奔入车流：研究自动驾驶车辆与跑步者的外部人机界面交互

文献标题

Running into Traffic: Investigating External Human-Machine Interfaces for Automated Vehicle-Runner Interaction

出版信息

• 主题领域: 自动驾驶车辆与行人（包括跑步者）之间的交互中的人机交互。
• 关键词: 自动驾驶车辆，外部人机界面，行人，跑步者，道路安全，具身认知，增强现实，可用性，信任，包容性。

背景与问题

• 问题/挑战: 现有的外部人机界面（eHMI）主要针对步行行人设计，未充分考虑跑步者的独特运动和感知需求。这引发了关于以步行者为中心的eHMI是否能适用于更快步伐行人的质疑。
• 重要性: 跑步者是行人中的重要子群体，全球有超过6.21亿人经常参与跑步活动。随着自动驾驶车辆在城市交通中的普及，确保跑步者的安全性和包容性至关重要。
• 动机与相关研究: 先前的研究主要集中于步行者、自行车骑行者和驾驶员的eHMI设计，但忽略了跑步者。研究表明，跑步者面临独特的身体限制和时间压力，这会影响他们与界面的交互。本研究通过探讨跑步者对eHMI的可用性并与步行者进行比较，填补了这一研究空白。

解决方案

• 提出的方法: 开发一个增强现实模拟器（ARcade），用于研究自动驾驶车辆与跑步者的交互，测试三种eHMI条件：LightRing（颜色变化的灯光）、CyanBand（动态青色灯光）和无eHMI（基线）。
• 创新性:
  1. 首次在用户研究中区分跑步者与步行者在自动驾驶车辆交互中的差异。
  2. 提供实证证据，展示运动模式如何影响eHMI在自动驾驶车辆让行行为中的使用。
  3. 提供包容性eHMI设计指南，适应多样化的行人运动行为。
  4. 引入DualBeam，一种为不同类型行人设计的包容性新型eHMI。
• 实验程序与关键技术: 参与者在虚拟过街场景中以步行或跑步方式穿越，遇到配备不同eHMI条件的自动驾驶车辆。通过模拟器日志和问卷调查，测量运动行为（速度、头部转动、停顿频率）和感知（信任、安全性、工作负荷、可用性）。

结果

• 具体发现:
  • 跑步者移动速度更快（平均速度：2.62 m/s）相比步行者（平均速度：1.75 m/s），并更多依赖eHMI进行快速过街决策。
  • LightRing在信任（平均分：4.26）、感知安全性（平均分：4.30）和可用性（平均分：0.94）方面优于CyanBand和无eHMI。
  • CyanBand对步行者有效，但由于其方向性动画需要持续监控，对跑步者造成阻碍。
  • 无eHMI表现最差，导致更高的感知风险（平均分：3.09）和工作负荷（平均分：4.58）。
• 相较基线的优势:
  • LightRing提供了更快的交互和更高的对自动驾驶车辆意图的信心，相比CyanBand和无eHMI。
  • 颜色变化的信号在步行和跑步活动中更具辨识度和包容性。
• 实验/评估:
  • 24名参与者（平均年龄：25岁）完成了12次试验，测试了所有eHMI条件下的步行和跑步行为。
  • 测量指标包括过街速度、停顿频率、头部转动、碰撞频率、信任、安全性、工作负荷（NASA-TLX）和可用性（UEQ-S）。
• 局限性与未来工作:
  • 增强现实模拟可能无法完全复制真实世界中的自动驾驶车辆交互；未来研究应探索使用真实车辆测试非让行自动驾驶车辆的安全方法。
  • 需要更广泛的人口统计研究，包括老年人、儿童和有特殊需求的个体。
  • 建议进行跨文化复制研究，并测试更大车辆或多车场景。

总结

本研究强调了设计eHMI时需考虑步行者和跑步者的不同运动行为和感知需求。LightRing凭借其颜色变化信号，成为在两种行人类型中最具包容性和有效性的eHMI，而CyanBand因依赖方向性动画对跑步者表现出局限性。研究结果突出了明确的自动驾驶车辆信号对于确保安全且明智的过街决策的重要性，尤其是对步伐较快的行人。基于这些洞察，本文引入了DualBeam，一种为多样化道路使用者设计的包容性新型eHMI。这些贡献支持了自动驾驶车辆在城市环境中的安全整合，并促进了积极的出行方式。