تقویت دسترسی به داده‌های باز تضمینی برای باروری امر پژوهش و نوآوری و توسعه راهکارهای مقابله با چالش‌های پیچیده اجتماعی در داخل کشور است. سیاست‌های پیشنهادی OECD و دیگر محافل علمی، تاکیدی بر این راهبرد است. اما پیاده‌سازی آن‌ها قطعاً نیازمند برپایی سیستم‌های حکمرانی، فرایندهای شفاف‌سازی، و تضمین اعتماد به حوزه‌های پژوهشی و کسب‌وکاری است. بخش عمده و مهمی از ارزشمندترین منابع داده‌ای ماهیت شخصی دارند و گردآوری، ذخیره و پردازش آنها در فضای مجازی منبع سرشار درآمدزایی برای کسب‌وکارهای داده‌محور محسوب می‌گردد. از جمله چالش‌های اصلی در مسئله اعتمادسازی، اتخاذ سیاست‌های حفظ حریم خصوصی و تعیین حدود مالکیت این داده‌هاست. این مقاله با تبیین پیچیدگی مفهوم مالکیت در زیست‌بوم داده‌های شخصی، کارامدی سیاست‌های پیشنهادی همچون گزارشات OECD در زمینه تقویت دسترسی باز را به چالش می‌کشد. همچنین، به اجمال کاستی‌های موجود در قوانین تجارت الکترونیکی و جرائم رایانه‌ای کشور مطرح می‌شود. سپس، با هدف پیشنهاد یک سیاست دسترسی به داده‌های باز، عطف به حساسیت داده‌های شخصی، ابتدا نتایج تفصیلی یک مطالعه میدانی شامل معیارهای تحقق هدف و سیاست‌گذاری‌های ممکن به شیوه دلفی استخراج می‌گردند. پژوهش انجام شده حاکیست سطح آگاهی عمومی در کشور از قوانین حمایت‌کننده موجود در این زمینه، حتی در یک جامعه هدف متعالی، از وضع مطلوبی برخوردار نیست. همچنین، دیدگاه عمومی از امانتداری نسبت به داده‌های شخصی و امید به اجرای موثر قوانین در موارد تخلف رضایت‌بخش نیست. در انتها، با ارزیابی مجدد میدانی به شیوه FAHP ، گزینه‌های سیاست‌گذاری مورد سنجش و تحلیل قرار می‌گیرند و الزامات ضروری برای اجرای سیاست منتخب پیشنهاد می‌شوند. Manuscript profile

با استفاده از سیستم تشخیص خط در خودروهای خودران می‌توان موقعیت نسبی خودرو را نسبت به دیگر خودروها و همچنین احتمال خروج از خط و حتی امکان تصادف را بررسی کرد. در این مقاله، یک رویکرد تشخیص خط کم‌وزن و سریع برای تصاویر برگرفته‌شده از دوربین تعبیه‌گردیده در شیشه جلویی خودروها ارائه شده است. بیشتر روش‌های موجود، مسئله تشخیص خط را به صورت کلاس‌بندی در سطح پیکسل در نظر می‌گیرند. این روش‌ها با وجود داشتن قدرت تشخیص بالا، از دو ضعف داشتن پیچیدگی محاسباتی بالا و عدم توجه به اطلاعات محتوایی کلی تصویر منحصربه‌فرد خطوط (در نتیجه در صورت وجود مانع، امکان تشخیص ندارند) رنج می‌برند. روش پیشنهادی پیش رو با بهره‌گیری از روش انتخاب بر اساس ردیف، وجود خطوط در هر ردیف را بررسی می‌کند. همچنین استفاده از معماری موبایل‌نت باعث به‌دست‌آمدن نتایج خوب با تعداد پارامترهای یادگیری کمتر شده است. استفاده از سه تابع مختلف به عنوان توابع هزینه با اهداف متفاوت، باعث به‌دست‌آمدن نتایج عالی و درنظرگرفتن اطلاعات محتوایی کلی منحصربه‌فرد خطوط در کنار اطلاعات محلی شده است. آزمایش‌های انجام‌گرفته بر روی مجموعه تصاویر ویدئویی TuSimple نشان از عملکرد مناسب رویکرد پیشنهادی از لحاظ کارایی و مخصوصاً از لحاظ سرعت دارد. Manuscript profile