論文の概要: Large-Area Emergency Lockdowns with Automated Driving Systems

• arxiv url: http://arxiv.org/abs/2407.14683v1
• Date: Fri, 19 Jul 2024 21:58:12 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-23 21:23:47.564978
• Title: Large-Area Emergency Lockdowns with Automated Driving Systems
• Title（参考訳）: 自動走行システムによる大面積緊急ロックダウン
• Authors: Noah Goodall,
• Abstract要約: この記事では、ほとんどの運転が自動化されているときのロックダウンの実践的、法的、倫理的意味について考察する。 自動運転システムの導入により、政府は大規模ロックダウンを迅速かつ安価に実施できる可能性がある。 旅行制限が実施しやすくなると、政府はより頻繁に、より長い期間にわたって、より広い範囲で実施することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Region-wide restrictions on personal vehicle travel have a long history in the United States, from riot curfews in the late 1960s, to travel bans during snow events, to the 2013 shelter-in-place "lockdown" during the search for the perpetrator of the Boston Marathon bombing. Because lockdowns require tremendous resources to enforce, they are often limited in duration or scope. The introduction of automated driving systems may allow governments to quickly and cheaply effect large-area lockdowns by jamming wireless communications, spoofing road closures on digital maps, exploiting a vehicle's programming to obey all traffic control devices, or coordinating with vehicle developers. Future vehicles may lack conventional controls, rendering them undrivable by the public. As travel restrictions become easier to implement, governments may enforce them more frequently, over longer durations and wider areas. This article explores the practical, legal, and ethical implications of lockdowns when most driving is highly automated, and provides guidance for the development of lockdown policies.
• Abstract（参考訳）: 1960年代後半の暴動、雪のイベント中の旅行禁止、ボストン・マラソン爆破事件の犯人捜索中の2013年の避難所の「ロックダウン」まで、個人車両の移動に関する地域ごとの規制は、アメリカ合衆国では長い歴史がある。 ロックダウンには膨大なリソースを必要とするため、時間やスコープが制限されることが多い。 自動運転システムの導入により、政府は無線通信を妨害したり、デジタル地図に道路閉鎖を傍受したり、全ての交通制御装置に従うために車両のプログラミングを利用したり、車両開発者と調整したりすることで、大規模ロックダウンを迅速かつ安価に実施することができる。 将来の車両は従来の制御を欠く可能性がある。 旅行制限が実施しやすくなると、政府はより頻繁に、より長い期間にわたって、より広い範囲で実施することができる。 本稿では、ほとんどの運転が高度に自動化されている場合に、ロックダウンの実践的、法的、倫理的意味を考察し、ロックダウンポリシーの開発のためのガイダンスを提供する。

関連論文リスト

• GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [82.19172267487998]
  GARLIC: GPT拡張強化学習のフレームワーク。 本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:38Z)
• Holistic view of the road transportation system based on real-time data sharing mechanism [9.503118311645515]
  本稿では,リアルタイム共有機構に基づく道路交通システムの時空グローバルビューを構築する。 道路利用者と管理者の両方が、近くの車両の運転意図や道路インフラのリアルタイム状態にタイムリーにアクセスできる。
  論文  参考訳（メタデータ） (2024-07-03T15:10:05Z)
• Initial Indications of Safety of Driverless Automated Driving Systems [0.9471093245585006]
  本稿では、2020年のCPUC Annual ReportからUberが旅行する3種類の運転の事故率と特徴について分析する。 運転はすべてサンフランシスコ市内で行われ、高速道路は除いた。 研究によると、監督されたAVは人間の運転とほぼ同等の事故(CPMM)を起こしている。
  論文  参考訳（メタデータ） (2024-02-23T07:15:55Z)
• Infrastructure-based End-to-End Learning and Prevention of Driver Failure [68.0478623315416]
  フェールネットは、規模が拡大したミニ都市において、名目上と無謀なドライバーの両方の軌道上で、エンドツーエンドでトレーニングされた、繰り返しニューラルネットワークである。 制御障害、上流での認識エラー、ドライバーのスピードを正確に識別し、名目運転と区別することができる。 速度や周波数ベースの予測器と比較すると、FailureNetのリカレントニューラルネットワーク構造は予測能力を向上し、ハードウェアにデプロイすると84%以上の精度が得られる。
  論文  参考訳（メタデータ） (2023-03-21T22:55:51Z)
• Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems [61.39400591328625]
  接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。 この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。 そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。 RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
  論文  参考訳（メタデータ） (2022-10-31T20:12:17Z)
• 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)
• Self-Driving Cars and Driver Alertness [16.00431760297241]
  自動運転車を制御している間の注意力の低下は、予測不能な状況下でドライバーが介入する能力を妨げかねない。 研究者、ドライバー、業界、政策立案者など、さまざまな利害関係者に推奨します。
  論文  参考訳（メタデータ） (2021-07-20T23:55:44Z)
• Emergent Road Rules In Multi-Agent Driving Environments [84.82583370858391]
  運転環境の要素が道路ルールの出現の原因となるかを分析する。 2つの重要な要因が雑音知覚とエージェントの空間密度であることがわかった。 我々の結果は、世界中の国々が安全で効率的な運転で合意した社会道路規則を実証的に支持する。
  論文  参考訳（メタデータ） (2020-11-21T09:43:50Z)
• DiGNet: Learning Scalable Self-Driving Policies for Generic Traffic Scenarios with Graph Neural Networks [26.558394047144006]
  大規模交通シナリオを処理可能なスケーラブルな自動運転を実現するために,グラフベースのディープネットワークを提案する。 高忠実度運転シミュレータで7000km以上の評価を行う。 本手法は交通規制に従えば,都市,農村,高速道路など多種多様な環境下で安全に走行することができる。
  論文  参考訳（メタデータ） (2020-11-13T06:13:28Z)
• iTV: Inferring Traffic Violation-Prone Locations with Vehicle Trajectories and Road Environment Data [12.715237421592624]
  本研究では,大規模車両軌跡データと環境データに基づいて,都市部における交通違反発生箇所を推定する枠組みを提案する。 提案手法の有効性を評価するため,中国2都市から収集した大規模・現実世界の車両軌道について広範な研究を行った。
  論文  参考訳（メタデータ） (2020-05-09T08:52:43Z)
• Intelligent Roundabout Insertion using Deep Reinforcement Learning [68.8204255655161]
  本稿では,多忙なラウンドアバウンドの入場を交渉できる演習計画モジュールを提案する。 提案されたモジュールは、トレーニングされたニューラルネットワークに基づいて、操作の全期間にわたって、ラウンドアバウンドに入るタイミングと方法を予測する。
  論文  参考訳（メタデータ） (2020-01-03T11:16:41Z)

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。