Cognitive management techniques for increasing the acceptance of autonomous vehicles

Abstract

Autonomous driving holds great promise to provide safe and sustainable transport. With particular interest, the international scientific community, markets and societies are monitoring the gradual integration of intelligent computerized and technologically supported driving systems with the ultimate goal of producing Autonomous Vehicles (AVs) in the future. AVs are expected to be one of the most up-to-date applications of artificial intelligence, cognitive computing and machine learning, creating a new era in on-road transport mobility, being able to operate their driving system in different levels of autonomy, but can be even driven manually when desired or when used outside the design domain of the automation. However, the production of advanced technology has raised concerns over the risks and safety issues concerning AVs which can consequently affect public perceptions of such an "untested" and "powerful" innovation technology. As such, the scope of the present Ph.D. thesis is to increase the acceptance of AVs, by designing feasible, viable, and reliable technical solutions, through the co-existence of cognitive management principles and machine learning algorithms. Following this direction, in order to have a deep understanding of consumers’ intensions towards AVs, two appropriate theoretical models, which draw from the original well-established frameworks – Technology Acceptance Model (TAM) and Unified Theory of Acceptance and Use of Technology (UTAUT) – were developed. The above conceptual models were tested through web-based questionnaire surveys. The results reveal that, among other factors, enjoyment of driving, trust/reliability, and performance expectancy play significant roles in shaping consumers’ intentions towards AVs. Upon the results from the aforementioned user acceptance analysis, the present research develops innovative technical solutions as follows: (a) a novel communication protocol for enhancing the efficiency of vehicular communications, and therefore, increasing the acceptance of AVs in terms of the security and data privacy factors, (b) two novel in-vehicle intelligent platforms, through the co-existence of cognitive management principles and machine learning algorithms, for enhancing the efficiency of autonomous driving, and therefore, increasing the acceptance of AVs in terms of the road safety and driving experience factors. The proposed technical analysis aims to provide targeted assistance to drivers/users, which can increasingly change public perceptions regarding AVs, and therefore, enhance the end-user acceptance of such vehicles.

Η αυτόνομη οδήγηση δίνει μεγάλες υποσχέσεις για ασφαλείς και βιώσιμες μετακινήσεις. Με ιδιαίτερο ενδιαφέρον, η διεθνής επιστημονική κοινότητα, οι αγορές και οι κοινωνίες παρακολουθούν τη σταδιακή ενσωμάτωση έξυπνων, αυτοματοποιημένων και τεχνολογικά υποστηριζόμενων συστημάτων οδήγησης στα αυτοκίνητα με απώτερο σκοπό την παραγωγή αυτόνομων οχημάτων στο μέλλον. Τα εν λόγω οχήματα αναμένεται να αποτελέσουν μία από τις πιο σύγχρονες εφαρμογές της τεχνητής νοημοσύνης, της γνωσιακής πληροφορικής και της μηχανικής μάθησης, δημιουργώντας νέα εποχή στις οδικές μεταφορές και μετακινήσεις, ικανά στο να μπορεί το σύστημα οδήγησής τους να λειτουργεί σε διαφορετικά επίπεδα αυτονομίας, αλλά παράλληλα να μπορούν ακόμη και να οδηγούνται με τον κλασσικό-παραδοσιακό τρόπο όταν αυτό είναι επιθυμητό ή όταν πρόκειται να χρησιμοποιηθούν εκτός του πλαισίου επιχειρησιακής λειτουργίας της αυτόνομης οδήγησης. Ωστόσο, η παραγωγή προηγμένης τεχνολογίας έχει εγείρει ανησυχίες σχετικά με τους κινδύνους και τα ζητήματα ασφάλειας που αφορούν τα αυτόνομα οχήματα, τα οποία μπορούν να επηρεάσουν τις αντιλήψεις του κοινού για μια τέτοια «μη δοκιμασμένη» και «ισχυρή» τεχνολογική καινοτομία. Ως εκ τούτου, ο σκοπός της παρούσας διδακτορικής διατριβής είναι η αύξηση της αποδοχής των αυτόνομων οχημάτων, σχεδιάζοντας εφικτές, βιώσιμες και αξιόπιστες τεχνικές λύσεις, μέσω της συνύπαρξης των αρχών γνωσιακής διαχείρισης και αλγορίθμων μηχανικής μάθησης. Βάσει των ανωτέρω, προκειμένου να κατανοήσουμε εις βάθος τις προθέσεις των καταναλωτών ως προς τα αυτόνομα οχήματα, αναπτύχθηκαν δύο κατάλληλα θεωρητικά μοντέλα, τα οποία προκύπτουν από τα βασικά καθιερωμένα πλαίσια – μοντέλο τεχνολογικής αποδοχής (TAM) και ενοποιημένη θεωρία της αποδοχής και χρήσης της τεχνολογίας (UTAUT). Τα ανωτέρω εννοιολογικά μοντέλα δοκιμάστηκαν μέσω διαδικτυακών ερευνών. Τα αποτελέσματα αποκαλύπτουν ότι, μεταξύ άλλων παραγόντων, η ευχαρίστηση της οδήγησης, η εμπιστοσύνη/αξιοπιστία και η προσδοκία απόδοσης διαδραματίζουν σημαντικό ρόλο στη διαμόρφωση των προθέσεων των καταναλωτών έναντι των αυτόνομων οχημάτων. Σε συνέχεια των αποτελεσμάτων της προαναφερθείσας ανάλυσης αποδοχής των χρηστών, η παρούσα έρευνα αναπτύσσει καινοτόμες τεχνικές λύσεις σύμφωνα με τα ακόλουθα: (α) ένα νέο πρωτόκολλο επικοινωνίας για τη βελτίωση της αποτελεσματικότητας των επικοινωνιών μεταξύ οχημάτων και, ως εκ τούτου, την αύξηση της αποδοχής των αυτόνομων οχημάτων ως προς τους παράγοντες ασφάλεια και προστασία δεδομένων, (β) δύο νέες έξυπνες πλατφόρμες εντός του οχήματος, μέσω της συνύπαρξης των αρχών γνωσιακής διαχείρισης και αλγορίθμων μηχανικής μάθησης, για τη βελτίωση της αποτελεσματικότητας της αυτόνομης οδήγησης και, ως εκ τούτου, την αύξηση της αποδοχής των αυτόνομων οχημάτων ως προς τους παράγοντες οδική ασφάλεια και οδηγική εμπειρία. Η προτεινόμενη τεχνική ανάλυση έχει ως σκοπό το να παρέχει στοχευμένη υποστήριξη στους οδηγούς/χρήστες, η οποία μπορεί όλο και περισσότερο να μεταβάλλει τις αντιλήψεις του κοινού σχετικά με τα αυτόνομα οχήματα, και, συνεπώς, να ενισχύσει την αποδοχή τους από τους τελικούς χρήστες.