交通环境的评估准备自主机器人

1介绍

最后一英里交付正面临多重挑战,要求技术创新跟上高需求和服务需求(两et al ., 2020)。包裹递送部门强烈依赖于劳动力最稀缺和昂贵的因素在交付过程的执行。公司寻找替代的方法允许过程发生而无需人工干预。目前,铁路物流供应链中最有效的步骤,可以受益于自动化(拉涅利et al ., 2018)。自动化产品交付预计将覆盖80%的同学都交付在未来(Joerss et al ., 2016)。当前文学的主题最后一英里的交付表明机器人自动化物流可能导致减少成本和时间(交货)和可以提供一个可持续的方式交付货物(Figliozzi和詹宁斯,2020年;陈et al ., 2021;Lemardele et al ., 2021)。然而,有必要进行更多的研究的集成交付公共空间机器人(李et al ., 2021)。交付使用许多相同的功能作为一个自治机器人汽车:10摄像头360度的视野,多个超声波传感器、GPS导航、测量单位,陀螺仪,和更多。根据这项技术的供应商,这些机器人的功能来执行交货。交货前大规模推广机器人可以意识到,重要的是要知道实现环境的行动可能会取得成功。在这个研究中,交通环境包括物理基础设施、交通条件、和使用环境,应对交付的机器人。本研究假设机器人行为和人类行为依赖于交通环境。交付机器人的行为会导致某一性能在公共空间,导致了一定程度的社会认可。能够研究三个元素之间的交互(交付机器人,人类,公共空间),知识是必需的公共空间的影响因素上的表现新的运输的概念,以及公共空间的影响因子在接受技术创新。

本文提出了一种评估方法,可以应用于确定环境是否准备交付机器人驱动,本文进一步称为roboreadiness。随着机器人处理robot-environment和人机交互,其实现的成功取决于机器人的能力在交通环境以及社会认可。研究方法,用于获取这些知识和发展评价方法,提出了图1。

本研究的重点主要是在三个要素:交通环境中,机器人的性能和社会接受。这些主题进行了探讨和研究两个阶段。第一阶段包括案头研究,进行了文献综述。这种方法被用来创建一个概念模型,展示元素之间的关系和影响因素。第二阶段是评价方法的发展。概念模型作为基础的方法,与roboreadiness水平交通环境可以确定。Roboreadiness表示机器人的性能和社会认可。评价方法的发展分为三个阶段。首先,定义的设置方法。第二,评估方法本身设计和第三方法验证。 The assessment method consists of two parts. To assess the performance of the delivery robot in its traffic environment, a series of tests is proposed. Secondly, to determine the level of social acceptance in relation to the traffic environment, a survey is constructed. A case study is used to validate the theory-based method in practice, and to obtain first empirical insights into the influence of the traffic environment on performance and social acceptance. The findings and discussion lead to a conclusion on the main research question how to determine the roboreadiness of a traffic environment.

其余论文的结构如下:第二节包含一个文献回顾主要概念模型,定义关键要素的集成交付公共空间的机器人。第三节描述了评估方法开发包括一个演示的方法使用一个真实的实验和人行道自动化机器人。第四节提供了一个讨论的方法,包括一个反思的意义和研究的局限性。第五节介绍了主要发现,并概述了对未来研究的建议。

2 roboreadiness影响因素的概念模型

为了成功地实现交付机器人在公共场所,重要的是,交付机器人与环境在一个有效的和有效的方式进行交互。在这种环境下,机器人遇到多个方面:基础设施、交通条件和人。由于基础设施的物理特性通常是给定的,交付机器人已经适应目前的环境。至关重要的是,交通环境和人民已经准备好应对交付机器人实现时(Oztemel et al ., 2009)。此外,成功实现机器人在某个领域有必要知道之间的关系交通环境和机器人的性能,以及社会接受。最新的两个因素是文献综述确定概念的一部分因素。

2.1性能的新运输概念

新技术是一个重要的性能指标水平的成功,可以有多个维度(田et al ., 2018)。今天的挑战出现在城市适应当前和未来的需求(Paiva et al ., 2021)。理想情况下,运输创新应该在现有环境功能。此外,当地区改变或如果他们是新建的,可以适当适应创新环境。当新的运输概念融入交通环境,重要的是要研究创新和周围环境之间的交互之前意识到实现。Tomitsch和Hoggenmueller (2021)状态,它是一个挑战的设计或实现自动化系统在公共场所,因为它可以依赖的物理背景,涉及的人员,他们的规范。费雪(2022)介绍了一套原则,为城市设计自动化应用程序提供指导。这些原则包括城市范围的完整性和质量,外壳和连续性,便于运动,可访问性、多样性、易读性和适应性。人们不能不利影响(流Tomitsch Hoggenmueller, 2021)。交付的实现机器人在公共场所,至关重要的是,这些问题不受侵害。性能因素与这些问题相关的连续性,偏差和速度。已经没有多少检查对交付机器人及其环境之间的互动。Oztemel et al。(2009)定义五个标准来衡量群体机器人的性能,与可行性、可管理性、有用性、可接受性和必要性。这些方面可以应用于交付机器人的上下文内的交通环境。可行性意味着机器人带来的风险和技术,是可行的。谈到交付性能的机器人,这意味着机器人必须安全操作。另一方面,机器人的可管理性,需要功能可以很容易地在不违反操作规程执行。交付的机器人,这可以解释为不违反交通规则,使合规的因素。

本研究关注的因素,确定交付机器人的性能与它的交通环境。因此,影响因素仅限于部分机器人驾驶时,它不考虑性能与送货服务(例如,上车、下车)。确定这种性能的因素从列出的文章获得和转化为指标,可以测量(见表1)。

2.2技术创新的社会认可

接受是技术创新的一个重要方面在公共空间中实现。即使创新能够提高效率和比另一种更可持续,这只会是一个成功如果人们相互作用和接受它Devine-Wright 2007)。为了被接受,创新必须满足基本的可用性需求和被认为是有用的(狄龙,2001)。验收是一个广泛的术语,没有一个定义。它也可以被不同的用户和非用户的创新。本研究着重于创新在交通环境。因此,研究社会认可,表示接受人与街道上的创新。这包括,如行人或其他道路使用者不一定选择使用或与交付机器人,但不自觉地暴露在创新和与它共存。

目前的技术接受模型主要关注用户的验收的技术。原始的和广泛使用的技术接受模型(TAM)戴维斯(1989)提出了两个因素,根据他的说法,确定验收:感知易用性和感知有用性。这些因素正相关,并故意使用这项技术。这是一个usage-related接受模型。影响因素等方面的主观规范、相关性和对技术的态度。许多研究人员已经建立在TAM,在不同的研究领域。另一个著名的接受的统一理论模型是接受和使用的技术(UTAUT)马纳尔et al . (2003)。这里,TAM的两个因素是翻译性能寿命和工作寿命。此外,社会影响被添加到这个模型。这两个模型,TAM UTAUT,是通用的,可以应用于各种各样的技术。更具体的模型,来缩小到自动化系统中,自动化验收模型(AAM)和汽车技术接受模型(CTAM)。这些是创建一个扩张的原始模型和因素包括信任,安全,和焦虑(Ghazizadeh et al ., 2012;Osswald进行et al ., 2012)。在机器人研究中,接受模型存在和关注的方面比如机器人的外表和社会能力。一个例子是所谓的自治交付车辆验收模型(ADV-AM),其中包括构造预测行为意图使用交付机器人。这个模型是由Kapser和Abdelrahman (2020)交货,他们调查了用户接受的机器人在德国,适应一个扩展UTAUT模型的上下文中最后一英里交付机器人。

接受非用户也很重要,以确保顺利共存在人行道上。艾布拉姆斯et al。(2021)解释许多usage-related故意和社会互动等因素,外观和形式,使用,和自治不一定是相关的吸毒者。他们介绍了术语存在验收(EA)的重点是被动批准交付的机器人。水平的因素包括能力,兴趣,不适,享受,一般对社会感知的有用性和主观的社会规范。

不过,许多研究不存在交付机器人和人之间的互动。然而,关于其他自动化系统的研究提供了一些见解。Fraedrich和楞兹(2016)写的接受自主驾驶,其他研究的结果进行了分析和作为输入用于自己的调查对道路使用者的技术。在他们的文章中,他们目前的两级分类系统,特性,在一定情况下,上肢与主体相关的方面发挥作用。这项研究仅限于接受货到机器人操作相关的部分。因此隐私或设计等因素不考虑。这使得只有方面“感知特性的技术”,和“评价态度预期”的两级分类系统适用于这种情况。属于这些方面的因素是舒适和方便,分别和兴趣。舒适和兴趣与存在接受的理论艾布拉姆斯et al。(2021)。人机交互的另一个例子关于自主驾驶,是半自动的接受卡车连。在一项研究Castritius et al。(2020)从德国和加州,人们被要求填写一个在线调查问卷关于他们对技术的态度和行为意向与重型卡车排合作。结构,可以交付翻译机器人在公共空间的预期效用的概念,易于分享,和车辆的规范。交付的相关因素机器人一般被认为有用,可预测性,分别和维度的机器人。

表2显示接受模型的文献综述和关键因素。

从文学对技术接受模型和人机交互,可以提炼出各种因素影响一个创新的验收。本研究侧重于特定的影响,交通环境对社会接受。这导致下面的列表相关的因素:

•可预测性(预期的差异和实际机器人的行为);

•能力(机器人的功能);

•舒适(non-annoyance由机器人);

•维(机器人)的大小。

2.3概念模型

在前面的部分,属于性能的因素和接受来自一个文献综述。这些翻译成一个概念模型显示现有的公共空间之间的联系,机器人和人类。模型中说明了图2。概念模型中的元素形成评价方法的基础。

所示图2交通环境在这个研究和影响机器人的性能和社会认可。性能的因素包括速度、连续性差、安全性和遵从性。社会认可由以下因素:可预测性,能力,舒适,和维度。(即。,the factors that determine performance and social acceptance are listed next to their various elements and connected with an arrow). Finally, both dimensions together determine the state and the level of roboreadiness. When the factors have an acceptable value and therefore ensure a sufficient level of the elements, the delivery robot can be successfully integrated into the public space.

3评价方法和示范

评估方法开发由两个阶段组成。首先,研究的背景和要求执行在设置阶段定义的方法。第二,执行评估本身。在分析步骤包括指定交通环境,采集的数据对性能和社会认可,和处理的数据来得出结论。

下面的解释方法是结合一个例子的应用在实际实验在鹿特丹伊拉斯姆斯大学的大学校园。交付机器人在校园包括两种途径(见图3(见)和四个主要交通情况图4- - - - - -7)。,不能代表所有情况下路线,交通情况下的选择显示显著差异的基础设施和交通条件。一起,他们代表所有可能的不同的基础设施和交通情况下机器人遇到的路线。

第一个路线是基础设置。路是宽(相对于机器人的尺寸),直接,没有交叉,是平的。其他道路使用者是行人,走在一个稳定的行走速度。强度的象征价值五个人在一个半径5米左右交付机器人。密度很低,这意味着有很多自由空间的机器人。能见度很好,机器人可以看到周围。一个可视化的基础设置1所示图4。

在第二个设置,交付机器人驱动器通过一个狭窄的车道,柱子包围。这使得机器人无法看到在拐角处。道路是平坦和直接,但机器人面临着跨越时通过支柱。其他道路使用者包括行人,强度的四个人在一个半径5米左右交付机器人,步行大约4公里每小时。周围有许多障碍(支柱)所以密度高。有很多障碍,使机器人的观看距离(角)是有限的。设置2中说明了图5。

第三,交付机器人遇到道路狭窄和道路走下坡。没有过境点,直接的道路。再次机器人只有遇到行人时,五人在半径5米,是谁走3公里左右的速度每小时。密度从低到高,路上趋于灌木之间的路径,来自一个开放的广场。视野好,因为灌木很低。3显示的图像设置图6。

第四设置包含一个弯曲的路,那里的机器人去交付正确的跨越。此外,道路宽平的。行人是唯一的其他道路使用者:有三个人在交付机器人,在半径5米,步行速度稳定行走。密度低,周围没有障碍物,因此可见性是好的。设置4描述了图7。

3.1设置

的背景下研究包括一个自动人行道交付交通环境中的机器人,这包括两个方面:基础设施和交通条件。表3概述的因素类型的交通环境考虑,分为两个方面。基于选择的因素是飞行员在鹿特丹伊拉斯姆斯大学的校园。

开始评估方法下面的假设和前提条件应满足:(假设)。

•交通环境是给定的,不会改变。

•没有极端天气条件时执行。

•提供机器人功能在正常情况下。

(先决条件)。

•交付自主机器人必须开车,不能手动操作。

•交通环境必须是一个活跃的模式交通环境。

•没有其他因素存在于交通环境中列出的表3。的组合可以包含的因素。

3.2评价方法

评估性能和社会认可,定义指标的因素。方法的执行期间因素监测和评估基于价值的指标。

在测试用例步骤测量性能:

o创建设置在现实生活中

o创建场景:让机器人驱动器通过不同的设置,这些规范的基础设施和交通条件(见表3);

o每场景评估指标;

⁃计数#次机器人速度不同的步伐其他道路使用者,意外停止,不必要的偏离直线路径,碰撞,违反交通规则(见表4);

o用大量的迭代运行每个测试用例来减少统计噪声(例如在我们实验初步设定为50倍)。

解释:表4代表一个运行观测的数量(在这种情况下行驶的路线基础场景)。在零的情况下,没有计算观测运行。如果它有一个值“x”或更多,这意味着发生发生的“x”时期。

以下步骤来分析性能:

o总结数据每个场景(描述性统计);

⁃计算总和,意思是,标准差和方差因素;

o进行一次采样t以及确定的意思是明显不同于0;

o解释结果;

o检查数据是否满足最低要求;

⁃安全= 0;

⁃速度、连续性、偏差、合规≤25;

•翻译成绩水平的业绩;

⁃每个因子值之和;

⁃合规的得分乘以10;

⁃检查水平属于每个场景的性能得分。

发现了以下结果为(见四个设置表5- - - - - -表8)。

一个了不起的结果是,因子的均值偏差在场景3也有一个值为0.40,但更高的方差(0.65)。的t以及作为验证检查的方法是否真的大于0。的p值的所有因素方差大于0,小于0。,这意味着所有这些结果明显不同于0。

它还可以看到因素在所有迭代合规的值为0。机器人没有违反任何交通规则。一个场景内的所有因素的总结总结。这导致的性能得分在场景1 50,60在场景2中,40在场景4场景3和20。通过应用以下判断规则:好(分数= 0-25),足够的(分数= 26-50),不足(分数= 51 - 75)和坏(分数= 76 - 100),它会导致以下的水平设置的性能:

•设置1:基础足够的水平的性能;

•设置2:柱子不足水平的性能;

•设置3:道路狭窄足够的水平的性能;

•设置4:弯曲好水平的性能。

步骤来衡量社会认可的测试用例:

通过面试的人走在相同的交通环境交付机器人,值可以被附加到指标确定社会认可的一个例子表9)。对于这个进球,使用李克特量表,因为它是一个著名的和可靠的方式确定态度和观点(麦克劳德,2019)。

评估的数据,使用多标准分析。这意味着不同的分数可以给不同的设置也有不同的权重因子(标准)。调查中可以找到的模板(Arntz 2022)。

步骤来分析社会认可:

o总结结果/场景;

⁃每个因素的权重乘以分数的因素/场景中,每个被调查者;

⁃增加乘法的因素;

⁃计算平均分数每个场景;

o计算方差的加权分数的受访者在一个场景中每个因素;

o解释结果;

o分数转换成社会认可的水平。

表10显示了验收得分每被场景。的话,应该是这里提到的应用程序方法只是出于演示目的。在这个演示中,我们可以面试只有10人。

结果(见表10)表明,录取分数最高的场景3(4.12分)和最低的场景4 (3.71)。接受大量的场景1和2相互非常接近(3.92和3.95),即场景2得分略高。

除了加权分数的计算,同样重要的是,要检查差异的因素。它提供了一个显示多少的受访者同意每个场景的因素。最高的方差可以在场景3(见表11)。比在其他场景中存在不一致。此外,在每一个场景中,因子可预测性最低方差,这意味着这个因素相似的共识。

最后一步是社会认可的表现分分数合并成一个表(见表12)。

分析roboreadiness步骤:

o检查每个场景如果绩效分数足够足够的(在我们的例子中它被设定为50)如果达到社会认可;

普通程度的分数;

(我)如果需求得到满足;

⁃结合验收得分和每个场景的性能得分;

⁃确定roboreadiness交通环境的水平通过每个场景的平均水平的总和;

(2)如果需求没有得到满足;

⁃检查盒子的颜色组合的录取分数和表现分场景;

⁃确定roboreadiness交通环境的水平通过水平之和的平均值/场景(最高级别=不是roboready)。

roboreadiness分析的第一步是检查是否满足性能和验收要求。50的性能必须有一个最大的分数在所有设置。在这一点上,性能不足,因此交通环境不适合。此外,在所有设置机器人必须接受为了roboready交通环境。如果验收得分在一个场景中高于4.00,表现分25到50,机器人不被接受。

在我们的例子中,不是roboready交通环境。现在很明显roboready交通环境时,是时候将结果翻译成roboreadiness水平。交通环境的准备度交付机器人驱动有负相关的性能和验收的分数。场景的性能得分越低,越roboready交通环境。验收得分越低的场景,他们接受了机器人的速度越快,所以roboready交通环境。假定的性能和验收得分有相同的重量,所以方面占50%。在我们的案例中,50%选择了性能和验收,但这当然可以改变性能是发现更多的优势在特定的交通环境。

分析结果会导致以下性能和验收得分:

1。基础:性能得分= 50,验收得分= 3.92

2。支柱:表现分= 60,验收得分= 3.95

3所示。道路狭窄:表现分= 40,验收得分= 4.12

4所示。弯曲:性能得分= 20,验收得分= 3.71

翻译这些分数根据提到的步骤导致以下水平的性能和水平的社会认可:

1。足够的性能/社会认可

2。不足的性能/社会认可不实现

3所示。足够水平的性能/社会认可不实现

4所示。良好的水平的性能/社会认可不实现

实现roboreadiness、性能和验收都必须达到一个最低水平。的性能必须没有得分超过50岁,有一个足够水平的性能。设置2不符合这一要求,因为它有一个表现分60意义不足的性能水平。此外,在所有设置必须取得社会认可。在设置2和3情况并非如此。以实现社会接受的性能太穷了。因为所有设置的要求没有得到满足,它可以表示结果的基础上评估方法,交通环境不是roboready鹿特丹伊拉斯姆斯大学的校园。

4讨论

的情况下提供第一见解关于roboreadiness鹿特丹伊拉斯姆斯大学的校园。总的来说,这些发现表明,设置空间通过彼此轻松是最重要的。这种结合与交付的可预测性机器人看起来重要,因为路上有更多的自由空间更糟糕的预测可能不适用。

的开发和示范roboreadiness评估方法,本研究有助于交付领域的机器人系统设计方法。能够确定的水平roboreadiness交通环境可以支持在未来推出交货机器人在公共空间。研究表明一些限制。首先,该方法的范围是有限的。评估方法只是为了活跃模式环境,交通情况考虑,没有困难。因此,该方法只能代表类似的交通环境是鹿特丹伊拉斯姆斯大学的校园。这使得(的结果)调查不能代表未来的项目。人们也许会有不同的评估他们的验收交付时机器人越来越普遍。

5结论和建议

本文提出了一种评估方法,可用于确定roboreadiness交通环境。能够这样做,重要的是要评估这两个机器人的性能在交通和社会认可。建立了一个方法,可以评估因素。可以通过驾驶测试和调查,执行指定的设置。测试,性能因素可以通过观察评估交付机器人在操作。通过调查,接受的程度可以由要求人们权衡和分数的接受因素/场景。分析后的结果从测试用例和调查,性能水平和社会接受的设置可以计算。这些一起确定roboreadiness交通环境的水平。

自交付机器人是一个相对较新的概念,有很多的研究机会。进一步的研究可以跟进改进这里的方法。改善的关键是使用机器人,而不是从个人观察的数据,以便评估将花费更少的时间。此外,在roboreadiness水平的决心,当前的性能水平和社会认可的程度有相同的重量。代表股东的偏好选择权重,对roboreadiness及其影响,可以调查。研究也需要调查交通环境对性能的影响和社会接受。最后,提出评价方法可以在不同的情况下执行在更大的范围内产生一个稳定的方法,可以在不同的情况下实现。

数据可用性声明

在这项研究中提出的数据集可以在网上找到存储库。库的名称/存储库和加入号码可以找到(s)如下:https://repository.tudelft.nl/islandora/object/uuid%3a9cf2a7cb - 4130 - 4 - c48 - 96 - d9 a485b26df42b?collection=education。

道德声明

伦理审查和批准没有所需的研究对人类参与者按照地方立法和制度的要求。书面知情同意参与这项研究并不需要按照国家法律和制度需求。

作者的贡献

作者证实他们对论文的贡献如下:研究和设计概念:所有作者;数据收集:EA;分析和解释结果:所有作者;草案手稿准备:EA,合资,AV,所有作者回顾了结果中尉和批准了最终版本的手稿。

的利益冲突

EA是受雇于Jelmer, TK是受雇于未来移动网络。

其余作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

引用