2024-01

评估伊朗公众对汽车自动化的看法：自适应巡航控制的接受度和付费意愿

分类： 普通经济学, 经济学

作者： Sina Sahebi, Sahand Heshami, Mohammad Khojastehpour, Ali Rahimi, Mahyar Mollajani

发布时间： 2024-01-29

链接： http://arxiv.org/abs/2401.17329v1

摘要： 自适应巡航控制（ACC）是一项可以减少汽车行业燃油消耗和空气污染的技术。然而，与工业化国家相比，其在伊朗的供应量较低。本研究调查了伊朗司机对 ACC 的接受程度和支付意愿 (WTP)。使用技术接受模型 (TAM) 和有序 Logit 模型对来自 453 名受访者的在线调查数据进行了分析。结果表明，感知易用性和感知有用性会影响对使用 ACC 的态度，进而影响行为意图。 Logit 模型还显示，认为 ACC 简单实用、车辆价格较高以及具有巡航控制 (CC) 经验的女性驾驶员更有可能为 ACC 付费。为了提高 ACC 在伊朗的采用率，建议针对早期采用者，特别是女性和资本家，他们可以通过积极的反馈影响他人。还应强调 ACC 对交通安全和环境可持续性的好处。

预测和可视化技术接受度的新框架：共享自动驾驶汽车案例研究

分类： 人机交互

作者： Lirui Guo, Michael G. Burke, Wynita M. Griggs

发布时间： 2024-01-29

链接： http://arxiv.org/abs/2401.15921v1

摘要： 共享自动驾驶汽车 (SAV) 的新兴领域为交通运输行业带来了变革潜力，但需要得到公众的认可。传统的验收模型主要依赖于结构方程模型 (SEM)，通常无法捕获这种验收背后的复杂的非线性动态。为了解决这些限制，本文提出了一种机器学习 (ML) 方法来预测公众对 SAV 的接受程度，并采用弦图来可视化不同预测变量的影响。这种方法揭示了宏观和微观层面因素之间微妙的非线性关系，并将态度确定为 SAV 使用意图的主要预测因素，其次是感知风险、感知有用性、信任和感知易用性。该框架还揭示了 SAV 采用者和非采用者对这些因素的不同看法，为提高 SAV 接受度的战略举措提供了细致的见解。以 SAV 接受度作为案例研究，我们的研究结果为技术接受度的讨论提供了一种新颖的、基于机器学习的视角，强调了细致入微的、数据驱动的方法在理解和促进公众接受新兴交通技术方面的重要性。

自动驾驶汽车的模拟测试如何符合人类的感知？

分类： 软件工程

作者： Christian Birchler, Tanzil Kombarabettu Mohammed, Pooja Rani, Teodora Nechita, Timo Kehrer, Sebastiano Panichella

发布时间： 2024-01-26

链接： http://arxiv.org/abs/2401.14736v1

摘要： 覆盖率和突变分数等软件指标已被广泛探索用于测试套件的自动质量评估。虽然传统工具依赖于此类可量化的软件指标，但自动驾驶汽车 (SDC) 领域主要关注基于模拟的测试用例生成，使用出界 (OOB) 参数等质量指标来确定测试是否有效案件失败或通过。然而，目前尚不清楚这种质量指标在多大程度上符合人类对 SDC 安全性和现实性的看法，这是评估 SDC 行为的关键方面。为了解决这一差距，我们进行了一项涉及 50 名参与者的实证研究，以调查决定人类如何看待 SDC 测试用例安全、不安全、现实或不现实的因素。为此，我们开发了一个利用虚拟现实 (VR) 技术的框架，称为 SDC-Alabaster，让研究参与者沉浸在 SDC 模拟器的虚拟环境中。我们的研究结果表明，人类对失败和通过测试用例的安全性和真实性的评估可能会根据不同的因素而有所不同，例如测试的复杂性以及与 SDC 交互的可能性。特别是对于现实主义的评估，参与者的年龄作为混杂因素会导致不同的感知。这项研究强调了对 SDC 模拟测试质量指标进行更多研究的必要性以及人类感知在评估 SDC 行为中的重要性。

通过 Frenet 空间编码进行自动驾驶汽车测试生成的多样性引导搜索探索

分类： 软件工程

作者： Timo Blattner, Christian Birchler, Timo Kehrer, Sebastiano Panichella

发布时间： 2024-01-26

链接： http://arxiv.org/abs/2401.14682v1

摘要： 自动驾驶汽车 (SDC) 的兴起带来了动态环境中需要解决的重要安全挑战。虽然现场测试至关重要，但当前的方法在评估关键 SDC 场景时缺乏多样性。先前的研究引入了对SDC进行基于模拟的测试，采用Frenetic（一种基于Frenet空间编码的测试生成方法），实现了相对较高百分比的有效测试（约50％），其特征在于自然平滑的曲线。 “最小出界距离”通常被视为适应度函数，我们认为这是一个次优指标。相反，我们表明可以通过深度学习普通 Transformer 模型来学习导致越界条件的可能性。我们将这种“固有学习指标”与遗传算法相结合，该算法已被证明可以产生高度多样性的测试。为了验证我们的方法，我们对一个数据集进行了大规模的实证评估，该数据集包含超过 1,174 个模拟测试用例，这些测试用例是为了挑战 SDC 的行为而创建的。我们的调查显示，我们的方法表明，在 SDC 测试执行期间，生成无效测试用例的数量大幅减少，多样性增加，并且识别安全违规的准确性很高。

迈向包容性：重新审视自动驾驶汽车的车内交互

分类： 人机交互, 人工智能, 计算机与社会

作者： Ashish Bastola, Julian Brinkley, Hao Wang, Abolfazl Razi

发布时间： 2024-01-26

链接： http://arxiv.org/abs/2401.14571v1

摘要： 本文对自动驾驶车辆中车载人机交互 (HCI) 的现状进行了全面的文献综述，特别关注包容性和可访问性。本研究的目的是研究自动驾驶车辆中包容性 HCI 以用户为中心的设计原则，评估现有的 HCI 系统，并确定有潜力增强乘客体验的新兴技术。本文首先概述了自动驾驶汽车技术的现状，然后探讨了人机交互在此背景下的重要性。接下来，本文回顾了有关包容性人机交互设计原则的现有文献，并评估了当前人机交互系统在自动驾驶车辆中的有效性。该论文还确定了有潜力增强乘客体验的新兴技术，例如声控界面、触觉反馈系统和增强现实显示器。最后，本文提出了一个用于开发包容性车内体验的端到端设计框架，该框架考虑了所有乘客（包括残疾人）的需求或其他无障碍要求。本文献综述强调了以用户为中心的设计原则在自动驾驶车辆人机交互系统开发中的重要性，并强调了包容性设计的必要性，以确保所有乘客都能安全舒适地使用这些车辆。所提出的端到端设计框架提供了实现这一目标的实用方法，并且可以作为该领域的设计师、研究人员和政策制定者的宝贵资源。

黑客预测器意味着黑客汽车：使用敏感性分析来识别自动驾驶安全的轨迹预测漏洞

分类： 密码学和安全, 机器学习, 机器人技术, 系统与控制, 系统与控制

作者： Marsalis Gibson, David Babazadeh, Claire Tomlin, Shankar Sastry

发布时间： 2024-01-18

链接： http://arxiv.org/abs/2401.10313v2

摘要： 对基于学习的多模态轨迹预测器的对抗性攻击已经被证明。然而，关于扰动对状态历史以外的输入的影响，以及这些攻击如何影响下游规划和控制，仍然存在悬而未决的问题。在本文中，我们对两个轨迹预测模型Trajectron++和AgentFormer进行了敏感性分析。分析表明，在所有输入之间，两个模型的几乎所有扰动敏感性仅位于最近的位置和速度状态内。我们还证明，尽管对状态历史扰动具有主导敏感性，但使用快速梯度符号方法进行的不可检测的图像图扰动可能会导致两个模型的预测误差大幅增加，这表明这些轨迹预测器实际上容易受到基于图像的影响攻击。使用基于优化的规划器和根据灵敏度结果制作的扰动示例，我们展示了这些攻击如何导致车辆从中等行驶速度突然停止。

SensoDat：基于仿真的自动驾驶汽车传感器数据集

分类： 软件工程

作者： Christian Birchler, Cyrill Rohrbach, Timo Kehrer, Sebastiano Panichella

发布时间： 2024-01-18

链接： http://arxiv.org/abs/2401.09808v1

摘要： 在自动驾驶汽车 (SDC) 等自主系统 [22, 24] 背景下开发工具既耗时又昂贵，因为研究人员和从业者依赖昂贵的计算硬件和模拟软件。我们提出 SensoDat，这是一个包含 32,580 个执行的基于模拟的 SDC 测试用例的数据集，由最先进的 SDC 测试生成器生成。该数据集由轨迹日志和来自 SDC 的各种传感器数据（例如，转速、轮速、制动热量、传输等）组成，以时间序列表示。 SensoDat 总共提供来自 81 个不同模拟传感器的数据。 SDC 领域的未来研究不一定依赖于使用 SensoDat 时执行昂贵的测试用例。此外，凭借大量和多样化的传感器数据，我们认为 SensoDat 可以为研究做出贡献，特别是人工智能开发、基于仿真的 SDC 测试的回归测试技术、仿真中的不稳定等。数据集链接：https:// doi.org/10.5281/zenodo.10307479

SDO/HMI 连续体图像上太阳黑子分组和计算相对太阳黑子数的自动方法

分类： 太阳和恒星天体物理学

作者： Cui Zhao, Shangbin Yang, Tingmei Wang, Haiyan Zhao, Shiyuan Liu, Fangyuan He, Zhengkun Hu

发布时间： 2024-01-17

链接： http://arxiv.org/abs/2401.08949v1

摘要： 相对太阳黑子数是研究长期太阳活动的主要参数之一。与手动方法相比，自动计算相对太阳黑子数更加稳定和准确。在本文中，我们提出了一种可以检测太阳黑子并将其分组的算法，以自动计算相对太阳黑子数。采用数学形态学来检测太阳黑子并对它们进行分组。使用的数据集是来自 SDO/HMI 的连续图像。该过程针对 2022 年 1 月至 2023 年 5 月期间可用的整体 HMI 数据进行，时间节奏为一天。实验结果表明，该方法准确率高达85.3%。它与太阳影响数据分析中心（SIDC）提供的国际相对太阳黑子数（CC=0.91）很好地吻合。我们计算了SDO/HMI用于计算相对太阳黑子数的换算系数K值（K=1.03）。

CarSpeedNet：基于智能手机加速度计的深度神经网络汽车速度估计

分类： 机器学习, 人工智能

作者： Barak Or

发布时间： 2024-01-15

链接： http://arxiv.org/abs/2401.07468v1

摘要： 在这项研究中，引入了一种新颖的深度神经网络 (DNN) 架构 CarSpeedNet，利用来自智能手机的三轴加速度计数据来估计汽车速度。 CarSpeedNet 利用从安装在以色列各个地区的车辆上的智能手机收集的 13 个小时的数据，有效地了解了测得的智能手机加速度与汽车速度之间的关系。地面真实速度数据是从智能手机中的 GPS 接收器以 1[Hz] 获得的。所提出的模型能够结合历史输入进行高频速度估计。我们训练有素的模型在汽车速度估计方面表现出卓越的准确性，在长时间的驾驶测试中，仅依靠智能手机加速度计数据，无需与汽车建立任何连接，即可实现低于 0.72[m/s] 的精度。

基于 LMI 的鲁棒模型预测控制，适用于串联主动可变几何悬架的四分之一车

分类： 系统与控制, 系统与控制

作者： Zilin Feng, Anastasis Georgiou, Simos A. Evangelou, Min Yu, Imad M Jaimoukha, Daniele Dini

发布时间： 2024-01-12

链接： http://arxiv.org/abs/2401.06650v2

摘要： 本文为最近推出的系列主动可变几何悬架（SAVGS）提出了一种基于模型预测控制的鲁棒解决方案，以提高四分之一车的乘坐舒适性和抓地力。为了缩小非线性多体 SAVGS 模型与其线性等效模型之间的差距，提出了一种新的不确定系统表征，可以捕获未建模的动态、参数变化和外部干扰。基于新提出的四分之一车 SAVGS 系统的线性不确定模型，以线性矩阵不等式（LMI）优化的形式提出约束最优控制问题（OCP）。更具体地说，利用半定松弛技术，提出了状态反馈鲁棒模型预测控制（RMPC）方案，并将其与非线性多体 SAVGS 模型集成，其中状态反馈增益和控制扰动在线计算以优化性能，同时物理和保留设计约束。不同 ISO 定义的道路事件的数值模拟结果表明，与传统的被动悬架以及之前开发的主动控制 SAVGS 相比，所提出的方法在乘坐舒适性和抓地力方面具有鲁棒性和显着的性能改进传统的H-无穷大控制方案。

合并 MDI 和 HMI 空间天气活动区域补丁的磁场参数时间序列作为太阳耀斑预报的潜在工具

分类： 太阳和恒星天体物理学, 数据分析、统计和概率, 应用领域

作者： Paul A. Kosovich, Viacheslav M. Sadykov, Alexander G. Kosovichev, Spiridon Kasapis, Irina N. Kitiashvili, Patrick M. O'Keefe, Aatiya Ali, Vincent Oria, Samuel Granovsky, Chun Jie Chong, Gelu M. Nita

发布时间： 2024-01-10

链接： http://arxiv.org/abs/2401.05591v2

摘要： 最近利用空间-天气MDI（太阳和日光层观测站上的迈克尔逊多普勒成像仪）活动区域补丁（SMARP）和空间-天气HMI（太阳动力学观测站上的日震和磁成像仪）活动区域补丁进行了太阳耀斑预测研究（SHARP），这是目前可用的两个包含太阳活动区域磁场特征的数据产品。目前的工作是将它们组合成一个数据产品，并进行一些初步的统计分析，以进一步扩展它们在空间天气预报中的应用。通过过滤、重新缩放以及将 SMARP 与 SHARP 参数合并来导出组合数据，然后可以在空间上减少这些数据以创建统一的多元时间序列。生成的组合 MDI-HMI 数据集目前涵盖 1996 年 4 月 4 日至 2022 年 12 月 13 日期间，并且可能会扩展到更近的日期。这提供了将其与其他空间天气时间序列关联和比较的机会，例如每日太阳耀斑指数或对地静止运行环境卫星 (GOES) 测量的软 X 射线通量的统计特性。时滞互相关表明可能存在某种关系，其中活动区域的某些磁场特性在时间上领先于耀斑指数。应用滚动窗口技术可以看到领导者-跟随者动态如何随时间变化。初步结果表明，高度相关的区域通常对应于太阳周期峰值期间耀斑活动的增加。

ICMC-ASR：ICASSP 2024 车载多通道自动语音识别挑战赛

分类： 声音, 人工智能, 音频和语音处理

作者： He Wang, Pengcheng Guo, Yue Li, Ao Zhang, Jiayao Sun, Lei Xie, Wei Chen, Pan Zhou, Hui Bu, Xin Xu, Binbin Zhang, Zhuo Chen, Jian Wu, Longbiao Wang, Eng Siong Chng, Sun Li

发布时间： 2024-01-07

链接： http://arxiv.org/abs/2401.03473v3

摘要： 为推动驾驶场景中的语音处理和识别研究，我们在ISCSLP 2022举办的智能座舱语音识别挑战赛（ICSRC）的成功基础上，推出了ICASSP 2024车载多通道自动语音识别（ICMC-ASR）挑战赛。本次挑战赛收集了新能源汽车内记录的超过100小时的多通道语音数据和40小时的噪声进行数据增强。建立了自动语音识别（ASR）和自动语音分类与识别（ASDR）两个轨道，分别使用字符错误率（CER）和级联最小排列字符错误率（cpCER）作为评估指标。总体而言，ICMC-ASR挑战赛吸引了98支参赛队伍，并在两个赛道上收到了53个有效成绩。最终，第一名科大讯飞在 ASR 赛道上的 CER 为 13.16%，在 ASDR 赛道上的 cpCER 为 21.48%，与我们的挑战基线相比，分别提高了 13.08% 和 51.4%。

利用偏振材料线索进行稳健的汽车检测

分类： 计算机视觉和模式识别

作者： Wen Dong, Haiyang Mei, Ziqi Wei, Ao Jin, Sen Qiu, Qiang Zhang, Xin Yang

发布时间： 2024-01-05

链接： http://arxiv.org/abs/2401.02606v1

摘要： 汽车检测是一项重要的任务，是许多自动驾驶功能的关键先决条件。场景中光照/天气条件和车辆密度的巨大变化对现有汽车检测算法满足高精度的安全感知需求提出了重大挑战，因为不稳定/有限的颜色信息阻碍了有意义/有判别性特征的提取汽车。在这项工作中，我们提出了一种新颖的基于学习的汽车检测方法，该方法利用三色线性偏振作为附加线索来消除此类具有挑战性的情况的歧义。一个关键的观察结果是，光波的偏振特性可以稳健地描述场景对象在各种成像条件下的固有物理特性，并且与汽车材料（例如金属和玻璃）及其周围环境的性质密切相关。例如土壤和树木），从而为具有挑战性的场景中的稳健汽车检测提供可靠和有辨别力的特征。为了利用偏振线索，我们首先构建一个像素对齐的 RGB 偏振汽车检测数据集，随后使用该数据集来训练新型多模态融合网络。我们的汽车检测网络以请求和补充的方式动态集成 RGB 和偏振特征，并且可以在所有学习样本中探索汽车的内在材料属性。我们广泛验证了我们的方法，并证明它优于最先进的检测方法。实验结果表明，偏振是汽车检测的有力线索。