全方位的任务说明:三级汽车接管请求的跨文化与年龄敏感设计
研究背景与问题
-
问题与挑战: 论文研究的核心问题是如何设计针对 Level 3 自动驾驶汽车的 Take-Over Requests (TORs),以优化驾驶员在自动驾驶与手动驾驶之间的过渡。现有设计没有考虑年龄、文化差异以及不同类型的非驾驶相关任务 (Non-Driving Related Tasks, NDRTs) 对驾驶员行为的综合影响,这会导致设计的不适应性,影响安全性。
-
重要性: Level 3 自动驾驶汽车允许驾驶员专注于非驾驶任务,但需要在必要时快速恢复对车辆的控制。由于这些车辆已经在全球范围内投入使用,如美国和德国,对安全的 TOR 设计需求尤为迫切。优化设计不仅能提高安全性,还能促进自动驾驶技术的广泛采用。
-
研究动机与相关工作: 此研究发现,年龄、文化背景和 NDRT 类型显著影响驾驶员对 TOR 的反应。特别是:
- 年长驾驶员在切换控制任务时可能受认知与身体能力下降影响。
- 不同文化具有独特的驾驶习惯与法律遵循标准,这会影响 TOR 的设计要求。
- 各类 NDRT在视觉、认知和身体需求上的差异进一步加剧了设计的复杂性。现有研究往往忽视这些因素的交互影响,采用“一刀切”的设计方法。
解决方案
-
方法和解决方案: 通过跨文化参与性设计 (Participatory Design),该研究首次探讨了如何根据驾驶员的年龄、文化背景以及 NDRT 类型定制 TORs。总共有两种文化背景(英国和以色列)以及两类年龄组(22-32 岁和 60 岁以上)的参与者设计了针对四类 NDRTs (阅读、观影、聊天、发短信) 的 TOR。
-
创新之处:
- 提出了一种动态、文化敏感且年龄适配的 TOR 设计方法,结合了 NDRT 设备和车辆内部的信息系统。
- 开发了 TOR 界面组件的分类框架 (taxonomy),包括信息内容、呈现方式、位置与技术集成。
- 创造了五项新的 TOR 概念设计,直接解决了跨文化与年龄层客户的需求。
- 引入用于评估实时风险的“风险量表”概念,响应了以色列驾驶文化中对警报敏感性的需求。
-
实施步骤与技术:
- 参与性设计实验:
- 使用实际车辆,让参与者在完成 NDRT 后设计适合他们需求的 TOR。
- 数据包括 NASA-TLX 问卷测量任务负担,以及音频记录和设计草图。
- 主题分析:
- 提取讨论背后的共性主题与问题。
- 分类框架开发:
- 建立 TOR 特征的分层分类,包括任务类型、内容、模式、位置和技术。
- 概念设计合成:
- 根据分类框架提出五项设计概念,与不同的年龄组和文化需求对应。
- 参与性设计实验:
研究成果
-
具体成果:
- 理论发现:
- 年龄对 TOR 偏好有显著影响:年长驾驶员需要更直接、音觉和触觉多模式的 TOR,而年轻驾驶员更倾向滴定式、渐进式的通知。
- 文化差异也显著:以色列参与者由于区域冲突对警报较敏感,提出了动态风险评估需求,而英国参与者更关注规范性与法律适应。
- 实用设计:
- 提出五种 TOR 概念设计,包括动态风险感知 TOR、三相渐进式 TOR、设备和车载系统协同同步的双 TOR 等。
- 理论发现:
-
优势:
- 跨文化与年龄敏感的设计可以针对不同的驾驶员需求做个性化调整,同时包含统一点以提高通用性。
- 引入 NDRT 设备利用,如手机,能够提高 TOR 响应性和接受度。
- 数据驱动,设计基于实际驾驶员的偏好与特性分析,支持设计合理性。
-
实验和评估结果:
- NASA-TLX 的分析显示不同 NDRT 的任务负担差异显著,如观影任务显著轻于聊天或发短信。
- 年长驾驶员对 TRI-modal TOR 表现出压倒性偏好,年轻驾驶员则选择 Bi-modal,更灵活处理任务中断。
-
局限性与未来方向:
- 实验局限性:
- 研究在静止车辆内完成,未测试真实驾驶环境中的响应性能。
- 未考虑任务边界的上下文切换效率。
- 未测试高危情况下的 TOR 表现。
- 未来规划:
- 在动态驾驶场景中测试设计合理性与接受度。
- 探索其他文化背景与区域法律对设计的影响。
- 提升设计适应性,如集成增强现实 (AR) 技术到 NDRT 设备。
- 实验局限性:
总结
这项研究从文化与年龄角度对 Level 3 自动驾驶汽车的 TOR 设计进行了深入探索,并提出了从理论到实践的全面创新路径。结果不仅为设计者提供了具体指导,还对全球自动驾驶技术应用的规范性和包容性贡献了重要见解。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
研究问题
3现实痛点
1- 驾驶员在 3 级自动驾驶汽车中难以迅速应对接管请求,影响安全。分类: 驾驶支持与安全决策同类问题arrow_forward
- 100%
驾驶员的需求:半自主车辆决策中的用户偏好
CHI '20· 自动驾驶界面与接管设计
- 100%
过多的系统谨慎是否适得其反?车辆防撞系统中不同敏感度和自动化水平的影响
CHI '20· 自动驾驶界面与接管设计
- 100%
DeepTake: 使用多模态数据预测驾驶员接管行为
CHI '21· 自动驾驶界面与接管设计
- 100%
通过中断非驾驶任务提升自动驾驶接管质量
IUI '19· 自动驾驶界面与接管设计
- 100%
真实 T(h)OR:测试轨道上的紧急接管评估
AutoUI '19· 自动驾驶界面与接管设计
- 100%
不入虎穴焉得虎子:探究高度自动驾驶中的感知风险
AutoUI '19· 自动驾驶界面与接管设计
- 100%
谁有路权,自动驾驶车辆还是驾驶员?安全、协商与信任的多重视角
AutoUI '19· 自动驾驶界面与接管设计
- 100%
三级自动驾驶车辆接管请求性能中信任校准的需求
AutoUI '25· 自动驾驶界面与接管设计
- 75%
车辆的人机交互:回顾与展望
CHI '18· 自动驾驶界面与接管设计 +1
- 75%
VR-OOM:虚拟现实道路驾驶模拟
CHI '18· 自动驾驶界面与接管设计 +1
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)