基于系统文献回顾的易受伤害道路使用者的人机交互分类

文献标题

A Taxonomy of Vulnerable Road Users for HCI Based On A Systematic Literature Review

文献信息

• 主题领域: 人机交互（HCI）与自动驾驶车辆的外部沟通设计在交通安全中的应用
• 关键词: 自动驾驶车辆, 外部沟通机制 (eHMIs), 分类法, 易受伤害的道路用户 (VRU), 人机交互 (HCI)

研究背景与问题

• 作者发现了哪些问题或挑战？

  1. 易受伤害的道路用户 (VRUs) 的定义在多个研究中使用不统一，许多研究未明确概念。
  2. VRUs 包括多种类型的道路用户（如行人、骑自行车者、摩托车骑手），其需求存在显著差异，因此设计“一刀切”的解决方案不切实际。
  3. 外部人机交互机制 (eHMIs) 是自动驾驶车辆与 VRUs 之间沟通的重要工具，但其目标群体界定模糊，影响技术设计。

• 为什么这个问题很重要？

  1. 自动驾驶车辆的普及将改变车辆与人的互动方式，包括交通安全与车辆接受度的提升。
  2. 不清楚 VRUs 的分类可能导致设计缺乏针对性并降低有效性，从而潜在增加交通事故风险。
  3. 明确的分类能够帮助研究人员发现研究空白，优化资源利用，并提高设计的包容性和易用性。

• 研究动机与相关工作:

  1. WHO 对 VRUs 的广义定义（行人、自行车骑手和两轮机动车驾驶员）不足以针对 HCI 应用设计。
  2. 相关工作存在定义不清、分类不完整或目标对象研究不细化的问题。
  3. 作者通过系统性文献综述提出了一种新的 VRU 分类法，以统一术语并增强可比性。

解决方案

• 作者提出了哪些方法或解决方案？

  1. 构建基于 HCI 和交通安全研究的文献基础分类法，具体包括对道路用户 (RUs)、易受伤害道路用户 (VRUs)、以及特殊属性道路用户 (EVRU) 的分层分类。
  2. 建立两个层次的树状分类结构，分别为四层与三层，以涵盖不同的用户属性和特定需求。

• 该解决方案的创新之处是什么？

  1. 提供一个系统化、多层次分类方法，不同层级可根据用户的属性逐步细化。
  2. 结合限制信息（如年龄、视觉或听觉障碍），精准地界定目标群体。
  3. 强调 HCI 应用（例如 eHMIs）的可设计性与包容性的增强。

• 实施步骤是什么？使用了哪些关键技术？

  1. 系统性文献综述分析：从十个会议和期刊从2000年至2020年中筛选251篇文献，构建分类法的基础。
  2. 分类构建：
     • 第一部分：道路用户的基本分类，包括 Vulnerable RUs 和 Protected RUs，以及非机动车与机动车分组。
     • 第二部分：定义特别易受伤害道路用户 (EVRUs)，并深入到具体限制（如年龄或视觉障碍）。
  3. 分类可视化：利用分层树状结构图展示分类法（见 Figure 1 和 Figure 3）。

研究成果

• 取得了哪些具体成果？

  1. 提出并验证了一种分层分类学，包括七层划分，帮助 HCI 研究人员和实践者明确定义 VRUs 群体。
  2. 分析了现有文献中 VRUs 使用的模糊性，提出精确目标群体的新标准。
  3. 提供应用示例，如针对具视觉障碍的特别易受伤害用户设计的 eHMI 原型。

• 与现有解决方案相比，它有哪些优势？

  1. 分类法弥补了现有研究中定义不统一的问题。
  2. 提供标准化术语以增强研究间的可比较性，更容易识别研究空白。
  3. 增强包容性和易用性支持，以推动 HCI 设计对特殊需求用户的适配。

• 实验或评估结果是什么？

  1. 在对168篇相关文献进行定量分析后，发现大部分研究仅关注行人，缺乏对其他 VRUs 群体的系统研究。
  2. 用 PRISMA 流程展示了文献筛选与分类的详细过程。

• 局限性与未来方向：

  1. 局限性：
     • 分类主要关注持久的用户特质，未考虑环境条件（如天气）或群体动态（如交通拥堵）。
     • 研究主要聚焦于 VRUs，未深入探讨其他道路用户的分类。
  2. 未来方向：
     • 应进一步验证分类法在其他应用场景中的实用性，例如城市规划与交通心理学。
     • 开发新的 HCI 原型，以涵盖未充分考虑的特别易受伤害用户群体。