小路驾驶HUD：平视显示复杂性影响驾驶员对自动驾驶车辆的感知

文献标题

Little Road Driving HUD: Heads-Up Display Complexity Influences Drivers’ Perceptions of Automated Vehicles

文献信息

• 主题领域: 人机交互设计，增强现实，车辆自动化
• 关键词: 增强现实, 抬头显示, 情境意识, 交互设计, 车辆界面, 用户界面

研究背景与问题

• 发现的问题或挑战:

  • 当前车辆的抬头显示器 (HUD) 提供的复杂信息是否帮助驾驶员提升情境意识仍有争议。
  • HUD 增加的视觉复杂度可能导致信息难以提取，干扰驾驶员的主任务注意。
  • 驾驶员对 HUD 的感知可能因驾驶风格、行驶场景复杂性等多种因素而异。

• 研究的重要性:

  • 自动驾驶技术日益普及，但增强驾驶员理解自动驾驶决策的界面设计不足。
  • HUD 是提升驾驶员对车辆感知及决策透明度、提供实时信息的关键工具。

• 研究动机与相关工作:

  • 文献在 HUD 复杂性描述、驾驶风格与人车交互影响方面研究不足。
  • 过往研究更多探索 HUD 的符号数量或场景视觉复杂度，但未系统分析HUD复杂性在不同情景和驾驶风格间的表现。

解决方案

• 提出的方法或解决方案:

  • 设计和测试基于增强现实的三种 HUD 复杂性条件（无 HUD、简约 HUD 和复杂 HUD）。
  • 通过在线视频实验（N=298），研究 HUD 可视化复杂度对驾驶员情境意识和感知的影响。

• 创新之处:

  • 引入多维分析方法探讨 HUD 可视化复杂性的影响，不仅从符号分类，还包括场景元素数量和 HUD 像素点亮比例。
  • 系统研究了驾驶风格（如焦虑型、耐心型等）与 HUD 复杂度和驾驶场景的交互作用。

• 实施步骤和关键技术:

  1. 使用两个视频场景（一个静态红绿灯等待场景和一个动态城市驾驶场景）展示 Hudson HUD 的不同复杂性可视化设计。
  2. 使用学术界公认的“多维驾驶风格量表”（MDSI）问卷分析参与者的驾驶风格。
  3. 收集情境意识测试数据，以及参与者对 HUD 的主观感知反馈。

研究成果

• 具体成果:

  1. 场景复杂性对驾驶员的情境意识影响显著，静态场景中的情境意识得分高于动态场景。
  2. 使用 HUD 的条件下，无论是简约版还是复杂版 HUD，情境意识得分均低于无 HUD 条件。
  3. 驾驶风格（如焦虑型、冒险型等）会与 HUD 复杂性和场景交互影响情境意识，显示出多种显著的交互效应。

• 优势比较:

  • 与现有研究相比，本研究识别了 HUD 的复杂性并非单一维度（如元素种类），而是多维综合效果的结果。
  • 同时将驾驶风格作为关键维度，提出了 HUD 设计应适应不同驾驶员个性化需求的新方向。

• 实验或评估结果:

  1. 情境意识得分： минимал版与复杂版 HUD 均无显著差异，但与无 HUD 条件相比显著较低。
  2. 主观感知：复杂 HUD 被认为较简约版更有帮助，但两者在实际情境意识提升中未见显著区别。

• 局限性与未来方向:

  1. 局限性：
     • 视频实验的生态效度受限，无法完全模拟真实驾驶环境。
     • 情境意识测试基于回忆数据，可能与即时反应有出入。
  2. 未来研究方向：
     • 在驾驶模拟器或实际驾驶场景中验证 HUD 的效果。
     • 探索 HUD 复杂性适应调整的设计，如基于驾驶风格和场景特性的自适应 HUD。
     • 考察时间敏感性的信息展示对驾驶员情境意识的影响。