خوشه بندی فناوری های خودروی خودران با روش آینده نگاری
الموضوعات : مدیریت تکنولوژی
حميد حنيفي
1
,
عادل آذر
2
,
منوچهر منطقی
3
1 - دكتري مديريت تكنولوژي، گروه مديريت تكنولوژي، دانشكده مديريت و اقتصاد، واحد علوم و تحقيقات، دانشگاه آزاد اسلامي، تهران، ايران
2 - استاد گروه مديريت صنعتي، دانشكده مديريت و اقتصاد، دانشگاه تربيت مدرس، تهران، ايران
3 - استاد، مجتمع دانشگاهی مدیریت و مهندسی صنایع، دانشگاه صنعتی مالک اشتر، تهران، ایران
الکلمات المفتاحية: فناوری خودروی خودارن, آینده نگاری فناوری, تحليل اثر متقابل, میک مک,
ملخص المقالة :
هدف: تحقيقات نشان می دهد که عوامل انسانی بیش از نود درصد از تصادفات مربوط به اتومبیل را بر عهده دارند. در سالهاي اخير راه حلی پیشنهادی بشر برای حل این موضوع، استفاده از خودروهای خودران يا خودروهاي بدون راننده است. از طرفي ديگر چون اين فناوري بر عوامل اجتماعي، فرهنگي، اقتصادي، فناورانه، و محيط زيست اثرگذار است. هدف از انجام تحقيق حاضر اين است كه فناوری هاي خودروی خودران شناسایی و خوشه بندی گردد تا با تمرکز و تجزيه و تحليل اين خوشه بندي، آمادگی مناسب برای ورود و يا توسعه فناوری خودروی خودران فراهم گردد. ضرورت: منافع احتمالي نتايج تحقيق حاضر اين است كه از اين فناوري هاي خودروي خودران و همچنين دانستن اثرگذاري و اثرپذيري اين فناوري ها بر روي هم، در طراحي و توسعه اين فناوري ها در كشور ايران اقدامات مديريتي مناسب انجام داد. روش شناسی: با توجه پارادایم مسئله، متدولوژی تحقیق از نوع کیفی، و روش انجام آن از نوع آینده نگاری با نرم افزار ميك مك، و جامعه آماري پژوهش، متخصصین صنعت خودرو و صنايع مرتبط با آن بودند. نمونه بصورت غير تصادفي و قضاوتی انتخاب شدند. ابزار جمع آوری داده ها مصاحبه، و تجزیه و تحلیل داده با استفاده از نرم افزار میک مک انجام گرديد. یافتهها: يافته هاي تحقيق به اين صورت بود كه اثرگذاري و اثرپذيري فناوري هاي خودروي خودران بر يكديگر مشخص شدند. نتیجهگیری: از این نتایج مي توان از الان در تصميمات سياستگذاري و مديريتي براي طراحي، اجرا و توسعه فناوري هاي خودروي خودران استفاده نمود.
Bansal.P, Kockelman.K.M, Singh. A, Assessing public opinions of and interest in new vehicle technologies: An Austin perspective, Transportation Research Part C: Emerging Technologies 67 (2016) 1–14. Doi: 10.1016/j.trc.2016.01.019.
NHTSA et al., “2015motor vehicle crashes: overview,” Traffic Safety Facts Research Note, vol. 2016, pp. 1–9, 2016.
Chen, T.D., Kockelman, K.M., Hanna, J.P., 2016. Operations of a shared, autonomous, electric vehicle fleet: Implications of vehicle & charging infrastructure decisions. Transp. Res. Part Policy Pract. 94, 243–254.
Creswell, J “ualitative inquirey and research design: choosing among five approaches”, sage,. pp. 201-220, 2007.
Ma, Min-Yuan., Chen, Chun-Wei., Chang, Yu-Ming., Using Kano model to differentiate between future vehicle-driving services, International Journal of Industrial Ergonomics, https://doi.org/10.1016/j.ergon.2018.11.003
Khoo. H.L, Asitha.K.S, User requirements and route choice response to smart phone traffic applications (apps), Travel Behaviour and Society3(2016)59–70. Doi: 10.1016/j.tbs.2015.08.004Society 3 (2016) 59–70. Doi: 10.1016/j.tbs.2015.08.004.
Fagnant. D. J, Kockelman. K, Preparing a Nation for Autonomous Vehicles: Opportunities, Barriers and Policy Recommendations, Transportation Research Part A: Policy and Practice 77 (2015) 167–181. Doi: 10.1016/j.tra.2015.04.003.
KPMG, C., 2015. “Autonomous Vehicles—The UK Economic opportunity.” KPMG LLP, United Kingdom. https://www.smmt.co.uk/wp-content/uploads/sites/2/CRT036586F-Connected-and-Autonomous-Vehicles- E2%80%93-The-UKEconomic-Opportu...1.pdf.
Gora.P, Rub. I, Traffic Models for Self-driving Connected Cars, Transportation Research Procedia, 14 (2016) 2207–2216. Doi: 10.1016/j.trpro.2016.05.236.
Ahn Jinsoo., Kim, Young Yong., and Kim, Ronny Yongho., A Novel WLAN Vehicle-To-Anything (V2X) Channel Access Scheme for IEEE 802.11p-Based Next-Generation Connected Car Networks, Appl. Sci. 2018, 8, 2112; doi:10.3390/app8112112.
Hensher, D.A., 2018. Tackling road congestion–What might it look like in the future under a collaborative and connected mobility model? Transport Pol. 66, A1–A8. Hohenberger, C., Sporrle, M., Welpe, I.M., 2016. How and why do men and women differ in their willingness to use automated cars? The influence of emotions across different age groups. Transport. Res. Pol. Pract. 94, 374–385.
Nielsen, T.A.S., Haustein, S., 2018. On sceptics and enthusiasts: what are the expectations towards self-driving cars? Transport Pol. 66, 49–55.
See Madeleine de Cock Buning, Lucky Belder & Roeland W. de Bruin, Working paper: “Mapping the Legal Framework for the introduction into Society of Robots as Autonomous Intelligent Systems”, at p. 3-4, available on the Internet at http://www.caaai .eu/wp-content/uploads/2012/08/Mapping-L_N-fw-for-AIS.pdf (last accessed on 28 January 2016).
Bartolini, Cesare., Tettamanti, Tamás ., and Varga, István., Critical features of autonomous road transport from the perspective of technological regulation and law., Transportation Research Procedia 27 (2017) 791–798 , © 2017 The Authors. Published by Elsevier B.V.
Martin, B. R. (1991). Foresight in science and technology. Technology analysis & strategic management, 1(1), 119-111.
Astarita, Vittorio., Giofrè, Vincenzo Pasquale., Guido, Giuseppe., and Vitale, Alessandro., A Single Intersection Cooperative-Competitive Paradigm in Real Time Traffic Signal Settings Based on Floating Car Data, Energies 2019, 12, 409; doi:10.3390/en12030409.
Rosique, Francisca., Navarro, Pedro J., Fernández, Carlos., and Padilla, Antonio., A Systematic Review of Perception System and Simulators for Autonomous Vehicles Research, Sensors 2019, 19, 648; doi:10.3390/s19030648.
Wiseman, Yair., Grinberg, Ilan., When an Inescapable Accident of Autonomous Vehicles is Looming., International Journal of Control and Automation Vol. 9, No. 6 (2016), pp.297-308 http//dx.doi.org/10.14257/ijca.2016.9.6.28.
Khattab M. Ali Alheeti & Klaus McDonald-Maier (2018) Intelligent intrusion detection in external communication systems for autonomous vehicles, Systems Science & Control Engineering, 6:1, 48-56, DOI: 10.1080/21642583.2018.1440260
Bila, Cem., Sivrikaya, Fikret., Khan, Manzoor A., and Albayrak, Sahin., Vehicles of the Future: A Survey of Research on Safety Issues, 1524-9050. IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS.
Ma, Min-Yuan., Chen, Chun-Wei., Chang, Yu-Ming., Using Kano model to differentiate between future vehicle-driving services, International Journal of Industrial Ergonomics, https://doi.org/10.1016/j.ergon.2018.11.003.
M. Chen, S. Mao, Y. Liu, Big data: a survey, Mob. Netw. Appl. 19 (2) (2014) 171–209.
Chai, Linguo., Cai, Baigen., ShangGuan, Wei., Wang, Jian., and Wang, Huashen., Basic Simulation Environment for Highly Customized Connected and Autonomous Vehicle Kinematic Scenarios, Sensors 2017, 17, 1938; doi:10.3390/s17091938.
Dakroub, H., Shaout, A., and Awajan, A., "Connected Car Architecture and Virtualization," SAE Int. J. Passeng. Car Electron. Electr. Syst. 9(1):2016, doi:10.4271/2016-01-0081.
Izquierdo-Reyes, Javier., Ramirez-Mendoza, Ricardo A., R. Bustamante-Bello, Martin., Pons-Rovira, Jose L.., Gonzalez-Vargas, Jose E. Emotion recognition for semi-autonomous vehicles framework, International Journal on Interactive Design and Manufacturing (IJIDeM), https://doi.org/10.1007/s12008-018-0473-9.
Koesdwiady, Arief., Improving Traffic Flow Prediction With Weather Information in Connected Cars: A Deep Learning Approach, Copyright (c) 2015 IEEE. Personal use of this material is permitted. However, permission to use this material for any other purposes must be obtained from the IEEE by sending a request to pubs-permissions@ieee.org.
منزوي، مسعود، آينده نگاري فناوري براي سازمان دهندگان، انتشارات موسسه آموزشي و تحقيقاتي صنايع دفاعي، 1392