调查汽车驾驶员在安全和安保关键事件后对信息的需求

文献标题

Investigating Car Drivers’ Information Demand after Safety and Security Critical Incidents

文献信息

• 主题领域: 人机交互、汽车自动化、风险感知
• 关键词: 信息需求、汽车安全、用户满意度、技术故障、恶意入侵

研究背景与问题

• 问题与挑战:
  • 随着现代汽车自动化水平的提高，驾驶员面临的汽车故障来源变得更加难以理解（如技术故障和恶意入侵）。
  • 在遇到安全和安全性关键事件时，驾驶员需要额外的信息以理解汽车行为，但目前尚不清楚哪类信息对驾驶员最为重要和有帮助。
• 问题的重要性:
  • 更好的信息告知不仅能帮助驾驶员理解汽车的行为、建立对技术的信任，还能在出现事故时理清责任归属，并减少未来类似事故发生的可能性。
• 相关研究:
  • 以往在上下文感知应用与网页安全警告中的信息需求研究，仅探讨了低风险情境中的信息需求，未涉及汽车这一高风险、高自动化场景。

解决方案

• 研究方法:
  • 运用了混合方法的在线问卷调查，选用两个研究场景：高速公路上自动驾驶车辆撞击施工屏障（高风险）和遥控钥匙失灵（低风险）。
  • 在场景中提供三种不同的解释类型：恶意入侵（MI）、技术故障（TM）和无解释（NO）。
  • 调查内容包括参与者对场景的理解、信息需求、信任度、满意度以及后续的操作意图。
• 创新之处:
  • 系统性地揭示了驾驶员在不同关键事件中的信息需求，为设计适应情境的汽车与驾驶员的沟通信息提供了数据。
• 技术方法和实施步骤:
  1. 设计了包含定性与定量问题的在线问卷。
  2. 使用Thematic Analysis对定性数据进行编码分析，并结合Correspondence Analysis探讨情境因素如何调节信息需求。
  3. 评估问卷中场景情境与解释类型对驾驶员信息需求特性的具体影响。

研究成果

• 主要发现:
  • 驾驶员在所有场景中普遍需求基本信息，包括“发生了什么（What）”、“为什么会发生（Why）”以及警告信息。
  • 驾驶员对恶意入侵的警觉程度较低，通常仅在被提示后才会考虑安全威胁。
  • 技术故障的解释通常促使驾驶员更注重车辆内部状态信息，而恶意入侵则增加了他们对攻击细节和事件背景的兴趣。
• 实验与评估结果:
  • 高风险场景（如车祸）唤起了更广泛的信息需求，但这些场景下参与者的信任和满意度水平显著低于低风险场景。
  • 在未提供解释的条件下，驾驶员倾向于简单化地归因为技术故障或人为错误。
• 局限性与未来方向:
  • 问卷采样偏向对技术较敏感的群体（如用户群体主要来自 MTurk），结果可能存在一定样本偏倚。
  • 未来研究可聚焦真实驾驶情境下的信息需求，通过驾驶模拟实验或与自动驾驶功能更高的车辆相结合来测试结果的实际适用性。

推荐设计:

1. 提供具体的行动建议: 根据不同场景推送明确的下一步建议（如联系警察或制造商）。
2. 明确沟通威胁: 对危急情况做出及时的、精准的威胁通报。
3. 说明预防措施: 向驾驶员传达如何避免类似问题再次发生。
4. 揭示攻击信息: 针对安全事件，向驾驶员提供适度的攻击信息及调查线索。
5. 丰富报警机制: 提供清晰的视觉和听觉警告信号，以吸引驾驶员注意潜在故障。

通过这些设计建议，可以提升用户对自动驾驶功能的信任及系统响应的透明性，同时减少因信息不足导致的安全隐患。