論文の概要: Ridesharing Services and Car-Seats: Technological Perceptions and Usage Patterns

• arxiv url: http://arxiv.org/abs/2011.02277v1
• Date: Mon, 2 Nov 2020 06:52:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-26 01:21:15.039510
• Title: Ridesharing Services and Car-Seats: Technological Perceptions and Usage Patterns
• Title（参考訳）: 配車サービスとカーシート:技術認識と利用パターン
• Authors: Subasish Das
• Abstract要約: 子供の安全シート(CSS)は、子供のクラッシュ結果の重症度を低下させる。 CSSの使用は過去40年間で大幅に改善されている。 UberやLyftといった一般的なライドシェアリングサービスにおけるCSSの利用は、広くは行われていないと期待されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Children are one of the most vulnerable groups in traffic crashes. Child safety seats (CSSs) can decrease the severity of crash outcomes for children. The usage of CSSs has significantly improved in the U.S. over the last 40 years, but it is anticipated that the usage of CSSs in popular ridesharing services (RSSs), such as Uber and Lyft, is not widespread. This paper used a publicly available nationwide internet survey that was designed to gain an understanding of riders and drivers perception toward child passenger safety in regard to technological perception on RSSs. This study performed a rigorous exploratory data analysis to identify the key psychological insights of the survey participants. Additionally, a recently developed dimension-reduction method has been applied to understand the co-occurrence patterns of the responses to gain intuitive insights. It is found that urban-dwelling parents with higher education degrees eventually use RSSs often due to their familiarity of the technological advantages. On the other hand, non-urban and moderately educated parents and guardians are dismissive in using RSSs while having kids with them to ride due to less trust on the technology.
• Abstract（参考訳）: 子供たちは交通事故で最も脆弱なグループの一つです。 子供の安全シート(CSS)は、子供のクラッシュ結果の重症度を減らすことができる。 アメリカでは過去40年間でcssの利用が大幅に改善されているが、uberやlyftといった人気のライドシェアサービス(rss)でのcssの利用は普及していないと予測されている。 本稿は,rssの技術的認知に関して,乗客と運転者が子どもの乗客の安全に対する認識を理解することを目的とした,全国的なインターネット調査を行った。 本研究では,厳密な探索データ分析を行い,調査参加者の心理的洞察を明らかにする。 さらに、直観的な洞察を得るために、最近開発された次元還元法を用いて、応答の共起パターンを理解する。 高い教育学位を持つ都会在住の親は、技術上の利点に慣れているため、RSSを使うことが多い。 一方、非アーバンで中等教育を受けた親や保護者は、その技術への信頼が低かったため、子供と一緒に乗れるようにしてRSSの使用を拒否される。

関連論文リスト

• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• Ah, that's the great puzzle: On the Quest of a Holistic Understanding of the Harms of Recommender Systems on Children [2.0718016474717196]
  子どもたちは様々なメディアアイテムをオンラインで目にするが、その多くは主に大人向けのレコメンデーターシステム(RS)によって選ばれる。 このことは、子どもの発達の脆弱な段階と幸福への潜在的なリスクを考慮すれば、そのようなコンテンツが適切かどうかという疑問を提起する。 我々は,RSが子どもに与える影響について,より包括的な調査を行うよう,研究者,実践者,政策立案者に呼びかける。
  論文  参考訳（メタデータ） (2024-05-03T12:30:27Z)
• Using Visual and Vehicular Sensors for Driver Behavior Analysis: A Survey [0.0]
  危険ドライバーは米国での死亡事故の70%を占めている。 本稿では,視覚・車体データを用いた運転者の行動分析手法について検討する。
  論文  参考訳（メタデータ） (2023-08-25T14:33:59Z)
• Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
  本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。 両センサと融合に関する概念と特徴を提示する。 本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
  論文  参考訳（メタデータ） (2023-03-08T00:48:32Z)
• AI-Based Framework for Understanding Car Following Behaviors of Drivers in A Naturalistic Driving Environment [6.445605125467574]
  後続の事故はしばしば致命的なものである。 後部事故の原因となる車両の挙動を正確にモデル化する必要がある。 本研究では,自然環境における運転行動の理解に関連する特徴を抽出する人工知能フレームワークを開発する。
  論文  参考訳（メタデータ） (2023-01-23T08:24:33Z)
• FBLNet: FeedBack Loop Network for Driver Attention Prediction [75.83518507463226]
  非客観的運転経験はモデル化が難しい。 本稿では,運転経験蓄積過程をモデル化するFeedBack Loop Network (FBLNet)を提案する。 インクリメンタルな知識の指導のもと、私たちのモデルは入力画像から抽出されたCNN特徴とトランスフォーマー特徴を融合し、ドライバーの注意を予測します。
  論文  参考訳（メタデータ） (2022-12-05T08:25:09Z)
• Do Children Texts Hold The Key To Commonsense Knowledge? [14.678465723838599]
  本稿では,子どもの文章がコモンセンス・ナレッジ・コンピレーションの鍵を握っているかどうかを考察する。 いくつかのコーパスによる分析では、子供の文章は確かにより多く、より典型的な常識的主張を含んでいることが示されている。 実験により、この利点は一般的な言語モデルに基づくコモンセンス知識抽出設定で活用できることが示されている。
  論文  参考訳（メタデータ） (2022-10-10T09:56:08Z)
• Imagining new futures beyond predictive systems in child welfare: A qualitative study with impacted stakeholders [89.6319385008397]
  児童福祉システムに影響を及ぼした利害関係者35名を対象に,7つのデザインワークショップを開催した。 対象者は,現在のPRMが児童福祉における既存の問題を持続的又は悪化させることを懸念した。 参加者は、データとデータ駆動ツールを使って、影響のあるコミュニティをより良くサポートする方法を提案した。
  論文  参考訳（メタデータ） (2022-05-18T13:49:55Z)
• Inspect, Understand, Overcome: A Survey of Practical Methods for AI Safety [54.478842696269304]
  安全クリティカルなアプリケーションにディープニューラルネットワーク(DNN)を使用することは、多数のモデル固有の欠点のために困難です。 近年,これらの安全対策を目的とした最先端技術動物園が出現している。 本稿は、機械学習の専門家と安全エンジニアの両方に対処する。
  論文  参考訳（メタデータ） (2021-04-29T09:54:54Z)
• DASC: Towards A Road Damage-Aware Social-Media-Driven Car Sensing Framework for Disaster Response Applications [15.248427579924094]
  本稿では,道路被害を考慮したソーシャル・メディア駆動型自動車センシングフレームワークであるDASCについて紹介する。 DASCはソーシャルメディアから発信される信号を蒸留し、道路の損傷を発見し、自動車を目標エリアまで効果的に駆動し、緊急イベントを検証する。 実世界のアプリケーションの結果は、検出精度と効率性において、現在のVSNsベースのソリューションよりもDASCの方が優れていることを示している。
  論文  参考訳（メタデータ） (2020-06-04T07:55:18Z)
• Learning by Cheating [72.9701333689606]
  この難解な学習問題を2段階に分解することで単純化できることを示す。 提案手法を用いて、視覚に基づく自律運転システムの訓練を行い、芸術の状況を大幅に上回っている。 提案手法は,従来のCARLAベンチマークのすべてのタスクにおける100%の成功率を初めて達成し,NoCrashベンチマークに新しい記録を樹立し,従来の技術と比較すると,屈折率を桁違いに低減する。
  論文  参考訳（メタデータ） (2019-12-27T18:59:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。