面向HMI的智能网联车信任度研究

郑凯淘 万雨杰 唐大琳 孙子云 夏 晶

(武汉理工大学交通与物流工程学院 武汉 430063)

0 引 言

智能网联车在改善居民出行、节约运输成本、减少碳排放方面有很大的潜力，研究乘客对智能网联车信任度的形成机理，可以为有关社会部门研究精细化、差异化提供数据支持，同时对研究乘客信任度提升手段有重要意义[1-2].

Chen等[3-5]均基于一定的理论模型，通过问卷形式调查了受访者对智能网联车的主观感受并建立相应的结构方程模型探究信任度的影响因素及其影响方式，这些研究成果大多描绘了笼统的心理变量对信任度或是接受度的影响，对于用何种方式提升信任度未进一步讨论.John[6]提出了人类对自动系统信任感形成过程的认知模型，强调系统应该让用户对系统的信任校准至适当的水平，他们认为阐述清楚自动化系统的性能、过程和目的的因素可以帮助用户校准对系统的适当信任水平，不过仍没指明具体方式对形成信任的影响路径和方式.Jeamin等[7]提出：为智能网联车的行为提供解释对提高车辆的接受度更有效.上述研究没有考虑解释类型的影响如何可以被驾驶情况的感知风险而改变，并且调查对象仅限于半自动车辆，需要进行更多的研究来理解解释类型的影响.

德国社会学家Simmel曾提出，信任的出发点是互动，NASA的研究[8]也显示允许人类和机器之间使用模仿现实世界交互的语音、触摸和手势/身体动作进行无缝交互的自然用户界面(natural user interface，NUI)相比图形用户界面(graphical user interface，GUI)更能够获得用户对系统的信任.

文中聚焦于人机交互与智能网联车信任度的影响关系，从具体人机交互机制和手段研究智能网联车信任度形成机理，建立智能网联车信任度人机交互方式(human-machin interface，HMI)影响分析模型，以期为智能网联车人机交互界面分层组合设计提供指导依据.

1 模型假设与构建

Gimun等[9]提出自主驾驶情境的风险感知可以是决定归因解释效果的重要因素，这是因为风险感知与信任密切相关.信任度(Trust，TRU)的定义因研究方向不同有着不同的解释[10-11].Joachim[12]将脆弱性确定为信任的关键要素.

结合智能网联车交互的背景，将信任度定义为：个人必须心甘情愿地把自己置于危险之中，以自己处于相对弱势地位的代价通过将行动的责任下放给另一方(车).在此情形下，不信任可能导致智能网联车不被使用，过度信任则可能导致滥用，因此在技术推广时期用户信任度对智能网联车的使用至关重要.

通过CiteSpace软件以智能网联车安全、人机交互等关键词对近十年国内外相关论文关键词进行提取，然后分析人机交互相关关键词，确定方式信任、内容信任和感知威胁为潜在变量.

方式信任是指人们在使用交互系统时对交互方式的信任程度.内容信任是指人们在使用交互系统时对交互中的信息产生的信任程度.感知威胁是指人们在使用系统中感知到的风险与安全保障程度.车辆自动化方面的研究发现，内容信任与信任呈正相关.方式信任也是影响信任度的重要因素之一，增强公众对特定系统功能的认识能够减轻公众操作的负担，从而提升公众的信任，如可视化对当前自动化系统现状的反馈等都会提高公众对自动化系统的认识，使得乘客真正面临自动化系统时能够轻松应对，从而建立起乘客对自动化系统的信任.在智能网联车人机交互方面，安全相关的信息属于交互信息，而交互信息的传递依赖于一定的交互方式.

以内容信任、方式信任和感知威胁为自变量，信任度为因变量建立结构方程模型，模型路径假设见图1.

图1 模型路径假设

2 数据采集与处理

2.1 调查问卷设计

以SP调查问卷(stated preference survey)采集用户个人属性和各类潜变量评价数据，通过问卷量表对内容信任、易用性和安全性进行量化.

信任度调查表见表1.问卷量表均采用7级量表进行测量，把问卷测量问题项的认知程度分为1～7级：从完全不信任到完全信任.

2.2 调查样本

根据文献[4],在调查时对被调查者的年龄进行了限制，希望受访者能够具备完整的思考能力，判断能力和使用汽车的资格，因此对受访者的年龄进行调查，将不符合的作为无效问卷.同时，对驾驶经验进行分级，区分不同驾驶经验的人员对自动驾驶的期望差异.通过调查，收集了受访者的年龄、性别、驾龄这三个可能影响智能网联车HMI信任度的人口统计学特征信息，共回收1 390份问卷，在剔除信息缺失的无效后，共获得有效问卷1 355份.本次调查中，年龄主要集中在26～30 岁，约占49%；在驾驶经验中，主要集中在驾年≤3 年，占比56%.样本构成特征见表2.

表2 样本构成特征

3 模型检验与结果分析

3.1 测量模型

在检验结构方程模型之前，评估测量模型的观测变量显著性、内部一致性和可靠性、收敛效度和区别效度.经过验证性因素分析(CFA)将部分题目从模型中剔除，由表3可知，模型的显著性、一致性、可靠性和收敛效度基本符合要求.

表3 测量模型的一致性和可靠性、收敛效度

当每个潜在变量 AVE 的平方根大于该潜在变量与其他潜在变量间的相关性的绝对值时，认为测量模型具有良好的区别效度，见表4.由表 4可知：测量模型区别效度良好，不同构面间区分度较高.

表4 测量模型区别效度

3.2 拟合效果检验

根据相关文献，各模型配适度指标建议值CMIN/DF<3,GFIAGFIIFITLICFI等>0.9,RMSEA<0.08.该模型配适度指标符合建议值，见表5.

表5 结构模型适配度指标

在 PLS-SEM 分析中，多元相关平方(SMC)也用于模型拟合效果分析，表示某潜在变量的方差能被其他潜在变量解释的程度.SMC可接受的阈值随研究内容不同而有所差异，通常来讲，建议 0.67、033、0.19 的SMC可认为具有显著、中等和微弱的解释力，考虑到模型的复杂性，取0.19为可接受阈值.该模型中信任度和内容信任的SMC分别为0.37和0.24.

4 结果分析

4.1 显著性分析

根据模型假设分别对影响路径进行显著性分析，得到以下结果.

1) 路径H1方式信任→内容信任(P<0.05)影响显著，表明交互信息的传递方式能在一定程度上影响信息内容的传递效果.

2) 路径H2方式信任→感知威胁(P>0.05)影响不显著，路径不成立.

3) 路径H3感知威胁→内容信任(P<0.01)影响非常显著，表明与安全有关的信息在用户关心的信息中影响力非常显著.

4) 路径H4内容信任→信任度(P<0.01)影响非常显著，表明提供适当的信息能提高信任度.

5) 路径H5方式信任→信任度(P<0.01)影响非常显著，表明适当的交互方式能显著影响信任度.

6) 路径H6感知威胁→信任度(P<0.01)影响非常显著，表明潜在的风险感知也会影响信任度.

因此，形成智能网联车信任度结构方程模型并标准化，见图2.

图2 智能网联车信任度结构方程模型

潜变量之间的标准化路径系数表示一个潜变量对所指向潜变量的影响力，对于复杂的社会心理学问题认为路径系数绝对值达到0.15则有一定的影响力.

由表6可知：方式信任、内容信任和感知威胁都对信任度有一定的影响力，分别为0.59，0.41和0.35；感知威胁和方式信任都对内容信任有一定的影响力，可通过内容信任间接影响信任度；结合测量模型可以分析计算得出各观测变量对信任度的具体影响路径.

表6 结构模型路径系数

4.2 影响路径分析

1) 交互方式对信任度的影响 根据模型标定的路径系数可以计算得出各观测变量对信任度的总效果值，已知潜变量“方式信任”对“信任度”的影响路径有两条，分别为“方式信任→信任度”和“方式信任→内容信任→信任度”.则“方式信任”构面下各观测变量代表的具体交互方式对“信任度”的影响路径总效果值计算方式为(假设观测变量EOUi对应的因素负荷量为ai)：ai×(W1×W3+W4)，经计算，具体结果见表7.

表7 交互方式对信任度总效果值

2) 交互内容对信任度的影响 已知潜变量“内容信任”对“信任度”的影响路径有一条，为 “内容信任→内容信任→信任度”.则“内容信任”构面下各观测变量代表的具体交互内容对“信任度”的影响路径总效果值计算方式为(假设观测变量UFi对应的因素负荷量为bi)：bi×W3，经计算，具体结果见表 8.

表8 交互内容对信任度总效果值

3)不安全因素对信任度的影响 已知潜变量“感知威胁”对“信任度”的影响路径有两条，分别为“感知威胁→信任度”和“感知威胁→内容信任→信任度”.则“感知威胁”构面下各观测变量代表的具体不安全因素对“信任度”的影响路径总效果值计算方式为(假设观测变量SECi对应的因素负荷量为ci)：ci×(W2×W3+W5)，经计算，具体结果见表9.

表9 不安全因素对信任度总效果值

5 结 论

1) 内容信任、方式信任和感知威胁对信任度的影响都较为显著.同时方式信任和感知威胁不仅可以直接影响信任度，还可以间接地通过影响内容信任影响信任度.其中方式信任对信任度的综合影响力最为突出，在后续的HMI设计中应重点考虑交互方式的作用与设计.

2) 对路径分析中的总效果值的研究显示，用户更青睐于色彩、符号等更符合底层逻辑、更直觉的交互方式来显示与自己超车、加减速等与自己安全息息相关的信息内容，对感知威胁的观测变量路径分析也佐证了这一点.而更为高级但更为复杂的交互方式对信任度的影响较弱一些.交互方式的综合影响力更强，安全威胁因素次之，在信任提升设计时可以考虑采用采用合适的交互方式缓解用户对安全的焦虑感，同时发挥交互内容发挥的中间媒介作用.

3) 在内容信任方面，总的来说一些关乎车辆行驶状态、乘客人身安全的信息对信任度的影响较大.

4) 对测量模型的分析中，在方式信任的构面下发现文字图像这一交互方式与触觉震动有一定负相关性，在设计时可以考虑避免同时使用这两种交互方式.

尽管SP问卷中使用了动态图像加强了受访者的代入感，但通过网络问卷调查方式获得的结果可能与实际体验过的调查结果有所差异.因此在后续的研究中，可考虑扩大受访者数量，调整受访者结构，并加入搭乘模拟实验获取生理心理指标数据进一步加强模型的可靠性.