kontakt@camo.nrw +49 202 / 439 1164

[Paper] User-driven development (UDD): Ansätze und Methoden zur erfolgreichen Umsetzung neuer Mobilitätskonzepte

Cover Neue Dimensionen der Mobilität
Ein Beitrag aus „Neue Dimensionen der Mobilität“
Ansätze und Methoden zur erfolgreichen Umsetzung neuer Mobilitätskonzepte

Autonome Fahrzeuge und Flugtaxis, die per Smartphone bedarfsgerecht angefordert und über eine App abgerechnet werden, Transportdrohnen, die Güter zustellen, etc. – mit solchen Bildern vermitteln die beteiligten Akteure den Konsumenten die schöne neue Welt der urbanen Mobilität der Zukunft. Dabei kann schnell der Eindruck entstehen, die Technik sei bereits weit fortgeschritten und könne schon bald problemlos umgesetzt werden.
Neue (Fahrzeug-)Konzepte und Mobilitätsdienstleistungen werden jedoch überwiegend unter Ausschluss der Öffentlichkeit getestet. Schon heute führt dies bei Mobilitätskonsumenten zu großer Skepsis, Bedenken bis hin zu Ängsten, da sie lediglich durch die Medien informiert werden – und diese berichten meist über negative Ereignisse, z.B. Unfälle mit autonom fahrenden Autos.
Aber: die Potenziale neuer Mobilitätkonzepte können nur dann realisiert werden, wenn die (zukünftigen) Nutzer diese auch verstehen und annehmen. Eine frühzeitige Einbeziehung der Konsumenten mit ihren Bedürfnissen und Möglichkeiten in Entwicklungsprozesse können hier helfen.

> Weitere Informationen

Verwandte Arbeiten

[Paper] Multivariate Confidence Calibration for Object Detection

Unbiased confidence estimates of neural networks are crucial especially for safety-critical applications. Many methods have been developed to calibrate biased confidence estimates. Though there is a variety of methods for classification, the field of object […]

Mehr erfahren
SAIAD 2021

[Paper] Towards Black-Box Explainability with Gaussian Discriminant Knowledge Distillation

In this paper, we propose a method for post-hoc explainability of black-box models. The key component of the semantic and quantitative local explanation is a knowledge distillation (KD) process which is used to mimic the […]

Mehr erfahren

[Paper] Bayesian Confidence Calibration for Epistemic Uncertainty Modelling

Modern neural networks have found to be miscalibrated in terms of confidence calibration, i.e., their predicted confidence scores do not reflect the observed accuracy or precision. Recent work has introduced methods for post-hoc confidence calibration […]

Mehr erfahren