通过对 YouTube 视频评论进行的情感分析研究，本文构建了多个文本情感分类模型，并在二分类和三分类任务中评估了模型的性能。研究结果表明，在情感分析的二分类任务中，使用词频 - 逆文档频率和 N-gram 的支持向量机模型获得最高的准确率。在三分类任务中，采用双向编码器表示转换、长短期记忆网络和门控循环单元的模型明显优于其他机器学习模型，达到了 0.78 的准确率。此外，研究还采用潜在狄利克雷分配模型从评论中生成了 10 个主题，以探索公众对于人行道送货机器人的潜在观点。基于这些发现，本文提出了有关人行道送货机器人相关政策制定的有针对性建议，为该领域的利益相关者提供了有价值的洞察。

Mar, 2024

自动驾驶汽车技术快速发展，对道路交通安全产生了重大影响，同时也解决了多种复杂的交通问题。为了确保自动驾驶汽车之间以及自动驾驶汽车与人类驾驶员之间的合作互动，本研究提出了一个多阶段的方法，采用共享和关怀的车对车通信策略来加强协同行为。通过进行一项调查来验证自动驾驶汽车的驾驶性能，并可用于一个混合交通案例研究，重点研究人类驾驶员如何对待与他们同时驾驶在同一条道路上的自动驾驶汽车。研究结果表明，采用深度强化学习，自动驾驶车辆获得了接近人类驾驶性能的驾驶行为。在自动驾驶汽车网络中采用共享和关怀的车对车通信可以提高其驾驶行为，促进更有效的行动计划，并增进自动驾驶汽车之间的合作行为。调查结果显示，无法保证混合交通中的安全性，因为我们无法控制人类驾驶员出于自我的行为，如果他们决定与自动驾驶汽车竞争。因此，本研究倡导加强对自动驾驶汽车在公共道路上安全融入的研究。

Dec, 2023

使用保守贝叶斯推断方法，探讨从技术层面如何评估自动驾驶系统，维护其高可靠性和安全性。

Aug, 2020

本文提出了一个实验框架，通过多学科的方法（计算机视觉和人文社科学）研究自动驾驶汽车乘客的内部活动，包括与驾驶无关的活动，旨在捕捉实时的真实数据并创建数据集，以促进计算机视觉算法的发展和评估。

Jun, 2023

本文调查研究自动驾驶汽车的安全性保障问题，重点关注控制架构、风险评估与管理策略、基于人工智能和基于模型的方法的研究，并探讨了安全保障技术和安全框架的标准化 / 概括方法。

May, 2023

利用图像和状态信息，该研究提出了一种全面的自动驾驶监测框架，旨在自动识别自动驾驶车辆与人工驾驶车辆的行为，并在充分考虑数据采集条件不佳的情况下进行测试。

Mar, 2024

通过对 23 辆特斯拉 Model S/X，2 辆沃尔沃 S90，2 辆路虎 Evoque 和 2 辆凯迪拉克 CT6 车辆装载数据采集硬件进行长期和中期的数据采集，结合 IMU，GPS，CAN 信息和高清视频流分析，探索人类与自动驾驶技术相互作用的全景认识，提取其中可行的研究方式和深度学习的算法，最终为开发自动驾驶做出贡献。

Nov, 2017

自动驾驶系统是人类移动和交通的未来，本研究通过研究和分析事件驱动的汽车数据，提出了一种系统研究和改进脉冲神经网络 (SNN) 模型的方法，以在高准确性和低功耗 / 能耗的情况下实现自动驾驶系统的开发。

Apr, 2024

这篇系统综述主要研究与连接和自动驾驶车辆相关的异常检测。研究发现，神经网络（如 LSTM，CNN 和自编码器）以及单类支持向量机是最常用的人工智能算法。大多数异常检测模型使用真实世界的车辆数据进行训练，但常常人为地向数据集中注入攻击和故障等异常情况。这些模型主要通过召回率、准确率、精确率、F1 分数和误报率等五个主要评估指标进行评估。此外，文章提出了几项建议，包括综合使用多个评估指标、公开分享模型以促进研究社区的合作和验证，并需要建立具有预定义异常或网络攻击的基准数据集来测试和改进提出的基于异常的检测模型的有效性。此外，对使用不同于 CAN 协议（如以太网和 FlexRay）的入侵检测系统的研究还缺乏。

May, 2024

该研究评估了基于深度神经网络的自适应巡航控制系统在感知攻击下的安全性，通过注入摄像头数据扰动以引发前方碰撞，提出了一种基于知识和数据的结合方法，设计了一种上下文感知策略来选择攻击触发的最关键时间，并提出了一种实时自适应生成图像扰动的优化方法。通过实际驾驶数据集和仿真平台进行攻击效果评估，考虑驾驶员干预以及自动紧急制动和前方碰撞警示等安全功能，实验结果表明，相比于随机攻击，该攻击的事故成功率提高了 142.9 倍，并且在受到安全功能限制时减少了 89.6%，同时具有潜在性和对真实环境因素和动态变化的鲁棒性。该研究对人工操作员和基本安全干预在预防攻击中的作用提供了深入洞察。

Jul, 2023