多模式eHMIs：光和声音在自动驾驶汽车与行人交互中的相对影响

文献标题

Multi-Modal eHMIs: The Relative Impact of Light and Sound in AV-Pedestrian Interaction

文献信息

• 主题领域: 自动驾驶汽车与行人交互设计
• 关键词: 自动驾驶车辆, 外部人机接口 (eHMI), 弱势道路使用者 (VRU), 行人, 车辆-行人交互, 多模态界面

研究背景与问题

• 发现的问题或挑战:

  • 自动驾驶汽车缺乏传统驾驶员的交流方式（如眼神接触、手势）可能导致行人对车辆意图的判断困难。
  • 当前技术主要以视觉为主导，忽略了听觉或多模态通信的潜力。
  • 单一视觉通信可能在有障碍物、行人注意力分散或视力受限情况下效果降低。

• 重要性:

  • 提高自动驾驶汽车与行人的互动效率对道路安全至关重要。
  • 探索多模态 eHMI 在提高交互效率和用户体验中的潜力，有助于设计更安全和人性化的自动驾驶汽车。

• 研究动机与相关工作:

  • 现有研究多聚焦于视觉 eHMI 的设计，但关于听觉或音频-视觉多模态接口的研究较少。
  • 声音（如铃声或低音）已被证明在一定情况下具有吸引行人注意力的功能，但其与视觉信号结合的潜力尚未被系统研究。

解决方案

• 提出的方法或解决方案:

  • 设计三种不同类型的 eHMI：慢脉冲灯带（视觉）、铃声（离散听觉信号）、嗡鸣声（连续听觉信号）。
  • 系统地比较这些 eHMI（单一视觉、单一听觉、视觉与听觉组合）的效果。

• 创新之处:

  • 首次从实验视角研究多模态 eHMI 在传递自动驾驶汽车让路意图时的效果。
  • 提出了不同模态组合如何影响行人的跨路决策和主观用户体验。

• 实施步骤与关键技术:

  • 使用视频实验，让参与者观看自动驾驶汽车接近的视频并实时记录其跨路意愿。
  • 测试不同的 eHMI 模式（单模态与多模态）下对行人跨路意愿的影响。
  • 使用用户体验问卷（UEQ）评估 eHMI 的用户体验。
  • 收集参与者对多模态 eHMI 的主观排名及讨论意见。

研究成果

• 具体成果:

  • 客观数据:
    • eHMI 的存在能显著提高行人理解车辆让路意图的能力。
    • 不同模态（视觉 vs 听觉 vs 组合）之间在客观影响上没有显著差异。
    • 多模态组合（如光+铃+嗡）未显著提高跨路意愿，但部分参与者认为其有助于确认车辆意图。
  • 主观数据:
    • 用户对铃声和光信号的组合较为偏好，而对全模态组合（光+铃+嗡鸣）多表示不满，认为信息量过载。

• 与现有解决方案的比较及优势:

  • 提供了对单模态和多模态 eHMI 的系统比较，填补了听觉信号在车辆交互通信领域研究的空白。
  • 强调了多模态设计的复杂性与用户体验之间的权衡。

• 局限性与未来方向:

  • 实验在实验室中完成，缺乏真实动态交通环境中的验证。
  • 未考量文化差异对 eHMI 理解的影响。
  • 将来研究应关注复杂环境下的多车辆、行人交互，以及大规模可扩展性问题。

基于以上结果，研究表明多模态 eHMI 虽然在客观性能上并未完全优于单模态，但在增强用户体验和满足无障碍需求方面具有重要潜力，建议在未来设计时充分考虑用户偏好与环境复杂性因素。