自动驾驶车辆意图呈现对行人过街决策的影响

自动驾驶车辆外部人机交互界面(external human-machine interfaces,eHMI)的呈现方式与时机会影响行人的过街决策,因此研究过街行人对自动驾驶车辆的意图理解具有重要意义。利用Unity 3D建立仿真模型,依据车辆意图呈现方式与时机的不同进而生成16段自动驾驶车辆驶来视频,将视频乱序向参试者播放,收集参试者在面对不同视频时做出的反应时间与过街决策,基于此来探究eHMI呈现方式和时机对行人过街决策的影响。结果表明:在呈现方式方面,相比于中性颜色,显著的文本颜色往往更可以影响行人的过街决策,可以大大缩短行人的反应时间,帮助行人做出更准确、更安全的过街决策;在呈现时机方面,当自动驾驶车辆车速处于35~40 km/h时,激活距离越近越会对行人的过街决策产生积极的影响。

自动驾驶汽车与行人交互中的沟通界面设计:基于行人过街决策模型的评估

自动驾驶汽车要进入人车混行的普通道路,需确保与过街行人之间的交互安全和效率。为解决这一问题,高等级自动驾驶汽车往往在车辆外部装置显示设备,即外部人机界面(eHMIs)以和行人沟通信息。在具体设计上,已有研究主要采用文字、图形、投影等视觉沟通形式,传达车辆状态(是否在自动驾驶模式)、意图和对行人的过街建议等沟通信息,并在真实路段实验、虚拟场景及实验室实验等情境中评估了界面的使用对行人过街意向、速度和准确性等指标的影响。然而,以行人为中心的外部界面设计需系统地支持行人过街决策前各阶段的信息加工需求。因此,我们结合行人过街决策过程和情境意识理论,提出行人与自动驾驶汽车交互中的动态过街决策模型,从行人认知加工视角评估各种界面的沟通效果。评估的结果启示,eHMIs应促进行人对车辆信息的感知、理解和预测。在感知阶段,应采用多种类型界面、多呈现载体相结合,增强信息的可识别性。在理解阶段,需结合文字说明、合理选择沟通视角、信号标准化和培训提高可理解性。在预测阶段,应结合车辆内隐运动信息,帮助行人快速准确获取车辆未来行动意图。更重要的是,未来研究应关注在多行人、多车辆混行情境下的信息沟通设计及其对行人的影响。理论方面,未来研究也需要关注外部界面如何通过自下而上的通路影响情境意识和心智模型的形成。

考虑eHMI的行人过街行为研究与决策模型构建

目的针对行人与自动驾驶汽车的交互过程,从行人的角度出发,探索性地提出行人在自动驾驶汽车前的过街行为决策模型。方法首先,将行人过街情景进行分析定义,针对行人的过街意向和与自动驾驶汽车沟通意愿总结出两个典型场景;然后,利用潜变量分析方法将行人在自动驾驶汽车前过街行为的影响因素进行降维分类,并对车外人机交互界面进行设计定义,构建各潜变量的影响因子与测量量表;最后,运用有序Logistic回归方法分析各影响因素对行人过街意向和沟通意愿的影响,构建行人在自动驾驶汽车前的过街行为决策模型。结果量化分析行人过街行为影响因素与其过街决策间相关性及内在关系,提出过程中决定性人车交互方式及各影响因素的变化过程。结论研究提出考虑eHMI的行人过街行为决策模型,将行人过街决策过程分为三个阶段,并总结出车辆行为线索和eHMI线索作用过程的决定性变化曲线及行人与自动驾驶汽车交互流程与关键性节点。