自动化世界中的卡车运输业未来:美国卡车运输业利益相关者视角下的人工智能系统整合研究

《Transportation Research Interdisciplinary Perspectives》:$Stakeholder perspectives on the future of trucking in an automated world

【字体: 大 中 小 】 时间:2026年10月24日 来源:Transportation Research Interdisciplinary Perspectives 4.8

编辑推荐:

  随着人工智能(AI)嵌入车辆自动化与车队运营,美国卡车运输业面临机遇与挑战。这些技术有望带来安全与效率增益,但也引发了关于劳动力转型、培训及监管框架等尚未充分探讨的问题。本研究调查了美国卡车运输业各利益相关者如何认知AI系统的整合,包括高级驾驶辅助系统(adv

  
随着人工智能(AI)嵌入车辆自动化与车队运营,美国卡车运输业面临机遇与挑战。这些技术有望带来安全与效率增益,但也引发了关于劳动力转型、培训及监管框架等尚未充分探讨的问题。本研究调查了美国卡车运输业各利益相关者如何认知AI系统的整合,包括高级驾驶辅助系统(advanced driver assistance systems,ADAS)和自动商用机动车(automated commercial motor vehicles,ACMVs),及其对安全、运营实践和劳动力适应的启示。研究人员对33名美国参与者进行了半结构化访谈,代表五个利益相关者群体:卡车司机、卡车运输公司、卡车驾驶学校、技术开发者和政策制定者。数据经主题分析并映射至社会技术系统框架(环境、组织、工人、任务、工具与技术)。共归纳出六个主题:(1)AI赋能系统的可行性,涵盖监管、培训与执照、基础设施及人机协同;(2)收益,如安全性、效率、工作负荷平衡和行业吸引力提升;(3)劳动力影响,涉及工作可得性、角色转换和满意度;(4)技术感知,以信任与怀疑为特征;(5)行业实践,包括招聘、培训和车队管理;(6)创新,涉及自动化进展与部署。大多数子主题在五个群体中均有出现,部分子主题仅由其中部分或单一群体提出,揭示了利益相关者对AI整合理解的趋同与分歧。利益相关者肯定了AI在提升安全与效率方面的潜力,但也对就业替代、监管空白和人工监督表示担忧。本研究为系统设计、人机交互、培训、劳动力适应及监管框架提供了洞见。
随着人工智能(AI)技术日益嵌入车辆自动化与车队运营,美国卡车运输业正处于重要的技术转型期。SAE International将驾驶自动化划分为0至5级,当前美国商用卡车运营仍以人类驾驶员执行动态驾驶任务为主,但1级和2级的高级驾驶辅助系统(advanced driver assistance systems,ADAS)正快速普及,4级自动商用机动车(automated commercial motor vehicles,ACMVs)的试点部署也在持续推进。已有研究多孤立地考察单个利益相关者群体,或将驾驶员与公众进行比较,鲜有在同一数据集内对多个群体进行系统比较,导致对相关方认知的趋同与分歧认识不足。同时,监管权限分散、基础设施准备不足、劳动力转型不确定等问题尚未得到充分回答。鉴于此,研究人员采用社会技术系统框架,对五类利益相关者开展半结构化访谈,探究他们如何理解AI系统整合及其对安全、运营和劳动力的影响。

研究人员招募了33名美国参与者,代表五个利益相关者群体:卡车司机(n=8)、卡车驾驶学校教员(n=8)、政府官员(n=7)、卡车运输公司员工(n=5)和技术公司代表(n=5)。通过半结构化访谈收集数据,采用归纳主题分析,并将最终主题映射至社会技术系统框架。研究确定了六个主题:AI赋能系统的可行性、AI赋能系统的收益、劳动力影响、技术感知、行业实践、创新与未来应用。研究的重要意义在于,它揭示了不同利益相关者群体对AI整合认知的趋同与分歧,为系统设计、人机交互、培训、劳动力适应及监管框架提供了跨群体的联合性见解。

关键方法方面,研究采用半结构化访谈法,于美国通过目的性抽样与滚雪球抽样招募33名具有当前或既往卡车运输行业从业背景的参与者,涵盖上述五个群体。访谈由两名研究人员在线进行(主访谈人与记录员),每次约1小时,经同意后录音录像并逐字转写。数据分析采用基于Braun与Clarke六阶段法的归纳主题分析,两名研究人员独立编码,通过讨论达成共识,并将最终主题映射至社会技术系统框架。样本人群以男性(75.9%)、白人(89.7%)、非西班牙裔/拉丁裔(89.7%)为主,年龄21至72岁。

研究结果共包含六个主题,其中有21个子主题。

4.1 Feasibility of AI-Enabled Systems(AI赋能系统的可行性)。通过编码分析,参与者普遍认为ACMV最适合在共享责任模式下运行,由人类处理复杂或不可预测任务、系统负责重复性驾驶。法律责任和保险问题成为政府官员重点关切的议题,涉及碰撞责任归属和远程操作员资质。多数参与者认为现有基础设施总体兼容,但区域差异显著。培训与执照体系亟需更新以纳入AI相关能力。多利益相关者协作和渐进式技术整合也被视为重要前提。

4.2 Benefits of AI-Enabled Systems(AI赋能系统的收益)。参与者普遍预期AI系统能够提升安全、运营效率、工作负荷平衡和行业吸引力。ADAS的车载摄像头、稳定性控制和车道偏离预警被视为降低人为错误的重要保障。ACMV支持夜间运营并减少拥堵和燃油消耗。疲劳警报与动态转向等技术减轻了长途驾驶的身心负担,而自动化带来的灵活性和离家更近的工作方式可能改善驾驶员生活方式。

4.3 Workforce Impacts(劳动力影响)。参与者对ACMV是否会减少、替代或重塑卡车驾驶岗位存在不确定性。部分人担忧大规模失业,也有观点认为区域货运增长将催生更多本地岗位。工作性质预计将从手动驾驶转向技术、监督或物流协调。工作满意度的影响褒贬不一,薪酬与居家时间仍是核心决定因素。

4.4 Technology Perceptions(技术感知)。该主题未产生子主题。编码显示信任与怀疑并存,接受度可能随时间提升,但参与者质疑计算机能否完全复现人类在不可预测环境中的判断。培训不足会导致困惑和抵触情绪,代际差异和系统可靠性共同塑造态度。

4.5 Industry Practices(行业实践)。该主题子主题主要对应于特定利益相关者群体。招聘方面,驾驶学校与运输公司均面临持续驾驶员短缺。培训方面,各校对ADAS教学存在“基础优先”与“主动纳入”的差异。车队管理策略因公司而异,部分优先采用先进安全功能,部分将ADAS视为次要因素。技术公司则通过与承运商合作和安全驾驶员反馈进行迭代测试。

4.6 Innovation and Future Applications(创新与未来应用)。参与者对ACMV时间表预期不一,但普遍认为将是一个渐进过程。技术改进重点是传感器精度、系统感知力和运营设计域(operational design domain,ODD)的扩展。商业化预计先在固定线路、终端到终端等受控场景开展,再逐步扩展。

4.7 Convergence and Divergence across Stakeholder Groups(各利益相关者群体的趋同与分歧)。21个子主题中有14个为五组共提,显示广泛共识;部分子主题仅由部分群体提出,如多利益相关者协作仅由政府官员和技术公司代表提及。政府官员的叙述以可行性关注为主,技术公司强调收益与创新,卡车司机的叙述则最显著地体现为基于直接经验的感知。

4.8 Sociotechnical Systems Perspective(社会技术系统视角)。将子主题映射至框架显示,组织是最密集的组成部分,承载了10个子主题;环境、任务、工具与技术各贡献4个;工人贡献3个。这表明AI整合的复杂性在很大程度上由组织层面的实践与决策所主导。

讨论部分表明,可行性主题是劳动力影响与创新未来应用的前提条件,既影响采用速度也引导创新方向。监管空白、基础设施不足和培训缺口会抑制技术测试和部署,而行业实践则是将可行性转化为日常运营的机制。收益与技术感知之间存在双向关系:实际收益改善感知,误报与培训不足则加深怀疑。与既有文献相比,本研究的独特贡献在于:在同一数据集内比较五个群体以揭示趋同与分歧;将可行性视为引导创新方向的定向力量;识别卡车驾驶学校作为此前被忽视的重要行动者。研究局限性包括样本以男性、白人居多且地域集中,观点也反映了快速变革时期的即时状态。

本研究通过半结构化访谈探讨了利益相关者对商用卡车AI系统整合的感知。分析确定了与部署可行性、AI赋能系统收益、劳动力影响、技术感知、行业实践以及创新与未来应用相关的主题。在可行性方面,参与者强调了人类与AI系统持续合作与监督的必要性(人-技术模型),以及监管清晰度、培训、基础设施准备、多利益相关者协作和渐进式技术整合的需求。关于AI赋能系统的收益,利益相关者指出了在安全、效率、工作负荷缓解和行业吸引力方面的潜在增益,但这些取决于系统性能的可靠性。劳动力影响方面,参与者识别了角色转型与破坏的双重可能,涉及工作可得性、工作满意度和劳动力流动。技术感知表明,信任、实际经验和接受度在决定AI赋能系统是被整合与接纳还是被抵制方面发挥核心作用。创新与未来应用被认为前景广阔,但取决于能否解决可行性障碍并确保跨利益相关者协作。最后,行业实践成为可行性条件得以操作化的机制,承运商、学校和技术公司正使培训、招聘、车队战略和试点项目适应不断演进的技术。通过应用社会技术系统框架,本研究证明了环境、组织、技术、工人和任务如何共同塑造人-技术合作关系。这项工作的新颖贡献在于跨卡车运输业多个利益相关者群体绘制这些相互依赖性,为可行性条件、感知收益、劳动力动态和创新如何交互并影响AI赋能卡车运输的发展轨迹提供了整合性阐述。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号