人机协同技术在汽车领域的研究

汽车的行驶安全和效率受复杂的行驶环境、车辆自身的故障或缺陷以及驾驶员的驾驶状态、习性和技能等因素的影响，因此要围绕行驶安全和效率的目标，进行面向人机共驾的“人-车-路”在线协同感知与预测方法研究。

1 车载地图作为传感器的驾驶预测控制[1]

1.1 主要目的和主要原理

近年来，北美和欧洲所有主要商用车为他们的在用车辆配备了基于电子地平线的预测功能。这是一个系统概念，让车辆知道前方道路上发生了什么，并允许他们在没有驾驶员参与的情况下对信息作出反应。通过优化发动机控制单元、传动控制装置或车辆其他控制单元的算法来实现的。在未来，电子地平线将能够保存与位置相关的车辆数据，并将其传输到云端，或者为前方道路提供动态数据，如交通拥堵、交通事故、天气状况。

1.1.1 地图自学习

驾驶的汽车安装了旋转的激光雷达装置，安装在车顶上，可以发射激光束，形成道路和周围环境的图像。一辆装有GPS、激光雷达和摄像机的Waymo汽车如图1所示。然后检查图像和标记发现的物体，如停止标志、建筑物、红绿灯和拒绝进入的标志。首先，在激光雷达或摄像机等车辆传感器中，可以验证高清地图。通过使用这些传感器，地图内容可以被整合或偏差可以被检测，如道路几何形状不匹配或交通标志已经改变。在发生偏差的情况下，检测到的偏差将从车辆发送到后端。最后，所有车辆在进行交验后，将会提供最新的高清地图。

1.1.2 公共数据库

道路数据库背后的基本思想是自动采集和处理高精度道路数据:

（1）道路数据库使用车辆中已有的传感器来记录道路的形状和设备；

（2）数据被传输到后端。这将从许多车辆提供的数据中生成高度精确的数据，所有参与的车辆都可以使用这些数据；

（3）使用道路数据库，可以几乎实时地生成、部署和更新路线信息，特别是有效地进行更新。

在现代车辆中已经发现的传感器(摄像头、雷达以及越来越多的激光雷达)正在不断地记录大量的信息。首先对道路数据进行处理，以在道路数据库格式中提取道路特征。然后，车内道路数据库软件将这些数据与任何可能已经存储在同一路段车辆中的信息进行比较。

1.2 结论

思维地图作为传感器导致电子地平线的概念,可以让车辆在路上知道正在发生什么,允许他们对这些信息没有司机参与的情况下，提高燃料的燃烧效率,提高舒适和安全,使半自主系统乃至全自动系统在不久的将来实现。

2 带有地标增强功能的车载导航系统时对驾驶员的眼睛扫视行为、导航错误的主观评估[2]

2.1 主要目的和主要原理

本研究探讨了三种导航系统人机界面(HMIs)对驾驶员视线行为、导航误差和主观评价的影响。三十六个司机在底特律市中心驾驶不熟悉的三段路线。本研究的目的是评估呈现不同程度详细的导航信息对参与者的驾驶评估和驾驶方式的影响。在这项研究中，我们改变了视觉和听觉导航信息，以测量一组不熟悉底特律市中心地区的司机的眼睛扫视行为和方式错误的影响。测试了3个条件:

(i)标准的视觉和听觉提示格式(2D电子地图，基本语音方向信息);

(ii)3D视觉及听觉提示(即，具有细节层次或LOD地标的三维电子地图，具有基本听觉方向信息的视觉表示;

(iii)“增强”的3D地标信息(添加照片真实感图像)听觉提示。

人机导航系统

福特Flex采用车载同步3代原型导航系统进行测试，该系统被改装或扩充为三个HMI系统/实验条件，用于测试。图2提供了三个人机系统和实验条件的照片。

2.2 结论

眼睛一瞥行为

图3展示了车辆在行驶过程中，每条路线段的单目停留时间的经验累积分布。对于每条航路段的导航区域，中位瞥一眼时间分别为0.8 s、0.77 s和0.77 s，分别为1段、2段和3段。无论在哪个路线段，反光持续时间的标准偏差约为0.38 s。因此，在移动时，在不同时期内，向导航区域的单扫持续时间是相似的。

图3 单目停留时间的经验累积分布

忘记转弯导航错误

表1显示了每条路线观察到的错过转弯次数段和人机界面条件。首先考虑表的路由段或行(n的不同值反映了分配给每个分段的随机参与者的数量)。一个参与者的任务说明了观察到的变化),在第1节中比其他两节中错过的次数更多。错过转弯的主要原因是一个短方法的交叉口，导致了后发路线指导信息的呈现。

表1 按路线段和HMI错过转弯

主观评价

可用性评估(UA)包括可理解性(UA1)、可接受性(UA2)、有用性(UA3)、对路线指导(UA4)的满意度，以及参与者向朋友推荐系统的程度(UA5)。结果表明，HMI特征之间的差异无显著性差异，HMI的典型特征是高(7分制的评分范围为5.3至5.9)。然而，无论HMI如何，在1号干线上的评分都较低。另一方面，与2D系统相比，增强3D+导航系统在“挫折”TLX分量表上的评分明显较低，但与3D系统没有明显区别。

3 在双重任务驾驶条件下，用来量化注意力负荷的指标 [3]

3.1 主要目的和主要原理

针对实际驾驶中注意力负荷和分心程度的测量和监测，以及对车载人机界面(HMI或DVI)设备的评估和比较，开发了一类驾驶员注意力负荷指标。指标包括驾驶员/车辆响应和性能度量、驾驶员控制活动以及驾驶员控制模型和参数。它们是多学科、实验和分析努力的结果，研究中使用的视觉-手动辅助任务包括导航目标输入、无线电调优、关键跟踪任务，以及一个通用的触摸屏输入任务。非视觉-手动辅助任务包括视觉-语音导航。这些指标提供了司机在双重任务情况下注意力负荷或分心程度的客观衡量标准。除了客观的驾驶员/车辆性能指标外，本研究所独有的驾驶员描述函数指标为驾驶员增益和时滞在连续的实时基础上为转向控制任务计算。这些描述函数项直接衡量了驾驶员控制活动的水平和对主要驾驶任务的关注程度。提出了一种新的驱动描述函数测度方法在道路条件下连续实时使用典型车辆的基本响应和性能指标。作为分心或注意力需求的客观指标，该指标还可用于比较双重任务工作负载与基线，或比较两个双重任务情况和HMIs。这些指标旨在量化和监控双重任务条件下的分心程度。

3.2 结论及未来的方向

本文提出的注意力负荷指标是客观的、定量的，不需要特殊的驾驶员活动或干预来进行实时的实际驾驶计算。时变驾驶员描述函数可以在实际车辆中实时测量，得到的驾驶员控制模型参数(增益和时滞)可以用于一些指标。根据度量应用程序的不同，可以使用不同的观察时间窗。这些指标使用了当代车辆中常见的响应和性能度量。不一定只有一个唯一的指标，而且可以使用最适合给定驱动接口的指标。给定可用的度量，派生的度量给出所选术语的相对权重和估计的度量预测值。有些指标对于视觉-手工和非视觉-手工辅助任务都很好。虽然这一指标是针对双重任务驾驶情况而制定的，但它对于衡量其他类型的注意力不集中(如因困倦而引起的注意力不集中)可能很有用，在这方面还需要进一步研究。

4 基于Qt和QML的HMI部件和用于诊断测试设备的OTX脚本[4]

4.1 主要目的和主要原理

本文首先简要介绍了标准化的组成部分。它重点描述了如何为执行OTX脚本的外部测试设备创建一个基于Qt和QML的HMI。Qt的主要优点是多平台的能力和创建的可能性使用QML脚本定制HMI小部件。在创建、测试和批准之后，可以使用定制的HMI小部件以及相应的OTX序列并对其进行重用任何一种客户专用的测试设备。此外，Qt的多平台功能允许用户创建视觉丰富、非常高级的HMIs，在所有目标平台上都具有类似的外观和感觉，包括Linux和移动操作系统(如Android和iOS)。本文中的所有示例都基于Qt的开源版本(版本5.9)。

4.1.1 用户交互的当前方法

当前的OTX标准提供了一组基本的用户交互表单，例如，可在运行时向用户显示的选择和合并对话框(图4)。这些表单基于标准的操作系统特定表单作为第一项提供的标准对话框可能非常有限的信息和选择,更复杂的HMIs设计可以通过使用一个GUI编辑器。GUI编辑器提供了一个可配置的网格布局,预定程序的GUI部件如按钮、复选框、单选按钮、策划者,仪表可以放置在网格通过简单的拖放。网格布局非常有用，因为它可以(类似于web页面)轻松地调整到不同的屏幕分辨率。预先编程的小部件提供了可以在GUI编辑器中设置的各种属性，比如大小、颜色、字体和OTX脚本可以使用的按钮按下按钮之类的事件。与其他高级编程语言(如c++或c#)类似，图形组件非常紧凑嵌入到OTX脚本中。核心部分是所谓的gui循环，用于处理小部件生成的事件。除此之外，还需要在OTX脚本中完全实现GUI逻辑(类似于C/c++/c#)。

4.2 结论

本章节通过使用OTX和QML脚本轻松创建可视化的丰富诊断应用程序。由于主题的复杂性，只稍微触及了QML图形化可能性的表面。在图形设计和用户界面编程的过程中，在最终的解决方案真正实现之前，测试设备的可用性要经过不同类型终端用户的验证。由于可用性验证与图形设计一起通常是一个需要多次重复的过程，因此开发项目中的变更管理可能非常复杂且耗时。在最终实现之前，将用户界面验证为具有不同最终用户的高fidelity原型可以节省大量时间，并获得优化的可用性。QML和OTX脚本是实现长期稳定测试设备应用程序的优秀解决方案。由于诊断和用户界面专家都可以专注于各自的专业领域并并行工作，因此开发项目可以在时间和精力上进行优化。

图4 用户显示的选择和合并对话框

5 远程旋转控制器对触摸屏操作影响[5]

5.1 主要目的和主要原理

随着新型人机界面(HMIs)的流行，人们对驾驶员注意力分散的担忧也与日俱增。从某种程度上说，这种担忧源于设计系统的挑战越来越大，该系统可以使驾驶员能够使用各种功能，同时保持驾驶员应对复杂驾驶任务的能力。在这项研究中，比较了两种基于到场的流行的视觉-手动用户界面。这两个HMIs感兴趣的是基于触摸屏的接口(已经在生产中)和基于远程旋转控制器的接口。评估了五项车载任务，包括连续控制任务、快捷任务、导航任务、列表操作任务和功能切换任务。导航任务，列表操作任务和功能切换任务。16名参与者的一瞥行为被人工编码以申请参加。结果表明，在更高位置的显示和触觉反馈下，旋转控制器比基于触摸屏的界面更能帮助驾驶员保持对道路的注意力，从而实现简单的连续控制和快捷操作。对于更复杂的任务，结果混合了有趣的见解。此外，出席者在注意管理策略上也显示出显著的个体差异。综上所述，AttenDlike算法不仅可以比较不同的HMIs，还可以揭示个体的注意分配策略。

5.1.1 实验装置

一辆全尺寸运动型多用途车(SUV)用于椭圆形跑道上的测试目的。该车辆包含评估的触摸界面。这个接口距离为16.3英寸(415毫米)扶手沿汽车纵轴的边缘。如图5所示。5个场景和驾驶舱摄像头被用来收集司机行为的各个方面:包括前置摄像头、驾驶员脸部摄像头、驾驶员手运动摄像头、驾驶整体运动摄像头、驾驶员脚步摄像头。

图5 测试车辆中基于触摸屏的系统、基于远程旋转控制器的系统的显示布局(左);带有触觉反馈的遥控旋转控制器控制机构(右)

5.1.2 五个评估的UI任务

UI任务1:连续控制任务(屏幕按钮VS旋转动作)；

UI任务2:快捷键(屏幕按钮VS机械按钮)；

UI任务3:菜单导航(分层菜单操作由使用屏幕按钮VS手势搜索)；

UI任务4:列表操作(触摸与移动)；

UI任务5:功能切换(直接点击vs.Surface手势)；

5.2 结论

本研究考察了在评估HMIs时使用的AttenD buf⁃fer(它将随时间变化的浏览模式组合成混合的性能度量)。它表明，与传统的HMI评估(例如，单独使用单独的glance度量)相比，像AttenD这样的方法为HMI开发提供了新的和不同的见解。结果表明，像AttenD buf⁃fer这样的方法有助于区分HMI对驱动程序的影响，并有助于诊断哪种任务能更好地利用每种HMI方法。