自动驾驶伦理困境决策模型——基于2024年电车难题公众调查数据聚类分析.pdfVIP

自动驾驶伦理困境决策模型——基于2024年电车难题公众调

查数据聚类分析

摘要与关键词

本研究旨在通过对2024年大型电车难题公众道德倾向调查

数据进行系统性的聚类分析与建模，深入探究社会公众在面对

自动驾驶车辆预设伦理困境时的多元化决策模式与潜在影响因

素，并尝试构建一个能够反映社会共识与个体差异的伦理决策

模型。研究基于一项覆盖全国主要城市、样本量逾两万人的大

规模在线与实地问卷调查数据，该问卷设计了数十个精细化的

电车难题变体场景，不仅涉及经典的“牺牲少数拯救多数”核

心困境，更拓展至不同乘客身份（如儿童与老人、守法者与违

法者、乘客与路人）、不同风险属性（确定性损伤与概率性风

险）、以及车辆不同自动化等级下人类责任与机器责任的边界

等复杂维度。研究者首先对数据进行预处理与标准化，随后采

用多种聚类算法（如K均值聚类、层次聚类、基于密度的聚类

）对受访者的回答模式进行探索，以识别具有显著特征的不同

道德决策群体。进一步，通过关联规则挖掘、逻辑回归与决策

树等机器学习方法，分析人口统计学变量（年龄、性别、教育

、职业、驾驶经验）、文化价值观倾向、对技术的信任度等因

素与不同决策集群之间的关联强度。研究发现，公众的伦理决

策倾向并非离散的二元对立，而