How to ensure control of cooperative vehicle and truck platoons using Meaningful Human Control
Notice bibliographique
Résumé
Vehicle cooperation, not vehicle automation, will yield the greatest benefits on road traffic. However, satisfactory human control over platoons of cooperative vehicles still has a large number of uncertainties and issues to be addressed. This paper aims to address these broader issues of control over a cooperative vehicle platoon by focussing on a truck platooning system as a case example, and taking the perspective of Meaningful Human Control (MHC) as control concept. MHC goes further than mere operational control as it addresses issues that exist in current system designs, and proposes improvements based on a novel and more encompassing set of conditions for control. These issues are addressed in regard to the vehicles and their Operational Design Domains (ODD), the role and ability of the drivers (both leading and following) and how these exist in regard to their road environment. We conclude that current advances are making progress, but that from a MHC perspective, issues still remain for the operational and tactical implementation of truck platoons and cooperative driving that need to be addressed in regard to ODDs and drivers. Furthermore, consideration of responsibility and liability aspects is required that stretches beyond nominal appointment thereof, as this does not satisfy important ethical and societal standards. This is demonstrated in the paper through two hypothetical cases focussing on issues on a system level and one further analysis which is focussed on the role of the driver in the platooning system.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».