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.docxVIP

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，而是呈现出连续且可划分为若干典型“伦理原型”的谱系。主要识别出五个核心决策集群：一、纯粹功利主义集群（始终选择最大化总体生存效用的选项）；二、道义论倾向集群（强烈拒绝主动