色彩对比度及信息密度对老年用户视觉搜索的影响

通过动态导向显示屏呈现就诊信息的医院逐年增多,而老年人群由于视觉功能逐渐衰退,在医院检索及识别动态导向分诊信息时经常出现困难。为提升老年用户观察动态导向信息界面的绩效,对影响老年用户视觉搜索绩效明显的色彩对比度及信息密度因素展开研究。基于医院动态分诊显示器界面及E-prime实验平台,以色彩对比度及信息密度作为自变量,对20位60岁以上的老年用户展开视觉搜索实验,采集不同自变量水平下的视觉搜索时间、视觉搜索正确率及清晰度、舒适度评价。结果表明,色彩对比度为13.7∶1时,老年用户的视觉搜索绩效及评价最佳,当数值上升至17.4∶1及21∶1时,绩效及评价开始显著下降,但仍优于8.7∶1水平。在研究选用的字体及显示器下,老年用户在0.46及0.55(5~6行)信息密度水平的视觉搜索绩效及评价结果显著优于其他水平,且0.74(8行)信息密度水平为适用于老年用户的最大信息密度设计。

左转车驾驶风格对直行车交互行为影响

驾驶风格是交通路口左转事故的主要成因,研究直行车面对不同驾驶风格的左转车速度变化能有效解释事故发生的原因,因此通过对北京市昌平区、海淀区、平谷区的三个交通路口进行实地观测,通过录像记录左转车转向角度,速度等指标以及直行车速度变化情况。观测时间选取7个工作日和4个节假日的高峰与非高峰时段。通过转向角度、速度等指标对左转车驾驶风格分类并比较其对直行车速度的影响。结果表明:左转车辆为激进型驾驶风格时,在工作日直行车大部分会保持原速行驶,因此容易导致事故的发生;在节假日大部分会选择减速行驶。面对保守型驾驶风格时,在工作日驾驶员大部分会选择保持原速行驶,在节假日依然如此。可见在时间的影响下,激进型的驾驶风格可能会诱发交互车辆的激进型行为;而保守型驾驶在任何时段下都会诱发交互车辆的激进型行为。研究所得结果可为预测混合交通的潜在后果提供参考,从而在未来使自动驾驶汽车更好融入混合交通道路中。

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。