論文の概要: Analyzing Factors Influencing Driver Willingness to Accept Advanced Driver Assistance Systems
- arxiv url: http://arxiv.org/abs/2502.16688v1
- Date: Sun, 23 Feb 2025 19:01:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-25 15:53:14.133837
- Title: Analyzing Factors Influencing Driver Willingness to Accept Advanced Driver Assistance Systems
- Title（参考訳）: 先進運転支援システムを受入れる運転者の意思に影響を及ぼす要因の分析
- Authors: Hannah Musau, Nana Kankam Gyimah, Judith Mwakalonge, Gurcan Comert, Saidi Siuhi,
- Abstract要約: 本研究では,乗用車におけるADASの運転者の認識,知識源,利用パターンについて検討する。
全国調査では、米国ドライバーの多様なサンプルからデータを収集した。
発見は、社会経済的、人口統計学的、行動的要因がADAS導入に与える影響を強調している。
- 参考スコア（独自算出の注目度）: 5.242869847419834
- License:
- Abstract: Advanced Driver Assistance Systems (ADAS) enhance highway safety by improving environmental perception and reducing human errors. However, misconceptions, trust issues, and knowledge gaps hinder widespread adoption. This study examines driver perceptions, knowledge sources, and usage patterns of ADAS in passenger vehicles. A nationwide survey collected data from a diverse sample of U.S. drivers. Machine learning models predicted ADAS adoption, with SHAP (SHapley Additive Explanations) identifying key influencing factors. Findings indicate that higher trust levels correlate with increased ADAS usage, while concerns about reliability remain a barrier. Specific features, such as Forward Collision Warning and Driver Monitoring Systems, significantly influence adoption likelihood. Demographic factors (age, gender) and driving habits (experience, frequency) also shape ADAS acceptance. Findings emphasize the influence of socioeconomic, demographic, and behavioral factors on ADAS adoption, offering guidance for automakers, policymakers, and safety advocates to improve awareness, trust, and usability.
- Abstract（参考訳）: アドバンストドライバ支援システム(ADAS)は、環境認識を改善し、ヒューマンエラーを減らすことで高速道路の安全性を高める。
しかし、誤解、信頼の問題、知識のギャップが広く採用を妨げている。
本研究では,乗用車におけるADASの運転者の認識,知識源,利用パターンについて検討する。
全国調査では、米国ドライバーの多様なサンプルからデータを収集した。
機械学習モデルはADASの採用を予測し、SHAP(SHapley Additive Explanations)が重要な影響要因を特定した。
高い信頼レベルはADASの使用の増加と相関するが、信頼性に関する懸念は依然として障壁である。
Forward Collision Warning や Driver Monitoring Systems のような特定の機能は、採用可能性に大きな影響を及ぼす。
年齢、性別、運転習慣(経験、頻度)もADASの受容を形作る。
発見は、社会経済的、人口統計学的、行動的要因がADASの採用に与える影響を強調し、自動車メーカー、政策立案者、安全擁護者に対して、認識、信頼、およびユーザビリティを向上させるためのガイダンスを提供する。
関連論文リスト
- Driver Age and Its Effect on Key Driving Metrics: Insights from Dynamic Vehicle Data [2.3072218701168166]
2030年までに65歳以上の高齢者は50%以上増加し、道路上の高齢者の数が大幅に増加すると予想されている。
70人以上のドライバーは、40代や50代よりも死亡率が高い。
論文 参考訳（メタデータ） (2025-01-12T20:01:07Z) - Exploring the Causality of End-to-End Autonomous Driving [57.631400236930375]
本稿では,エンドツーエンド自動運転の因果関係を探究し,分析するための包括的アプローチを提案する。
私たちの研究は、エンドツーエンドの自動運転の謎を初めて明らかにし、ブラックボックスを白い箱に変えた。
論文 参考訳（メタデータ） (2024-07-09T04:56:11Z) - In-vehicle Sensing and Data Analysis for Older Drivers with Mild
Cognitive Impairment [0.8426358786287627]
本研究の目的は、高精度の位置決めとテレマティクスデータを得ることができる低コストの車内センシングハードウェアを設計することである。
軽度認知障害(MCI)と軽度認知障害(MCI)を比較した統計的分析の結果,MCIはよりスムーズで安全な運転パターンを示すことが明らかとなった。
我々のランダムフォレストモデルでは、夜間旅行の数、旅行数、教育がデータ評価に最も影響を及ぼす要因として特定されました。
論文 参考訳（メタデータ） (2023-11-15T15:47:24Z) - DRUformer: Enhancing the driving scene Important object detection with
driving relationship self-understanding [50.81809690183755]
交通事故はしばしば致命傷を負い、2023年まで5000万人以上の死者を出した。
従来の研究は、主に個々の参加者の重要性を評価し、それらを独立した存在として扱うものであった。
本稿では、重要な物体検出タスクを強化するために、運転シーン関連自己理解変換器(DRUformer)を紹介する。
論文 参考訳（メタデータ） (2023-11-11T07:26:47Z) - 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) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳（メタデータ） (2023-08-02T09:48:08Z) - Considering Human Factors in Risk Maps for Robust and Foresighted Driver
Warning [1.4699455652461728]
本稿では,ドライバーエラーの形で人間の状態を利用する警告システムを提案する。
このシステムは、周囲の運転状況の予測を直接変更する行動プランナーのリスクマップで構成されている。
動的車線変化と交差点シナリオの異なるシミュレーションでは、運転者の行動計画がいかに危険になるかを示す。
論文 参考訳（メタデータ） (2023-06-06T16:39:58Z) - 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) - FBLNet: FeedBack Loop Network for Driver Attention Prediction [50.936478241688114]
非客観的運転経験のモデル化は困難であり,既存手法では運転経験蓄積手順を模擬する機構が欠如している。
本稿では,運転経験蓄積手順をモデル化するFeedBack Loop Network (FBLNet)を提案する。
提案モデルでは,既存の手法に対して強い優位性を示し,2つのドライバー注意ベンチマークデータセットの性能向上を実現している。
論文 参考訳（メタデータ） (2022-12-05T08:25:09Z) - Drive Safe: Cognitive-Behavioral Mining for Intelligent Transportation
Cyber-Physical System [17.693789301138402]
本稿では,道路安全のための知的輸送サイバー物理システム(IT-CPS)における認知行動に基づく運転気分修復プラットフォームを提案する。
提案プラットフォームは、運転者の気を散らす活動と、気分修復のための感情を認識する。
我々は、運転中の安全な運転を確保するために、ドライバーの認知行動マイニングを推測するために、AIと統計に基づく5つのモデルを使用します。
論文 参考訳（メタデータ） (2020-08-24T01:19:40Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z)
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。