驾驶员司机求职简历

驾驶员司机求职简历（精选6篇）

篇1：驾驶员司机求职简历

驾驶员/司机求职简历

基本资料

姓名： 林XX

性 别： 男

年 龄： 26

民 族： 汉族

户 籍： 广东 茂名

婚姻状况： 未婚

身高： 170 cm

体 重： 55 kg

现所在地： 广东 广州

所学专业： 驾驶操作

------------------

教育/培训

2004年3月-2008年12月 司机训练大队（部队）驾驶操作 大专

2004年3月-2004年10月 司机训练大队（部队）驾驶技能与理论

------------------

工作经验 至今有 5 年工作经验

?75123部队 2004年3月-2008年12月

公司性质：国有企业 行业类别：运输、物流、快递

担任职位：其他类-交通运输

工作描述：本人自从2004年在75107部队司机训练大队毕业之后，一直在部队担任驾驶员，2006年—2008年担任教练班长。里程150000公里安全无事故，带出驾驶学员27名。

------------------

技能/专长

语言能力： ；普通话(标准)

计算机能力： 初 级

技能专长： 本人具有娴熟的驾驶技术，懂得基本的维修保养。

------------------

求职意向

求职类型： 全职

待遇要求： ￥元/月(可面议)

希望岗位： 其他类-交通运输

希望地区： 广东广州

最快到职： 可随时到职

提供住房： 不提供

------------------

发展方向

希望我能在新的岗位尽我所能为公司争取最大的利益，为公司作出我最大的贡献。不怕苦累发扬军人本色，能吃苦耐劳，安分守己，有团队合作精神，能以完成工作为首要任务。

专业：驾驶员。

------------------

自我评价

本人是一个诚实认真，独立自主，有毅力且责任心强，做事有激情的人，在自己的领域内总是期待做到最好。而且我会尽我所能为公司争取最大的利益，为公司作出我最大的贡献。不怕苦累发扬军人本色，能吃苦耐劳，安分守己，有团队合作精神，能以完成工作为首要任务。

篇2：驾驶员司机求职简历

驾驶员司机在制定个人简历的时候，应该要做的就是尽可能将自己的优点和长处凸显出来，这样就能够从一定程度上提升你的求职成功率了。

个人信息

yjbys

性 别： 男

年 龄： 31岁 民 族： 汉族

工作经验： 10年以上 居 住 地： 浙江台州 温岭市

身 高： CM 户 口： 浙江台州 温岭市

自 我 评 价

诚实忠厚的人，能吃苦.一般化的驾驶员司机岗位的工作都能吃的消!C1驾照,会开叉车,有货运上岗证!擅长各类货车轿车皮卡!主开江铃，庆铃，解放，江淮，东风箱式货车平板车各种皮卡各种桥车

求 职 意 向

希望岗位： 后勤保障类-保安/司机/搬运 其他类-交通运输

寻求职位： 驾驶员，司机(会开叉车)风机安装，风机配件采购

希望工作地点： 浙江台州温岭市

期望工资： 4500 /月(可面议) 到岗时间：随时到岗

其它待遇要求： 路远的提供住房

工作目标 / 发展方向

驾驶员,司机,(会叉车).C1照.有货运上岗证.8年工作经验。风机安装，风机配采购

工 作 经 历

▌-08-03---02-05：台州正立电机有限公司

所属行业： 生产、制造、修饰加工(民营企业)

担任岗位： /

职位名称： 驾驶员

职位描述：每天驾驶货车给厂里送货……

▌-02-01--2015-05-31：上海佳浪机电有限公司

所属行业： 机械制造、机电设备、重工业(私营企业)

担任岗位： 其他类/交通运输

职位名称： 驾驶员兼生产安装采购配件

职位描述：负责把货送望各个托运站兼制造产品并购买配件等

工作职位是驾驶员，安装员，采购员。主要工作是负责发货(产品发送，产品配件的配送)，安装(产品的安装轴流风机，鼓风机，中压风机，离心风机排风扇，风机电机等之类的安装)，采购(风机配件之类的购买).总之什么都要做从头做到尾。(采购，安装，发货)

▌-03---10：温岭市世华副食品商行

所属行业： 快速消费品(食品、饮料、粮油、化妆品、烟(私营企业)

担任岗位： 后勤保障类/保安/司机/搬运

职位名称： 驾驶员司机

职位描述：驾驶员工作 每天出车配送温岭市范围内的超市批发部 并带仓库内开叉车整理仓库

▌-04--2011-02：台州市晨莱机电有限公司

所属行业： 汽车、摩托车及配件业(私营企业)

担任岗位： 后勤保障类/保安/司机/搬运

职位名称： 驾驶员司机

职位描述：驾驶员工作 主要负责送货 并带在厂内开叉车

▌2004-10--2009-03：温岭市巨大电器有限公司

所属行业： 机械制造、机电设备、重工业(私营企业)

担任岗位： 后勤保障类/保安/司机/搬运

职位名称： 驾驶员司机

职位描述：驾驶员工作 每天出车送货 并带厂内开叉车

教 育 经 历

-02--2004-07 温岭市综合高中 计算机类/ 高中

技 能 专 长

技术职称： 驾驶员 司机

语言能力： 其他：一般; 中文普通话：一般

所在地方言：一般;

计算机能力： 初级

计算机详细技能： 计算机应用和系统基础

其它相关技能：

驾驶员,司机,(会叉车).C1照.有货运上岗证.五年工作经验,另外会点计算机方面的基础

拓展阅读：如何才能够提高个人简历的含金量

现代社会，求职的.难度已经开始变得越来越大了。城市中的竞争大，压力也很大，所以很多的大学生在毕业以后就难以找到一个适合自己的工作机会。毕业就意味着失业，刚刚踏入社会的学生都不知道如何才能够在求职的道路上获得更好的发展机会。大学生毕业求职，需要考虑到的问题其实是有很多的，不仅仅包括的有工作的选择问题，同时也包括的有个人简历的制作问题。

在我们求职的过程中，个人简历在求职中发挥着重要的作用，毕竟企业在最初是通过个人简历来意识求职者的。个人简历在制作的过程中也需要考虑到很多的窍门，比如在措辞的方面一些需要注意的问题，在给个人简历进行措辞的时候，不要有夸大的成分，也不要太过于谦虚，要将自己的长处和能力做一个更好的陈述，这样就能够让求职更加容易获得成功了。

篇3：机车司机疲劳驾驶监测

铁路运输涉及大量旅客的人身和财产安全,机车驾驶员在长时间、连续地工作情况下,容易出现疲劳驾驶现象,从而为铁路安全作业埋下安全隐患。因此,对机车驾驶员疲劳驾驶进行及时监测和预警,对提高铁路行车安全具有重要意义。驾驶员大约90%的信息依靠视觉得到的,很多研究机构都采用了对眼睛生理特征的检测来判断驾驶员的疲劳状况。在疲劳引发的事故之前,驾驶员眨眼行为提前发生变化,眨眼频率会增加,眼皮覆盖眼睛的百分比也会增加。因此,通过测量眼睛闭合、眼睛运动和眼睛生理特征来监视驾驶疲劳是一个适宜的方法。

根据PERCLOS原理,在单位时间内,驾驶员的眼睛处于闭合状态累计超过一定比例,则可判断驾驶员处于疲劳驾驶状态。本文对图像进行预处理之后,利用Ostu提出的最大类间方差法,将人脸分割出来;在此基础上,对图像进行垂直方向和水平方向灰度积分,获取人眼位置;再将人眼区域像素视为特征向量,输入到SVM分类器,实现对驾驶员眼睛睁、闭状态判断;最后依据PERCLOS对驾驶员驾驶状态作出判断。由于SVM在处理非线性、小样本问题方面具有其独特优势,因此本文提出的疲劳驾驶监测方法,在实验中表现出较高的准确度,取得了预期效果。

1 眼睛区域定位

1.1 图像预处理

图像在实际运用中,由于自然条件或人为等因素,难免存在各种各样的噪声,这些噪声可能在传输中混入,也可能是在量化处理过程中产生。它们会对图像的定位、识别带来很大影响,为准确提取驾驶员眼睛位置,必须先对图像进行消噪处理。中值滤波器是一种常用的非线性平滑滤波器,它的输出像素值是由领域像素中间值所决定,对极限像素值不是特别敏感,因此中值滤波器产生较少模糊,适合于消除图像中的孤立噪声点。本文采用默认3×3滤波器窗口大小,对噪声进行消除处理。此外,图像是在不同自然条件下采集的,有些图像可能亮度偏低,有些可能亮度偏高,这些都会导致图像清晰度不够,不利于后续处理。利用直方图均化技术,使图像灰度分布均衡化,削弱了不同光照条件对图像的影响,提高了图像的清晰度。图像预处理前后对比如图1所示图像预处理之前:驾驶员衣领存在许多和人脸肤色相差无几的白色碎点,不利于后续人脸分割,可视为噪声。中值滤波后,消除了大部分白色碎点。

1.2 人脸区域分割

将人脸从周围背景图像中分割出来,一般采用阀值分割法。它充分利用目标物和背景在灰度特性上的差异,把图像视为两类区域的组合。通过设立一个合适的灰度阀值,可以对每个象素点是否属于目标物作出判断,从而产生对应的二值图像。图像经过分割后,数据大大被压缩,减小了后续计算量。

阀值分割图像原理描述如下:

Ostu提出的最大类间方差法算法简单、方便可行。

设原始图像灰度级为L,灰度级为I的象素点为ni,则图像的全部像素为:

按灰度级用阀值t划分为两类:C0=(0,1,2,…,t)和C1=(t+1,t+2,…,t-1)。C0和C1类的类出现概率以及均值层分别由下列各式给出:

C0和C1的类的方差可由下式得到:

类间方差为:

类内方差为:

总体方差是这两者之和。对图像进行分割后,提取出驾驶员人脸区域,如图2所示:由于驾驶员衬衣衣领部分的灰度值恰好与人脸灰度值范围重合,因此,这部分图像错误划分到人脸区域了。该部分图像具有对称性,虽然会对图像积分投影极值的大小带来影响,却不会影响积分投影取极值时所对应的y坐标和横坐标,因此,最终不影响人眼区域的提取操作。

1.3 灰度积分求取人眼位置

将得到的驾驶员人脸图像,进行水平积分投影和垂直积分投影,灰度积分投影算法如下:

积分投影后得到图3。根据人脸特征,通过分析水平积分图,可以获知人眼的y坐标范围。首先,人眼是位于人脸的上半部分,其次,人眼区域灰度值比较小,对应的水平积分投影应该是整个水平积分投影图的一个波谷;结合上述因素考虑,投影图的第一个波谷应该是眼睛区域的y坐标范围,即:[60 72]。此外,由于人眼、眉毛、嘴巴、鼻子、下巴等细节区域的横坐标,都是位于两眼的横坐标范围之内,反映到垂直积分投影图上,就是在眼睛横坐标范围内存在许多黑色区域,因此积分投影图波动较多,其他范围基本上没有小块黑色区域,基本上没有波动。从图上可知:眼睛的横坐标范围是:[40 80]。

根据求得的两个坐标范围,将人眼裁减出来,如图3(c)所示。

2 眼睛状态识别

2.1 支持向量机原理

支持向量机由Vaplik1992年提出[1],现为国际机器学习的前沿热点。其核心思想是建立一个决策超平面,使正例、反例之间的隔离边缘最大化。

设存在两个超平面为:

H1:ω·x+b=1和H2:ω·x+b=-1,则超平面H1到原点的距离为|1-b|/||ω|,超平面H2到原点的距离为|-1-b|/||ω|。因此,两个超平面之间的距离是2/||ω|,它被称为分类间隔,因此,求间隔最大变为求|ω|最小的问题:

引入正松弛因子ζi和惩罚参数c,将约束条件修改为:yi=[(wxi)-b]-1+ζi

目标函数改为:

选取合适的核函数k(xi,xj),把非线性问题转化为一个高维空间里的线性可分问题,然后在该高维空间中求解最优超平面。在特定高维空间中建立的分类决策函数为:

2.2 眼睛睁、闭状态识别

眼睛睁开时,从图象特征角度来分析:由于眼球既有黑色部分,又有白色部分,黑色部分的存在使得眼睛区域的灰度值较小;眼睛闭和时,眼皮完全遮住眼球,而眼皮和人脸其他部分的皮肤是一致的,因此,相对于睁开时来说,眼睛区域的灰度值要大一些。SVM利用眼睛状态不同时的这个特征区别,可以对眼睛状态作出正确判断。

如果将眼睛区域中的每个象素点都输入到SVM分类器,从理论上来说,是可以对眼睛状态作出正确判断的。实际上,由于图像像素点很多,SVM分类器计算任务繁重,严重影响分类器的分类速度。为进一步压缩数据,本文采用小波算法先对提取的眼睛图像进行小波分解,然后提取各层的近似分量和细节分量,并把各分量的能量值求出。那么,将各分量的能量值依次排列,即可得到一个蕴含该图像信息的特征向量。将图像特征向量输入到SVM分类器,从而可以实现对眼睛睁、闭状态的识别。

1)利用waverec2函数对眼睛区域图像进行2层小波分解,分解后各层图像如图4所示。设眼睛区域原图像是A,则分解之后存在下面关系:

因此,原图像的特征全部蕴涵在LL2、LH2、LV2、LD2、LH1、LV1、LD1 7个参量之中,LL1和LL2作为图像的近视分量,大致保持了原图像的特征;LD2、LD1作为细节参量,反映原图象高频细节特征;LH2、LV2、LH1、LV1反映原图像水平和垂直方向的特征。当驾驶员眼睛处于睁开和闭合两个不同状态时,7个参量对应地有两种不同取值;通过分析这7个参量,可以判断眼睛处于何种状态。

2)提取各层的近似分量和细节分量

采用appcoef2()函数可以提取图象小波分解的各层近似分量;采用deccoef2()函数可提取图像小波分解的各层细节分量、水平分量和垂直分量。

3)计算求出上步获得的各分量的能量值,得到图像特征向量

设小波分解后,某一分量为S,是一个N×M二维数据,其能量为E:

按照(14)式计算方法,求出7个图像分量的能量值并按照一定顺序排列,例如:

[E1 E2 E3……E7]

即可得到故障特征向量。

4)设置好SVM分类器参数,输入图像特征向量,实现对驾驶员眼睛状态的识别

由于眼睛只有睁开和闭合两种状态,只需采用一对一算法建立一个支持向量机分类器。SVM参数设置为:gam赋值为10,综合考虑了模型的复杂度和数据的平滑性要求;sig2设为0.5核函数为:RBF-kernel。最后输入图像特征向量,完成眼睛状态判别。

为验证本文采用的方法可有效地识别司机眼睛的睁、闭状态,采集20张图片(其中10张属于睁眼状态,10张属于闭合状态),经过前文所述的一系列操作,得到20个7维特征向量作为训练样本。先利用这20个训练样本训练SVM分类器,使SVM完成“学习”,建立眼睛睁、闭两个状态的分类超平面。然后再往该20个样本中添加5%以内的随机噪声,构造新的20组数据作为测试样本。最后,将测试样本输入到SVM分类器进行眼睛状态睁、闭识别,以验证SVM能否有效地识别司机的眼睛状态。

实验结果为:识别精度100%、识别时间0.589秒。说明在20个测试样本中,SVM分类器将20个样本正确识别归类;识别所花费的时间也较少,效率较高。因此,采用SVM能快速、有效地识别司机的眼睛状态。

3 驾驶员疲劳状态判断

在完成对司机眼睛状态的识别后,利用PERCLOS原理可对司机的驾驶状态作出判断。单位时间内,眼睛闭合时间所占的百分比率被称为PERCLOS。当此比率超过一个阀值,即可认为人是处于疲劳状态。

设在T时间段内,每隔t时间间隔采集一张司机图象,共采集N张司机图像。对N张图像进行眼睛状态识别,统计眼睛处于闭合状态的图片数为M。那么依据PERCLOS原理可得:

司机眼睛闭合状态的比率为:f=M/N

当f>=8 0%时,判定驾驶员处于疲劳驾驶状态,需要给出预警信号;反之,驾驶员处于精力良好驾驶状态,不需给出预警信号。

4 实验与分析

为验证疲劳检测的效果,进行模拟实验测试。随机抽取20个人参与实验,在不同时段,对每个人共进行10次连续监测(上午3次、下午3次、晚上4次),检测结果的准确率在87.5%以上。具体数据如表1所示。实验数据表明:上、下午实验的监测真确度明显高于晚上,这是由于晚上光线相对较弱而造成的;此外,在实验中发现,如果头部位置偏移太大会影响眼睛的检测,可能导致误测。

5 结束语

实验数据表明:本文采用的方法能够较准确地对机车司机的驾驶状态作出监测,准确度在87.5%以上;所花费的时间较少,具有良好的实时性。此外,监测的准确度与环境光线、被测对象的坐姿等有一定关系,这是本文以后需继续深入研究的问题。

参考文献

[1]袁胜发,褚福磊.SVM多类分类算法及其在故障诊断中的应用[J],振动工程学报,2004,17(5):420-422.

[2]董长虹.小拨分析工具箱原理与应用[M].北京:国防工业出版社,2004.

[3]钟燕科.改进的SVM用于主变流器故障诊断[J].机车电传动,2010,02.

篇4：无人驾驶：司机，再见

The companies developing self-driving cars say handing control over to the machines will make the future a far better place. Once robot chauffeurs1） are here， they say， the number of car crashes will plummet. Liberated from the need to keep our hands on the wheel and eyes on the road， drivers will become riders with more time for working， leisure， and staying in touch with loved ones. We’ll free ourselves from the archaic model of the multi-car household. And we won’t waste so much space parking the damn things.

Even the NHTSA2）， hardly a starry-eyed3） cheerleader for technological progress， says the advent of vehicles that drive themselves will provide “completely new possibilities for improving highway safety， increasing environmental benefits， expanding mobility， and creating new economic opportunities for jobs and investment.”

The idyllic picture painted by automakers and regulators may sound overblown， but a new report from consulting firm McKinsey & Company4） says it is， for the most part， accurate.

Automakers expect to introduce autonomous technology in phases， rolling out5） the cool new features in otherwise conventional cars. In three to five years， we can expect cars to do the heavy lifting6） during traffic jams and highway cruising， but cede7） control to their carbon-based occupants the rest of the time. Beyond that comes the more difficult challenge of driving in urban arenas， where there are far more obstacles and variables， like pedestrians， cyclists， cabbies and the like. That’s a tougher nut to crack8）， but our cars will become increasingly autonomous over the next 25 years， and we can expect them to be fully autonomous by 2040.

We’re already well on the way. Google’s fleet9） of self-driving cars has logged more than 700，000 miles without causing an accident. Audi let me pilot its sleek10） prototype from Silicon Valley to Las Vegas earlier this year. And just last week， the bonkers11） Mercedes-Benz robo-car concept was roaming San Francisco.

The McKinsey report， based on research by McKinsey analysts and interviews with industry experts， buys into12） this idea of gradual introduction， and divides its findings in three phases. In the first， which runs through 2020 or so， the impact of autonomous technology will be limited： While self-driving vehicles already have infiltrated industrial and controlled settings like farms and mines， passenger vehicles will remain in the prototype and testing phase. This jibes with13） the timelines laid out by the companies like Mercedes and Nissan， which plan to offer cars with autonomous features by 2020. Audi’s shooting for roughly the same date， and Volvo is targeting 2017 for a large-scale， real-world test involving 100 customers.

nlc202309041142

The technology will experience growing pains between 2020 and 2035 as the technology begins entering the mainstream. This will require regulators around the world to create comprehensive rules regarding how these cars are developed， tested， approved and licensed. Insurance companies will need to figure out how to change their basic model—drivers pay for individual coverage—to a system where automakers purchase insurance in case of technical failures. Wider adoption of the technology could have ancillary14） impacts， as well. Independent repair shops will become less relevant， for example， as remote diagnostics and over-the-air updates become commonplace， and fewer accidents—one promised benefit of autonomous technology—could mean fewer repairs. Cabbies and Uber15） drivers will become irrelevant. So too could long-haul16） truckers.

Meanwhile， consumers will start to really get accustomed to the idea of giving up the wheel， and they’ll probably like it. Safety benefits should come quickly， as precursors to full autonomy have already had an impact： The Insurance Institute for Highway Safety17） （IIHS） reports a 7 percent reduction in crashes among cars that have a basic forward-collision warning system. Include automatic braking features， and that number is 14 to 15 percent， according to Consumer Reports. More self-driving will mean bigger reductions， which is why autonomous features are a big part of Volvo’s plan to eliminate deaths and serious injuries in its cars by 2020.

And given how much time Americans waste in traffic—111 hours annually per driver， per a study by INRIX18）—that means anyone with one of these cars will be able to significantly boost their productivity.

But it’s in Phase 3， after 2040， that the fun begins. This is the point where autonomous cars become our primary means of transport， and all the rules are up for debate. Just as car design will fundamentally change once things like forward-facing seats， mirrors， and pedals are no longer necessary， the way we structure physical space could evolve： McKinsey predicts that by 2050， we might need just 75 percent of the space we now reserve for parking our cars. Because this is America， that means we get back 5.7 billion square meters of space—enough to hold the Grand Canyon and then some. That’s because autonomous cars can pack themselves together tightly （no need to allow space for humans to exit）.

More than that though， our entire idea of car ownership could change. Currently， cars sit unused about 95 percent of the time. That leaves a lot of room for improvement in terms of how we allocate resources.

nlc202309041142

We won’t stop buying cars altogether—people will still want the option to independently drive and use the vehicle， and have fun doing so—but we will buy fewer cars. Without the need for a human at the helm19）， one autonomous vehicle could take the place of two conventional vehicles： If Joan is going golfing and Joe needs to go shopping， a single car could drop Joan off at the club， swing back to the house to take Joe to the supermarket and back， then return to the club and get Joan.

The recurring theme in the McKinsey report is that the consumer wins. Yes， cars crammed full of high-end technology will likely cost several thousand dollars more than they do today. But “drivers” will save money in the form of regained time （spend your commute working instead of driving！） and many fewer accidents： McKinsey pegs20） the savings on repair and health care bills alone at $180 billion in the US， predicting a 90 percent drop in crashes.

The economic boon21） from increased productivity is harder to quantify and McKinsey doesn’t offer a number. After all， there’s no guarantee people will use their commute times to work instead of nap， text， or hone their Candy Crush22） skills. But the general outlook is clear： In a world where we don’t drive， we’re better off.

正在研发无人驾驶汽车的公司称，把控制权交给机器，会使未来的世界更美好。这些公司声称，机器人司机一旦就位，车祸的数量将直线下降。驾驶员无需再手握方向盘，也不用眼睛盯着路面，他们将变成乘客，有更多的时间来工作、放松、与亲朋好友保持联系。我们将打破一个家庭拥有多台车的旧模式，也不会再浪费那么多的地方来停放这些破东西。

美国国家公路交通安全管理局很少对科技进步持过分乐观的支持态度。可就连他们都说，自动驾驶汽车的出现将提供“全新的可能性，有助于提高公路交通的安全性，增加环境效益，增强流动性，为就业和投资提供新的经济机会”。

由汽车制造商和监管机构勾勒出的这种田园般的愿景听起来似乎言过其实，但麦肯锡咨询公司发布的一份新报告称，这种说法大体来说是准确的。

汽车制造商想要分阶段引入自动驾驶技术，先在传统汽车上配置炫酷的新功能。在未来的三到五年，汽车有望在交通拥堵时自动完成麻烦的工作，并在公路上缓慢平稳行驶。但在其他时候，操控权还是要交给车上那些活生生的乘客。除此之外，还有在市区行驶这一更大的挑战。市区里有更多的障碍，还有行人、骑车人、出租车等更多不确定因素。这才是一个更难解决的问题。不过，在未来的25年中，汽车将变得越来越自动化，并有望在2040年实现全自动控制。

我们已经取得了不错的进展。谷歌的无人驾驶汽车车队已经有了行驶70余万英里无事故的记录。今年早些时候，我试驾了奥迪的流线型原型车，从硅谷开到了拉斯维加斯。就在上周（编注：英文原文发表于2015年3月），梅赛德斯-奔驰那款疯狂的自动驾驶概念车还在旧金山疾驰。

麦肯锡的报告是根据其分析人员的研究和对业内专家的采访写成的。该报告认可这种逐步引入的思想，并将其调查结果分为三个阶段。第一阶段从现在开始到2020年左右，自动驾驶技术的影响力还十分有限。虽然无人驾驶汽车已经进入工业和受控的环境，如农场和矿山，但乘用车仍将处于原型车和测试阶段。这与梅赛德斯和尼桑等公司设定的时间表一致。这两家公司计划于2020年前推出配有自动驾驶功能的汽车。奥迪也瞄准了大致相同的日期。而沃尔沃公司的目标是，在2017年组织一次由100位客户参加的大规模的、真实环境中的试驾。

2020至2035年，自动驾驶技术将经历成长的阵痛，因为此时该技术开始成为主流。这就需要世界各地的监管机构制定全面的制度，对无人驾驶汽车如何研发、测试、获批及发放许可证进行监管。保险公司需要想好如何改变他们的基本经营模式。之前是司机给个人投保，以后则要由汽车制造商购买保险，以防出现技术故障。该技术的更广泛应用还可能产生一些附带的影响。比如，由于远程诊断和在线升级越来越普遍，事故越来越少（这是自动驾驶技术承诺的好处之一），维修也可能减少，所以独立汽修店将变得无关紧要。出租车司机和“优步”公司的驾驶员也不再重要，长途卡车司机可能也不例外。

nlc202309041142

与此同时，消费者将开始真正适应并很可能喜欢上这种放弃方向盘的感觉。很快，安全效益将随之显现，全自动驾驶技术的先驱已经显示出了效果：美国公路安全保险协会的报告表明，装有基础版前方碰撞预警系统的车辆出事故的几率降低了7%。根据《消费者报告》，如果将装有自动制动装置的车辆也算在内，这一数字是14%到15%。汽车越自动，事故率下降得就越多，这正是沃尔沃公司把自动驾驶功能作为其计划中的一个重要部分的原因。该公司计划，截至2020年，乘坐他们的汽车将不再有死亡和重伤出现。

美国人在交通上浪费了大量的时间。英雷克斯公司的一项研究显示，每位美国驾驶员一年浪费在交通上的时间达111个小时。因此，一个人只要拥有上述任何一辆自动驾驶汽车，就能大幅提高其工作效率。

2040年以后将进入第三阶段，这时自动驾驶技术才能带来乐趣。届时，无人驾驶汽车成为人们主要的交通工具，所有的交通规则也都可供商榷。一旦前朝向座椅、后视镜和踏板不再是非有不可的配置，那么汽车设计也会发生根本变化。这样一来，我们对物理空间的设计也会改变：麦肯锡公司预计，到2050年，我们需要的停车空间可能只是现在空间的75%。因为我们说的是美国，这就意味着我们可以节约出57亿平方米的空间——足以容纳整个科罗拉多大峡谷，还绰绰有余。这是因为自动驾驶汽车可以紧密地停靠在一起，无需留出供人下车的空间。

不过，还不止于此。我们拥有汽车的想法可能会彻底改变。目前，在大约95%的时间里，汽车都处于闲置状态。这为我们分配资源留下了很大的提升空间。

总的来说，我们还是会去买车。人们还是想有选择的权利，能自己驾驶和使用汽车，并从中得到乐趣。不过，我们购买汽车的数量会比以前少。由于无需人来掌舵，一辆自动驾驶汽车可以替代两辆传统汽车：如果琼要去打高尔夫球，而乔需要购物，一辆自动驾驶汽车就能先把琼送去俱乐部，再回家把乔送到超市，然后再返回俱乐部接琼。

麦肯锡的报告反复提到的一点是，消费者是赢家。当然，装满了高端技术组件的汽车很可能会比现在的汽车贵好几千美元。但是，“驾驶员”也省了钱，因为节省了时间（上下班途中可以工作，不用开车！），事故也减少了。麦肯锡公司预计，交通事故将减少90%，仅是省下的维修费和医疗费就将达1800亿美元。

由生产力提高所带来的经济效益更难量化，麦肯锡公司也没有提供确切的数字。毕竟，我们无法保证人们会把通勤时节约出来的时间花在工作上，而不是小憩、发短信或是提高玩手机游戏《糖果粉碎传奇》的技术上。不过，整体前景是明朗的：在一个无需自己驾车的世界里，我们会过得更好。

1.chauffeur [????f?（r）] n. 私人司机

2.NHTSA：美国国家公路交通安全管理局（National Highway Traffic Safety Administration）

3.starry-eyed：过分乐观的；不切实际的

4.McKinsey & Company：麦肯锡公司，世界领先的全球管理咨询公司

5.roll out：推出（新产品）

6.heavy lifting：（需要花费很多力气的）繁重工作

7.cede [si?d] vt. （常指迫不得已地）让出

8.a tough nut to crack：难以解决的问题

9.fleet [fli?t] n. 车队

10.sleek [sli?k] adj. （车辆等）外形流畅雅致的

11.bonkers [?b??k?（r）z] adj. 疯狂的

12.buy into：相信；接受

13.jibe with：相一致；符合

14.ancillary [?n?s?l?ri] adj. 附属的；附带的

15.Uber：美国一家交通网络公司，总部位于旧金山，提供实时预订出租车和私家车服务。目前Uber已进入中国市场，中文译名为“优步”。

16.long-haul：长途的

17.The Insurance Institute for Highway Safety：美国公路安全保险协会

18.INRIX：英雷克斯，美国一家交通信息服务提供商，能为用户提供实时车辆交通数据。

19.helm [helm] n. 领导位置

20.peg [peɡ] vt. 限定（价格、数量等）

21.boon [bu?n] n. 恩惠；福利

22.Candy Crush：《糖果粉碎传奇》，一款风靡全球的消除类手机游戏

篇5：驾驶员应聘求职简历

简历就那么点地方，如果自我评价占据空间太多，那必然会压缩其它版块的内容。使得简历可读性降低。

个人信息

yjbys

性 别： 男

民 族： 汉族 年 龄： 36

婚姻状况： 未婚 专业名称： 机电一体化

主修专业： 机械制造类 政治面貌： 团员

毕业院校： 龙岩职业技能学院 毕业时间： 1947年1 月

最高学历： 中专 电脑水平： 一般

工作经验： 十年以上 身 高： 170 cm 体重：73公斤

现所在地： 新罗区 户 籍： 1008-1479

求职意向

期望从事职业： 驾驶员. 期望薪水： 4000-5000

期望工作地区： 新罗区 期望工作性质： 全职

最快到岗时间： 随时到岗 需提供住房： 不需要

教育/培训

教育背景：

学校名称： 龙岩职业技能学院 ( 9月 - 6月 )

专业名称： 机电一体化 学历： 中专

所 在 地： 龙岩 证书：

专业描述： 机电一体化，机械制造与基础电工

学校名称： 龙岩一中 ( 9月 - 206月 )

专业名称： 学历： 初中

所 在 地： 龙岩 证书：

专业描述： 初中

培训经历：

工作经验

公司名称： 龙岩市新罗区永盛商贸有限公司 ( 7月 - 1月 )

所属行业： 快速消费品(食品·饮料·粮油·日化·烟酒…) 公司性质： 私营.民营企业

公司规模： 10～50人 工作地点： 新罗区

职位名称： 驾驶员

工作描述： 负责后勤保障工作以及配送服务

公司名称： 私营 ( 202月 - 12月 )

所属行业： 交通·运输·物流 公司性质： 私营.民营企业

公司规模： 10人以下 工作地点： 龙岩

职位名称： 驾驶员

工作描述： 装卸货物

公司名称： 广州惠威电子有限公司 ( 209月 - 2005年12月 )

所属行业： 家电业 公司性质： 私营.民营企业

公司规模： 50～200人 工作地点： 广州番禺工业区

职位名称： 仓管员，销售

工作描述： 管理仓库，负责货物出入库登记发货

自我评价

自我评价： 本人对工作认真负责，吃苦耐劳

语言能力

语种名称 掌握程度

英语 良好

普通话 良好

拓展阅读：别再用一份简历打天下了

简历的写作要有明确得针对性。有些人喜欢只做一个简历，然后什么工作都用这个简历，这种方法100%是失败的。因为任何不同的工作，对人的要求都是不同的，所以制作简历时一定要清楚这个工作需要什么，然后再在简历中告诉用人单位你们的要求我一一符合。

篇6：司机/汽车驾驶员个人简历

十年以上工作经验 | 男 | 34岁（1976年9月22日）

居住地：上海

电话：139********（手机）

E-mail：

学历：大专

专业：计算机信息管理

学校：华东理工大学

自我评价

1、多年服务于外籍人士，工作经验丰富，掌握基本的英语听、说能力，并对外籍人士的生活习惯有一定的了解。

2、持有A1、A2照驾驶证，从事专职司机已连续17年，驾驶技术娴熟。且熟悉本市的道路交通状况,有良好的汽车保养技术，还有一定的维修能力。曾多次获得出租汽车公司“青工技能比武”大赛的名次。

3、为人善良，性格开朗，吃苦耐劳，无家庭牵挂，能以工作为重心，可以经常性加班。

求职意向

到岗时间： 一个月内

工作性质： 全职

目标地点： 上海

期望月薪： 面议/月

工作经验

2006 /7--至今：xx投资（中国）有限公司(500人以上)[ 4年4个月]

所属行业：多元化业务集团公司

油脂部 司机

负责接送澳大利亚籍总监上下班及其家属日常用车

2001 /4--2006 /7：xx系统（上海）有限公司(150-500人)[ 5 年3个月]

所属行业：建筑/建材/工程

行政 司机

负责接送瑞士籍总监上下班及其家属日常用车

1996 /7--2000 /7：上海市xx出租车汽车有限公司(500人以上)[ 4 年]

所属行业：交通/运输/物流

运营部门 营运司机

按时出车运营；熟悉上海交通要道。

教育经历

2000 /9--2003 /7 华东理工大学 计算机信息管理 大专

培训经历

1996 /7--1996 /8 上海市浦东汽车运输公司 加考A照驾驶证