Predicting Trust In Autonomous Vehicles: Modeling Young Adult Psychosocial Traits, Risk-Benefit Attitudes, And Driving Factors With Machine Learning

要約

信頼性の低さは、依然として自動運転車 (AV) の導入に対する大きな障壁となっています。
信頼できる AV を設計するには、人々の信頼性の判断に影響を与える個人の特性、態度、経験をより深く理解する必要があります。
私たちは機械学習を使用して、調査 (n = 1457) によって収集された個人的要因の包括的なセットに基づいて、若者の信頼に寄与する最も重要な要因を理解します。
要因は、心理社会的属性や認知的属性から、運転スタイル、経験、認識されている AV のリスクとメリットまで多岐にわたります。
説明可能な AI 技術である SHAP を使用したところ、AV のリスクと利点の認識、実現可能性とユーザビリティに対する態度、組織の信頼、以前の経験、個人のメンタル モデルが最も重要な予測因子であることがわかりました。
驚くべきことに、心理社会的要因、および多くのテクノロジーおよび運転に特有の要因は、強力な予測因子ではありませんでした。
この結果は、多様なグループ向けに信頼できる AV を設計する際の個人差の重要性を浮き彫りにし、将来の設計と研究に重要な意味をもたらします。

要約(オリジナル)

Low trust remains a significant barrier to Autonomous Vehicle (AV) adoption. To design trustworthy AVs, we need to better understand the individual traits, attitudes, and experiences that impact people’s trust judgements. We use machine learning to understand the most important factors that contribute to young adult trust based on a comprehensive set of personal factors gathered via survey (n = 1457). Factors ranged from psychosocial and cognitive attributes to driving style, experiences, and perceived AV risks and benefits. Using the explainable AI technique SHAP, we found that perceptions of AV risks and benefits, attitudes toward feasibility and usability, institutional trust, prior experience, and a person’s mental model are the most important predictors. Surprisingly, psychosocial and many technology- and driving-specific factors were not strong predictors. Results highlight the importance of individual differences for designing trustworthy AVs for diverse groups and lead to key implications for future design and research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google