論文の概要: Aiming to Minimize Alcohol-Impaired Road Fatalities: Utilizing
Fairness-Aware and Domain Knowledge-Infused Artificial Intelligence
- arxiv url: http://arxiv.org/abs/2311.16180v1
- Date: Sat, 25 Nov 2023 02:05:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-29 21:41:01.564524
- Title: Aiming to Minimize Alcohol-Impaired Road Fatalities: Utilizing
Fairness-Aware and Domain Knowledge-Infused Artificial Intelligence
- Title（参考訳）: アルコール無害道路事故の最小化を目指して--公正意識とドメイン知識を融合した人工知能を活用して
- Authors: Tejas Venkateswaran, Sheikh Rabiul Islam, Md Golam Moula Mehedi Hasan,
and Mohiuddin Ahmed
- Abstract要約: アメリカの交通事故死者の約30%は、飲酒運転によるものである。
我々の研究は、公正を意識し、ドメイン知識を取り入れた人工知能ベースの予測器を導入している。
提供された情報を利用して、より公平で効率的な方法で警察資源を割り当てることにより、DUI関連の死亡率を減らす可能性がある。
- 参考スコア（独自算出の注目度）: 0.4218593777811082
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Approximately 30% of all traffic fatalities in the United States are
attributed to alcohol-impaired driving. This means that, despite stringent laws
against this offense in every state, the frequency of drunk driving accidents
is alarming, resulting in approximately one person being killed every 45
minutes. The process of charging individuals with Driving Under the Influence
(DUI) is intricate and can sometimes be subjective, involving multiple stages
such as observing the vehicle in motion, interacting with the driver, and
conducting Standardized Field Sobriety Tests (SFSTs). Biases have been observed
through racial profiling, leading to some groups and geographical areas facing
fewer DUI tests, resulting in many actual DUI incidents going undetected,
ultimately leading to a higher number of fatalities. To tackle this issue, our
research introduces an Artificial Intelligence-based predictor that is both
fairness-aware and incorporates domain knowledge to analyze DUI-related
fatalities in different geographic locations. Through this model, we gain
intriguing insights into the interplay between various demographic groups,
including age, race, and income. By utilizing the provided information to
allocate policing resources in a more equitable and efficient manner, there is
potential to reduce DUI-related fatalities and have a significant impact on
road safety.
- Abstract（参考訳）: アメリカの交通事故死者の約30%は、飲酒運転によるものである。
これは、すべての州でこの犯罪に対する厳格な法律にもかかわらず、飲酒運転事故の頻度が警告され、45分ごとに約1人が死亡することを意味する。
ドライビング・アンダー・インフルエンス(DUI)で個人を充電するプロセスは複雑で、動作中の車両を観察したり、ドライバーと対話したり、標準フィールド・ソブリエティ・テスト(SFST)を行うなど、複数の段階を含む主観的な場合もある。
バイアスは人種的プロファイリングによって観測され、一部のグループや地理的領域ではDUI検査が少なかったため、実際のDUIの事故は検出されず、最終的に死亡件数が増加した。
この問題に対処するため,本研究では,公平性を認識し,異なる地域におけるdui関連死亡率を分析するためのドメイン知識を組み込んだ,人工知能を用いた予測器を提案する。
このモデルを通じて、年齢、人種、収入など、さまざまな人口集団間の相互作用に関する興味深い洞察を得る。
提供された情報を利用して、より公平かつ効率的に警察資源を割り当てることにより、DUI関連の死亡率を減らすことができ、道路安全に大きな影響を及ぼす可能性がある。
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) - How Do Drivers Behave at Roundabouts in a Mixed Traffic? A Case Study
Using Machine Learning [1.1137087573421256]
本研究では,データ駆動型教師なし機械学習を用いた混在交通環境におけるラウンドアバウンド時の運転行動について検討する。
その結果、ラウンドアバウンドを進むドライバーのほとんどは、主に保守的な運転スタイルと正常な運転スタイルの2つに分類できることがわかった。
ドライバはラウンドアバウンドでVRUと対話するときに異常に振る舞う傾向にあり、交差点がマルチモーダルである場合のクラッシュのリスクが増大する。
論文 参考訳（メタデータ） (2023-09-23T18:02:57Z) - Vision-based Analysis of Driver Activity and Driving Performance Under
the Influence of Alcohol [1.2094859111770522]
アメリカの交通事故死者の30%は飲酒運転をしている。
運転障害は、センサーのアクティブな使用によって監視することができる。
より受動的で堅牢なセンシング機構は、より広く採用することができる。
論文 参考訳（メタデータ） (2023-09-14T20:34:30Z) - Studying the Impact of Semi-Cooperative Drivers on Overall Highway Flow [76.38515853201116]
半協調行動は、人間ドライバーの本質的な性質であり、自律運転には考慮すべきである。
新たな自律型プランナーは、社会的に準拠した軌道を生成するために、人間のドライバーの社会的価値指向(SVO)を考慮することができる。
エージェントが反復的最適応答のゲーム理論バージョンをデプロイする暗黙的な半協調運転について検討する。
論文 参考訳（メタデータ） (2023-04-23T16:01:36Z) - Identifying roadway departure crash patterns on rural two-lane highways
under different lighting conditions: association knowledge using data mining
approach [0.4899818550820575]
アメリカの高速道路での死亡事故の半数以上が、毎年道路の出発(RwD)によって発生している。
本研究は,多次元衝突危険因子間の意味のある複雑な相互作用を探索するために,安全なシステムアプローチを用いた。
生成されたルールに基づいて、この発見は昼光、暗黒の街灯、暗黒の街灯のいくつかの興味深いクラッシュパターンを明らかにした。
論文 参考訳（メタデータ） (2023-02-28T16:53:54Z) - Modelling and Detection of Driver's Fatigue using Ontology [60.090278944561184]
道路事故は世界8大死因である。
様々な要因がドライバーの疲労の原因となっている。
ドライバの疲労検出に関するオントロジー知識とルールをインテリジェントシステムに統合する必要がある。
論文 参考訳（メタデータ） (2022-08-31T08:42:28Z) - Detection of Distracted Driver using Convolution Neural Network [7.37092447804202]
インドは道路事故で死者の11%を占めている。
事故の78%はドライバーが担当している。
私たちは、異なるドライバーの気晴らしを分類するために、非常に効率的なMLモデルを構築することに重点を置きます。
論文 参考訳（メタデータ） (2022-04-07T11:41:19Z) - CODA: A Real-World Road Corner Case Dataset for Object Detection in
Autonomous Driving [117.87070488537334]
我々は、ビジョンベース検出器のこの重要な問題を露呈する、CODAという挑戦的なデータセットを導入する。
大規模自動運転データセットで訓練された標準物体検出器の性能は、mARの12.8%以下に著しく低下した。
我々は最先端のオープンワールドオブジェクト検出器を実験し、CODAの新しいオブジェクトを確実に識別できないことを発見した。
論文 参考訳（メタデータ） (2022-03-15T08:32:56Z) - Deep Learning Approach for Aggressive Driving Behaviour Detection [1.933681537640272]
この研究は、異なる状況(ラッシュ、精神的衝突、報復)のドライバーが攻撃的に運転し始めるときのタイムステップを特定する。
積極的運転の機会を発見するためには、運転行動を調べるために観察者(現実または仮想)が必要である。
スマートフォンのGPSセンサーを使って位置を検出し,運転者の運転行動を3分毎に分類することで,この問題を克服する。
論文 参考訳（メタデータ） (2021-11-08T20:06:16Z) - Learning Accurate and Human-Like Driving using Semantic Maps and
Attention [152.48143666881418]
本稿では,より正確かつ人間らしく運転できるエンド・ツー・エンド駆動モデルについて検討する。
HERE Technologiesのセマンティックマップとビジュアルマップを活用し、既存のDrive360データセットを拡張します。
私たちのモデルは、実世界の運転データ60時間3000kmのDrive360+HEREデータセットでトレーニングされ、評価されています。
論文 参考訳（メタデータ） (2020-07-10T22:25:27Z) - 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。