دانلود رایگان مقالات IEEEدانلود رایگان مقالات پژوهشی برقدانلود رایگان مقالات ژورنالی برقدانلود رایگان مقالات سال 2019دانلود رایگان مقاله ISI ماشینهای الکتریکی به زبان انگلیسیدانلود رایگان مقاله ISI مهندسی برق به زبان انگلیسی سال 2022 و 2023سال انتشارمقالات مهندسی برق با ایمپکت فاکتور بالا به زبان انگلیسی

مقاله انگلیسی رایگان در مورد امنیت وسایل نقلیه خودمختار – IEEE 2019

 

مشخصات مقاله
ترجمه عنوان مقاله چارچوب تجزیه و تحلیل مشارکتی ایمنی و امنیت برای وسایل نقلیه خودمختار
عنوان انگلیسی مقاله Collaborative Analysis Framework of Safety and Security for Autonomous Vehicles
انتشار مقاله سال ۲۰۱۹
تعداد صفحات مقاله انگلیسی ۱۲ صفحه
هزینه دانلود مقاله انگلیسی رایگان میباشد.
پایگاه داده نشریه IEEE
نوع نگارش مقاله
مقاله پژوهشی (Research Article)
مقاله بیس این مقاله بیس نمیباشد
نمایه (index) Scopus – Master Journals List – JCR
نوع مقاله ISI
فرمت مقاله انگلیسی  PDF
ایمپکت فاکتور(IF)
۴٫۶۴۱ در سال ۲۰۱۸
شاخص H_index ۵۶ در سال ۲۰۱۹
شاخص SJR ۰٫۶۰۹ در سال ۲۰۱۸
شناسه ISSN ۲۱۶۹-۳۵۳۶
شاخص Quartile (چارک) Q2 در سال ۲۰۱۸
مدل مفهومی ندارد
پرسشنامه ندارد
متغیر ندارد
رفرنس دارد
رشته های مرتبط مهندسی برق
گرایش های مرتبط ماشین های الکتریکی
نوع ارائه مقاله
ژورنال
مجله / کنفرانس دسترسی – IEEE Access
دانشگاه  School of Information and Science Technology, Northwest University, Xi’an 710127, China
کلمات کلیدی وسایل نقلیه خودمختار، ایمنی، امنیت، ISO 26262, SAE J3061, SAE J3016
کلمات کلیدی انگلیسی  Autonomous vehicle, safety, security, ISO 26262, SAE J3061, SAE J3016
شناسه دیجیتال – doi
https://doi.org/10.1109/ACCESS.2019.2946632
کد محصول  E13861
وضعیت ترجمه مقاله  ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید.
دانلود رایگان مقاله دانلود رایگان مقاله انگلیسی
سفارش ترجمه این مقاله سفارش ترجمه این مقاله

 

فهرست مطالب مقاله:
ABSTRACT

I. INTRODUCTION

II. PRELIMINARIES

III. COLLABORATIVE ANALYSIS FRAMEWORK

IV. IMPLEMENTATION OF COLLABORATIVE ANALYSIS FRAMEWORK

V. FRAMEWORK IMPLEMENTATION EXAMPLE

VI. CONCLUSION AND FUTURE WORK

REFERENCES

 

بخشی از متن مقاله:
ABSTRACT

Human error has been statistically proven to be the primary cause of road accidents. This undoubtedly is a contributory cause of the rising popularity of autonomous vehicles as they are presumably able to maneuver appropriately/optimally on the roads while diminishing the likelihood of human error and its repercussion. However, autonomous vehicles are not ready for widespread adoption because their safety and security issues are yet to be thoroughly investigated/addressed. Little literature could be found on collaborative analysis of safety and security of autonomous vehicles. This paper proposes a framework for analyzing both safety and security issues, which includes an integrated safety and security method (S&S) with international vehicle safety and security standards ISO 26262 and SAE J3061. The applicability of the proposed framework is demonstrated using an example of typical autonomous vehicle model. Using this framework, one can clearly understand the vehicle functions, structure, the associated failures and attacks, and also see the vulnerabilities that are not yet addressed by countermeasures, which helps to improve the in-vehicle safety and security from researching and engineering perspectives.

INTRODUCTION

An ever increasing number of vehicles on the roads worldwide has apparently increased the frequency of the traffic accidents, which is recognized as a major societal and public safety problem. In 2016 alone, more than thirty thousand people died in road accidents in United States, an increase of 5.6% over 2015 [1]. The economic cost of road traffic crashes was substantial, amounting to over 200 billion dollars a year [2]. Statistically, human error tops the list of factors of road accidents (causing 94% of road accidents), followed by vehicle malfunction, environmental factors and others [3]. The human error encompasses recognition error (e.g., driver’s inattention and distraction), decision error (e.g., reckless driving and misjudging others’ action), and performance error (e.g., overcompensation and poor driving skill) [3]. Driving automation is considered a solution to mitigate the human driving errors [4], [5]. A Driving Automation System (DAS) [6] usually makes use of a great variety of advanced sensors and technologies such as Light Detection and Ranging (LiDAR), Global Positioning System (GPS), 3D mapping, path planning and Electronic Controlled Units (ECUs).

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا