一切，无处不在，同时进行：探索可扩展的整体自主车辆-自行车接口

研究背景与问题

• 发现的问题或挑战
  自行车与自动驾驶车辆（AVs）共享道路时的互动面临高复杂性，尤其在人类司机缺失的情况下，传统社会信号（如手势或面部表情）无法被传递。现有研究主要关注一对一的AV-骑行者互动，而需求更为紧迫的是满足可扩展的多AV-骑行者交互，解决信息混乱和信号关联问题。采用孤立的用户接口可能导致信息过载，而缺乏明确信号可能增加碰撞风险。

• 问题的重要性
  从2018到2022年，仅英国就发生了75,000起车辆与骑行者的碰撞事件。这种空间共享冲突对骑行者的安全构成重大威胁。在多人交互场景下，信息混乱或信号关联问题可能进一步增加事故概率。随着自动驾驶技术的推广，开发有效的交互界面保障骑行者安全已成为重点。

• 研究动机与相关工作
  传统的AV-骑行者界面大多是单一的外部设备（如eHMIs）或骑行者佩戴的AR眼镜。这些研究未解决在多AV多骑行者场景中信号扩展的问题。Holistic AV-Cyclist Interfaces (HACIs) 提出了通过多模态的互联界面形成生态系统的概念，旨在提升信息可扩展性，减少用户混淆。然而，这些概念在多AV场景中的实现效果仍有待具体验证。

解决方案

• 提出的解决方案
  作者开发了CycleARcade，一个增强现实平台，用于设计和评估复杂场景下的HACIs。这项研究通过两部分完成：

  1. 设计工作：采用参与式设计方法，与骑行者和人机交互研究者共同构建和迭代HACIs。
  2. 实验评估：测试已设计的HACIs并比较其效果，分析多AV信息展示的最佳实践。

• 解决方案的创新之处

  • CycleARcade是一种支持多用户沉浸式体验的增强现实平台，允许用户设计并实时体验高保真的界面。
  • 参与者体验到多AV场景的真实复杂性后，直接在AR环境中迭代设计，从而结合骑行者的实际需求生成更加务实的设计。
  • 跨模态信号的紧密互联：通过视觉、听觉和触觉信号互补地传递精确的多AV信息。

• 实施步骤与关键技术

  • 步骤1: 使用CycleARcade开发三种不同类型的HACIs：RoadAlert（道路增强显示+音频）、reARview（AR后视镜显示）、Gem（车把中央显示+振动提醒）。
  • 步骤2: 通过用户实验系统地评估每个设计的性能，收集骑行者的主观反馈和行为数据（如肩部转向和碰撞率）。
  • 关键技术:
    • 使用Meta Quest 3头戴设备和Unity构建的增强现实环境。
    • 实现多模态信号（空间音频与视觉增强）的动态同步和验证功能。

研究成果

• 具体成果

  • 骑行者显著偏爱可以保持注意力在道路上且通过视觉和音频传递清晰信号的界面（如RoadAlert）。
  • 发现环境增强现实（如道路投影）能有效减少骑行者的认知负担，提升了用户体验和安全性。
  • 再次验证了多模态信号（尤其空间音频）的重要性，可以增强场景感知和减少肩部检查频率。

• 与现有解决方案相比的优势

  • 在多AV复杂场景下，HACIs集中信息展示并缩减冗余信号，有效提高了骑行者的响应效率和安全性。
  • 与传统的单一设备相比，多模态界面能够提供更丰富且互补的信息，从而减少骑行者混淆和焦虑。

• 实验或评估结果

  • 定量数据表明，RoadAlert减少了平均肩部检查频率（显著低于reARview和Gem）。
  • 在感知性能、安全性和用户体验方面，RoadAlert得分最高；Gem的中心显示增加了工作负荷，效果较差。
  • 对于非视线可见的AV，空间音频表现出了明显优势，可有效补充视觉信号不足。

• 局限性与未来方向

  • 局限性:
    1. 当前研究仅处理一骑行者对多AV的交互场景，未进一步扩展到多骑行者对多AV的复杂交互。
    2. 样本范围限于英国的人员和交通设施，欠缺跨文化适用性分析。
  • 未来方向:
    1. 探索许多骑行者与许多AV交互时信号关联和可扩展性的设计方法。
    2. 验证HACIs在其他交通环境和气候条件下的性能，以确保广泛的应用场景适应性。
    3. 开发更加动态化的界面，适应AV行为改变或多场景复杂情况。

总结

本文解决了AV与骑行者在多车辆场景下的交互界面扩展难题，通过CycleARcade设计并评估了三种新界面。研究表明，多模态信号结合视觉增强和空间音频的设计能够显著提升用户体验、安全性和信任。这些发现为HACIs在实际交通中的应用提供了重要基础，同时提出了未来研究的潜力方向，包括多骑行者交互和全球应用扩展。