論文の概要: Propensity towards Ownership and Use of Automated Vehicles: Who Are the Adopters? Who Are the Non-adopters? Who Is Hesitant?
- arxiv url: http://arxiv.org/abs/2407.12139v1
- Date: Wed, 15 May 2024 21:08:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 09:07:34.038877
- Title: Propensity towards Ownership and Use of Automated Vehicles: Who Are the Adopters? Who Are the Non-adopters? Who Is Hesitant?
- Title（参考訳）: 自動走行車のオーナーシップと利用への責任--導入者は誰なのか?非無人機は誰なのか?
- Authors: Tho Le, Giovanni Circella,
- Abstract要約: 本研究の目的は、オーナーシップの意図や、自動運転モビリティサービスの利用意欲を含む、自動運転車(AV)の採用に対する認識を調査することである。
本稿では,2018年のカリフォルニア交通調査のデータを用いて,データマイニングにおけるクラスタリング手法であるK平均を用いる。
その結果、マルチタスク/環境保護活動家/障害ドライバー、テック・メイブン/旅行者、移動中の生活、捕獲された自動車利用者、公共/アクティブな輸送ユーザー、郊外住民、カー愛好家という7つのクラスタが明らかになった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The objective of this study is to investigate automated vehicle (AV) adoption perceptions, including ownership intentions and the willingness to use self-driving mobility services. In this paper, we use data from the 2018 California Transportation Survey, and use K-means, a clustering technique in data mining, to reveal patterns of potential AV owners (and non-owners) as well as AV users (and non-users) of self-driving services. The results reveal seven clusters, namely Multitaskers/ environmentalists/ impaired drivers, Tech mavens/ travelers, Life in transition, Captive car-users, Public/ active transport users, Sub-urban Dwellers, and Car enthusiasts. The first two clusters include adopters who are largely familiar with AVs, are tech savvy, and who make good use of time during their commute. The last cluster comprise of non-adopters who are car enthusiasts. On the other hand, people who are Life in transition, Captive car-users, Public/ active transport users, and Sub-urban dwellers show uncertain perceptions towards being AV adopters. They are either pursuing higher education, having a busy schedule, supporting for sustainable society via government policies, or have a stable life, respectively. Insights from this study help practitioners to build business models and strategic planning, addressing potential market segments of individuals that are willing to own an AV vs. those that are more inclined to use self-driving mobility services. The "gray" segments identify a latent untapped demand and a potential target for marketing, campaigns, and sales.
- Abstract（参考訳）: 本研究の目的は、オーナーシップの意図や自動運転モビリティサービスの利用意欲など、自動運転車(AV)の採用に対する認識を調査することである。
本稿では、2018年のカリフォルニア交通調査のデータを用いて、データマイニングにおけるクラスタリング技術であるK-meansを使用して、潜在的なAV所有者(および非オーナー)と、自動運転サービスのAVユーザ(および非ユーザ)のパターンを明らかにする。
その結果、マルチタスク/環境保護活動家/障害ドライバー、テック・メイブン/旅行者、移動中の生活、捕獲された自動車利用者、公共/アクティブな輸送ユーザー、郊外住民、カー愛好家という7つのクラスタが明らかになった。
最初の2つのクラスタには、AVに精通し、技術に精通し、通勤中の時間をうまく利用している採用者が含まれている。
最後のクラスタは、自動車愛好家である非アドプターで構成されています。
一方、トランスフォーメーションのライフ、キャプションカーユーザー、公共/アクティブトランスポートユーザー、郊外住民は、AV導入者に対する不確実な認識を示している。
彼らは高等教育を追求し、忙しいスケジュールを持ち、政府の政策を通じて持続可能な社会を支えているか、安定した生活を送っている。
この研究から得られた洞察は、自動運転モビリティサービスを利用する傾向の強い個人に対して、AVを所有する意思のある個人による潜在的な市場セグメントに対処する、ビジネスモデルの構築と戦略的計画を支援する。
グレー」セグメントは、未完成の未需要と、マーケティング、キャンペーン、販売の潜在的なターゲットを識別する。
関連論文リスト
- Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。
VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
論文 参考訳（メタデータ） (2024-10-02T02:20:42Z) - 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) - Towards Autonomous Driving with Small-Scale Cars: A Survey of Recent Development [0.0]
小型車プラットフォームの出現は、フルスケールの自動運転車に代わる魅力的な代替手段となる。
本調査では、様々な小型自動車プラットフォームを概説し、それらを分類し、その利用によって達成された研究の進歩について詳述する。
論文 参考訳（メタデータ） (2024-04-09T11:40:37Z) - Development and Assessment of Autonomous Vehicles in Both Fully
Automated and Mixed Traffic Conditions [0.0]
本稿では,単一AVの開発から始まり,接続型AVへと進展する多段階アプローチを提案する。
AVの運転性能を検証するために調査を行い、混合交通事例研究に活用する。
その結果, 深部強化学習を用いて, AVは人間の運転性能に到達した運転行動を得た。
AVネットワークにおける共有とケアに基づくV2Vコミュニケーションの採用は、その運転行動を高め、より効果的な行動計画を支援し、AV間の協調行動を促進する。
論文 参考訳（メタデータ） (2023-12-08T02:40:11Z) - MSight: An Edge-Cloud Infrastructure-based Perception System for
Connected Automated Vehicles [58.461077944514564]
本稿では,自動走行車に特化して設計された最先端道路側認識システムであるMSightについて述べる。
MSightは、リアルタイムの車両検出、ローカライゼーション、トラッキング、短期的な軌道予測を提供する。
評価は、待ち時間を最小限にしてレーンレベルの精度を維持するシステムの能力を強調している。
論文 参考訳（メタデータ） (2023-10-08T21:32:30Z) - Autonomous Vehicles for All? [4.67081468243647]
我々は、自律走行車(AV)を監督する学術機関、産業、政府機関が積極的に行動し、AVがすべてに役立っていることを保証する必要があると論じている。
AVは、道路の輸送能力を高め、運転の混乱を緩和し、安全を改善し、運転できない人のための移動手段を提供し、環境を助ける、かなりの可能性を秘めている。
しかし、公正性、公平性、透明性などの問題を考慮し、社会的責任があるかどうかという懸念も持ち上がっている。
論文 参考訳（メタデータ） (2023-07-03T19:33:07Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳（メタデータ） (2022-05-04T17:55:12Z) - Safety-aware Motion Prediction with Unseen Vehicles for Autonomous
Driving [104.32241082170044]
本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。
既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。
私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
論文 参考訳（メタデータ） (2021-09-03T13:33:33Z) - Accelerating the Adoption of Disruptive Technologies: The Impact of
COVID-19 on Intentions to Use Autonomous Vehicles [0.0]
本研究では、新型コロナウイルスのパンデミックが自動運転車の新興技術の採用意欲に与える影響について検討する。
結果、新型コロナウイルス(COVID-19)のパンデミックが自動運転車の利用に肯定的かつ極めて大きな影響を及ぼしていることが明らかとなった。
論文 参考訳（メタデータ） (2021-08-03T16:35:38Z) - Explanations in Autonomous Driving: A Survey [7.353589916907923]
我々は、説明可能な自動運転における既存の作業の包括的調査を行う。
我々は、AVの開発、使用、規制に関わる様々な利害関係者を特定し、分類する。
論文 参考訳（メタデータ） (2021-03-09T00:31:30Z)
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。