論文の概要: Safe2Hail: A Forensic-Driven Post-Trip Tracking Framework for Ride-Hailing Safety in Africa
- arxiv url: http://arxiv.org/abs/2607.07271v1
- Date: Wed, 08 Jul 2026 10:58:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-09 22:50:30.35805
- Title: Safe2Hail: A Forensic-Driven Post-Trip Tracking Framework for Ride-Hailing Safety in Africa
- Title（参考訳）: Safe2Hail:アフリカにおけるライダーの安全のための法医学駆動のポストトリップ追跡フレームワーク
- Abstract要約: Safe2Hailフレームワークはベータテストされ、システムの有効性を実証している。
研究チームは実際の配備を試験しなかったが、Safe2Hailの設計形式はナイロビとダル=エス=サラームで報告された実際の犯罪事件にインスパイアされた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ride-hailing mobile apps have become an essential feature in the mobility ecosystem in Africa, offering much safer and much more affordable rides. Although user bases have increased and the number of daily trips has proliferated, reports of imminent safety threats, particularly after the cancellation of the ride or the ride is prematurely terminated, remain unresolved challenges. Current safety measures offer features such as SOS alerts, safety notifications, and live location sharing for the duration of the trip, but they are not in place when the trip is over. Safe2Hail presents a framework that is forensically driven to ensure continuous safety and certainty beyond the trip. The Safe2Hail framework combines forensic tracking with a temporary post-trip synchronization mechanism that can securely log all proximal data between a passenger and a driver after an event. The Safe2Hail framework was beta-tested and demonstrates the effectiveness of the system. Although the research team did not pilot on actual deployment, the Safe2Hail design format was in part inspired by actual crime events reported in Nairobi and Dar-es-Salaam. The findings of the study referenced Safe2Hail's feasibility, light weight nature of resources, as well as the scalability for the framework.
- Abstract（参考訳）: ライドシェアリングのモバイルアプリは、アフリカのモビリティエコシステムにおいて欠かせない機能となり、より安全で手頃な価格の乗車を提供する。
利用者ベースは増加し、毎日の旅行が急増しているが、特に乗車や乗車のキャンセルが早めに終了した後、緊急の安全上の脅威の報告は未解決の課題のままである。
現在の安全対策では、旅行中のSOSアラート、安全通知、ライブロケーション共有などの機能を提供しているが、旅行が終わった時点では利用できない。
Safe2Hailは、継続的安全性と、旅行以外の確実性を保証するために、法医学的に駆動されるフレームワークを提供する。
Safe2Hailフレームワークは、法医学的なトラッキングと一時的なポストトリップ同期機構を組み合わせることで、イベント後に乗客とドライバーの間のすべての近縁データを安全にログできる。
Safe2Hailフレームワークはベータテストされ、システムの有効性を実証している。
研究チームは実際の配備を試験しなかったが、Safe2Hailの設計形式はナイロビとダル=エス=サラームで報告された実際の犯罪事件にインスパイアされた。
調査の結果は、Safe2Hailの実用性、リソースの軽量性、およびフレームワークのスケーラビリティについて言及した。
関連論文リスト
- SafeEvolve: Harness-Policy Co-Evolution from Agent Experience for Safety Alignment [51.263370090136696]
エージェント安全アライメントのための経験駆動型フレームワークであるSafeEvolveを提案する。
我々は、完了したオン・ポリティィ・トラジェクトリから安全経験を活用して、ハーネス・ポリティ共進化の継続ループを駆動する。
Qwen3.5-4B の場合、SafeEvolve は AgentDojo の 3 倍の ASR 削減を実現し、良質なユーティリティを 59.79% から 61.86% に改善した。
論文 参考訳（メタデータ） (2026-09-02T16:19:54Z) - SHE: Trajectory-driven Safety Harness Evolution for LLM Agents [63.74895225415523]
既存の安全メカニズムは、ハーネスを固定されたデプロイメントアーティファクトとして扱い、新興リスクで進化する能力を制限する。
我々は、ロールアウト軌道から安全な境界を進化させるフレームワークであるSafety Harness Evolutionを提案する。
Agent-SafetyBenchの実験では、SHEはハーネスの進化を通じて安全性を効果的に向上し、静的なSafeHarnessと比較して3.1倍のASR削減を実現している。
論文 参考訳（メタデータ） (2026-08-10T17:35:08Z) - Self-Evolving Just-In-Time Memory for Proactive Embodied Safety [13.342067741014455]
既存の安全アプローチは、安全でないアクションをブロックしたり、過度に注意を喚起するために、ランタイムガードレールに依存しています。
我々は,プログレッシブ・スタンリング・ガードレールからアクティブ・ハザード対策まで,安全を具体化した自己進化型Just-In-Time Memoryフレームワークを紹介した。
論文 参考訳（メタデータ） (2026-06-26T14:26:24Z) - Introducing a Novel Systems Thinking approach inspired by STPA: Road Safety Intervention design case study [1.3898092652070853]
イギリス運輸省が公表した最新の暫定統計によると、イギリスは2024年に1,633人が死亡した。
本稿では,リスクが動的に進化し,継続的に監視される複雑な社会技術システムとして,道路安全を管理すべきであると論じる。
1)道路安全に影響を与える利害関係者のリスト、2)これらの利害関係者間の相互作用をモデル化する、3)死亡要因と認識される可能性のある前提をリスト化する、4)システムライフサイクル全体にわたってこれらの仮定を監視する、という4つのステップで構成されています。
論文 参考訳（メタデータ） (2026-01-14T18:19:34Z) - RoboSafe: Safeguarding Embodied Agents via Executable Safety Logic [56.38397499463889]
視覚言語モデル(VLM)を利用するエージェントは、複雑な現実世界のタスクを実行する能力がますます高まっている。
しかし、安全でない行動を引き起こす可能性のある危険な指示に弱いままである。
提案するRoboSafeは,実行可能述語ベースの安全ロジックを通じて,エージェントを具体化するためのランタイムセーフガードである。
論文 参考訳（メタデータ） (2025-12-24T15:01:26Z) - UpSafe$^\circ$C: Upcycling for Controllable Safety in Large Language Models [67.91151588917396]
大規模言語モデル(LLM)は、幅広いタスクで顕著な進歩を遂げているが、有害なコンテンツ生成やジェイルブレイク攻撃といった安全リスクに弱いままである。
安全に配慮したリサイクルによるLCMの安全性向上のための統合フレームワークであるUpSafe$circ$Cを提案する。
この結果から, 静的アライメントから動的, モジュール, 推論対応制御への移行という, LLMの安全性の新たな方向性が明らかになった。
論文 参考訳（メタデータ） (2025-10-02T16:43:33Z) - HoliSafe: Holistic Safety Benchmarking and Modeling for Vision-Language Model [58.12612140992874]
我々は、安全で安全でない5つの画像テキストの組み合わせにまたがる、全体的な安全データセットとベンチマークである textbfHoliSafeを紹介した。
また,入力画像の有害性を評価するために,視覚ガードモジュール(VGM)を用いて,VLMの安全性を高めるための新しいモジュラーフレームワークを提案する。
実験により、HoliSafeでトレーニングされたVGMを使用したSafe-VLMは、複数のVLMベンチマークで最先端の安全性能を実現していることがわかった。
論文 参考訳（メタデータ） (2025-06-05T07:26:34Z) - SafeKey: Amplifying Aha-Moment Insights for Safety Reasoning [76.56522719330911]
大規模推論モデル(LRM)は、応答する前に明示的に推論する新しい世代パラダイムを導入する。
LRMは有害なクエリや敵の攻撃に対して大きな安全リスクをもたらす。
キー文中の安全アハモーメントをより活性化するSafeKeyを提案する。
論文 参考訳（メタデータ） (2025-05-22T03:46:03Z) - SafePath: Conformal Prediction for Safe LLM-Based Autonomous Navigation [67.22657932549723]
SafePathは,LLM(Large Language Models)を公式な安全保証とともに拡張するフレームワークである。
第1段階では,多様な候補経路を生成するLCMを用いて,エージェントの挙動と環境条件に基づく軌道探索を行う。
第2段階では、SafePathはリスクの高いトラジェクトリをフィルタリングし、少なくとも1つのセーフオプションがユーザ定義の確率に含まれていることを保証します。
最終段階では,不確実性が低い場合や不確実性が高い場合,人間に制御を委譲する場合の衝突リスクが最も低い経路を選択する。
論文 参考訳（メタデータ） (2025-05-14T14:28:24Z) - Safe CoR: A Dual-Expert Approach to Integrating Imitation Learning and Safe Reinforcement Learning Using Constraint Rewards [10.679693797257737]
複雑な環境をナビゲートするための安全な報酬学習フレームワークを提案する。
提案フレームワークは,実世界のJackalプラットフォーム上での制約違反を8,8$%削減する。
論文 参考訳（メタデータ） (2024-07-02T13:05:16Z) - Influence of Murder Incident of Ride-hailing Drivers on Ride-hailing
User's Consuming Willingness in Nanchang [2.9594252665402485]
殺人事件後における配車アプリの利用意欲と安全啓発に対するユーザの態度について検討した。
ライドシェアリングドライバーの殺人事件は、人々のライドシェアリングアプリの使用に重大な影響を及ぼすことがわかった。
人々は配車アプリの効率に満足したが、安全と信頼性に満足しなかった。
論文 参考訳（メタデータ） (2020-11-20T05:49:24Z)
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。