朱輝 陳瑋

摘 要：車輛的智能功能導(dǎo)致控制界面的復(fù)雜性提升，文章旨在建立一種評(píng)估車內(nèi)控制器復(fù)雜性的模型，并探討復(fù)雜性與任務(wù)績(jī)效之間的關(guān)系。研究框架通過(guò)三個(gè)復(fù)雜維度（功能、行為、結(jié)構(gòu)）和控制器相關(guān)變量組成，通過(guò)10輛車和 91名參與者進(jìn)行了用戶實(shí)驗(yàn)，用回歸分析方法檢驗(yàn)測(cè)量變量與感知控制器復(fù)雜度之間的關(guān)系，結(jié)果證明兩者之間存在相關(guān)性。功能維度變量的增加導(dǎo)致感知復(fù)雜性水平的增加，而行為維度變量不是統(tǒng)計(jì)上顯著的預(yù)測(cè)因子。結(jié)構(gòu)變量根據(jù)變量的特征表現(xiàn)出不同的結(jié)果。實(shí)驗(yàn)結(jié)果表明，任務(wù)性能與感知的復(fù)雜性水平呈負(fù)相關(guān)，同時(shí)滿意度隨著復(fù)雜性的增加而降低，并為管理車內(nèi)控制器的復(fù)雜性提供了理論依據(jù)。

關(guān)鍵詞：語(yǔ)音信號(hào)分離;盲源分離技術(shù);離散時(shí)間小波變換;獨(dú)量分類分析

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-5922（2021）06-0161-04

Abstract：The intelligent function of the vehicle leads to the increase of the complexity of the control interface. This paper aims to build a model to evaluate the complexity of the controller in the vehicle and explore the relationship between complexity and task performance. The research framework is composed of three complex dimensions （function， behavior， structure） and controller related variables， and user experiments are carried out by 10 cars and 91 participants. Regression analysis method is used to test the relationship between measurement variables and perceived controller complexity， and the results show that there is a correlation between them. The increase of functional dimension variables leads to the increase of perceived complexity， while behavioral dimension variables are not statistically significant predictors. Structural variables show different results according to their characteristics. The experimental results show that the task performance is negatively correlated with the perceived complexity level， and the satisfaction decreases with the increase of complexity， which provides a theoretical basis for the management of the complexity of the controller in the vehicle.

Key words：speech signal separation; blind source separation technology; discrete time wavelet transform; independent classification analysis

0 引言

由于信息和網(wǎng)絡(luò)技術(shù)的發(fā)展，車輛系統(tǒng)已經(jīng)變得足夠智能，為駕駛員提供許多方便的功能，如車載信息系統(tǒng)等，雖然各種智能功能為駕駛員提供了駕駛的方便，但也有明顯的缺點(diǎn)，比如車載界面越來(lái)越復(fù)雜[1]。特別是，許多物理控制器和接口組件被用于操作車載信息系統(tǒng)，導(dǎo)致對(duì)駕駛員執(zhí)行駕駛和非駕駛相關(guān)任務(wù)的認(rèn)知需求增加。這一現(xiàn)象必然會(huì)對(duì)駕駛性能產(chǎn)生負(fù)面影響。雖然以證明增加復(fù)雜性會(huì)對(duì)駕駛安全產(chǎn)生負(fù)面影響，但很少有研究來(lái)評(píng)估控制器的復(fù)雜性。此外，在以往的研究中，對(duì)車內(nèi)控制器復(fù)雜度的評(píng)估存在一些局限性，首先，研究人員通常關(guān)注單個(gè)界面設(shè)計(jì)因素，雖然這些評(píng)估的結(jié)果提供了信息，但是復(fù)雜性需要從整體的角度進(jìn)行評(píng)估，因?yàn)槎鄠€(gè)設(shè)計(jì)因素不可避免地是相互關(guān)聯(lián)的;第二，很少有研究試圖確定界面設(shè)計(jì)變量與車輛環(huán)境的主觀評(píng)價(jià)之間的關(guān)系，因此，通過(guò)開(kāi)發(fā)統(tǒng)計(jì)模型來(lái)評(píng)估車載接口的復(fù)雜性，并研究了感知控制器復(fù)雜度與操作員任務(wù)性能之間的關(guān)系。

1 相關(guān)研究

1.1 車載界面相關(guān)研究

在開(kāi)發(fā)新車輛的過(guò)程中考慮物理接口組件是很重要的，因?yàn)闀?huì)顯著地影響可用性和用戶體驗(yàn)。因此，相關(guān)研究人員對(duì)從小型和簡(jiǎn)單設(shè)備到系統(tǒng)接口進(jìn)行了廣泛的研究和評(píng)估[2]。特別是，以用戶為中心的設(shè)計(jì)方法，如啟發(fā)式、用戶測(cè)試和訪談等方式已廣泛地運(yùn)用于對(duì)界面的評(píng)價(jià)，對(duì)于小型設(shè)備（如智能手機(jī)），使用原型或?qū)嵨锬Ｐ蜏y(cè)試界面組件或形式因素的效果相對(duì)容易。然而，將這些方法應(yīng)用到大型和復(fù)雜的接口是困難的，因此，研究者通常采用雙任務(wù)方法來(lái)檢驗(yàn)界面設(shè)計(jì)組件的效果[3]。這些方法是有效和重要的，因?yàn)橹饕蝿?wù)的執(zhí)行與駕駛安全密切相關(guān)，雖然可以根據(jù)對(duì)單個(gè)變量的研究結(jié)果來(lái)研究單個(gè)變量的影響和設(shè)計(jì)界面，但不能忽視變量之間交互的附加影響，這些影響可能會(huì)對(duì)駕駛造成意外結(jié)果。

定量建模方法彌補(bǔ)了這些缺陷，幫助研究人員評(píng)估兩個(gè)以上變量的影響并比較不同的系統(tǒng)。此外，基于變量級(jí)別檢測(cè)變化相對(duì)容易，因此，大量的研究使用基于可測(cè)量參數(shù)的定量建模方法來(lái)評(píng)估人類行為或車輛環(huán)境中界面組件的感知，如滿意度、視覺(jué)復(fù)雜度[4]，司機(jī)姿勢(shì)[5]。在本文中，開(kāi)發(fā)并驗(yàn)證了一個(gè)定量模型來(lái)評(píng)估車內(nèi)控制器的復(fù)雜性。

1.2 人類因素的復(fù)雜性研究

在人類因素和人類系統(tǒng)交互領(lǐng)域進(jìn)行了幾類復(fù)雜性研究，可分為理論研究和實(shí)踐研究。前者包括涉及復(fù)雜性定義、復(fù)雜性類型和影響復(fù)雜性的因素的研究，而后者側(cè)重于基于復(fù)雜性的設(shè)計(jì)、復(fù)雜性度量和量化，以及復(fù)雜性與人類性能之間的相互關(guān)系。每個(gè)主題都與其他主題相關(guān)，例如，根據(jù)復(fù)雜性的定義選擇復(fù)雜度因子。這些因素提供了基于復(fù)雜的設(shè)計(jì)、定量研究和人類績(jī)效研究的基本概念信息。一般來(lái)說(shuō)，復(fù)雜性有幾種不同的定義，它們基于與特定領(lǐng)域相關(guān)的重要特征，因?yàn)楹茈y在單個(gè)句子中定義復(fù)雜性。對(duì)于人的因素，根據(jù)人與系統(tǒng)之間交互的焦點(diǎn)，可以定義不同的復(fù)雜性類型。例如，可將復(fù)雜性分為客觀和主觀復(fù)雜性，目標(biāo)復(fù)雜性是基于技術(shù)設(shè)計(jì)的特性或面向情境的因素，如任務(wù)復(fù)雜性、過(guò)程復(fù)雜性和人機(jī)界面（HMI）復(fù)雜性等;主觀復(fù)雜性指的是人類操作員如何主觀地感知和意識(shí)到復(fù)雜性的程度，比如感知的復(fù)雜性。也可以根據(jù)目標(biāo)的特征將復(fù)雜性分為非行為復(fù)雜性和行為復(fù)雜性，關(guān)于非行為復(fù)雜性的研究傳統(tǒng)上關(guān)注于特定系統(tǒng)的狀態(tài)，如計(jì)算復(fù)雜性、軟件復(fù)雜性和物理系統(tǒng)復(fù)雜性，而對(duì)行為復(fù)雜性的研究試圖解決心理和行為問(wèn)題，包括感知、認(rèn)知和動(dòng)作復(fù)雜性。根據(jù)這些定義和復(fù)雜性的類型，選擇了各種因素。Lee等人[6]試圖解釋感知視覺(jué)復(fù)雜性與三個(gè)因素之間的關(guān)系：數(shù)量、多樣性和關(guān)系。

1.3 控制器接口設(shè)計(jì)

為了評(píng)估車載控制器的復(fù)雜性，應(yīng)該從系統(tǒng)的角度分析接口特性。由于大量設(shè)備和大量信息的存在，有必要對(duì)用戶面臨的情況進(jìn)行結(jié)構(gòu)化分析。因此，根據(jù)系統(tǒng)的方法和目的，基于抽象層次劃分系統(tǒng)的功能方面。設(shè)計(jì)了基于功能-行為-結(jié)構(gòu)（Function–Behavior–Structure，F(xiàn)BS）框架，其中功能是設(shè)計(jì)的目的，也就是它的目的論;行為指的是可從結(jié)構(gòu)派生的屬性，而結(jié)構(gòu)指的是工件的元素及其相互關(guān)系。FBS框架比較系統(tǒng)接口的期望行為及其結(jié)構(gòu)，此過(guò)程將系統(tǒng)結(jié)構(gòu)轉(zhuǎn)換為描述，F(xiàn)BS框架不僅可以分析用戶界面，而且在結(jié)構(gòu)上也可以分析復(fù)雜性。定義了分析車載控制器復(fù)雜性所需的功能、行為和結(jié)構(gòu)組件。功能復(fù)雜性組件包括與各種功能相關(guān)的界面設(shè)計(jì)變量，行為復(fù)雜性組件描述了影響人機(jī)行為的界面設(shè)計(jì)變量，結(jié)構(gòu)復(fù)雜性組件包括基本的物理用戶界面設(shè)計(jì)變量。

2 研究方法

2.1 研究框架

為了評(píng)估車載控制器的復(fù)雜性，本文開(kāi)發(fā)并驗(yàn)證了一個(gè)研究模型。在相關(guān)研究的基礎(chǔ)上，收集并選擇了車內(nèi)界面設(shè)計(jì)變量作為自變量來(lái)開(kāi)發(fā)復(fù)雜模型。研究的參與者評(píng)估了每輛車的復(fù)雜性分?jǐn)?shù)，這些分?jǐn)?shù)作為模型的因變量;參與者在這個(gè)過(guò)程中執(zhí)行控制任務(wù)，并根據(jù)他們的經(jīng)驗(yàn)進(jìn)行評(píng)估。根據(jù)得到的數(shù)據(jù)建立了一個(gè)統(tǒng)計(jì)模型，通過(guò)分析控制任務(wù)性能之間的相關(guān)性，驗(yàn)證了所建立模型的有效性。

2.2 實(shí)驗(yàn)設(shè)計(jì)

參與者：招募了92名參與者（男41歲，女51歲），年齡在20～71歲（平均43.56歲，SD=12.50歲）。所有參與者都必須持有有效的駕駛執(zhí)照，以及他們自己或家人經(jīng)常駕駛的車輛。那些有駕照但不經(jīng)常開(kāi)車的人被排除在外，所有參與者在駕駛過(guò)程中沒(méi)有任何視覺(jué)上的困難，并且自由移動(dòng)他們的手來(lái)執(zhí)行控制任務(wù)時(shí)沒(méi)有任何不便[7-9]。

設(shè)備：實(shí)際車輛需要考慮以下標(biāo)準(zhǔn)，首先，汽車品牌僅限于國(guó)內(nèi)制造商;其次，考慮具有各種車內(nèi)控制器和接口配置的車輛。結(jié)果，我們實(shí)際使用了10輛不同的汽車：兩輛緊湊型汽車、兩輛運(yùn)動(dòng)型多功能車和六輛轎車。

任務(wù)：為了研究感知的控制器復(fù)雜度，要求參與者使用車載控制器執(zhí)行任務(wù)，如圖1所示。

因此，實(shí)驗(yàn)參與者完成了兩類任務(wù)。一類是娛樂(lè)相關(guān)的任務(wù)：包括打開(kāi)/關(guān)閉音頻系統(tǒng)的電源，在FM/AM模式之間切換，調(diào)優(yōu)無(wú)線電頻率，控制音量，以及改變音頻/CD播放模式。與空調(diào)有關(guān)的工作包括：打開(kāi)/關(guān)閉前/后擋風(fēng)玻璃防凍層，改變空氣循環(huán)方式，控制溫度，控制風(fēng)量。

2.3 實(shí)現(xiàn)過(guò)程

首先，實(shí)驗(yàn)組織者解釋了整個(gè)實(shí)驗(yàn)過(guò)程。在實(shí)驗(yàn)開(kāi)始前，參與者填寫了一份書面表格，給出了知情同意，并提供了與他們的年齡、性別和駕駛經(jīng)驗(yàn)有關(guān)的人口統(tǒng)計(jì)信息。參與者被告知，如果他們對(duì)實(shí)驗(yàn)感到不舒服，他們可以隨時(shí)退出。在準(zhǔn)備之后，參與者完成指定的任務(wù)，然后填寫一組問(wèn)卷，這是對(duì)感知復(fù)雜性的評(píng)估。一半的參與者先完成娛樂(lè)任務(wù)，另一半先完成與空調(diào)有關(guān)的任務(wù)。圖1顯示了實(shí)驗(yàn)環(huán)境，實(shí)驗(yàn)車輛的順序被隨機(jī)化以消除學(xué)習(xí)效果和疲勞的可能性。最后對(duì)車載控制器進(jìn)行了快速訪談，整個(gè)過(guò)程耗時(shí)約為90min，圖2為整個(gè)實(shí)驗(yàn)過(guò)程。

2.4 數(shù)據(jù)收集

（1）界面設(shè)計(jì)變量。本章將研究范圍限制在方向盤的控制器和車輛的中心筋膜上。3名不同的研究人員評(píng)估了每輛車的界面設(shè)計(jì)變量，首先創(chuàng)建了一個(gè)準(zhǔn)則來(lái)規(guī)范測(cè)量過(guò)程。在指導(dǎo)方針的基礎(chǔ)上，3位研究人員獨(dú)立測(cè)量了所有車輛的變量數(shù)據(jù)，以減少誤差的可能性。在分別測(cè)量變量之后，比較了這三組數(shù)據(jù)以確定值，如表2所示為10輛車的測(cè)量變量的最小值、最大值和平均值。

（2）主觀復(fù)雜性評(píng)估。本文收集參與者的主觀復(fù)雜度評(píng)估數(shù)據(jù)，建立控制器復(fù)雜度的統(tǒng)計(jì)模型。采用問(wèn)卷調(diào)查法對(duì)復(fù)雜性進(jìn)行評(píng)價(jià)，并在前人研究的基礎(chǔ)上制定問(wèn)卷項(xiàng)目，本問(wèn)卷旨在評(píng)估三項(xiàng)控制器復(fù)雜度及一項(xiàng)滿意度。評(píng)估復(fù)雜度的項(xiàng)目如下：①總體而言，車輛的控制器過(guò)于復(fù)雜，無(wú)法執(zhí)行任務(wù);②車輛的控制器難以使用;③車輛的控制界面設(shè)計(jì)簡(jiǎn)單。

（3）任務(wù)績(jī)效。使用攝像機(jī)記錄實(shí)驗(yàn)過(guò)程來(lái)驗(yàn)證任務(wù)的性能，采用基于視頻圖像計(jì)算任務(wù)性能。首先，使用以下標(biāo)準(zhǔn)對(duì)任務(wù)成功進(jìn)行分類：如果參與者完成一項(xiàng)任務(wù)的時(shí)間超過(guò)了15s，根據(jù)之前研究得出的驅(qū)動(dòng)信息系統(tǒng)的15s規(guī)則，該任務(wù)被認(rèn)為是失敗的。此外，如果任務(wù)的目標(biāo)沒(méi)有實(shí)現(xiàn)，即使參與者在15s內(nèi)完成任務(wù)，任務(wù)也被歸類為失敗。所有的任務(wù)都被分為成功或失敗，根據(jù)結(jié)果，計(jì)算每輛車的成功率。

2.5 實(shí)驗(yàn)結(jié)果

使用任務(wù)成功率作為任務(wù)性能度量，平均任務(wù)成功率相對(duì)較高，因?yàn)槿蝿?wù)由所有車輛提供的一般功能組成。然而，單因素方差分析顯示，車輛間任務(wù)成功率存在顯著差異（F = 17.73，p<0.01），為了檢驗(yàn)這些差異，本文使用三向方差分析年齡、性別和復(fù)雜性水平組對(duì)任務(wù)成功率的影響，結(jié)果證實(shí)年齡和復(fù)雜性水平組的影響顯著，而性別影響不顯著。男性和女性的平均成功率分別為0.89和0.86。按年齡劃分的平均成功率如下：20多歲的參與者為0.94;30多歲的參與者為0.92;40多歲的參與者為0.87;50多歲的參與者為0.79;60多歲的參與者為0.75。高復(fù)雜度組平均成功率為0.82，低復(fù)雜度組平均成功率為0.92。每對(duì)變量之間的交互作用效果顯著，但三個(gè)變量之間的交互作用效果不顯著，如圖3顯示了任務(wù)性能的差異對(duì)比。

3 結(jié)語(yǔ)

首先，本研究擴(kuò)展了現(xiàn)有的有關(guān)人機(jī)交互和人為因素領(lǐng)域的復(fù)雜性研究。雖然研究人員多年來(lái)一直關(guān)注復(fù)雜性研究，但研究領(lǐng)域是有限的（例如，視覺(jué)復(fù)雜性和任務(wù)復(fù)雜性）。因此，文章的研究可以讓研究者更深入地研究復(fù)雜性;其次，基于FBS框架選擇了導(dǎo)致復(fù)雜性的因素，并測(cè)試了這些變量對(duì)控制器復(fù)雜度的影響，通過(guò)這個(gè)過(guò)程，驗(yàn)證了現(xiàn)有知識(shí)和FBS框架在接口開(kāi)發(fā)和設(shè)計(jì)理論中的適用性。最后，基于所建立的模型和快速訪談的結(jié)果，通過(guò)調(diào)查性實(shí)驗(yàn)驗(yàn)證了車內(nèi)控制器的復(fù)雜度對(duì)駕駛員執(zhí)行任務(wù)時(shí)的困難關(guān)系。

參考文獻(xiàn)

[1]Hwangbo H， Lee S C， Ji Y G. Complexity Overloaded in Smart Car： How to Measure Complexity of In-vehicle Displays and Controls[C]// The， International Conference， 2016：81-86.

[2]P.A. Hancock，B.D. Sawyer，S. Stafford.The effects of display size on performance[J]. Ergonomics， 2015，58（3）：337-54.

[3]Large David R，Crundall Elizabeth， Burnett Gary，et al. Driving without wings： The effect of different digital mirror locations on the visual behaviour， performance and opinions of drivers.[J]. Applied Ergonomics， 2016， 55：138-148.

[4] Hwangbo H， Lee S C， Ji Y G. Complexity Overloaded in Smart Car： How to Measure Complexity of In-vehicle Displays and Controls？[C]// The， International Conference， 2016：81-86.

[5]Park Jangwoon，Ebert Sheila M，Reed Matthew P，et al.Statistical Models for Predicting Automobile Driving Postures for Men and Women Including Effects of Age.[J]. Human Factors， 2016， 58（2）：261-278.

[6]Lee，Hwangbo，Ji. Perceived Visual Complexity of In-Vehicle Information Display and Its Effects on Glance Behavior and Preferences[J]. International Journal of Human-Computer Interaction， 2016， 32（8）：654-664.

[7]侯進(jìn)森.基于單電機(jī)低速純電動(dòng)汽車整車控制器的研究[D].聊城：聊城大學(xué)，2018.

[8]朱園園.純電動(dòng)汽車自動(dòng)起步控制策略研究[D].長(zhǎng)沙：湖南大學(xué)，2017.

[9]王江.基于語(yǔ)音識(shí)別技術(shù)的智能車載系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].北京：中國(guó)科學(xué)院大學(xué)（中國(guó)科學(xué)院工程管理與信息技術(shù)學(xué)院），2017.