李璟璐，孫效華，郭煒煒

?

基于智能交互的汽車主動(dòng)響應(yīng)式交互設(shè)計(jì)

李璟璐，孫效華，郭煒煒

(同濟(jì)大學(xué)設(shè)計(jì)創(chuàng)意學(xué)院，上海 200092)

隨著主動(dòng)響應(yīng)式交互向車內(nèi)引入，汽車可以預(yù)測用戶意圖并主動(dòng)發(fā)起功能，從而減少分心、增加靈性，提升駕駛安全性與車內(nèi)用戶體驗(yàn)。在汽車主動(dòng)響應(yīng)式交互的設(shè)計(jì)中，機(jī)制層面的用戶意圖預(yù)測模型的準(zhǔn)確度成為影響主動(dòng)響應(yīng)式交互體驗(yàn)好壞的關(guān)鍵。但是對于如何提高用戶預(yù)測模型的預(yù)測準(zhǔn)確度還缺乏行之有效的手段，目前預(yù)測模型的結(jié)果不是十分準(zhǔn)確，相關(guān)研究還比較少。智能交互是提升機(jī)器人性能的有效手段，將其引入到主動(dòng)響應(yīng)式交互的設(shè)計(jì)中，能通過其獲取提升用戶意圖模型預(yù)測準(zhǔn)確性所需的信息，幫助突破目前算法上存在的瓶頸。提出了運(yùn)用智能交互提升預(yù)測準(zhǔn)確性的路徑和基于智能交互的汽車主動(dòng)響應(yīng)式交互設(shè)計(jì)的框架與注意點(diǎn)，并結(jié)合具體案例設(shè)計(jì)進(jìn)行了闡釋。

主動(dòng)響應(yīng)式交互；智能交互；意圖預(yù)測模型

相較于由用戶發(fā)起動(dòng)作與隨之而來的反饋所構(gòu)成的交互，由智能系統(tǒng)預(yù)測用戶意圖并主動(dòng)發(fā)起響應(yīng)的主動(dòng)響應(yīng)式交互有了很大的發(fā)展[1-3]。但由于汽車主動(dòng)響應(yīng)式交互中預(yù)測模型與規(guī)則的局限性，預(yù)測模型的結(jié)果往往不是十分準(zhǔn)確，影響預(yù)測用戶意圖的結(jié)果，可能導(dǎo)致失敗的交互過程與不佳的用戶體驗(yàn)。汽車主動(dòng)響應(yīng)式交互需要對不同用戶進(jìn)行個(gè)性化意圖預(yù)測，但很難從一開始就建立起對用戶適用的預(yù)測模型，因而用戶預(yù)測模型應(yīng)具備在人機(jī)交互過程中不斷提升的能力[4-5]。目前，這方面的國內(nèi)外的研究還比較少。智能交互(smart interaction)是指為提升機(jī)器人性能而設(shè)計(jì)的人和機(jī)器人的交互過程，為了提升預(yù)測模型的準(zhǔn)確度，本研究將智能機(jī)器人領(lǐng)域的智能交互概念引入汽車主動(dòng)響應(yīng)式交互中，通過設(shè)計(jì)人與車輛系統(tǒng)的互動(dòng)，以獲得提升預(yù)測準(zhǔn)確性所需的有效信息，從而提升主動(dòng)響應(yīng)式交互中個(gè)性化的用戶體驗(yàn)。

1 汽車主動(dòng)響應(yīng)式交互的技術(shù)背景與存在問題

汽車主動(dòng)響應(yīng)式人機(jī)交互是指系統(tǒng)能夠及時(shí)感知用戶及其所處環(huán)境的狀態(tài)與變化，準(zhǔn)確推測用戶行為和意圖，并主動(dòng)響應(yīng)用戶的需求。其本質(zhì)是將計(jì)算、通訊和感知能力嵌入汽車，使得汽車具備感知、推理和決策等基本功能，并使得主動(dòng)響應(yīng)式人機(jī)交互不再完全依賴于用戶的直接輸入，而是變?yōu)閿?shù)據(jù)收集、分析處理和判斷決策過程[6]。

1.1 技術(shù)機(jī)制

如圖1所示，在汽車主動(dòng)響應(yīng)式交互中，人工智能(artificial intelligence，AI)引擎的核心是用戶行為意圖預(yù)測規(guī)則和模型的構(gòu)建與學(xué)習(xí)，其包含離線學(xué)習(xí)和在線預(yù)測兩個(gè)階段。離線階段，主要從收集的用戶、環(huán)境與車相關(guān)的數(shù)據(jù)建立用戶、車以及環(huán)境的知識(shí)圖譜，從而建立用戶行為意圖預(yù)測的規(guī)則和模型。在線階段，即通過傳感器實(shí)時(shí)感知用戶及其環(huán)境上下文的數(shù)據(jù)，并對數(shù)據(jù)進(jìn)行分析，及時(shí)感知用戶和上下文環(huán)境的變化，結(jié)合得到的預(yù)測模型和知識(shí)圖譜，推理用戶可能的行為意圖，實(shí)現(xiàn)對用戶意圖的預(yù)測并作出決策，通過車內(nèi)不同的介質(zhì)，發(fā)起動(dòng)作。

圖1 汽車主動(dòng)響應(yīng)式交互的技術(shù)機(jī)制

以主動(dòng)響應(yīng)式的推送功能為例，根據(jù)用戶以往對于新聞?lì)愋偷南埠眉碍h(huán)境信息擁堵的情況下愿意獲取新聞信息的行為，在行駛擁堵的狀態(tài)下，有用戶感興趣的新聞?lì)愋蜁r(shí)，可向用戶發(fā)起新聞信息推送。

1.2 存在問題

在上述的汽車主動(dòng)響應(yīng)式交互的技術(shù)機(jī)制中，預(yù)測規(guī)則和模型是建立汽車主動(dòng)響應(yīng)式交互的關(guān)鍵因素，其構(gòu)建需要豐富的領(lǐng)域知識(shí)和數(shù)據(jù)，目前主要存在以下問題：

(1)模型的初始訓(xùn)練樣本具有局限性,很難覆蓋全部實(shí)際客觀情況，例如樣本數(shù)據(jù)缺失、數(shù)據(jù)量較少或錯(cuò)誤數(shù)據(jù)。

(2) 預(yù)測模型所需要的個(gè)性化數(shù)據(jù)積累困難。由于汽車主動(dòng)響應(yīng)式交互是通過預(yù)測用戶的意圖發(fā)起響應(yīng)，為建立成功的汽車主動(dòng)響應(yīng)式交互，是否發(fā)起、什么時(shí)機(jī)發(fā)起、以何種方式發(fā)起都與個(gè)人的偏好密切相關(guān)，用戶意圖的預(yù)測必須建立在大量個(gè)性化數(shù)據(jù)的基礎(chǔ)上，但這些數(shù)據(jù)往往難以獲得，需要較長時(shí)間的積累。

(3) 在駕駛情境下，預(yù)測規(guī)則和模型的靈活性欠佳。駕駛情境十分復(fù)雜且多變，如果預(yù)測規(guī)則和模型是固定的，不能隨變化的環(huán)境而不斷調(diào)整會(huì)導(dǎo)致錯(cuò)誤的不斷積累，預(yù)測性能也會(huì)隨之逐漸下降甚至最終失效。

2 運(yùn)用智能交互提升預(yù)測準(zhǔn)確性的路徑

針對以上主動(dòng)響應(yīng)式交互中的問題，本文提出通過引入智能交互提升預(yù)測準(zhǔn)確性的路徑：在明確智能交互的特點(diǎn)以及提升預(yù)測模型準(zhǔn)確性所需的信息后，將智能交互引入主動(dòng)響應(yīng)式交互的機(jī)制中，提升預(yù)測準(zhǔn)確性，以優(yōu)化原有的主動(dòng)響應(yīng)式交互。

2.1 智能交互及其特點(diǎn)

智能交互是指為提升智能系統(tǒng)(如智能機(jī)器人)的性能而設(shè)計(jì)的人與智能系統(tǒng)的互動(dòng)過程，是目前智能機(jī)器人領(lǐng)域提升機(jī)器人性能的有效手段。智能交互是機(jī)器人的自適應(yīng)學(xué)習(xí)(adaptive learning)中的重要一環(huán)。自適應(yīng)學(xué)習(xí)是指在人與機(jī)器人的交互過程中，通過積累用戶的反饋或主動(dòng)好問式地向用戶詢問模型學(xué)習(xí)和提升所需要的關(guān)鍵信息，并據(jù)此適當(dāng)?shù)匦薷哪Ｐ图捌鋮?shù)，提升模型預(yù)測準(zhǔn)確性，從而支持模型的不斷地學(xué)習(xí)與修正，繼而完善和進(jìn)化。智能交互主要運(yùn)用于服務(wù)機(jī)器人的個(gè)性化服務(wù)中，例如，對于家庭服務(wù)機(jī)器人，需要適應(yīng)不同的家庭環(huán)境，并為每名家庭成員提供個(gè)性化服務(wù)，然而在開始之初，機(jī)器人不可能完全建立對每個(gè)家庭成員的認(rèn)知，這就需要能通過智能交互的方式主動(dòng)學(xué)習(xí)家庭成員的信息與偏好，逐步建立相關(guān)認(rèn)知和增強(qiáng)對每個(gè)成員的了解，從而更好地為不同的家庭成員服務(wù)。

在提升汽車智能系統(tǒng)的模型預(yù)測和推理決策的能力中，可以通過與用戶發(fā)生自然的多模態(tài)互動(dòng)的智能交互方式，獲取到系統(tǒng)所需要的信息。這樣可以解決上述的模型預(yù)測準(zhǔn)確性不高以及環(huán)境適應(yīng)性較弱的問題，優(yōu)化預(yù)測模型的預(yù)測結(jié)果。

2.2 提升預(yù)測準(zhǔn)確性所需的信息類型

提升模型預(yù)測準(zhǔn)確性的關(guān)鍵性數(shù)據(jù)和信息，主要有以下3類：

(1) 用戶使用習(xí)慣與行為偏好信息。用戶使用習(xí)慣指用戶在車內(nèi)的行為習(xí)慣(相對固定)，包括使用車內(nèi)媒介的行為、駕駛以及與行程相關(guān)的行為，是與建立用戶知識(shí)圖譜模型相關(guān)的信息，常與預(yù)測規(guī)則或模型直接關(guān)聯(lián)，如：用戶通常在周五下班回家時(shí)，會(huì)選擇繞路景致優(yōu)美的線路；在高速公路行駛時(shí)通常開窗；車內(nèi)有旁人時(shí)不接聽電話。行為偏好指用戶在涉及判斷、決策時(shí)的傾向，存在不確定性，如口味偏好、性價(jià)比偏好、購買習(xí)慣偏好等，例如在推薦餐館時(shí)，需要知道個(gè)人的口味偏好，以及在當(dāng)前情境下的選擇偏好；在推薦用戶加油時(shí)需要了解用戶該加油時(shí)的油量值。

(2) 上下文語境信息。是指當(dāng)下情境的表現(xiàn)，包括用戶當(dāng)下的語境以及狀態(tài)，以及環(huán)境的上下文，是補(bǔ)充環(huán)境、車和人知識(shí)圖譜模型時(shí)所需要的實(shí)時(shí)數(shù)據(jù)以及相互關(guān)聯(lián)的重要信息。如用戶當(dāng)下的情緒狀態(tài)、用戶決策時(shí)的上下文語境。例如到達(dá)某地點(diǎn)，用戶對于此地是否熟悉，當(dāng)前行程是否緊急，用戶當(dāng)前駕駛時(shí)的情緒狀態(tài)與心理狀態(tài)等。

(3) 模型學(xué)習(xí)的訓(xùn)練樣本數(shù)據(jù)信息。包括汽車對于某項(xiàng)功能或某決策執(zhí)行后，比對實(shí)際情況與推理結(jié)果及用戶對于其正誤的反饋，對缺失的信息進(jìn)行的補(bǔ)充。如，監(jiān)測到前方駕駛區(qū)域有行人時(shí)的提示是否有誤；對于提供信息的準(zhǔn)確度是否有誤，讓用戶對未知人臉圖像進(jìn)行身份標(biāo)注，獲取用戶不同側(cè)面的圖像信息等。

2.3 引入智能交互的技術(shù)機(jī)制

為了獲取提升預(yù)測準(zhǔn)確性所需的信息，在汽車主動(dòng)響應(yīng)式交互中引入智能交互, 以增強(qiáng)模型預(yù)測準(zhǔn)確性和環(huán)境適應(yīng)性。通過智能交互的幫助，及時(shí)、主動(dòng)地獲取對模型提升有用的數(shù)據(jù)和信息來修改預(yù)測的規(guī)則和模型，支持汽車主動(dòng)響應(yīng)式交互中預(yù)測模型的不斷學(xué)習(xí)與修正，繼而完善與進(jìn)化，使得汽車與人之間在雙向信息交流過程中，逐步加深彼此的了解，可最大程度地實(shí)現(xiàn)“想用戶之所想”，從而解決汽車主動(dòng)響應(yīng)式交互的技術(shù)機(jī)制中目前面臨的3大問題。問題1由第三類信息解決，問題2由第一類信息解決，問題3由第二、三類信息解決。

在汽車主動(dòng)響應(yīng)式交互中，人與系統(tǒng)所進(jìn)行的智能交互，大致有兩種方式，如圖2所示。①直接反饋式，系統(tǒng)根據(jù)實(shí)際的客觀情況對模型的推理結(jié)果進(jìn)行觀察、比對，獲取用戶對預(yù)測結(jié)果的反饋，根據(jù)反饋結(jié)果來修改模型。例如告訴機(jī)器是對還是錯(cuò)，或是從模型預(yù)測結(jié)果所提供的多個(gè)選項(xiàng)中選擇結(jié)果；②主動(dòng)向用戶詢問，為了完成某種特定任務(wù)，機(jī)器通過自我評估，判斷信息的缺失、模糊和錯(cuò)誤情況，據(jù)此主動(dòng)向用戶詢問，并搜集相關(guān)信息進(jìn)行模型的學(xué)習(xí)和提升，進(jìn)行所謂“好問式學(xué)習(xí)”。

圖2 引入智能交互的主動(dòng)響應(yīng)式交互技術(shù)機(jī)制

3 基于智能交互的主動(dòng)響應(yīng)式交互設(shè)計(jì)

3.1 主動(dòng)響應(yīng)式交互的應(yīng)用場景

汽車主動(dòng)響應(yīng)式交互的功能之一是汽車主動(dòng)向用戶發(fā)起一次互動(dòng)并完成的過程。主動(dòng)響應(yīng)式交互可能是一次互動(dòng)的開始，也可能服務(wù)于某項(xiàng)任務(wù)的任何階段。

主動(dòng)響應(yīng)式交互的功能體現(xiàn)在行車過程中的8類應(yīng)用場景，即：推送、推薦、提醒、建議、任務(wù)托管、自主調(diào)控、詢問、關(guān)懷。為了完成某一個(gè)特定任務(wù)，可能貫穿多個(gè)連續(xù)或不連續(xù)的主動(dòng)響應(yīng)式交互的應(yīng)用場景，如用戶停車這一任務(wù)中可能包含推薦停車場、提醒空車位、輔助停車中自動(dòng)調(diào)控等應(yīng)用場景。在8類應(yīng)用場景中，還分別包含若干下級應(yīng)用場景。通過對駕駛過程中用戶需求的分析，篩選出了對于場景類型中最重要且服務(wù)流程相對差異化的場景作為典型應(yīng)用場景，如圖3所示。在每一類的主動(dòng)響應(yīng)式交互的應(yīng)用場景下，均需遵循引入智能交互的框架與方法進(jìn)行設(shè)計(jì)。

圖3 主動(dòng)響應(yīng)式交互的典型應(yīng)用場景

3.2 基于智能交互的主動(dòng)響應(yīng)式交互設(shè)計(jì)框架

基于智能交互的主動(dòng)響應(yīng)式交互的設(shè)計(jì)由搭建具體場景下引入智能交互的主動(dòng)響應(yīng)式交互的框架；明確提升預(yù)測模型準(zhǔn)確度所需要的信息；為獲取所需信息的智能交互設(shè)計(jì)3步組成。

如圖4所示，主動(dòng)響應(yīng)式交互的基本架構(gòu)由編號①~③的3個(gè)灰色區(qū)域組成，即：數(shù)據(jù)輸入、用戶意圖預(yù)測模型與發(fā)起響應(yīng)動(dòng)作，輸入的數(shù)據(jù)包括觸發(fā)主動(dòng)響應(yīng)式交互發(fā)生的關(guān)鍵數(shù)據(jù)及高度相關(guān)的上下文數(shù)據(jù)。通過智能交互的引入，獲得提升預(yù)測模型準(zhǔn)確度所需要的信息，更新預(yù)測模型，完成對用戶意圖更準(zhǔn)確的地預(yù)測。

圖4 引入智能交互的主動(dòng)響應(yīng)式交互框架圖

提升預(yù)測模型準(zhǔn)確度所需要的信息，在上述的提升模型預(yù)測準(zhǔn)確性的關(guān)鍵性數(shù)據(jù)和信息類型中，是由具體的主動(dòng)響應(yīng)式交互應(yīng)用場景所決定。

智能交互包含其內(nèi)容、方式與出現(xiàn)點(diǎn)3類要素?！爸悄芙换サ膬?nèi)容” 是指智能交互設(shè)計(jì)中出現(xiàn)什么信息以及行動(dòng)，以獲取系統(tǒng)判斷信息缺失、模糊和錯(cuò)誤情況的內(nèi)容，且系統(tǒng)根據(jù)實(shí)際的客觀情況對模型的推理結(jié)果進(jìn)行觀察比對后，獲取用戶對預(yù)測結(jié)果的反饋與評估?！爸悄芙换サ姆绞健?是指根據(jù)內(nèi)容對當(dāng)下情境的主要任務(wù)的影響程度，選擇合適的出現(xiàn)形式，依托車內(nèi)的多模態(tài)環(huán)境的介質(zhì)進(jìn)行?！爸悄芙换サ某霈F(xiàn)點(diǎn)” 是指在制定的觸發(fā)條件或判斷邏輯后，內(nèi)容出現(xiàn)的情境與時(shí)間點(diǎn)。智能交互的設(shè)計(jì)中有可能包括一個(gè)或多個(gè)相對獨(dú)立的智能交互，靈活出現(xiàn)在主動(dòng)響應(yīng)式交互的過程中。在每一個(gè)完整的智能交互中，都以學(xué)習(xí)到提升預(yù)測模型準(zhǔn)確性的具體信息為“學(xué)習(xí)目標(biāo)”。

3.3 智能交互模塊設(shè)計(jì)的注意點(diǎn)

在主動(dòng)響應(yīng)式交互的智能交互設(shè)計(jì)中，要注意以下幾點(diǎn)：

(1) 保證智能交互的低打擾性。在設(shè)計(jì)時(shí)可以將智能交互的任務(wù)分散到多個(gè)情境與狀態(tài)下，避免用戶一次經(jīng)歷過多的交互流程，減輕用戶的負(fù)荷。

(2) 多通道的智能交互設(shè)計(jì)。在智能交互設(shè)計(jì)中，選擇一個(gè)通道為主要獲取通道，其他為輔助，以補(bǔ)充主要通道的信息，盡量避免重復(fù)信息的堆砌。

(3) 類人的交互隱喻。智能交互設(shè)計(jì)時(shí)，盡量以類人的、禮貌的方式進(jìn)行，自然貼近人與人之間的交流邏輯。根據(jù)智能交互出現(xiàn)的不同情境，隱喻的類人角色可以有助手型、伴侶型。助手型的特征是提供便捷、高效的相關(guān)服務(wù)。伴侶型的特征是提供更多知心關(guān)懷的相關(guān)服務(wù)。

(4) 引導(dǎo)用戶輸入。由于智能交互中所涉及的多為開放性問題，盡量增強(qiáng)系統(tǒng)對用戶回答的引導(dǎo)性，以確保獲取的信息對系統(tǒng)有用。具體而言，可以經(jīng)過系統(tǒng)處理信息后引導(dǎo)用戶進(jìn)行是或否的判斷性回答，也可以通過篩選答案后再向用戶詢問。

3.4 設(shè)計(jì)案例

在上述的主動(dòng)響應(yīng)式交互的典型應(yīng)用場景中，以建議用戶去加油的主動(dòng)響應(yīng)式交互為案例。車輛需要在油量較低且行程方便時(shí)建議用戶前往某加油站加油，并具體闡述基于智能交互的主動(dòng)響應(yīng)式交互設(shè)計(jì)。

在主動(dòng)響應(yīng)式交互的框架中，當(dāng)用戶駕駛車輛的油量小于一定閾值，車輛位置數(shù)據(jù)已知，且獲取附近有加油站，其模型預(yù)測用戶在此情境下的意圖是去符合自己需求的加油站加油。

提升預(yù)測準(zhǔn)確性所需要的信息包括：用戶偏好信息、當(dāng)前車輛位置信息與油量、當(dāng)前行程信息。用戶偏好信息包括油量緊急程度偏好、加油站品牌偏好。當(dāng)前行程信息包括當(dāng)前時(shí)間是否緊急、目的地路程與交通狀況、沿途有無合適的加油站。

如圖5所示，在建議用戶去加油的場景中主動(dòng)響應(yīng)式交互的邏輯，深色點(diǎn)表示需要智能交互介入的需求點(diǎn)。當(dāng)車輛油量低于用戶焦慮的閾值時(shí)，判斷當(dāng)前行程是否緊急，若行程不緊急，時(shí)間相對靈活，判斷用戶是否有品牌偏好，如果沒有品牌偏好，則推薦到沿途最近的加油站加油；若有品牌偏好，則建議到沿途喜好的品牌加油站，在具體情況中根據(jù)上下文情況做調(diào)整。如果判斷行程緊急，需進(jìn)一步判斷當(dāng)前油量能否到達(dá)目的地，如果可以到達(dá)目的地，告知用戶情況以緩解用戶焦慮，并建議回程加油；如果當(dāng)前油量不能到達(dá)目的地，判斷用戶是否有品牌偏好，若沒有品牌偏好，則推薦到沿途最近的加油站加油，若有品牌偏好，則建議到沿途喜好的品牌加油站，在具體情景中需根據(jù)上下文情況做調(diào)整。

圖5 建議加油主動(dòng)響應(yīng)式交互邏輯圖

智能交互的目標(biāo)為：學(xué)習(xí)用戶的油量緊急度偏好下用戶會(huì)焦慮的油量閾值、用戶有無加油站品牌偏好、偏好什么品牌。在獲取用戶的油量緊急度偏好的智能交互設(shè)計(jì)中，“智能交互的內(nèi)容”是獲知用戶在什么油量的情況下會(huì)產(chǎn)生焦慮。在用戶歷史行為的基礎(chǔ)上進(jìn)行確認(rèn)。“智能交互的方式”是通過自然的語音對話與輔以用戶面部識(shí)別?！爸悄芙换サ某霈F(xiàn)點(diǎn)”是在駕駛環(huán)境穩(wěn)定的情況下，如等候紅燈時(shí)。

如圖6所示，用戶歷史加油行為多發(fā)生在油量20%的情況下，當(dāng)汽車油量在20%以下，監(jiān)測到用戶關(guān)注油量表的頻率變高，在駕駛環(huán)境平穩(wěn)的情況下，汽車發(fā)出輕微提示音，主動(dòng)詢問用戶，并引導(dǎo)用戶進(jìn)行回答：“油量只剩20%了，該去加油了吧？”，如果用戶回答：“是的”，汽車確認(rèn)用戶的油量緊急度偏好為20%，如果用戶以否定回答則需要進(jìn)一步詢問。此時(shí)智能交互的角色隱喻為助手型，為用戶提供更有效的服務(wù)。

圖6 為獲取提升準(zhǔn)確度所需信息的智能交互設(shè)計(jì)Scenario

在獲取涉及用戶品牌偏好的智能交互設(shè)計(jì)中，“智能交互的內(nèi)容”可包括在日常加油歷史行為的基礎(chǔ)上確認(rèn)用戶平常有無固定的加油站品牌偏好，以及在某品牌加油站加油的行為發(fā)生變化時(shí)，詢問用戶行為變化的原因?！爸悄芙换サ姆绞健倍际峭ㄟ^自然的語音對話方式詢問?！爸悄芙换サ某霈F(xiàn)點(diǎn)”是在平時(shí)加完油安全行駛的路上，或與平時(shí)選擇加油站的行為出現(xiàn)變化時(shí)。用戶在去中石油加油站加完油，在等紅燈時(shí)，系統(tǒng)發(fā)出輕聲提示音“你平時(shí)都去中石油加油站，看來你很喜歡這個(gè)品牌？”，如果用戶給予肯定回答，則學(xué)習(xí)到用戶有品牌偏好及偏好品牌，學(xué)習(xí)到用戶有固定品牌偏好，即偏好去中石油加油站加油，如果給予否定則需要進(jìn)一步詢問。

當(dāng)某天用戶突然沒有去平時(shí)常去的中石油加油站加油，而是選擇中石化加油站加油，在保證駕駛安全的情況下，汽車發(fā)出輕微提示音，主動(dòng)詢問用戶：“咦？你今天怎么沒有去中石油加油站加油呀？”，用戶回答“今天中石化有折扣”，汽車回答“原來是這樣～”。汽車學(xué)習(xí)到用戶在有折扣時(shí)，會(huì)優(yōu)先選擇有折扣的品牌。此時(shí)智能交互的角色隱喻為助手型，為用戶提供更有效的服務(wù)。

通過智能交互，系統(tǒng)學(xué)習(xí)了用戶的油量緊急度閾值為剩余20%油量，用戶有加油站品牌偏好，并在有品牌折扣時(shí)優(yōu)先考慮有折扣的品牌。當(dāng)判斷當(dāng)前行程安排有相對靈活的時(shí)間，允許前往加油的前提下，系統(tǒng)將會(huì)在油量20%的情況下建議用戶加油。在沿途中石化油加油站有折扣優(yōu)惠的情況下，建議去中石化加油站加油。發(fā)起多通道的智能交互，系統(tǒng)發(fā)出急促的“滴滴”輕聲提示，語音播報(bào)“您當(dāng)前的油量低于20%，建議前往沿途的中石化加油站加油，享受7折優(yōu)惠，是否加入行程？”同時(shí)在數(shù)字儀表盤上顯示低油量的提示，在中控屏幕上顯示油量情況及具體建議——導(dǎo)航去建議加油站。用戶可以通過語音回答或者中控屏幕操作決定采取建議或拒絕建議，如圖7所示。

圖7 加油建議主動(dòng)響應(yīng)式交互設(shè)計(jì)表達(dá)

下一階段，將圍繞用戶加油建議場景，實(shí)現(xiàn)基于智能交互主動(dòng)響應(yīng)式的演示系統(tǒng)，完成從數(shù)據(jù)采集、用戶模型學(xué)習(xí)和意圖預(yù)測，主動(dòng)響應(yīng)到智能交互完整流程，開展用戶測試和實(shí)驗(yàn)，以驗(yàn)證在此場景下智能交互設(shè)計(jì)的有效性。

4 結(jié)束語

預(yù)測模型預(yù)測用戶意圖的準(zhǔn)確與否決定著主動(dòng)響應(yīng)式交互的體驗(yàn)好壞，將智能交互作為一種手段引入汽車主動(dòng)響應(yīng)式交互中，能夠有效解決這一問題。依據(jù)引入智能交互的設(shè)計(jì)框架，將獲取提升準(zhǔn)確度所需的信息作為設(shè)計(jì)目標(biāo)，遵循設(shè)計(jì)方法合理組織智能交互的設(shè)計(jì)要素，能夠幫助設(shè)計(jì)研者設(shè)計(jì)出預(yù)測準(zhǔn)確度高的主動(dòng)響應(yīng)式交互的方案，從而在特定的情境下精準(zhǔn)發(fā)起更加貼近用戶意圖的功能與響應(yīng)，使用戶獲得更加自然與個(gè)性化的用戶體驗(yàn)。

[1] BO B. Responsive media: media experiences in the age of thinking machines [EB/OL]. (2017-05-10) [2018-06-19]. http://creativecommons.org/licenses/by-nc-sa/4.0/.

[2] BRUSS M, PFALZGRAF A. Proactive assistance functions for HMIs through artificial intelligence [J]. Atz Worldwide, 2016, 118(12): 40-43.

[3] BADER R. Proactive recommender systems in automotive scenarios [D]. München: Technische Universit?t München, 2013.

[4] SENFT E, LEMAIGNAN S, BAXTER P E, et al. Leveraging human inputs in interactive machine learning for human robot interaction [C]//Companion of the 2017 ACM/IEEE International Conference on Human-Robot Interaction. New York: ACM Press, 2017: 281-282.

[5] CAKMAK M, CHAO C, THOMAZ A L. Designing interactions for robot active learners [J]. IEEE Transactions on Autonomous Mental Development, 2010, 2(2): 108-118.

[6] BADER R, SIEGMUND O, WOERNDL W. A study on user acceptance of proactive in-vehicle recommender systems [C]//Proceedings of the 3rd International Conference on Automotive User Interfaces and Interactive Vehicular Applications. New York: ACM Press, 2011: 47-54.

Proactive HMI Design Based on Smart Interaction

LI Jinglu, SUN Xiaohua, GUO Weiwei

(College of Design and Innovation, Tongji University, Shanghai 200092, China)

With the introduction to proactive HMI, the vehicle can predict users’ intentions and start functioning, thereby reducing distractions, increasing spirituality, and improving driving safety and user experience. With proactive HMI, the accuracy of the use intention prediction model at the mechanism levels to become the key to affecting the quality of the proactive HMI experience. However, there is lack of effective means for improving the accuracy of the user prediction model, and there is not sufficient relevant research. Intelligent interaction is an effective method to improve the performance of robots. By introducing this technology into the design of active responsive interaction, users’ intentions can be obtained to help to break for the bottlenecks of current algorithms. This paper proposes a framework of automobile active responsive interaction design based on smart interaction and using intelligent interaction to improve prediction accuracy, the key points that deserve attention are also listed, and the specific design case is illustrate.

proactive HMI; smart interaction; user intention prediction model

TP 391

10.11996/JG.j.2095-302X.2018040668

A

2095-302X(2018)04-0668-07

2018-04-09；

2018-06-11

上海市設(shè)計(jì)學(xué)Ⅳ類高峰學(xué)科資助項(xiàng)目(DA17003)

李璟璐(1990-)，女，山西太原人，博士研究生。主要研究方向?yàn)榻换ピO(shè)計(jì)。E-mail：lijinglu@#edu.cn

孫效華(1972-)，女，河南安陽人，教授，博士，博士生導(dǎo)師。主要研究方向?yàn)榻换ピO(shè)計(jì)。E-mail：xsun@#edu.cn