論文の概要: Global drivers and barriers to the public acceptance of autonomous vehicles: Evidence from 17 countries

• arxiv url: http://arxiv.org/abs/2607.14436v1
• Date: Thu, 16 Jul 2026 00:08:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-17 17:01:32.937212
• Title: Global drivers and barriers to the public acceptance of autonomous vehicles: Evidence from 17 countries
• Title（参考訳）: グローバルドライバーと自動運転車の公的な受容への障壁--17か国からの証拠
• Abstract要約: 本研究は, 自動車工学会レベル3の条件付き自動走行車の公的な受容について検討した。 レベル3の車を使用する意図は、主にパフォーマンスの期待、社会的影響、およびヘドニックな動機によって推進された。
• 参考スコア（独自算出の注目度）: 0.16921396880325779
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This study investigated the public acceptance of Society of Automotive Engineers Level 3 conditionally automated cars, which can self-drive under certain specified conditions but require the human driver to remain ready to resume control when requested. Previous Unified Theory of Acceptance and Use of Technology 2 (UTAUT2)-based research has focused mainly on European samples, and so it is still unclear whether the same factors shape acceptance across broader world regions. This knowledge gap was addressed using the L3Pilot Global User Acceptance Survey. From an original dataset of 18,631 respondents, the final analytic sample comprised 18,603 respondents from 17 countries across Africa, Asia, Europe, North America, and South America. The data were analyzed using a UTAUT2-based structural equation model to examine how performance expectancy, effort expectancy, social influence, facilitating conditions, and hedonic motivation shape the intention to use Level 3 cars. The model showed strong explanatory power. Across the analytic sample, the intention to use Level 3 cars was driven mainly by performance expectancy, social influence, and hedonic motivation. Effort expectancy and facilitating conditions also contributed, but they played smaller direct roles. Age, gender, and previous experience with advanced driver assistance systems were statistically significant, but comparatively weak predictors. Overall, the findings suggest that the acceptance of Level 3 automated cars depends less on demographic characteristics or ease-of-use concerns and more on whether people see the technology as useful, socially supported, and enjoyable to use.
• Abstract（参考訳）: 本研究は,特定の条件下で自走できるが,要求された場合に運転者が制御を再開する準備が整ったままでいなければならない,条件付き自動走行車「Society of Automotive Engineers Level 3」の公的な受容について検討した。 UTAUT2(Unified Theory of Acceptance and Use of Technology 2)に基づく研究は、主に欧州のサンプルに焦点を合わせており、この2つの要因が広範囲にまたがって受け入れられるかどうかは不明である。 この知識ギャップをL3Pilot Global User Acceptance Surveyを用いて解決した。 調査対象はアフリカ、アジア、ヨーロッパ、北アメリカ、南米17カ国18,603人。 データは,UTAUT2に基づく構造方程式モデルを用いて分析され,性能期待度,努力期待度,社会的影響,ファシリテート条件,ヘドニックモチベーションがレベル3車を使用する意図を形作るかを検討した。 モデルは強い説明力を示した。 分析対象の全体にわたって,レベル3車の使用意図は,主に性能期待,社会的影響,ヘドニック・モチベーションに左右された。 期待感と円滑な条件も寄与したが、彼らはより小さな直接的な役割を担った。 年齢、性別、先進運転支援システムでの過去の経験は統計的に有意であったが、比較的弱い予測器であった。 全体として、レベル3の自動運転車の受け入れは、人口統計特性や使いやすさなど、人々がこのテクノロジーを有用で社会的に支持され、使い勝手の良いものとみなすかどうかにかかっていることが示唆されている。

関連論文リスト

• DriveJudge: Rethinking Autonomous Driving Evaluation with Vision-Language Models [53.73898294218455]
  DriveJudgeは、ルール付き評価とVision-Language Model (VLM)推論を組み合わせた運転評価エージェントである。 運転品質分類と軌道選択という2つのベンチマークタスクを導入する。 DriveJudgeは、21.23 AUCによる運転品質分類と、最近のVLMベースのDriveCriticによる軌道優先選択では6.5%の成績を示した。
  論文  参考訳（メタデータ） (2026-06-15T23:39:36Z)
• Revisiting UTAUT for the Age of AI: Understanding Employees AI Adoption and Usage Patterns Through an Extended UTAUT Framework [0.0]
  本研究では、職場における人工知能(AI)技術に対して、従業員の人口構成要因が採用や態度を形作るかどうかを検討する。 多国籍コンサルティング会社内のグローバルリージョンと組織レベルの専門家2,257人を対象に調査を行った。
  論文  参考訳（メタデータ） (2025-10-16T21:01:41Z)
• Overtake Detection in Trucks Using CAN Bus Signals: A Comparative Study of Machine Learning Methods [51.28632782308621]
  ボルボグループが提供する5台の車載トラックから収集した制御エリアネットワーク(CAN)バスデータを用いたオーバーテイク検出に焦点を当てた。 車両操作検出、ニューラルネットワーク(ANN)、ランダムフォレスト(RF)、サポートベクトルマシン(SVM)の3つの共通分類器の評価を行った。 当社のパートラック分析では、特にオーバーテイクにおいて、車両毎のトレーニングデータの量に依存する分類精度も明らかにしています。
  論文  参考訳（メタデータ） (2025-07-01T09:20:41Z)
• General Scales Unlock AI Evaluation with Explanatory and Predictive Power [57.7995945974989]
  ベンチマークはAIの進歩を導くものだが、汎用AIシステムには限られた説明力と予測力を提供している。 私たちは、一般的なAIベンチマークが実際に何を計測しているかを説明することができる、AI評価のための一般的な尺度を紹介します。 私たちの完全に自動化された方法論は、飽和しない一般的なスケールにインスタンス要求を配置する18の新しく作られたルーリックの上に構築されます。
  論文  参考訳（メタデータ） (2025-03-09T01:13:56Z)
• Being good (at driving): Characterizing behavioral expectations on automated and human driven vehicles [0.4476047439400351]
  我々は,優れた運転行動を実現するための枠組みとしてのドライバシップの概念を提唱した。 ドライバーシップは、道路利用者間で存在する相互主義的期待の一致による運転行動の評価を基礎とする。
  論文  参考訳（メタデータ） (2025-02-12T04:59:20Z)
• Methods to Estimate Advanced Driver Assistance System Penetration Rates in the United States [0.0]
  本稿では,米国における高度運転支援システム(ADAS)搭載車両の割合を推定する方法を検討する。 2022年、車両の8%から25%に様々なADAS機能が搭載されたが、実際の使用率は運転者の不活性化により低下した。 本研究は,事故データの解析,イベントデータレコーダ機能の拡張,自然主義運転研究の実施,メーカーとの協力による設置率の決定など,予測を向上する戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-01T17:17:33Z)
• Bench2Drive: Towards Multi-Ability Benchmarking of Closed-Loop End-To-End Autonomous Driving [59.705635382104454]
  本稿では,E2E-ADシステムのマルチ能力をクローズドループで評価するための最初のベンチマークであるBench2Driveを紹介する。 我々は最先端のE2E-ADモデルを実装し、Bench2Driveで評価し、現状と今後の方向性について洞察を提供する。
  論文  参考訳（メタデータ） (2024-06-06T09:12:30Z)
• 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)
• People Attribute Purpose to Autonomous Vehicles When Explaining Their Behavior: Insights from Cognitive Science for Explainable AI [22.138074429937795]
  効果的な人間中心の説明可能な人工知能(XAI)は人間の推論によく似ているとしばしば主張されている。 本稿では, 機械的, 遠隔的, あるいは反現実的を問わず, 人々がどのように説明を行うかを分析するための説明モードの枠組みを提案する。 我々の主な発見は、参加者がテレロジカルな説明を、反ファクト的な説明よりもはるかに良い品質とみなし、テレロジカルな表現が、知覚された品質の最良の予測因子であると認識していることである。
  論文  参考訳（メタデータ） (2024-03-11T11:48:50Z)
• Gauging Public Acceptance of Conditionally Automated Vehicles in the United States [0.0]
  社会的影響、パフォーマンスの期待、努力の期待、ヘドニックな動機付け、条件の緩和により、条件付き自動車両の受け入れが決定される。 この研究から得られた知見を統合することで、ステークホルダーは自動運転車技術の採用をより促進できる。
  論文  参考訳（メタデータ） (2024-02-18T03:50:34Z)
• DriveGPT4: Interpretable End-to-end Autonomous Driving via Large Language Model [84.29836263441136]
  本研究は,マルチモーダル大言語モデル(MLLM)に基づく新しい解釈可能なエンドツーエンド自動運転システムであるDriveGPT4を紹介する。 DriveGPT4は、車両動作の解釈を促進し、関連する推論を提供し、ユーザによるさまざまな質問に効果的に対処する。
  論文  参考訳（メタデータ） (2023-10-02T17:59:52Z)
• 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)
• The 5th AI City Challenge [51.83023045451549]
  第5回AIシティチャレンジには38カ国305チームが参加した。 アルゴリズムの有効性と計算効率の両面で評価を行った。 結果は、スマートトランスポーテーションにおけるAIの約束を示している。
  論文  参考訳（メタデータ） (2021-04-25T19:15:27Z)

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。