Consumer Perception and Policy Intervention in Large-scale Implementation of Advanced Autonomous Driving: A Dynamic Evolutionary Study Based on Agent-Based Modeling

तकनीकी सारांश: उन्नत स्वायत्त ड्राइविंग के बड़े पैमाने पर कार्यान्वयन में उपभोक्ता धारणा और नीतिगत हस्तक्षेप

समस्या विवरण
चीन के स्वायत्त ड्राइविंग उद्योग में तीव्र तकनीकी प्रगति और मजबूत नीतिगत समर्थन के बावजूद, उपभोक्ता धारणा सतर्क बनी हुई है, जो एक "संज्ञानात्मक बाधा" (cognitive bottleneck) पैदा करती है जो पायलट प्रदर्शन से बड़े पैमाने पर वाणिज्यिक अनुप्रयोग की ओर संक्रमण को बाधित करती है। मौजूदा साहित्य अक्सर स्वायत्त ड्राइविंग को एक सजातीय तकनीक के रूप में मानता है, जो आदर्श लेवल 5 (L5) परिदृश्यों पर ध्यान केंद्रित करता है और उन महत्वपूर्ण संक्रमणकालीन चरणों (L2 से L4) की उपेक्षा करता है जहाँ मानव-मशीन भूमिकाओं की सीमाएँ बदलती हैं। इसके अलावा, पारंपरिक अनुसंधान अत्यधिक क्रॉस-सेक्शनल सर्वेक्षणों और स्थिर मॉडलों (जैसे TAM, TPB) पर निर्भर करता है, जो सुरक्षा दुर्घटनाओं, तकनीकी मील के पत्थरों और नीतिगत हस्तक्षेपों द्वारा ट्रिगर किए गए गैर-रेखीय फीडबैक लूप, गतिशील विश्वास विकास और उभरते मैक्रो-स्तरीय पैटर्न को पकड़ने में विफल रहते हैं। संबोधित किया जाने वाला मुख्य मुद्दा एक भविष्योन्मुखी, गतिशील ढांचे का अभाव है जो यह समझ सके कि तकनीकी प्रगति, सार्वजनिक राय के झटकों और नीतिगत रणनीतियों के जटिल परस्पर प्रभाव के तहत उपभोक्ता विश्वास और स्वीकृति कैसे विकसित होती है।

कार्यप्रणाली
यह अध्ययन एक एजेंट-आधारित मॉडलिंग (ABM) दृष्टिकोण का उपयोग करता है ताकि उपभोक्ता संज्ञान के गतिशील विकास को सिम्युलेट करने के लिए एक "कम्प्यूटेशनल प्रयोगशाला" का निर्माण किया जा सके। कार्यप्रणाली तीन चरणों में आगे बढ़ती है:

1. अनुभवजन्य अंशांकन (Empirical Calibration): प्रारंभिक मापदंडों को कैलिब्रेट करने के लिए टेक्नोलॉजी एक्सेप्टेंस मॉडल (TAM) पर आधारित एक प्रश्नावली सर्वेक्षण ($N=184$) आयोजित किया गया। मैक्सिमम लाइकलीहुड एस्टीमेशन (MLE) ने पुष्टि की कि प्रारंभिक उपभोक्ता विश्वास ($\mu=0.38$) और जोखिम धारणा ($\mu=0.62$) सामान्य वितरण का पालन करते हैं, जो व्यक्तिगत विषमता को दर्शाते हैं।
2. मॉडल निर्माण: पायथन मेसा (Mesa) फ्रेमवर्क का उपयोग करके एक डिस्क्रीट-टाइम सिमुलेशन (500 टिक्स, जहाँ 1 टिक = 1 महीना) बनाया गया। मॉडल तीन प्रेरक शक्तियों को एकीकृत करता है:
   • तकनीकी बल (Technological Force): एक स्टेपड इवोल्यूशन मैकेनिज्म जहाँ विशिष्ट नीतिगत मील के पत्थरों (जैसे टिक 121 पर L3 मार्केट एक्सेस) पर तकनीकी स्तर (L2+ $\to$ L3 $\to$ L4) उछलते हैं, जो बाह्य विश्वास संकेत के रूप में कार्य करते हैं।
   • सामाजिक बल (Social Force): उपभोक्ता वॉट्स-स्ट्रोगैट्स स्मॉल-वर्ल्ड नेटवर्क ($N=500$) में अंतर्निहित हैं। एजेंट सहकर्मी प्रभावों (सामाजिक प्रभाव) और वर्ड-ऑफ-माउथ प्रसार के आधार पर अपने विश्वास को अपडेट करते हैं।
   • व्यक्तिगत बल (Individual Force): एजेंटों के पास विषम मनोवैज्ञानिक गुण (जोखिम अपवर्जन, सामाजिक संवेदनशीलता) और पूर्व अनुभव (L2 उपयोग) होते हैं।
3. नीति सिमुलेशन: मॉडल तीन नीतिगत उपकरणों का परीक्षण करता है—नियामक तीव्रता ($reg$), संचार तीव्रता ($comm$), और सब्सिडी तीव्रता ($sub$)—जो 0 से 1 तक विस्तृत हैं। सुरक्षा दुर्घटनाओं को एक बर्नौली प्रक्रिया ($p=0.01$) के रूप में मॉडल किया गया है ताकि नकारात्मक झटकों को सिम्युलेट किया जा सके। अध्ययन बजट सीमाओं के तहत इष्टतम नीति संयोजनों की पहचान करने के लिए फुल फैक्टोरियल प्रयोग चलाता है।

प्रमुख परिणाम
सिमुलेशन नीति संयोजनों और तकनीकी प्रगति मोड के आधार पर विशिष्ट विकास पथ प्रकट करता है:

• इष्टतम नीति पोर्टफोलियो: एक निश्चित बजट के तहत, कठोर विनियमन ($reg=1.0$), मध्यम संचार ($comm=0.5$), और मध्यम सब्सिडी ($sub=0.5$) का संयोजन उच्चतम व्यापक स्कोर प्रदान करता है। यह रणनीति 100% के करीब अंतिम एडॉप्शन रेट और तीव्र प्रसार गति (टिक 166 पर 50% टिपिंग पॉइंट को पार करना) प्राप्त करती है।
• विनियमन की भूमिका: कठोर विनियमन को उपभोक्ता विश्वास के आधारभूत निर्धारक के रूप में पहचाना गया है। इसके बिना, विश्वास निम्न सीमा (0.4–0.5) में फंसा रहता है और दुर्घटना झटकों के प्रति अत्यधिक संवेदनशील होता है। विनियमन एक "सुरक्षा आधार रेखा" स्थापित करता है जो विश्वास को स्थिर करता है।
• संचार और सब्सिडी की भूमिका: संचार सकारात्मक संज्ञान के प्रसार को तेज करता है लेकिन विनियमन द्वारा प्रदान की गई सुरक्षा गारंटी के बिना इसकी सीमांत प्रतिफल (marginal returns) सीमित है। सब्सिडी शुरुआती अपनाने वालों के लिए आर्थिक बाधाओं को प्रभावी ढंग से कम करती है लेकिन संस्थागत विश्वास की कमी की भरपाई नहीं कर सकती।
• तकनीकी विकास मोड: एक स्टेपड इवोल्यूशन (नीतिगत मील के पत्थरों जैसे L3 एक्सेस के अनुरूप) निरंतर रैखिक विकास की तुलना में काफी बेहतर प्रदर्शन करता है। स्पष्ट नियामक मील के पत्थरों द्वारा ट्रिगर किया गया "संज्ञानात्मक उछाल" (cognitive leap) एक मजबूत सकारात्मक संकेत के रूप में कार्य करता है, जो निरंतर, वृद्धिशील तकनीकी सुधारों की तुलना में संज्ञानात्मक ठहराव को अधिक प्रभावी ढंग से तोड़ता है।
• लचीलापन (Resilience): इष्टतम नीति पोर्टफोलियो उच्च लचीलापन प्रदर्शित करता है; जबकि सुरक्षा दुर्घटनाएं अस्थायी विश्वास गिरावट का कारण बनती हैं, विनियमन और संचार का संयोजन तेजी से रिकवरी की अनुमति देता है, जो केवल सब्सिडी या प्रचार पर निर्भर परिदृश्यों के विपरीत है।

महत्व और योगदान
यह शोध पत्र स्वायत्त ड्राइविंग अपनाने के क्षेत्र में सैद्धांतिक और व्यावहारिक दोनों योगदान देने का दावा करता है:

• सैद्धांतिक प्रगति: यह अध्ययन संज्ञानात्मक संक्रमण, विश्वास मरम्मत (trust repair) और सामाजिक प्रभाव सिद्धांतों को एक एकीकृत गतिशील विकासवादी ढांचे में एकीकृत करके स्थिर स्वीकृति मॉडलों से आगे बढ़ता है। यह स्पष्ट रूप से विश्वास की "पथ-निर्भर" (path-dependent) प्रकृति को संबोधित करता है, यह प्रदर्शित करते हुए कि निचले स्वचालन स्तरों (L2) पर स्थापित विश्वास बिना पुन: अंशांकन के उच्च स्तरों (L3/L4) पर स्वतः स्थानांतरित नहीं होता है।
• कार्यप्रणाली नवाचार: ABM को एक "कम्प्यूटेशनल प्रयोगशाला" के रूप में पेश करके, अध्ययन सूक्ष्म-स्तर की अंतःक्रियाओं से मैक्रो-उभरते पैटर्न प्राप्त करने के लिए एक नया उपकरण प्रदान करता है। यह दृष्टिकोण जटिल सामाजिक-तकनीकी प्रणालियों में गैर-रेखीय फीडबैक और उभरते हुए घटनाओं को पकड़ने में क्रॉस-सेक्शनल डेटा की सीमाओं को दूर करता है।
• नीतिगत निहितार्थ: निष्कर्ष नीति निर्माताओं और निर्माताओं के लिए कार्रवाई योग्य मार्गदर्शन प्रदान करते हैं। विशेष रूप से, अध्ययन तर्क देता है कि नियामक स्पष्टता, प्रभावी संचार की पूर्व शर्त है। नीतियों को प्रभावी संचार और सब्सिडी के माध्यम से बाजार पैठ को तेज करने से पहले एक मजबूत सुरक्षा नियामक ढांचा स्थापित करने को प्राथमिकता देनी चाहिए। इस "संतुलित" दृष्टिकोण को संज्ञानात्मक बाधा को पार करने और सतत बड़े पैमाने पर कार्यान्वयन प्राप्त करने के लिए सबसे कुशल मार्ग के रूप में प्रस्तुत किया गया है।

लेखक निष्कर्ष निकालते हैं कि उनका सिमुलेशन मॉडल दीर्घकालिक नीति प्रभावों का मूल्यांकन करने के लिए एक "डिजिटल सैंडबॉक्स" के रूप में कार्य करता है, जो निर्णय लेने वालों को तकनीकी व्यवहार्यता से बाजार स्वीकृति के जटिल संक्रमण को नेविगेट करने के लिए एक कम लागत वाला, भविष्योन्मुखी मंच प्रदान करता है।