自动驾驶汽车内外部人机交互的研究视角

摘要：自动驾驶汽车（AVs）成为当今社会的关注热点，随着自动驾驶技术AI算法技术的不断提升，AVs将在未来进行量产并正式投入交通系统中，这会导致传统固定人机交互模式的重大改变。为此，研究了AVs内外人机交互的最新科研成果。车内主要为驾驶员与AVs交互体系，基于人机交互（HCI）理念，构建人机交互信任模型，通过问卷调查利用模拟拟合与假设检验的方法检测信任程度。车外环境主要是为了满足行人和AVs之间的交互需求，因此采用了基于行人过街决策模型等研究方法，设计出了一种外部HMI，以便更好地满足行人和AVs之间的交互需求。行人、驾驶员、AVs三者之间的路权与信任问题仍存在心理上的博弈，也包含诸多伦理问题，据此对这些问题进行分析与思考，同时对AVs的未来社会普及进行展望。

关键词：自动驾驶汽车；HCI；eHMI

中图分类号：U471  收稿日期：2023-03-29

DOI：10.19999/j.cnki.1004-0226.2023.06.012

1 前言

现代汽车作为生活中的重要交通工具，为人们的出行带来了方便快捷。随着各大厂商车辆硬件配置品质逐渐接近瓶颈，在购买车辆的同时，消费者往往会看中车内配置，比如座椅的舒适性、车内功能设计是否人性化、车内空间大小等。随着自动驾驶的不断开发，解放双手的同时，用户会更加注重车内人机交互的人性化设计，与车载智能AI交互，让AI明白自己的表达意图与需求，成了自动驾驶汽车（autonomousvehicles，AVs）车内人机交互的重中之重。

通过车内主动人机交互系统，驾驶员可以更加专注于完成驾驶任务，甚至是非驾驶任务，这种精确而无感知的主动交互可以有效减少驾驶干扰，提高信息传递效率[1]，从而改变传统车内人机交互模式，使驾驶更加安全、舒适。在传统车内人机交互模式中，人与车的关系为“人控制车”，车辆AI交互模型也往往运用到智能人机界面+非智能后端系统，采用智能技术的语音交互系统作为输入端，而后台已经设计好可能的交互指令，通过输入端的需求来调取后台系统相关操作，完成传统车辆AI人机交互[2]；而未来AVs交互界面往往为智能人机界面+智能后端系统，可以实时演算分析驾驶员指令，自行推演并且做出决策，而非后台提前设置决策[2]。为了提升汽车人机交互体验，可以借鉴人类之间的情感表达方式，比如动作、声音和生理信号交互，这些方式可以有效地增强用户的体验，从而更好地满足用户的需求。声音交互已被广泛应用，生理信号交互主要用于检测用户是否处于疲劳驾驶状态，将此类交互融入车内智能交互有着重要意义[3]。

车内人机交互系统的实施演算推测建立在人机交互信任影响机制上，AVs系统操作的透明性可以根据用户心理创建一个精确的系统操作和心智模型，而人机交互的信任程度主要来源于用户感知的性能和可靠性[4]。AVs系统性能的预期在用户的设想范围内，可以增加用户与AVs的信任程度，而过于超前的AI操作判断会让用户产生失控和不安感，会影响用户对于AVs的信任态度[4]。因此，可根据用户的心智模型来进行人机交互信任影响机制的建模，并对其设置问卷并展开假设检验和拟合分析，来最终确定人们对AVs的信任是否更多来自于AVs系统运作表现形式的影响[4]。

人机交互在汽车领域已初具规模，但相比自动驾驶领域，目前仍处于起步阶段，没有成熟的解决方案。人机共驾型交互需要双方相互配合，同时需要加快引入人工智能等技术，不断学习和更新，达到更好的驾乘体验[5]。

借助AVs整合的新兴技术，如周围环境认知、精密地图技术和人工智能等，车辆可以进行自主决策和自动控制行驶，从而大大降低交通事故发生的几率，大大减少能耗，提升交通效率，同时也为残障人士提供更加便捷的服务[6]。基于情景意识的行人与AVs的交互动态过街决策模型，可以对行人进行检测与追踪，识别行人的意图以及预测行人的行为，来完成自动驾驶汽车的预测[1]。eHMI通过将AVs的驾驶模式、状态、周围环境认知和预期性行为等内容展现在车辆外表，以便驾车者能够更加直观地了解车辆的性能和功能，从而进一步提高驾车者的安全和舒适度[6]。eHMI可以通过向行人提供相关信息来增强行人与AVs之间的安全与有效通信，因此可以研究eHMI的形式、颜色、位置、统一标准等来保证行人与AVs安全有效可行的实时交互，来降低AVs的交通事故概率，提高eHMI界面设计的可行性[1-6]。

然而，随着自动驾驶技术的不断完善与普及，驾驶员、AVs自动驾驶、行人三者之间出现的伦理问题更加值得我们深思。自动驾驶系统将行人置于汽车驾驶员之前，其目的是保证行人有足够的时间来避免交通事故。尽管这些系统还不能完全替代司机，但它们可以有效地提高人们在道路上的安全性，减少道路上的意外死亡人数。自动驾驶技术将使人类汽车司机成为次要角色，但这并不意味着人类驾驶员已经消亡[7]。通过引入人工智能技术、大数据分析和交通监控等智能技术，可以使人们更好地认识到行人与自动驾驶系统之间的伦理关系，从而实现人车和谐相处。

2 相关工作

2.1 车内人机交互介绍

人机交互的方式有两种：被动和主动。被动的人机交互是指当人向机器发出指令时，机器会根据人的指令执行并将结果输出给人。然而，这种方式可能会导致驾驶员的注意力分散，从而可能造成安全隐患[2]。相比之下，主动的人机交互则是机器主动从外部寻找信息，并将结果输出给人，并在主动的人机连接中做出決策。驾驶员可以专注驾驶从而减少分心，提高信息传递的效率[2]。

2.2 人机交互信任模型

2.2.1 构建人机交互信任模型

为人机交互（human-computerinteraction，HCI）创建信任模型时，AVs的人机交互信任受多种因素影响，包括信息质量、透明度、信息载体和通道、系统开放性和技术进步。情境管理可提升人机交互信心。信息的质量和内容将直接或间接影响AV系统的透明度和信任度[4]。

2.2.2 人机交互信任模型研究方法

a.问卷设计与检验。

制作相关问卷，包含7个观察变量和必须回答的相关信息。变量包括信息内容、信息载体、信息通道、系统透明度、人机交互信任、技术能力和情境管理，使用5点量表进行评估。主要观察自动驾驶问题，受试者应为法定驾龄超过两年的驾驶证持有者[4]。

b.验证性因子分析。

在获取了问卷后，研究者使用SPSS22.0软件对其进行信度和效度测试。Cronbach值在信息内容、信息载体、信息通道、系统透明度、人机交互信任、技术能力和情境管理方面均为0.7，表明问卷具有可靠性。KMO值均为0.6，证明问卷具有良好的结构效度[4]。

2.2.3 信任模型拟合分析结果

通过计算各变量的路径系数，发现9个路径通过了显著性水平检验，这意味着H1～H9假设是有效的。分析结果表明，影响AVs人机交互信任机制的主要因素为信息渠道、信息载体和系统透明度，它们对综合影响具有较大影响；标准化路径分析表明，信息载体对系统透明度的影响最大，其次是信息渠道和信息内容[4]。

2.3 车外人机交互介绍

人工驾驶：驾驶员必须观察和评估行人在各种情况下过马路时的行为，以及当驾驶员想要在人行横道上判断他们时的反应[1]。自动驾驶：车辆承担部分或全部驾驶责任，在车辆和行人之间建立直接联系，需要eHMI界面向他们提供相关信息[1]。

2.4 AVs与行人沟通

2.4.1 行人过街决策模型的构建

情景认知意识是一种自我意识，它涉及对环境中的线索的认知，这些線索的重要性会影响个体的注意力分布[8]。在这种自上而下的处理路径中，存储在目标长期记忆中的信息将会激发个体去关注、辨别和选择感知信息。在理解阶段，个人从环境中获取的资讯、存储在大脑中的模式和心理模型，为他们提供了丰富的数据，有助于他们更好地整合和了解讯息[8]。而预见阶段则是情境意识的最高境界，它通过对认知和理解阶段获得的信息的分析，预见事情发展的趋势，评估行动的可能性和风险，为行为决策提供充分的准备[8]。

2.4.2 行人过街决策研究方法

a.行人的检查与跟踪。

环境感知控制系统是主动驾车的核心部分，它包含目标探测、车道和道路监测以及跟踪。行人检测和追踪也是基于这些部分的结果。由于行人属于动态对象，其行为随机，穿着风格多样且过街意图展示也不尽相同，因此对于行人的检测与追踪相当具有挑战性[1]。目前，行人检测追踪主要借助于传统机器学习和深度学习的方法[1]。传统机器学习方法主要基于特征构建结合浅层分类器的方式实现，其中包括Viola &Jones检测器、梯度方向直方图结合支持向量机、可变局部检测器等[1]。

b.行人意图识别与行为预测。

①基于上下文线索的行人行为预测。通过观测行人过去和当前的行为，可以推测和评估其意图。考虑到当前的活动和周围环境，可以利用运动轨迹进行实时演算，预测其可能的规划路线[1]。

②基于行走姿态的行人行为预测。

假设自动驾驶系统已经获取了行人步行时候的全部数据，那么它就可以利用这些数据来建立模型，以便更好地预测车辆的驾驶方向。这些模型可以基于步行的位置、车速等动态特征，也可以充分考虑到人员走路的上下文信息，比如人员是独自走路还是成群结队走路，以及其他可能的行为特征，从而更好地预测人员的走路方向，以及到达路径边缘所需要的时间和距离等[1]。

2.4.3 AVs基于行人过街行为的决策

自动驾驶汽车需要根据当前的路线信息进行分析和决策，并在决策算法中遇到行人障碍时停止。如果每次自动驾驶汽车都优先考虑行人，决策算法将显得呆滞死板，会使行人感觉每次都应该优先过马路而不受惩罚，这将极大地阻碍自动驾驶汽车的未来发展[1]。一个优秀的决策算法应该根据行人的初始位置来计算其意图，预测其行为，根据行人运动方向实时计算可能的行人区域，并根据预测的区域决策确定是否减速让行或正常通过车道变换。

2.5 eHMI

2.5.1 eHMI环境感知的研究方法以探索其在实际应用中的作用

a.传统主观研究方法（问卷调查、访谈）。

通过将拥有多种设计参数的自动驱动车辆和与人类互动的情景照片或录像植入问卷调查中，可以深入探究人们在假设的街头交互过程中，对自动驾驶汽车的态度和意向，包括安全性、操控性、操作便利性等方面的情况，从而更好地了解自动驱动车辆的性能和安全性、信任感、接受度等方面感受[6]。

b.虚拟现实方法。

通过虚拟现实科技，行人能够更加安全地与新兴技术进行交互，同时也能够体验到更加逼真的现场感受。此外，虚拟现实还能够控制那些不相关的变量，从而为测量和评估各种交互设计要素提供了便利。虚拟现实技术不仅能够节约人员、物资和持续时间，而且还能提高效率。相对的，虚拟现实方法的缺点是其模拟驾驶情况的真实性不够[6]。

c.幕后模拟法。

通过这种方法，传统汽车被伪装成自动驾驶汽车，并安装了激光雷达、摄像头和自动驾驶汽车标志等设备。然而，事实上，该车的运行仍由主驾驶座内的驾驶人操控。从行人的视角来看，主驾驶座上并没有驾驶人，因此无法看到该车的真实状态，从而达到了欺骗行人的目的[6]。

随着自动驱动车辆的发展，VR和主观调研技术已经不能满足虚拟或假想交互场景下道路交通情况的准确性和分析结果的准确性，因此，幕后模拟法的研发显得尤为重要，以期获得更准确的结果。通常在封闭且有限定条件的道路环境中进行，同时需要考虑行人的安全和道德问题[6]。有关研究人员已经对自动驾驶汽车在不同交通环境中与行人之间的互动进行了深入研究，取得了重要进展。研究内容包括交通因素和道路设施等[6]。斑马线和信号灯等道路设施不仅影响行人的行为，还同时影响自动驾驶汽车的行为[6]。有研究表明，超过60%的驾驶人更倾向于在有斑马线或信号灯处为行人让行；而在缺乏交通信号控制的路段，驾驶人让行的可能性明显降低[6]。有关研究还表明，当行人在无交通信号控制的路段过马路时，其所处的风险水平将明显升高，因此需要相应地调整过路的决策和行为[6]。

2.5.2 eHMI对车辆运动学特征的研究方法：车辆运动学分析——基于数学模型

对于行人与传统汽车的交互研究表明，行人的过街决策和行为主要受到驶近车辆隐含信息的影响，例如行人对车辆距离、速度和到达时间等运动学数据的预估[6]。在与行人交互的过程中，自动驾驶汽车如果不刹车或不让行，行人的感知安全、过街意愿和过街比例会随着汽车到达时间（或与行人的距离）的不断减少而逐步降低，在汽车到达时间小于3 s（或距离小于40 m）时下降幅度迅速增加[6]。此时，无论有无eHMI辅助显示汽车的运行状态，对行人的感知安全、决策和行为都没有显著影响[6]。然而，当自动驾驶汽车开始减速或让行时，行人的感知安全或过街意愿与汽车的到达时间（或与行人间距离）呈现出左偏U形分布，即行人在距离车辆较远（大于40 m）或车辆完全停止或者行驶速度较慢时（小于10 m），感知安全和过街意愿比较高，这表明行人的过街决策主要受到汽车的速度和距离等运动学特征的影响[6]。

2.5.3 交互质量评估结论

研究者已经对多项eHMI交互质量进行了深入探究，他们将不同的eHMI作为实验变量，以统计参与者的决策时间等多种因素，以期获得更准确的结果。从这些研究的结论中可以看出，当使用eHMI时，行人可以更快地做出决策，但是不同的eHMI具有各自的优缺点。通过虚拟现实技术，可以将实际道路场景与虚拟环境相结合，并设置不同的实验变量，以模拟真实道路场景的情况，以探索其中的规律性。这样可以更快速、高效地评估eHMI的质量，同时也更具操作性[1]。

3 討论

3.1 影响人机交互信任关系的原因

在人机交互中，用户信任的建立往往是通过对产品功能、使用方式以及其他相关信息的深入了解来完成的。而在用户不了解产品相关情况时，由于缺乏客观、公正、准确地评价机制，就很难获得用户的信任。另外，由于人机交互缺乏反馈机制，用户无法对设计过程进行有效监督，因而也会造成一定程度上的信任危机。随着计算机和网络技术的飞速发展和广泛应用，人机之间的语言交互已经成为一种趋势。由于语言交互的复杂性和深度，机器的语音识别、语义理解和反馈等方面仍存在不少问题，如果机器没有正确地识别和理解用户的语言，或以错误的方式回应用户，用户对机器的信任感将大大降低。

在人机交互中信任建立是一项复杂的系统工程，也是一项长期的任务。它不仅需要设计人员具备良好的素质和较强的专业技能等知识储备，而且需要有健全、完善并符合实际情况的评价机制去对设计进行客观评价；不仅需要有一个与设计者进行沟通、了解和交流的平台，还需得到用户在使用产品过程中给予支持和帮助等反馈信息；不仅要注意设计中需要解决什么问题，而且还要在使用过程中不断地总结经验以提高人机交互水平。

随着人们对人机交互技术认识和理解程度以及计算机技术应用领域不断扩展、深入与拓展，新技术产品层出不穷，新产品也在迅猛发展起来。而人机交互产品用户信任问题仍然是制约传统人机交互模式向全新人机互动模式转变，是影响人机交互质量与效率提高的主要因素。

3.2 自动驾驶汽车对行人过街的决策

一般在路上驾驶时，有两个主要的行车决策因素：a.路面情况，即路况、行人的运动状态、行人与车辆之间的相对位置；b.车辆本身，即自动驾驶汽车是否给予驾驶员警示信号。

通过分析自动驾驶汽车如何感知和决策过街行人，可以更好地理解自动驾驶技术的发展趋势，在感知到道路情况发生变化时，是如何做出过街决策的。当车辆经过斑马线，遇到行人正在穿越人行横道和过街（行人不走斑马线）时，自动驾驶汽车的传感器可以监测到斑马线及街道周边的交通情况。此时，车内传感器会向驾驶员发送信号并反馈路况信息。当遇到行人不走斑马线而要穿越人行横道时（或未看到交通指示灯），自动驾驶汽车会采取制动、减速、停车处理等措施进行避让。如果车辆感知到车辆所在地点前方出现了交通状况而发出告警信号，驾驶员未减速行驶从而无法保证车辆在前方路段不会与行人发生碰撞；当车辆距离行人较近时（10 m以内），车辆将采取紧急制动措施以避免车辆与行人发生碰撞。自动驾驶汽车可以通过这样的方式来保证行人的安全。

3.3 行人、自动驾驶汽车、驾驶员之间的伦理关系

人类与自动驾驶汽车之间的伦理关系是一个颇具争议的话题，目前学术界对此还没有形成共识。就笔者个人而言，在考虑伦理方面与自动驾驶汽车相关的问题时，两个方面值得被优先考虑：a.我们如何界定和保护行人；b.驾驶员有没有责任确保不出现事故。 在讨论自动驾驶汽车伦理时，可以从驾驶员、行人以及社会三个层面来分析。

3.3.1 行人与自动驾驶汽车

在自动驾驶汽车的早期发展阶段，人们对行人与自动驾驶汽车之间的关系有很大争议。当第一辆真正的道路测试车（即被设计成可用于自动驾驶汽车）在道路上行驶时，它将允许任何人进入或离开其车辆。这意味着行人必须对自动驾驶进行一定程度上的控制，行人通过eHMI界面能与车辆进行互动，并且保证行人与车辆交互时要有一定程度上的“控制权”。在传统观念中，行人的优先级应该远高于自动驾驶车辆的优先级，那么“人不让车”的情况将会比比皆是。这就违反了行人过街决策中所提到的：如果自动驾驶汽车处处礼让行人，前方遇到行人就停车让行，不仅会导致行人毫无顾虑地横穿马路，还会大大降低AVs的可信度和削弱AVs的道路控制权；相对的，行人优先的传统观念将会被打破，从而制造更多矛盾。

3.3.2 驾驶员与自动驾驶汽车

驾驶员与自动驾驶汽车之间的关系可以分为两个层面：a.他们会相互依赖；b.彼此争夺车辆的控制主权。归根结底，还是车与人谁的主权更大问题。如果车辆完全交由AI自主控制，那么AI的主权是否大于人类；但是人类一味地与要求车辆的控制权时时地掌握在自己的手中，那么自动驾驶汽车解放人类的双手这个优点就无从谈起。而且驾驶员与车辆之间存在责任问题：自动驾驶汽车发生事故，驾驶员是否应该承担全部责任。

3.3.3 思考总结

自动驾驶汽车技术的发展，需要遵循尊重人类生命和价值的基本原则。在道路安全和行人安全问题中，自动驾驶汽车应该采取最合适的方法来降低伤害和风险，包括提高避障能力、减速或紧急制动等。自动驾驶汽车在面对道路安全和行人安全问题时，应该尊重人類的生命和价值，采取最合适的方法来降低伤害和风险。

随着自动驾驶汽车技术的发展，需要在科技与道德之间进行平衡。虽然自动驾驶汽车的技术发展可以带来很多便利，如提高道路安全和减少交通事故，但是也需要考虑科技发展可能带来的道德难题，如对不可避免的事故做出处理时对人的价值进行评估、事故后的责任归属问题等。

教育和普及工作对于行人和驾驶员的正确理解和掌握自动驾驶汽车等新技术的应用方法和相关规则至关重要。这涉及对人们伦理观念的完善和提升，包括理解和遵守相关的法律和规定，为科技与道德之间的平衡做出贡献。

4 结语

自动驾驶汽车的发展目前还存在很多问题，包括可靠性、界面设计和隐私问题。自动驾驶汽车的界面设计需要满足驾驶员和乘客的不同需求和偏好，而收集大量数据需要有严格的安全标准来保护用户隐私。

随着科技的不断进步，自动驾驶汽车的未来前景依然光明。自动驾驶汽车将在安全性方面取得更大的进步，高精度的传感器和计算机视觉系统将使车辆能够更好地适应各种交通环境，提高行驶安全性。智能化驾驶可以提高出行效率，自动驾驶汽车的到来将彻底改变人们对交通工具的看法，未来它可能会取代传统汽车，带来更安全、更舒适的出行方式。

参考文献：

[1]胡宏宇，刁小桔，高菲，等自动驾驶汽车-行人交互研究综述[J]汽车技术，2021（9）：1-9

[2]许为六论以用户为中心的设计：智能人机交互的人因工程途径[J]应用心理学，2022，28（3）：195-213

[3]廖甜汇，张森，温丽梅，等基于用户体验的汽车人机交互情感化设计策略研究[J]现代工业经济和信息化，2022，12（1）：58-59+63

[4]孙晓枫，赵莹，吕春梅自动驾驶汽车人机交互信任影响机制[J]东北大学学报（自然科学版），2022，43（9）：1305-1313

[5]董玮，李岩，董骐，等自动驾驶人机交互系统研究综述[J]汽车电器，2022（10）：1-3+6

[6]吕伟，郭伏，任增根，等行人与高级自动驾驶汽车的交互研究综述——基于行人视角[J]工业工程与管理，2022，27（6）：75-85

[7]杨子莹人机交互关系中的信任问题研究[D]大连：大连理工大学，2022

[8]蒋倩妮，庄想灵，马国杰自动驾驶汽车与行人交互中的沟通界面设计：基于行人过街决策模型的评估[J]心理科学进展，2021，29（11）：1979-1992

作者简介：

王瑞琦，女，2002年生，本科在读，研究方向为自动驾驶、人机交互、eHMI。