于在软件层面给摄像头“擦眼镜”。Waymo则是给激光雷达加上加热装置，减少表面凝结的水珠，同时优化算法过滤雨滴噪点。国内一些公司也在做类似的事：给传感器加雨刮器、用空气喷射吹走水滴、布置多个传感器互为冗余、引入高精地图提前避开水淹路段……这些招都有用，但也只是把“完全不可用”变成了“勉强能用”。我查过一个比较新的测试数据：2024年8月，有机构在雨天测试了国内几款主流搭载NOA（导航辅助驾驶）的量产车，结果在能见度低于50米的暴雨中，所有车辆都退出了辅助驾驶模式，提示驾驶员接管。这就说明了问题——现在的系统设计逻辑是“怕出错，宁可不干”。与其冒险开车，不如把方向交还给人类。这当然安全，但也意味着，极端天气下自动驾驶还远远谈不上“全覆盖”。再说说激光雷达清洗这种小事你可能想不到，一个很不起眼的技术难题是传感器表面脏了怎么办。下雨天，泥土会随着雨水溅到车身上，传感器外壳一旦被泥点挡住，那可不就是“睁眼瞎”？目前有些车配了超声波清洗系统，能自动喷水刮洗。但喷水后如果下着雨，新的雨水又会立刻打上来，很容易形成一层水膜，比泥点还麻烦。有工程师跟我吐槽，这是“洗完脸又淋湿”的尴尬。你看，连这种细节都还做不到完美，更别提什么大雾里识别前方落石了。所以极端天气到底意味着什么？客观地说，现在的自动驾驶，L4级Robotaxi基本都是限定在温和天气、清晰标线、低速小范围内行驶。碰到暴雪、冰雹、台风这种真正恶劣的天气，几乎所有系统都会选择“退出”或“降级”。这不是哪个公司技术更差，而是整个行业都还没跨过这道坎。我之前看过一篇论文，里面提到一个观点让我印象很深：极端天气对自动驾驶来说不只是传感器问题，而是一个涉及感知、决策、控制全链路的系统性难题。传感器看不远，算法就做错预测；预测错了，控制就会急刹或乱摆。一个环节掉链子，整台车就“慌了”。回到开头那台暴雨中不敢左转的无人车。它其实做对了——拿不准的时候就等着，等状况明朗了再走。虽然让后车着急，但至少没有鲁莽驾驶。目前这种“保守策略”恰恰是极端天气下最安全的方案。只是对于用户来说，在暴雨天等一台“不敢走”的车，确实挺磨人。自动驾驶要学会在暴雨里从容开车，就像人考驾照要练雨天夜路一样，是绕不开的一课。现在它还只是个“新手司机”，逢大雨就刹车、遇浓雾就靠边，看起来笨拙，但这就是成长的一部分。说不定再过几年，它能比我这个老司机更懂哪条路积水浅、哪条路侧风大。到那时候，我再安心把方向盘交给它吧。
泉州已培养全科医生1819名 提前完成既定目标
原标题：泉州已培养全科医生1819名 提前完成既定目标
全科医生是综合程度较高的复合型临床医学人才，主要在基层承担常见病、多发病诊疗和转诊、预防保健、病人康复和慢性病管理等一体化服务，被称为居民健康的“守门人”。记者从市卫健委了解到，当前我市共培养培训全科医生1819名，城乡每万名居民约拥有2.09名全科医生，提前完成既定目标。
随着医改深入推进，医疗资源进一步下沉，培养更多全科医生，充实基层医疗卫生力量，成为泉州医疗事业发展的重点。根据《泉州市卫生计生事业“十三五”发展规划》《泉州市医药卫生体制改革“十三五”发展规划》，到2020年，我市将基本形成统一规范的全科医生培养模式和“首诊在基层”的服务模式，城乡每万名居民拥有2名合格的全科医生。
近年来，我市着力从扩大培养途径、拓宽职业发展路径、降低评审门槛、提高薪酬待遇等方面，进一步加大全科医生的培养和激励力度。“特别是在待遇报酬方面，为了鼓励更多全科医生投身基层，我市对所有基层医疗卫生单位全日制本科普通高等院校及以上学历（不含在职学历）卫技人员每人每月补助1000元，对乙类、丙类乡镇卫生院全日制大专普通高等院校学历（不含在职学历）卫技人员每人每月补助500元。”市卫健委相关负责人介绍说。
下一步，我市将继续结合基层医改和家庭医生签约服务，不断改革完善全科医生培养与使用激励机制，继续拓宽全科医生职业发展前景，进一步壮大基层医疗卫生机构全科医生队伍，筑牢居民健康的“守护线”。（记者郭雅莹 通讯员吕景佳）
原标题：当好居民健康“守门人” 泉州已培养全科医生1819名
责任编辑：凌芹莉
记者：莱奥未同意加盟维拉，已与加拉塔萨雷谈妥个人条款
记者Sacha Tavolieri报道，莱奥从未同意加盟阿斯顿维拉。 正如昨天所解释的那样，这名葡萄牙球员希望加盟加拉塔萨雷，双方已经就个人条款达成协议。 米兰与这家土耳其俱乐部仍在继续谈判。
相关新闻 （共 6 条）