2023-03
$\textit{e-Uber}$：基于电动汽车的乘车和能源共享的众包平台
分类： 人工智能, 计算机科学与博弈论, 人机交互, 机器学习, 系统与控制, 系统与控制
作者： Ashutosh Timilsina, Simone Silvestri
发布时间： 2023-03-31
链接： http://arxiv.org/abs/2304.04753v1
摘要： 基于共享经济的商业模式最近在交通和住宿领域取得了成功，Uber 和 Airbnb 等公司都在其中。人们越来越有兴趣将该模型应用于能源系统，包括点对点（P2P）能源交易、基于电动汽车（EV）的车到电网（V2G）、车到户（V2H）等模式、车对车 (V2V) 和电池交换技术 (BST)。在这项工作中，我们利用电动汽车的日益普及来实现一个名为 e-Uber 的众包平台，该平台通过 V2G 和 BST 共同实现乘车共享和能源共享。 e-Uber 利用空间众包、强化学习和逆向拍卖理论。具体来说，该平台使用强化学习来了解驾驶员对不同乘车共享和能源共享任务的偏好。根据这些偏好，通过基于 CMAB 的任务推荐系统 (CARS) 算法向每位驾驶员推荐个性化列表。司机以反向拍卖的方式竞标列表中他们喜欢的任务。然后e-Uber解决任务分配优化问题，使成本最小化并保证V2G能量需求。我们证明这个问题是 NP 困难的，并引入了一种受二分匹配启发的启发式、基于二分匹配的获胜者选择 (BMW)，其具有多项式时间复杂度。使用纽约市出租车行程和能源消耗的真实数据进行的实验结果表明，与最先进的方法相比，e-Uber 的性能接近最优，并找到了更好的解决方案
对共享自动驾驶汽车的信任：两个移动平台的研究
分类： 人机交互, 机器人技术
作者： Shashank Mehrotra, Jacob G Hunter, Matthew Konishi, Kumar Akash, Zhaobo Zheng, Teruhisa Misu, Anil Kumar, Tahira Reid, Neera Jain
发布时间： 2023-03-17
链接： http://arxiv.org/abs/2303.09711v1
摘要： 美国各地越来越多地采用共享交通方式，有可能从根本上改变不同出行方式的偏好和使用。它还对自动交通的设计和开发提出了一些挑战，使大量人口能够利用这种新兴技术。其中一个挑战是缺乏对一种自动移动性的信任如何影响另一种自动移动性的信任的了解。如果没有这种理解，研究人员就很难确定未来的出行解决方案是否会被不同人群所接受。本研究的重点是确定不同移动方式之间信任的差异，以及对于喜欢激进驾驶风格的参与者来说，信任如何随着移动方式的使用而演变。设计了一项双移动模拟器研究，其中 48 名参与者体验了两种不同的自动移动方式（汽车和人行道）。结果发现，当参与者从汽车转向人行道出行时，他们表现出越来越高的信任度。相比之下，当参与者从人行道转向汽车出行时，他们的信任度下降。该研究的结果有助于了解和确定人们如何建立对未来移动平台的信任，并可以为干预措施的设计提供信息，从而有助于提高对未来移动的信任和接受度。
开发 IncidentUI——自动驾驶汽车的乘坐舒适性和脱离评估应用程序
分类： 人机交互, 软件工程
作者： Manas Mehta, Nugzar Chkhaidze, Yizhen Wang
发布时间： 2023-03-16
链接： http://arxiv.org/abs/2303.13545v1
摘要： 本报告详细介绍了 IncidentUI 的设计、开发和实施，这是一款 Android 平板电脑应用程序，旨在测量用户体验的乘坐舒适度并记录自动驾驶车辆 (AV) 在试驾期间的脱离数据。我们项目的目标是开发一个 Android 应用程序，在外围平板电脑上运行，并与 Drive Pegasus AGX（Nvidia AV 2 级自主解决方案架构的 AI 计算平台）进行通信，以检测 AV 脱离并报告乘坐舒适度。我们为 IncidentUI 设计并开发了一个基于 Android XML 的直观用户界面。 IncidentUI 的开发需要重新设计系统架构，用 Java 重新开发系统通信协议，并使用现有系统 Protobuf 定义在 Java 中实现协议缓冲区 (Protobuf)。 IncidentUI 的最终迭代在 AV 试驾测试中产生了所需的功能。在最终的 IncidentUI 演示中，我们还收到了 Nvidia AV 平台团队的积极反馈。
行人与自动驾驶汽车与 eHMI 互动的预指导：对其心理和步行行为的影响
分类： 人机交互
作者： Hailong Liu, Takatsugu Hirayama
发布时间： 2023-03-15
链接： http://arxiv.org/abs/2303.08380v1
摘要： eHMI 是指一种新颖且明确的通信方法，用于在交互中（例如在相遇场景中）进行行人与 AV 协商。然而，与自动驾驶汽车谈判经验有限的行人可能无法全面、正确地理解自动驾驶汽车通过 eHMI 传达的驾驶意图信息，尤其是在当前自动驾驶汽车和 eHMI 尚未成为主流的情况下。因此，在相遇过程中误解自动驾驶汽车驾驶意图的行人可能会感到受到威胁并做出不可预测的行为。为了解决这个问题，本研究提出利用eHMI原理的预先说明来帮助行人正确理解驾驶意图并预测自动驾驶汽车行为。因此，这可以改善他们的主观感受（即危险感、对 AV 的信任感和解脱感）和决策。此外，本研究表明，eHMI可以通过预指令更好地引导行人行为。过马路场景的交互实验结果表明，参与者发现，当他们遇到没有 eHMI 的 AV 时，比遇到手动驾驶车辆（MV）时更难以识别情况；此外，参与者在决策时的主观感受和犹豫也明显恶化。经过预指导后，参与者可以通过 eHMI 了解自动驾驶汽车的驾驶意图并更轻松地预测驾驶行为。此外，参与者的主观感受和决策犹豫度也有所改善，达到了与 MV 相同的标准。此外，本研究发现，使用eHMI的信息指导会影响参与者的步行速度，导致参与者在通过预先指导完全理解eHMI原理后，在多次试验中会在时间范围内出现较小的变化。
与人工智能合作并为人工智能工作：自动驾驶汽车安全驾驶员的生活经历
分类： 人机交互, J.4
作者： Mengdi Chu, Keyu Zong, Xin Shu, Jiangtao Gong, Zicong Lu, Kaimin Guo, Xinyi Dai, Guyue Zhou
发布时间： 2023-03-09
链接： http://arxiv.org/abs/2303.04986v1
摘要： 自动驾驶汽车 (AV) 的发展创造了一个新的职位，即安全驾驶员，该职位由经验丰富的驾驶员招募，负责在众多驾驶任务中监督和操作自动驾驶汽车。安全驾驶员通常在高风险的现实交通环境中使用不完美的自动驾驶汽车来执行道路测试任务。然而，这组工作人员在 HCI 社区中尚未得到充分探索。为了填补这一空白，我们对 26 名安全驾驶员进行了半结构化访谈。我们的结果展示了安全驾驶员在使用自动驾驶汽车时如何应对有缺陷的算法以及塑造和校准他们的感知。我们发现，作为一线工作者，安全驾驶员被迫承担自动驾驶行业上游积累的风险，在自动驾驶发展中也面临着自我发展的限制。我们提供了安全驾驶员、自动驾驶开发中的第一批乘客以及自动驾驶基层工作者的生活体验的第一个经验证据，这可以为未来的人机交互研究提供启示。