MétaCan
Menu
Retour à la cohorte
Enregistrement W3005298575 · doi:10.1177/0018720819900402

Challenges to Human Drivers in Increasingly Automated Vehicles

2020· article· en· W3005298575 sur OpenAlexafffund
Peter A. Hancock, Tara Kajaks, Jeff K. Caird, Mark Chignell, Sachi Mizobuchi, Peter C. Burns, Jing Feng, Geoff Fernie, Martin Lavallière, Ian Noy, Donald A. Redelmeier, Brenda Vrkljan

Notice bibliographique

RevueHuman Factors The Journal of the Human Factors and Ergonomics Society · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueHuman-Automation Interaction and Safety
Établissements canadiensUniversité du Québec à ChicoutimiTransport CanadaUniversity of CalgaryToronto Rehabilitation InstituteUniversity of TorontoMcMaster University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAutomationTask (project management)Control (management)Risk analysis (engineering)EngineeringComputer securityTransport engineeringComputer scienceBusinessSystems engineering

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: We examine the relationships between contemporary progress in on-road vehicle automation and its coherence with an envisioned "autopia" (automobile utopia) whereby the vehicle operation task is removed from all direct human control. BACKGROUND: The progressive automation of on-road vehicles toward a completely driverless state is determined by the integration of technological advances into the private automobile market; improvements in transportation infrastructure and systems efficiencies; and the vision of future driving as a crash-free enterprise. While there are many challenges to address with respect to automated vehicles concerning the remaining driver role, a considerable amount of technology is already present in vehicles and is advancing rapidly. METHODS: A multidisciplinary team of experts met to discuss the most critical challenges in the changing role of the driver, and associated safety issues, during the transitional phase of vehicle automation where human drivers continue to have an important but truncated role in monitoring and supervising vehicle operations. RESULTS: The group endorsed that vehicle automation is an important application of information technology, not only because of its impact on transportation efficiency, but also because road transport is a life critical system in which failures result in deaths and injuries. Five critical challenges were identified: driver independence and mobility, driver acceptance and trust, failure management, third-party testing, and political support. CONCLUSION: Vehicle automation is not technical innovation alone, but is a social as much as a technological revolution consisting of both attendant costs and concomitant benefits.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,003
Communication savante0,0060,004
Science ouverte0,0010,005
Intégrité de la recherche0,0030,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,073
Tête enseignante GPT0,331
Écart entre enseignants0,259 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations82
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueHuman Factors The Journal of the Human Factors and Ergonomics SocietyMême sujetHuman-Automation Interaction and SafetyTravaux en français237 207