从人因学谈自动驾驶用户体验设计

自动驾驶可以从根本上改变道路运输问题，而人因工程是实现自动驾驶的最大挑战。当前，由于车辆技术尚不完全安全可靠，人类在自动驾驶汽车中的作用尚未明确。所以，在完全解决“人”的问题前，自动驾驶将很难实现。今天，我们就从人因方面来分析一下自动驾驶实施中所遇到的问题，并提出相应的解决方法。

交通人因学

我们先从交通人因学开始谈起，在2016年的时候，北航交通科学与工程学院的副教授王颖就说过，“交通人因学是一门交叉学科，是人、车、路的相交叉，每一个交叉都会派生出汽车领域的新研究方向。”并从生理、心理、交通工程、汽车工程等不同的维度分析了汽车与人因的交互作用。

影响自动驾驶的人因问题

自动驾驶等级划分

自动驾驶共分为L0~L5这5个等级，每一级别的自动驾驶所对应的人因学问题都是不同的。今天，我们主要从L2到L4级别自动驾驶下的人因学知识进行探讨。

影响自动驾驶的人因因素

以往的人因因素研究表明，自动化解决了人类任务性能的不精确性和可变性，同时也产生了新的安全问题。而随着HMI和安全转移控制算法的发展。自动化和驾驶员之间的智能控制是人因因素研究人员在自动驾驶中面临的一个重大挑战。

1.司机分心

• 视觉吸引（事件信息）

• 听觉吸引（危险警告、车内对话和IVIS、信息娱乐系统）

• 动态信息（突然改变车速、车道限制，手机信息）

• 认知分心（注意力转移）

在自动和手动条件下，每个驾驶员组的注意力比率

2.工作负荷

精神工作量（复杂交通和交通密度）

3.身体状况

色盲

生病（具有突发性）

驾驶员疲劳驾驶

4.其他原因

技能下降

驾驶习惯

模式困惑

警惕下降

过度依赖与信任

新手(N)和有经验(E)司机在手动/自动化和系统/自定步调期间视觉注意力的分布

人因下的自动驾驶交互解决方案

针对以上问题，我们对自动驾驶在HMI的设计上提出了以下建议：

HMI设计

• 驾驶状态下的交互模式切换。

• 界面设计简洁方便，避免眼睛在屏幕上停留太长时间。

  
  

Tesla Model 3 中控大屏设计

• icon设计与现实图标相吻合。

• 减少在驾驶途中与驱动程序的物理交互。

• 语音交互系统应用，尽量减少错误警报和误报，文本和声音以司机首选语音显示。系统音量不应超过115分贝。在这里还可以学习QQ音乐，选用不同情境下的声音模式设置。

QQ音乐音效模式

• 优先级的划分，在复杂的道路网络(大交叉口)附近，减少向司机提供信息，紧急信息除外。但是，对于导航消息，应该始终给司机提供安全警告。

• 驾驶员状态评估（比如眼睛跟踪器和面部表情的分析）。

• 按照道路标志的标准颜色编码进行设计，设计中最好不超过5种颜色。

• 主要任务和次要任务的注意力合理分配，减少认知负荷。

  
  

  
  

• 不同自动化水平的驾驶员辅助。

• 自动化故障后，人机界面需要发出手动接管请求的信号，仔细平衡紧急情况和驱动程序的工作量。
  

• 传递给驾驶员清晰又易于监控的界面设计。

• 个性化界面设计，基于驾驶员偏好，以确保驱动程序能够有效地与其交互。

• 自动切换代理。

• 方向盘语音触控结合HUD设计。

图片来自王颖

驾驶员

• 适度的信任，不完全依赖自动驾驶

• 保留必要技能，不能丧失驾驶技能

• 司机需要学习如何解决自动化产生的问题

未来自动驾驶人因学研究

安全驾驶

我们现在正处于向高度自动驾驶车辆过渡过程中。未来，在针对不同情境下的安全驾驶有很多的思考。例如，系统的安全后果，车辆被意外事件影响的可能性，司机和车主的法律责任或系统安全(例如黑客)这方面受到了广泛的关注。另一方面，诸如如何在恶劣的天气中学会使用自动驾驶汽车或系统性能等问题。

我们建议自动化不应在未经人类同意的情况下作出决定和实施行动。除非在不采取行动，人类会受到伤害的情况下。例如，汽车能够明确的确定司机在心脏病或突发疾病期间不能安全驾驶时，自动化应该接管控制。同样，如果手动驾驶人不能对车辆作出反应，自动化系统可能会暂时接管控制，并启动自动紧急制动或规避策略。

多模态交互设计

有人认为，接管请求应该是多模态的而不是单峰的，因为不同的感觉方式可以相互补充。例如，驾驶员座位上的振动触觉警告可能是一种有用的报警装置，当一个人在视觉上分心或在与人交谈时，它可能是一个有用的报警装置。

从驾驶员辅助到完全自动化。自动化除了负责所有的监视和控制之外，还需要严格的驱动程序。但也存在着技术局限性、公众接受度差异、责任等问题。

驾驶员认知和HMI设计

当今最大的挑战之一是驾驶者意识的局限性，不知道何时需要恢复控制，以及怎样自由地进行参与。在未来5到10年内，研究可能更多地集中在提供解决方案，以保持司机对驾驶情况的认知。另外，除了确保自动驾驶的可靠运行外，还需要改进HMI的设计和性能，以便应对任何意外的情况。

结论

这一系列问题突出了对人因的挑战，这些挑战需要在从完全人工驾驶过渡到全自动驾驶过程中加以解决。如今，车辆技术尚不安全可靠，因此，当自动系统发生故障或性能受到限制时，就需要驾驶员介入。转变中的角色从完全控制的驾驶员到主要负责监控和监督驾驶任务的驾驶员，可能会导致注意力不集中的情境感知和手工技能退化的问题。反过来，这些人为因素可能会在自动系统失效的情况下损害手动控制的安全性。

在未来的几十年里，社会将见证一系列能够控制越来越复杂的驾驶任务的技术的实施，这是一项真正的任务。

如果您想了解更多的前瞻信息和权威专家普修的专业性建议，就拨留言联系我们吧！ 

参考：

White rose:A Human Factors Perspective on Automated Driving_RG

Marc Dziennus：Human-Vehicle Integration in automated vehicles

Mitchell Cunninghama and Michael A. Regana：Autonomous Vehicles: Human Factors Issues and Future Research

Human factor guidelines for the design of safe in-car traffic information services

Ignacio Solís Mar：Challenges in Partially Automated Driving: A Human Factors Perspective

Tyron Louw, Natasha Merat & Hamish Jamson Institute for TransportStudies：ENGAGING WITH HIGHLY AUTOMATED DRIVING: TO BE OR NOT TO BE IN THE LOOP? 

Zhenji Lua：Human Factors of Transitions in Automated Driving: A General Framework and Literature Survey

王颖：想让智能汽车更“聪明”，学点HMI人因学很有必要

39度创意研究所 ：什么是真正的自动驾驶：L2和L5的差别在哪里?

用户调研 |  HMI设计 |  UE/UI设计 |  HMI培训  |  HMI评测  | 体验咨询