旨在减少酒驾道路致死：利用公平感知与领域知识注入的人工智能
机器学习
2023-11-29 v1 人工智能
计算机与社会
摘要
美国约 30% 的交通致死可归因于酒精 impaired 驾驶。这意味着，尽管各州均有严格法律禁止该行为，酒驾事故频率仍令人震惊，约每 45 分钟就有一人丧生。对酒驾（DUI）提起指控的过程复杂且有时具主观性，涉及多个阶段，如观察行驶车辆、与驾驶员交互及进行标准化现场清醒测试（SFSTs）。已观察到通过种族画像产生的偏差，导致部分群体与地理区域接受更少的 DUI 测试，致使许多实际 DUI 事件未被发现，最终造成更高致死数。为解决此问题，我们的研究引入一个兼具公平感知并融入领域知识的人工智能预测器，以分析不同地理位置的 DUI 相关致死。通过该模型，我们获得关于年龄、种族与收入等不同人口群体间相互作用的有趣洞见。利用所提供信息以更公平高效的方式分配警务资源，有望减少 DUI 相关致死并对道路安全产生重大影响。
引用
@article{arxiv.2311.16180,
title = {Aiming to Minimize Alcohol-Impaired Road Fatalities: Utilizing Fairness-Aware and Domain Knowledge-Infused Artificial Intelligence},
author = {Tejas Venkateswaran and Sheikh Rabiul Islam and Md Golam Moula Mehedi Hasan and Mohiuddin Ahmed},
journal= {arXiv preprint arXiv:2311.16180},
year = {2023}
}
备注
IEEE Big Data 2023