36、自动驾驶汽车系统的伦理与隐私问题剖析

自动驾驶汽车系统的伦理与隐私问题剖析

1. 自动驾驶汽车责任体系新建议

当自动驾驶功能开启时,驾驶座上的乘客不再被归类为驾驶员,而是“负责用户”,其不会因直接源于驾驶任务的违法行为而被起诉。在自动驾驶系统(AVS)被授权无需人类驾驶员或驾驶座上的用户即可运行的情况下,AVS 运营商需对整个行程负责。

英国政府鼓励自动驾驶汽车技术的开发和部署,认为其有潜力变革出行方式,使日常出行更安全、便捷和环保。为建立公众信心,需基于安全和问责制制定合适的法规。为此,相关部门资助了独立报告,以帮助监管机构明确法律责任并促进 AVS 的应用。

2. 公众对自动驾驶汽车事故的看法

由于对完全自动驾驶汽车公众认知的研究较少,可参考半自动驾驶汽车的认知研究来了解公众情绪。Liu 和 Du(2021)的实验发现,在事故情况下,人们对自动化系统的评判比人类驾驶员更严厉,存在“责备归因不对称偏差”,即对半自动驾驶汽车造成的事故评判更苛刻,并要求给予受害者更多赔偿。

2018 年特斯拉行人碰撞事故前后的情绪分析显示,与“自动驾驶”相关的负面推文增加了 32%,这进一步强化了公众对 AVS 技术的担忧。政策制定者面临两难境地:若让 AVS 运营商在事故中承担全部责任,惩罚性赔偿需足够高以确保开发者和运营商重视安全;但也要警惕这对公众认知产生负面影响,从而减缓自动驾驶汽车的社会普及。

以下是公众对不同类型事故态度的对比表格:
| 事故类型 | 评判严厉程度 | 赔偿要求 |
| ---- | ---- | ---- |
| 人类驾驶员事故 | 相对宽松 | 相对较低 |
| 半自动驾驶汽车事故 | 更严厉 | 更

提供了基于BP(Back Propagation)神经网络结合PID(比例-积分-微分)控制策略的Simulink仿真模型。该模型旨在实现对杨艺所著论文《基于S函数的BP神经网络PID控制器及Simulink仿真》中的理论进行实践验证。在Matlab 2016b环境下开发,经过测试,确保能够正常运行,适合学习和研究神经网络在控制系统中的应用。 特点 集成BP神经网络:模型中集成了BP神经网络用于提升PID控制器的性能,使之能更好地适应复杂控制环境。 PID控制优化:利用神经网络的自学习能力,对传统的PID控制算法进行了智能调整,提高控制精度和稳定性。 S函数应用:展示了如何在Simulink中通过S函数嵌入MATLAB代码,实现BP神经网络的定制化逻辑。 兼容性说明:虽然开发于Matlab 2016b,但理论上兼容后续版本,可能会需要调整少量配置以适配不同版本的Matlab。 使用指南 环境要求:确保你的电脑上安装有Matlab 2016b或更高版本。 模型加载: 下载本仓库到本地。 在Matlab中打开.slx文件。 运行仿真: 调整模型参数前,请先熟悉各模块功能和输入输出设置。 运行整个模型,观察控制效果。 参数调整: 用户可以自由调节神经网络的层数、节点数以及PID控制器的参数,探索不同的控制性能。 学习和修改: 通过阅读模型中的注释和查阅相关文献,加深对BP神经网络PID控制结合的理解。 如需修改S函数内的MATLAB代码,建议有一定的MATLAB编程基础。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值