MeRSZ online
okoskönyvtár
Több száz tankönyv egy helyen.
Online. Bárhol. Bármikor.
Az önvezető járművek és a városi társadalom
7.4. A szemkamerás adatgyűjtés folyamata
Két kiegészítő módszert alkalmaztunk a résztvevők utcaképekre vonatkozó prefereniáinak mélyebb megértéséhez. Az első módszer a Tobii Pro szemmozgáskövető használta a résztvevők tudattalan, automatikus vizuális reakcióinak rögzítésére. A második módszer egy követő kérdőívet foglalt magában, amely lehetőséget adott a résztvevőknek arra, hogy tudatosan reflektáljanak a preferenciáikra. Ennek keretében a szemmozgáskövetési mérések után a résztvevők ismét megnézték ugyanazokat a képpárokat, és meg kellett jelölniük, melyik képet részesítik előnyben az egyes párok közül. Ezután nyílt kérdések formájában arra kértük őket, hogy magyarázzák meg, miért választották a kiválasztott képet. Ez a kettős megközelítés átfogóbb betekintést nyújtott a vizuális preferenciák tudatos és tudatalan tényezőibe egyaránt.
A kutatás teljes folyamata egy 102 fős, véletlenszerűen kiválasztott, de nem reprezentatív mintán valósult meg, melynek legalapvetőbb demográfiai jellemzőit a 7.2. táblázat és a 7.3. táblázat tartalmazza. A 7.2. táblázatban láthatjuk, hogy a kutatásban összesen 43 férfi, illetve 59 nő vett részt, ami alapján azt mondhatjuk, hogy a mintán belül az egyes nemek 42,2% és 57,8% arányban oszlanak meg.
7.2. táblázat. Nemek megoszlása a mintában
|
Nem
|
Elemszám (fő)
|
Megoszlás (%)
|
|
Férfi
|
43
|
42,2
|
|
Nő
|
59
|
57,8
|
|
Összesen
|
102
|
100,0
|
Forrás: saját szerkesztés
A 7.3. táblázatból leolvasható, hogy a mintán belül összességében a legtöbben a 18–25 éves korosztályt erősítik, hiszen míg 18–20 éves korosztályba a teljes minta 19,6%, addig a 21–25 éves korosztályba a teljes minta 74,5%-a tartozik.
7.3. táblázat. Életkorok megoszlása a mintában
|
Életkor
|
Elemszám (fő)
|
Megoszlás (%)
|
|
18–20 |
20 |
19 ,6 |
|
21–25 |
76 |
74 ,5 |
|
26–30 |
4 |
3 ,9 |
|
31–33 |
2 |
2 ,0 |
|
Összesen
|
102 |
100 ,0 |
Forrás: saját szerkesztés
A szemkamerás adatfelvétel során összesen 9 képpár került levetítésre az alanyok számára, amelyek között olyan utcaképek szerepeltek, amelyek egy-egy utcarész úgynevezett „előtte” (jelenlegi), illetve „utána” (önvezető járművek elterjedését követő) állapotát ábrázolták (7.4. táblázat).1 Az önvezető járművek tömeges elterjedésével az utcák átalakítása az alábbi logika szerint történhet meg (Alazzawi et al., 2018; Martinez–Viegas, 2017; Overtoom et al., 2020):
-
kevesebb autó várható az utakon,
-
a kevesebb autó kevesebb sávon tud közlekedni,
-
a parkolóhelyek többsége megszűnik,
-
az autóktól „visszavett” területeken fejleszthetőek az aktív városi mobilitás (gyaloglás, kerékpározás) terei, és (zöldebb) közösségi terek alakíthatóak ki,
-
megjelenhetnek eddig nem létező sávok („pick up”, „drop off” zóna, „kiss & ride” zóna).
Az „utána” képek nem egy végleges poszt-AV-forgatókönyvet mutatnak be, hanem olyan jellemzőket szemléltetnek, amelyek reálisan beépíthetők a városi utcák áttervezésébe anélkül, hogy forgalmi torlódásokat okoznának, tükrözve az AV-technológia által hozott potenciális átalakulásokat, ahogyan azt az irodalmi áttekintés során tárgyaltuk.
Fontos megjegyezni, hogy minden képpár esetében AOI-területek kerültek kijelölésre oly módon, hogy mind az „előtte”, mind pedig az „utána” kép teljes egészében egy AOI-területként funkcionált, így lehetőségünk volt megvizsgálni, hogy mely képeknél hogyan alakulnak az egyes metrikák, illetve hogy ezek alapján melyek bizonyulhatnak szimpatikusabbnak az alanyoknak. A rövid tájékoztatást és a kalibrációt követően megkezdődött a képek levetítése és az adatfelvétel, melynek során minden képpár 12 másodpercig volt látható a képernyőn. Az előző fejezetben bemutatott szakirodalmi eredmények alapján négy fontos mutatót különíthetünk el (Noland et al., 2016; Hollander et al., 2019; Berto 2008; Valtchanov–Ellard 2015; Wu et al., 2021):
-
Fixációk összesített hossza (total fixation duration): megmutatja, hogy mennyi az adott AOI-területen belül megfigyelhető fixációk időtartamainak összege, vagyis, hogy összesen mennyi ideig volt képes megállapodni a szem a vizsgált területen belül.
-
Fixációk átlagos hossza (average fixation duration): megmutatja, hogy az adott AOI-területen belül átlagosan meddig tartott egy fixáció, vagyis, hogy átlagosan mennyi ideig volt képes megállapodni a szem egy fixáció során a vizsgált területen belül.
-
Fixációk száma (fixation count): megmutatja, hogy összesen hány darab fixáció figyelhető meg az adott AOI-területen belül.
-
Első fixációig eltelt idő (TTFF – time to first fixation): megmutatja, hogy mennyi idő telt el az első fixációig az adott AOI-területen belül.
7.4. táblázat. A kutatás során alkalmazott utcaképek
Forrás: PAU Studio (1,2,4), Volkswagen (3), Lyft (5), Ryan Snyder (6), Nightnurse Images (7), StreetPlans (8)
| 1 | A táblázatban helyhiány miatt csak az értékelés során kiemelt képpárokat mutatjuk be. |
Tartalomjegyzék
- Az önvezető járművek és a városi társadalom
- Impresszum
- Bevezető gondolatok
- I. rész. Az önvezető járművek és a városok
- 1. Az önvezető járművek mibenlétéről
- 2. Önvezető járművek és az urbanizációs hátrányok
- 3. Az önvezető technológia a felelősségteljes innováció megközelítésében
- 3.1. Bevezetés
- 3.2. A felelősségteljes innováció fogalmi háttere
- 3.3. Gyakorlati módszerek a felelősségteljes (kutatás és) innováció előmozdítására
- 3.4. A felelősségteljes innováció és az önvezető járművek kapcsolata a szakirodalomban
- 3.5. Miként ragadható meg a felelősségteljes innováció az önvezető járművek városi elterjedésében?
- 3.1. Bevezetés
- II. rész. A városi lakosság önvezetőjármű-elfogadása
- III. rész. A potenciálisan megváltozó városi környezet megítélése
- 7. A potenciálisan megváltozó városkép elfogadásának vizsgálata
- 8. A lakosság véleménye az önvezető járművek városának egyes részelemeiről
- 8.1. Bevezetés
- 8.2. A városi környezetet befolyásoló önvezetőjármű-típusok és technológiai feltételek
- 8.3. Stilizált városképek, adatállomány
- 8.4. A leginkább preferált város összetevőinek kombinációja
- 8.5. A fiatal városlakók perszónatípusai a jövő városainak összetevőire vonatkozó preferenciáik szerint
- 8.1. Bevezetés
- IV. rész. A városok önvezetőjármű-felkészültsége
- 9. A városi utcai tesztek tapasztalatai önkormányzati szemszögből
- 9.1. Bevezetés
- 9.2. Az önvezetőjármű-tesztek aktuális helyzete az interjúvárosokban
- 9.3. Az önvezető járművek városokba érkezése és az arra való felkészülés
- 9.4. A városi tesztek során szerzett tapasztalatok
- 9.5. A városok jövőbeli tervei
- 9.6. Üzenet azon városoknak, amelyek tervezik az AV-technológia alkalmazását
- 9.1. Bevezetés
- 10. A városi önvezetőjármű-felkészültség kulcstényezőinek meghatározása
- 11. A magyar városok önvezetőjármű-felkészültségének számszerűsítése
- 11.1. Bevezetés
- 11.2. A 27 kulcstényező leképezése indikátorokkal
- 11.3. A városi szakértők kérdőíves megkérdezésének módszertana, adatfelvétel
- 11.4. A magyar városok önvezetőjármű-felkészültségének eredményei
- 11.5. A kérdőívre adott válaszok és a települési KSH-adatok közötti összefüggések eredményei
- 11.6. A magyar városok önvezetőjármű-felkészültségének egymáshoz viszonyított relatív helyzete
- 11.7. A magyar városok önvezetőjármű-felkészültségének regionális sajátosságai
- 11.1. Bevezetés
- 9. A városi utcai tesztek tapasztalatai önkormányzati szemszögből
- V. rész. Az önvezető járművek elterjedése mint felelősségteljes városi innováció
- 12. A városi lakosság kiterjesztett önvezetőtechnológia-elfogadása, az URBTAUT-modell
- 13. Társadalmi-technikai-szakpolitikai integráció az önvezető járművek városában
- 13.1. Felelősségteljes jármű-innováció – társadalmi-technikai integráció
- 13.2. Felelősségteljes városi innováció – társadalmi-szakpolitikai integráció
- 13.2.1. A várostervezés és területhasználat felelősségteljes innovációs kulcselemei és dimenziói
- 13.2.2. A fizikai infrastruktúra felelősségteljes innovációs kulcselemei és dimenziói
- 13.2.3. A CAV-technológia és virtuális infrastruktúra felelősségteljes innovációs kulcselemei és dimenziói
- 13.2.4. Az „Adatok” faktor felelősségteljes innovációs kulcselemei és dimenziói
- 13.2.5. A „Biztonság” faktor felelősségteljes innovációs kulcselemei és dimenziói
- 13.2.6. A városi mobilitás és integráció felelősségteljes innovációs kulcselemei és dimenziói
- 13.2.7. A „Szabályozás” faktor felelősségteljes innovációs kulcselemei és dimenziói
- 13.2.8. Az „Üzleti modell” faktor felelősségteljes innovációs kulcselemei és dimenziói
- 13.2.9. A „Lakosság felkészítése” faktor felelősségteljes innovációs kulcselemei és dimenziói
- 13.2.1. A várostervezés és területhasználat felelősségteljes innovációs kulcselemei és dimenziói
- 13.3. Az önvezetőjármű-felkészültség felelősségteljesinnováció-modellje
- 13.4. A városi lakosság „terelése” az önvezetőjármű-vezérelt városi innováció irányába
- 13.1. Felelősségteljes jármű-innováció – társadalmi-technikai integráció
- VI. rész. Esettanulmányok
- VII. Felhasznált irodalom
Kiadó: Akadémiai Kiadó
Online megjelenés éve: 2025
ISBN: 978 963 664 154 2
Az önvezető járművek elterjedése új kihívások elé állítja a városokat. A technológia ígéretes, de a sikeres integráció nemcsak műszaki kérdés: kulcsszerep jut a városi döntéshozóknak és az érintett közösségeknek is. E monográfia a felelősségteljes innováció szemléletében vizsgálja, hogyan készülhetnek fel a városok az önvezető járművek érkezésére. Interdiszciplináris kutatásra építve mutatja be a városi lakosság és az önkormányzatok attitűdjeit, kockázatérzékelését és elvárásait. A kötet nem csupán a jelenlegi állapotot tárja fel, hanem gyakorlati keretrendszert is kínál a városi önvezetőjármű-felkészültség növelésére. Hasznos olvasmány kutatók, szakpolitikusok, városfejlesztők és mindazok számára, akik tenni szeretnének a technológiai átmenet társadalmilag elfogadott és sikeres megvalósításáért.
Hivatkozás: https://mersz.hu/lukovics-az-onvezeto-jarmuvek-es-a-varosi-tarsadalom//
BibTeXEndNoteMendeleyZotero
gomb segítségével választhatsz, hogy fejezetről fejezetre lapozva vagy inkább folyamatosan görgetve olvasnád-e a könyvet.
