广告
自动驾驶汽车HMI设计仍需“以人为本”
2019-11-02 23:01:27· 来源：汽车HMI 作者：王亚辉
2015年以来，人工智能技术因 AlphaGo 人机大战得到大众的广泛关注，其中最具想象力的 AI 应用场景自动驾驶和智能汽车使得资本趋之若鹜。然而时至今日，国内的新
2015年以来，人工智能技术因 AlphaGo 人机大战得到大众的广泛关注，其中最具想象力的 AI 应用场景“自动驾驶”和“智能汽车”使得资本“趋之若鹜”。然而时至今日，国内的新势力造车企业已经被大浪淘沙，剩下的的很多企业继续在亏损中求生，泥淖中挣扎，“造车”这种重资本的事情需要时间和金钱的考验。
目前自动驾驶中关键的感知、决策技术问题短期内还无法完全解决，技术突破速度落后于大众的期望，而这种被抬高的期望来源于媒体的不实引导，真实世界的环境复杂多样、道路情况不可穷尽。
无人车如何基于对路况的判断做出决策，避免伤害其他车辆、行人及本车乘客，同时能保持正常的行驶速度与节奏，需要大数据、5G、AI等各种技术的完美配合，才能真正实现驾驶安全和驾驶效率的提高，自动驾驶技术落地并没有那么简单 。
美国国家公路交通安全管理局NHTSA和汽车工程学会SAE分别提出了自动驾驶等级的概念，有出入但基本保持一致。
L0：无自动化 由驾驶者完全操控
L1：特定功能自动化 驾驶者给予某一个操控装置有限的权限
L2：组合功能自动化 至少两个主要操控装置可实现一同自主控制
L3：有限度驾驶自动化 在某些条件下，驾驶者完全放弃操控，但特定情况下人为控制仍是必要的。
L4：驾驶全自动化 车辆执行所有功能并监控整个行程的道路状况。
图片来源：东方蒲《驾驶辅助和自动驾驶-分级讨论》
更高阶自动驾驶的发展引出了一系列问题，而这种问题不仅仅是技术问题，还是人因学底层的问题，本文分析了自动驾驶汽车完全到来之前仍需面临的人因学挑战和问题，对主机厂设计师和科研人员而言，只有直面这些问题，才能从根本上提升用户体验，从而提升驾驶效率、安全性以及舒适性。
来自人因学的挑战
汽车驾驶人因可靠性是指驾驶者对于整车系统的可靠性或可用性而言所必须完成的操作的成功概率。通俗来说，如果想让系统或智能汽车保证“人因学上的可靠”，需要在规定的时间与条件下，驾驶者可以无差错地完成规定驾驶任务的能力。
目前的自动驾驶技术正处于L1~L3级的过渡阶段，汽车可以在人为的监控下进行长途或短途的自动驾驶。在该阶段，驾驶员工作量减少，车辆接管更多的驾驶任务导致系统对人为失误的容忍度大幅度降低。一旦驾驶者出现失误，安全性将很大程度上无法保证。以下为自动驾驶面临人因可靠性方面的几大挑战：
低工作量导致认知负荷降低
自动驾驶虽然旨在增强道路安全性，提高驾驶时间与效率，但由之带来的低工作量将引发驾驶员分心，注意力降低等问题。驾驶员认知负荷变低，对手头驾驶任务的控制匮乏将导致“被动疲劳”，这一现象无疑会降低驾驶员的表现。
疲劳状态下驾驶员警惕性降低，对突发事件的反应迟缓。当车辆需由自动化驾驶转变为驾驶员手动控制时会给驾驶者带来一系列问题，甚至导致事故发生。
此外，低工作量激增驾驶员无聊情绪。在自动驾驶模式下，驾驶员本应监管整个过程，但消极情绪导致驾驶员无心监管，转而参与其他次要活动，如车内娱乐系统，乘客间交谈等。并且驾驶者在次要活动上投入大量时间而不自知也会为模式转换带来困难。
驾驶员SA级别不足
情境意识（SA)是操作者对周围发生的事情的动态理解。驾驶员在舱内可了解车辆当下所处状态，预测其的下一步动作等。SA水平与驾驶员的注意力成正相关，驾驶员分心或疏忽时，注意力减弱，SA水平降低。低SA值可能导致自动驾驶模式下不应发生的操作被意外触发，如警报装置突然鸣笛导致车内乘客恐慌。SA级别不足的另一危害是导致驾驶员预估车辆驾驶状态与实际车辆运行状态的差异。此时需要驾驶员判别信息有效性从而做出正确决策，实现与车辆更好的配合。
过度信任和依赖自动化系统
高阶自动驾驶系统功能完善，性能提升，有可能使驾驶员对其信任程度过高并产生过度依赖。驾驶员不再对自动驾驶存有质疑，相信系统可以帮助自己完成驾驶任务。这种自己投身于其他活动，将驾驶任务完全交由车辆即可的心态对安全驾驶产生不利。
驾驶者对系统的信任与使用必须处于适度水平，过度信任会产生过度依赖与利用。而过少则导致系统的技术优势无法完全发挥。
驾驶员技能退化
技能退化产生的原因是驾驶员将操控权转交给了自动化驾驶系统。可带来一系列问题，如驾驶员难以恢复手动驾驶，重新接管驾驶任务时专注力以及熟练度降低等。即便短期的高度自动驾驶也足以影响后续手动驾驶任务中的驾驶表现。
驾驶员生理变化
从理论来讲，自动驾驶系统控制的是车辆，而非人。驾驶者生理上出现问题如突发性心脏病，晕车等，对自动驾驶系统提出了进一步要求。突发情况下，如何保证处于自动驾驶状态的车辆可以采集驾驶者生理信息，并作出下一步操作，如停车，自动拨出电话、发送信息等成为需要解决的问题。
自动驾驶汽车也使得晕车问题更为严峻，因为大脑的自我控制在此时会低于正常水平。为了缓解这一现象，可在通过HMI设计改善，如扩大可视化范围、通过设计使乘客可将视线固定在前方等。
改进人因可靠性，提升用户体验
从人因可靠性的角度去定义和规划未来智能座舱，从而设计出符合驾驶员可靠性需求的系统，是提高智能汽车用户体验以及座舱交互界面可用性的重要手段。
多模态交互
针对驾驶员的分心、疏忽以及SA级别不足等问题，在HMI设计上采用语音识别、视觉追踪、3D HUD、震动警告等技术结合。用户可以通过多个通道以自然、并行和协作的方式进行交互。系统通过整合多通道信息,快速捕捉用户意向。信息反馈需要保证合适的时间，确保时间差不会导致用户误读信息，有效地提高人机交互的自然性和效率。
此外，自动驾驶出现多个冲突同时发生的情形时，系统需要确定优先级，据此将信息传达给驾驶者，使其在复杂任务状况下可以做到冷静理智按步骤操作。
图片来源: Courtesy of Calty Design Research, Inc.
驾驶员状态评估
驾驶员一旦出现生理心理上的不适感，系统需要快速有效判断，并作出下一步动作。身体机能感知系统与驾驶员状态评估技术（DSA）可以帮助实现该功能。身体机能感知系统可应用于汽车智能座椅上，随着驾驶员的状态及时调整座椅状态 ，如根据不同身形自动调整、改善驼背，提升驾驶者的健康水平等。
智能座椅更可以在自动驾驶出现碰撞等不可避免的状况时提前做好准备，来减小甚至消除意外状况给驾驶者带来的危害。DSA技术可以实时监测驾驶员的警觉性与注意力水平，根据预定标准，判断驾驶员当下注意力是否减弱，通过多模态交互及时提醒驾驶员，对驾驶任务进行重新分配，从而提高驾驶员的注意力，保证驾驶安全性。
驾驶员头部监测系统实验已经证明通过警报提醒和实时反馈可将分心事件频率降低近80%，但难点在于驾驶员的疲劳表现程度不同，标准很难被界定。系统识别的准确性也会受到影响。
操作标准化与界面个性化
为了帮助驾驶员充分了解汽车自动化系统的功能与局限，避免过度依赖和信任，需要思考如何设计系统，以期实现驾驶员与自动化系统的任务分配合理化，同时也可解决技能退化问题。
目前不同车企开发的自动化系统给该领域带来了多样性，也带来了不同的用户体验。界面上可以有各自特点，但操作上应形成一套标准。比如手势交互方面，手指数量，挥手或拍手都应有特定含义，不同手势实现不同功能。这对于未来共享汽车也非常重要。如果依据喜好随意设置手势动作，日后行驶过程中可能导致驾驶者忘记手势含义以及系统误将随机动作认定为手势的危险情形。头部动作亦如此。
在保证与安全驾驶相关的界面不变的情况下，其他界面如娱乐界面可依据驾驶者的喜欢进行配置，界面上模块个数、各个模块的位置，顺序等均可自定义。
对于同一辆车由多人驾驶的情形，可参考计算机管理员模式与访客模式。绝大多数时间车辆是特定的一人驾驶，车辆保存该驾驶者在车内的所有个性化信息，无论是汽车座椅，还是界面显示。当车辆驾驶者改变时，车辆自动切换为访客模式，所有参数变为“出厂状态”。无论如何，个性化都是在保证不影响系统安全驾驶的情况下。在安全范围内，未来个性化的程度将会更高。
未来，上述所有功能可高度集成为一个存在于座舱任何地方的系统。情感化的“全息智能管家”可能是该系统的存在形式。它不只是一个系统，更是驾驶者的伙伴，将从外到内改变车与人，车与车，车与环境的交互方式。
试想真正的伙伴，当你需要他们时，他们会陪伴你；当你需要自己做某些事情时，他们不会打搅你。拥有“生命力”的“智能管家”将尽可能多的收集驾驶者信息，从而正确预测驾驶者的需求并作出回应。当你靠近汽车时，车辆完成身份认证后亮灯，为你打开车门。当你不想开车时，你可以对它说“开车”，随着车辆转变为自动驾驶模式，相应的提示也会在汽车外饰上有所展示以提示其他车辆。
驾驶者心情变化可使“智能管家”自动调节车内的音乐、灯光照明，以及香氛等。处于自动驾驶模式下，你的注意力减弱，视线偏离驾驶方向时，“管家“会在前挡风玻璃上展示相关信息，同时伴有舒适的语音提示。当形势严峻时，“管家”将同时提供视觉信息（屏幕显示）、听觉信息（语音提示）、触觉信息（震动提醒）甚至是嗅觉信息（气味）来保证驾驶的安全性。
然而这一切功能的实现，都不能摆脱底层人因学的研究支持，因为每个功能的实现，仍然会带来新的问题，对驾驶员或“用户”，产生新的影响。
结语
某种程度上说，消除不确定性等于安全性的提高。好的系统应该通过合理分配任务保证安全性从而增强用户信任度，而非一味宣扬汽车可以帮助驾驶者解决一切问题。同时，个性化是吸引驾驶者的重要因素，而自动驾驶调整的个性化维度可能是用户接受的关键。提高自动驾驶安全性，并在可控范围内，提高车辆的个性化水平，可以为驾驶员带来更好的用户体验。
参考：
Merat : Highly automated driving, secondary task performance and driver state
Parasuraman : Humans and Automation: Use, Misuse, Disuse, Abuse
Parasuraman : A model of types and levels of human interaction with automation
Rauch : The importance of driver state assessment within highly automated vehicles.
Saffarian : Automated Driving: Human-Factors Issues and Design Solutions
Salmon : Distributed Situation Awareness: Advances in Theory, Measurement and Application to Teamwork
Schoettle : A survey of public opinion about autonomous and self- driving vehicles in the US, the UK, and Australia
Winter : Effects of adaptive cruise control and highly automated driving on workload and situation awareness: A review of the empirical evidence
头图来自：Behance
- 下一篇：浅谈电动汽车底部滥用防护技术
- 上一篇：华东（东营）智能网联汽车试验场举行奠基仪式
广告
最新资讯
-
国外Rivian和Lucid被认为是特斯拉劲敌，而
2024-05-03 09:26
-
干货丨燃料电池低温特性测试——冷冻解冻循
2024-05-03 09:25
-
特斯拉放弃“一体化压铸”
2024-05-03 08:58
-
纯电动汽车电驱动系统功能安全技术全方位解
2024-05-03 08:54
-
动力电池行业离职率飙升
2024-05-02 17:19
广告
广告
