胡宏宇 刁小桔 高菲 高振海,

（1.吉林大學(xué)，汽車仿真與控制國家重點實驗室，長春 130022；2.吉林大學(xué)，汽車工程學(xué)院，長春 130022）

主題詞：自動駕駛汽車 人機交互 行人意圖識別 行為預(yù)測

1 前言

自動駕駛是影響未來移動出行的關(guān)鍵技術(shù)之一[1-2]，可帶來高效、便捷的出行體驗[3]。國際自動機工程師學(xué)會（Society of Automotive Engineers，SAE）詳細(xì)定義了駕駛自動化的6 個級別[4]。其中，L3 級以上的高級別自動駕駛是目前產(chǎn)業(yè)界與學(xué)術(shù)界關(guān)注的重點。隨著自動駕駛的核心技術(shù)，如環(huán)境感知、路徑?jīng)Q策規(guī)劃、運動控制技術(shù)的不斷成熟，以及車載硬件算力、通信性能的進(jìn)一步提升，自動駕駛汽車已在部分城市開放道路進(jìn)行測試應(yīng)用[5]。由于行人等交通參與者的運動行為具有隨機性，城市道路場景涉及的人、車混行交通對于自動駕駛汽車來說極其復(fù)雜。因此，為了加快自動駕駛汽車在城市路況下的安全高效應(yīng)用，自動駕駛汽車與其他交通參與者的交互問題逐漸成為研究熱點，受到眾多汽車企業(yè)及科研機構(gòu)的關(guān)注。

自動駕駛車外人機交互旨在通過有效的交互顯示方式，使其他交通參與者快速有效地理解當(dāng)前車輛的行駛意圖并做出合理決策，提升交通參與者對自動駕駛汽車的信任度和接受度。這項技術(shù)對于確保交通使用者安全、提高交通運輸效率、減少擁堵具有重要的意義。

本文針對自動駕駛車外人機交互關(guān)鍵內(nèi)容開展綜述研究，闡述交互的分類和意義，著重探討行人與智能汽車的交互，從行人檢測與跟蹤、意圖識別及行為預(yù)測，自動駕駛汽車的決策、意圖表達(dá)和人機交互界面設(shè)計等方面展開現(xiàn)狀調(diào)研，進(jìn)而總結(jié)車外人機交互方式質(zhì)量評估的方法，最后提出車外人機交互界面未來的發(fā)展需求。

2 自動駕駛?cè)藱C交互分類

自動駕駛?cè)藱C交互技術(shù)可以劃分為車內(nèi)人機交互與車外人機交互。本文重點關(guān)注后者。

2.1 車內(nèi)人機交互

車內(nèi)人機交互可以分為被動式和主動式交互。被動式交互即由人向機器輸入指令，機器執(zhí)行并輸出結(jié)果反饋給人，這種交互方式通常需要駕駛員將視線從路面上移開，可能會帶來安全隱患。主動式交互是指機器可以主動從外界獲取信息并進(jìn)行決策判斷，這種交互方式可以使駕駛員專心完成駕駛?cè)蝿?wù)甚至非駕駛?cè)蝿?wù)，精確和無感知的主動交互可以減少駕駛干擾和提升信息傳遞效率。

2.2 車外人機交互

2.2.1 人工駕駛時期

人工駕駛時期，車輛由駕駛員控制，駕駛員與行人之間的互動成為交通正常運行的一個關(guān)鍵問題。在沒有信號燈的情況下，為保證混合交通的高效性及駕駛員與行人雙方的安全，駕駛員和行人通常會預(yù)測其他道路使用者的意圖和軌跡[6]，并尋求通過有意的交流互動建立相互的情景意識[7]。通過檢測和分析行人在各種條件下穿越（或試圖穿越）街道時的行為[8]及駕駛員對意圖通過人行橫道的行人的反應(yīng)[9]，可以確定駕駛員與行人成功交互的影響因素，如駕駛員的行為、與駛近車輛的距離、車速等。在距離較近且速度較低的情況下，駕駛員和行人能夠通過手勢、頭部動作、目光接觸、車輛信號（例如閃光燈或喇叭）以及表示意圖的身體動作來相互交流[6,10]。但當(dāng)遠(yuǎn)距離交互時，明確的溝通很少或根本不存在，此時車輛的運動模式和行為對行人起著更重要的作用[11]。

2.2.2 自動駕駛時期

隨著車輛自動化水平的提高，駕駛員可以從事與駕駛無關(guān)的任務(wù)，例如閱讀、社交或睡覺，此時駕駛?cè)蝿?wù)部分甚至全部由車輛承擔(dān)，駕駛員與其他交通參與者的交互變成了自動駕駛汽車與其他道路使用者的交互，人機交互因此也從車內(nèi)擴展到車外，由此產(chǎn)生了新的設(shè)計挑戰(zhàn)，包括從駕駛員到道路使用者的視角變化，以及從由人操縱的系統(tǒng)到在公共空間主動做出決策的智能系統(tǒng)的視角變化[12]。研究發(fā)現(xiàn)，隨著控制權(quán)的轉(zhuǎn)移，行人感知的安全性可能會降低，過馬路的意愿下降，溝通需求發(fā)生了變化，為了確保安全地交互，亟需以其他方式（例如通過外部車輛接口）向行人提供相應(yīng)的信息[13]。

3 自動駕駛車外交互意義

保證道路交通安全是自動駕駛的第一要務(wù)。交互的目的是在混合交通環(huán)境中確保所有道路使用者，特別是弱勢道路使用者（Vulnerable Road Users，VRUs）的安全[1]。其次，自動駕駛汽車與其他道路使用者的有效互動可以提高交通運輸?shù)男剩瑴p少擁堵。

由于行人是道路使用者中的重要組成部分，且行人經(jīng)常不遵守交通規(guī)則穿行道路，他們的行為具有高度不可預(yù)測性，由行人不恰當(dāng)?shù)卮┰降缆范鴮?dǎo)致的死亡人數(shù)約占行人總死亡人數(shù)的50%[14]。研究結(jié)果表明，與車輛的意圖未知時相比，當(dāng)車輛的意圖被傳達(dá)時，行人的反應(yīng)更積極、更具可預(yù)測性[15]，行人更有信心過馬路[16]。當(dāng)行人與自動駕駛車輛相遇時，如果車輛的行駛模式和意圖能夠有效地傳達(dá)給行人，行人感知安全性將大幅提高，進(jìn)而增加自動駕駛汽車的接受度[17]。

因此，可靠有效的交互對于所有道路使用者來說均具有重要的意義，到目前為止，自動駕駛技術(shù)盡管取得了良好的進(jìn)展，但仍有許多困難有待克服，例如在惡劣天氣條件下的精準(zhǔn)識別，可靠地預(yù)測行人和自行車騎行者的意圖和行為[18]等。除此以外，由于我國交通法規(guī)并沒有規(guī)定車輛在任何情況下都要讓路于行人，特別是在無信號燈的交叉路口，如何使自動駕駛汽車像駕駛員一樣能夠與行人互動并做出合理決策也是本文探討的主要內(nèi)容。

4 自動駕駛車外人機交互支撐技術(shù)概況

自動駕駛車外人機交互的前期支撐技術(shù)主要包含交通參與者的檢測與跟蹤及其行進(jìn)意圖識別與行為預(yù)測等幾個組成模塊。

4.1 行人檢測與跟蹤

自動駕駛的環(huán)境感知系統(tǒng)主要包括目標(biāo)檢測、道路和車道檢測、目標(biāo)跟蹤[3]。行人檢測是目標(biāo)檢測的典型實例，如圖1 所示，由于其研究成果在汽車安全、監(jiān)控、機器人、老年人和殘疾人護(hù)理方面的潛在應(yīng)用[19-20]，近年來引起了廣泛關(guān)注。行人屬于動態(tài)對象，行為隨機，外表顏色多樣，對行人的檢測相對較難。目前行人檢測主要通過傳統(tǒng)機器學(xué)習(xí)和深度學(xué)習(xí)的方法。

圖1 行人檢測實例[21]

基于傳統(tǒng)機器學(xué)習(xí)的方法主要基于特征構(gòu)建結(jié)合淺層分類器的方式實現(xiàn)，具體的方法主要有Viola &Jones檢測器、梯度方向直方圖結(jié)合支持向量機、可變局部檢測器等。大多數(shù)行人檢測方法基于手工提取特征，在復(fù)雜場景下準(zhǔn)確率較低[21]，且運算成本很大，較難在實車計算平臺上普及應(yīng)用。隨著深度學(xué)習(xí)算法，特別是卷積神經(jīng)網(wǎng)絡(luò)的不斷發(fā)展，許多計算機視覺任務(wù)（如圖像分類、目標(biāo)檢測和分割）的準(zhǔn)確性得到提升[22]，行人檢測和跟蹤已經(jīng)成為計算機視覺研究的一個重要領(lǐng)域[19]，逐步出現(xiàn)了基于深度卷積神經(jīng)網(wǎng)絡(luò)及其改進(jìn)形式等諸多方法[20]。Zhao 等人利用基于快速反應(yīng)神經(jīng)網(wǎng)絡(luò)框架的卷積神經(jīng)網(wǎng)絡(luò)提取魯棒的行人特征，實現(xiàn)復(fù)雜環(huán)境下高效的行人檢測[21]。Tomè 等人提出了一種基于深度學(xué)習(xí)并采用通用卷積網(wǎng)絡(luò)的行人檢測系統(tǒng)，該系統(tǒng)優(yōu)于傳統(tǒng)方法的體系結(jié)構(gòu)，實現(xiàn)了較高的任務(wù)精度和較少的計算時間[22]。除了采用深度學(xué)習(xí)，Toker 等人提出毫米波雷達(dá)算法，通過從雷達(dá)圖像中提取某些特征區(qū)分雷達(dá)視場中的行人和車輛，其在不同的光照和環(huán)境條件（例如白天、夜晚、霧天等）下運行無需進(jìn)行大量的計算[23]。

在各種可跟蹤對象中，人體跟蹤除與圖像分割相關(guān)的問題外，還需考慮大量條件和變量，因而變得非常困難。視頻跟蹤允許在一段時間內(nèi)使用多個傳感器定位和跟蹤單個或多個對象，來自立體視覺或深度相機的三維附加信息可用于跟蹤行人在三維空間中的位置，其中感興趣區(qū)域（Regions of Interest，ROIs）的識別是大多數(shù)計算機視覺應(yīng)用（包括目標(biāo)跟蹤）中最重要的一步[19]。

4.2 行人意圖識別與行為預(yù)測

行人是VRUs之一，其意圖識別及行為預(yù)測對智能汽車的主動安全系統(tǒng)與車外人機交互至關(guān)重要[24]。

對行人進(jìn)行意圖識別與行為預(yù)測，首先要了解影響行人對過馬路進(jìn)行決策的因素。研究結(jié)果表明，行人的穿越?jīng)Q策除了與接近的車輛的距離、道路基礎(chǔ)設(shè)施特征如道路寬度和斑馬線的存在外，還受到參與者的年齡、性別、對自動駕駛車輛的熟悉程度以及接近的車輛是否為自動駕駛車輛的顯著影響[25-26]。此外，個體的特定特征，如冒險和違反交通規(guī)則的意愿，以及對自動駕駛車輛的信任也是影響決策的主要潛在因素之一[25-26]。

行人的意圖可以通過觀察其過去和現(xiàn)在的行為來評估，包括運動軌跡、當(dāng)前的活動和環(huán)境，如圖2 所示。純粹依賴于數(shù)據(jù)意味著假設(shè)在所有相關(guān)信息都為系統(tǒng)所知的情況下對行人行走方向進(jìn)行建模，這些模型要么基于動態(tài)信息，例如行人的位置和速度，要么考慮場景的上下文信息，例如行人單獨行走或是成群行走，以及他們到路緣的距離等[27]。Camara 等人提出了一種新的基于在受控實驗室環(huán)境中跟蹤真實人類的經(jīng)驗協(xié)議，該協(xié)議能夠推斷人類對相互作用的偏好，即如何權(quán)衡時間成本和碰撞成本，將順序雞模型（Sequential Chicken Model）的參數(shù)與從半結(jié)構(gòu)化試驗環(huán)境中收集的人類行為相匹配，可以用來預(yù)測和控制行人的行為[28]。

圖2 行人意圖識別實例[27]

預(yù)測行人的運動尤其困難，因為與車輛相比，他們在結(jié)構(gòu)化程度較低的環(huán)境中運動的隨機性較高，并且慣性較小?？紤]到這種不確定性，Wu等人提出了一種使用馬爾可夫鏈對行人運動進(jìn)行概率預(yù)測的方法，明確地根據(jù)與其他交通參與者的碰撞概率來調(diào)整預(yù)測，如圖3所示[24]。Camara等人通過建立識別行人的肢體語言、手勢和人口統(tǒng)計信息的系統(tǒng)以預(yù)測他們可能的目標(biāo)和行為，目前主動控制行人互動的模型，包括博弈論模型，仍處于起步階段，可靠地感知、檢測、識別和跟蹤行人可以為建模交互和博弈論模型提供足夠的數(shù)據(jù)[29]。

圖3 行人軌跡預(yù)測[24]

4.3 自動駕駛汽車的決策

在無信號燈的路口發(fā)生過街行為時，并沒有交通法規(guī)規(guī)定一方必須讓路于另一方，由此行人和自動駕駛汽車通過爭奪此道路共享空間獲得優(yōu)先使用權(quán)，利用交互進(jìn)行協(xié)商，這是一個基于博弈論的互動[30]。所以對行人行為進(jìn)行預(yù)測后，自動駕駛汽車也應(yīng)根據(jù)當(dāng)前情境進(jìn)行分析決策，而不是在決策算法中被設(shè)計為每當(dāng)行人進(jìn)行阻礙時就停止。由于在無信號的路口幾乎沒有針對行人的交通法規(guī)，發(fā)生交通事故很難判定責(zé)任，如果自動駕駛汽車總是讓步于行人，行人可能會以為自己在每次交互中都被優(yōu)先考慮和讓行而無理由地橫穿馬路[31]。此外，自動駕駛汽車的發(fā)展也將停滯不前。為了使自動駕駛汽車能夠決定何時采取行動，Camara等人收集和分析了來自真實世界人類道路交叉口的詳細(xì)的、手動注釋的時間數(shù)據(jù)，并結(jié)合這些數(shù)據(jù)開發(fā)了新的實時視聽控制器[30]。

5 自動駕駛汽車行駛意圖表達(dá)

5.1 交互需求及表達(dá)方式

自動駕駛汽車行駛意圖的表達(dá)主要有2種方式：一是隱性交互，即車輛自身的運動，例如減速則行人知道汽車將會讓行[32]；二是顯性交互，即通過車外人機交互界面進(jìn)行，非正式通信不足時，外部人機界面（External Human-Machine Interface，eHMI）可以通過向其他交通參與者提供相關(guān)信息來增強行人與自動駕駛汽車之間的安全和有效通信[33]。研究發(fā)現(xiàn)，行人更可能使用運動信息了解車輛的意圖[34]，隱性溝通（即車輛速度、軌跡和距離）被認(rèn)為是主要的溝通方式[5]，然而，Song等人的試驗證明了隱性（僅靠車輛自身運動而無eHMI）和顯性（有eHMI）通信的交叉頻率和反應(yīng)時間存在顯著差異[35]。Lagstr?m 等人的調(diào)查發(fā)現(xiàn)，行人很容易理解eHMI 傳遞的信號，并認(rèn)為其溝通更清晰，更可用[36]。外部界面與車輛物理行為的良好結(jié)合有助于提高行人在互動中的安全感和舒適感[32]，隱式和顯式溝通的結(jié)合更加有助于行人理解車輛的意圖[37]。

車輛與行人交互時行人需要的通信信息可以分為車輛的狀態(tài)、車輛的意圖和車輛對行人的建議，如圖4所示。其中狀態(tài)信息可分為識別信息、速度信息和駕駛模式信息，識別信息意味著eHMI 表示它是否已經(jīng)識別或感知到行人，速度信息表明車輛行駛的速度以及車速是否在變化，駕駛模式信息表明此時車輛是自動駕駛還是手動駕駛；意圖信息描述了車輛在下一時刻將做什么；對行人的建議表示自動駕駛汽車對行人是否可以安全通過的指示[32]。

圖4 自動駕駛汽車的車外交互信息表達(dá)

如圖4所示，相關(guān)信息的傳遞普遍使用視覺或聽覺通信通道，視覺信息可以以文字、圖標(biāo)或燈光圖案的形式顯示在屏幕上或投射在路上[38]，聽覺信息可以通過信號音或語音表達(dá)。Montalvo 等人[39]認(rèn)為目前eHMI 主要包括如下幾個部分：文本信息，通常顯示在車輛前風(fēng)窗玻璃上且有顏色；符號，與人行橫道中使用的符號類似的綠色或紅色的“人”；發(fā)光二極管照明，表示情感，例如微笑；穿過車輛前方的條帶，利用不同顏色及燈光變換來表示“走”與“?！?，如圖5所示?？紤]到視覺或聽覺受限的行人的需求和某種形式的限制[32]，使用視覺、聽覺和車輛物理運動模式的組合，可以最清晰、最準(zhǔn)確地解釋自動駕駛的行為含義。

圖5 燈光信號所傳達(dá)的信息實例[17]

5.2 外部人機交互界面（eHMI）

5.2.1 設(shè)計原則

5.2.1.1 考慮人的心理需求和交流習(xí)慣

自然界中生物的交流方式有姿勢、手勢、面部表情、顏色和生物發(fā)光等，Oudshoorn 等人根據(jù)自然界中生物通過視覺信號的意圖交流，觀察到手勢和顏色可用于所有意圖交流，并提出了將生物學(xué)上的交流方式轉(zhuǎn)化為eHMI 的設(shè)計理念，如仿照章魚、老鼠遇敵時的行為，采用調(diào)節(jié)車身高度位置表示讓行與否[40]。人類互動時更傾向于進(jìn)行眼神交流，由此一些研究人員認(rèn)為擬人化的交流更能提升行人過街體驗，但其設(shè)計形式及有效性還有待評估。

5.2.1.2 保證傳達(dá)信息易于理解且直觀明確

無人駕駛汽車的行為和意圖應(yīng)通過直觀、容易理解和能被普遍理解的方式來傳達(dá)，否則可能會導(dǎo)致這些交互者之間的混淆和互動沖突，降低交通效率[41]。Liu等人總結(jié)了外部自動駕駛汽車與行人（Autonomous Vehicle to Pedestrian，AV2P）通信接口設(shè)計的注意事項，揭示了通信接口應(yīng)該是可理解的、簡潔的、突出的和明確的[32]。Lee 等人[42]評估了10 個不同的eHMI 信號，如“我將讓行”“我在自動駕駛模式”“我將起步”、360°光帶的變體、定向燈和聽覺信號傳達(dá)信息的程度，結(jié)果表明，設(shè)計eHMI時需要避免呈現(xiàn)誤導(dǎo)性的、潛在不安全的信息。

5.2.1.3 顏色與外觀的標(biāo)準(zhǔn)化使用

為了方便行人理解，應(yīng)用于eHMI上的文字、燈光或者圖標(biāo)的顏色應(yīng)該類似于當(dāng)前各種交通信號的國際標(biāo)準(zhǔn)顏色，如紅色表示停止[43]、綠色表示通行等，同時這也符合長期以來人類的使用習(xí)慣。Montalvo 等人建議為其他道路使用者和執(zhí)法機構(gòu)提供車輛以自動模式行駛的外部指示，這一指示的外觀應(yīng)標(biāo)準(zhǔn)化[39]。顏色和外觀的標(biāo)準(zhǔn)化也有利于自動駕駛汽車在不同文化背景的國家使用時行人能夠快速理解顯示信息。

5.2.1.4 合理設(shè)計eHMI的放置位置和可見度

eHMI 的放置位置對交互的成功與否有重要影響，Troel.Madec 等人對自動駕駛車輛的哪些部分在行人視野中最突出做了調(diào)查，結(jié)果表明，只有當(dāng)車輛是第1輛時，視覺反饋在車輛前部放置才是最佳的[44]。在其他情況下，車輛前部的能見度隨著車輛在車流中的排位而降低。此外，由于天氣、路面條件等客觀因素對eHMI可見度產(chǎn)生的影響也不容忽視，eHMI設(shè)計時應(yīng)考慮顯示信息在不同環(huán)境下的亮度和清晰度。

5.2.2 交互方式質(zhì)量評估

目前，已有多項研究通過設(shè)置不同的eHMI 作為試驗變量，通過統(tǒng)計試驗參與人員的決策時間等對eHMI的交互質(zhì)量進(jìn)行評估，如表1所示。

表1 不同車外人機交互界面試驗設(shè)置與結(jié)論

通過對這些研究的試驗結(jié)論進(jìn)行梳理，結(jié)果表明，在有eHMI 的情況下行人可以更快地做出決策，但不同eHMI 都具有各自優(yōu)缺點。例如，文本信息被認(rèn)為是最清楚的[45]，但是需要翻譯成不同的語言，且很難從遠(yuǎn)處閱讀且需要時間閱讀[5]。L?cken 等人的研究發(fā)現(xiàn)，試驗參與者認(rèn)為最為安全的互動方式為在街道上投射一條斑馬線[46]，表示他們可能會穿過，但基于增強現(xiàn)實的投影可見度卻容易受到天氣或者路面等環(huán)境因素的干擾。一些人認(rèn)為附加信息，例如關(guān)于行人的當(dāng)前感知位置或汽車的當(dāng)前狀態(tài)等是不必要的[46]，但是某些研究則認(rèn)為擬人化的信息表達(dá)可以增強行人對自動駕駛汽車的信任。對行人的指示比其他信息具有更高的主觀清晰度等級[47]，但在多個交互對象存在時可能會產(chǎn)生混淆，所以Liu 等人認(rèn)為eHMI 應(yīng)該傳達(dá)車輛的狀態(tài)，表明車輛預(yù)期的行動，而不是干預(yù)行人自己的決策[32]。相比實際道路場景實車試驗，通過虛擬現(xiàn)實設(shè)置實驗變量進(jìn)行不同試驗條件的組合對eHMI進(jìn)行質(zhì)量評估更為快速高效，可操作性強，如圖6所示。

圖6 虛擬仿真驗證中30種車外人機交互界面設(shè)計實例[55]

5.2.3 eHMI發(fā)展面臨的挑戰(zhàn)

5.2.3.1 交互為一對多的情況發(fā)生信息傳達(dá)的混淆

由于行人分散分布，針對性的交流將導(dǎo)致對象混淆，所以eHMI 應(yīng)該傳達(dá)他們的狀態(tài)，僅在需要時傳達(dá)附加信息[46]，不是指示VRUs做什么，告訴行人穿越或停車，干預(yù)行人自己的決策，而應(yīng)該表明車輛預(yù)期的行動[32]。目前對于多行人的復(fù)雜通信情況，如何使AV2P通信有效工作而不產(chǎn)生任何不明確和誤解的研究仍然不足[32]。

5.2.3.2 eHMI的設(shè)計尚未考慮特殊的用戶群體

設(shè)計額外的指示信息時，需要考慮特殊的用戶群體（例如視力受損、聽力受損等殘疾人士）[39,46]。殘疾人是交通中最脆弱的道路使用者，發(fā)生事故的風(fēng)險要高得多，需要某種特殊形式的外部通信，以便傳達(dá)自動駕駛車輛意圖[46-47]。

5.2.3.3 eHMI受環(huán)境因素的影響

不同的環(huán)境條件，如明亮的陽光、雪、霧和沙塵[46]會造成顯示器可見度降低，路面條件對于采用投影人行橫道等方式也有一定影響，當(dāng)由此發(fā)生顯示問題如何確保行人不會誤解還有待探討。

5.2.3.4 行人過度依賴eHMI

當(dāng)行人不加思考地遵循eHMI 的信息而進(jìn)入道路，過度依賴eHMI而不觀察車輛自身的運動和減少對交通狀況的關(guān)注[32]時，可能會發(fā)生誤用，因此需要對VRUs進(jìn)行eHMI能力教育[48]。

5.2.3.5 eHMI的規(guī)范與標(biāo)準(zhǔn)化

人們對eHMI 的理解會受到文化的影響，為了檢驗跨文化環(huán)境eHMI 的潛力，Weber F 在德國、美國和中國進(jìn)行了3項虛擬現(xiàn)實研究，研究表明，當(dāng)向行人讓步時，eHMI 在德國和美國的意圖識別方面表現(xiàn)出優(yōu)勢，然而在中國，eHMI 并沒有表現(xiàn)出這些效果[49]。當(dāng)汽車制造商面臨產(chǎn)品出口多個國家的情況時，為了不針對不同文

化背景的國家進(jìn)行不同的eHMI的開發(fā)，國際上對eHMI的規(guī)范使用標(biāo)準(zhǔn)的制定應(yīng)提上日程。

5.2.3.6 法律責(zé)任問題

eHMI 的使用并非強制行人決策，而是基于建議的溝通，這可能會引起責(zé)任問題[32]。當(dāng)行人并未按照指示行動時若發(fā)生事故，責(zé)任方的歸屬等問題還待進(jìn)一步討論以及完善相關(guān)法律體系。

5.2.3.7 更多eHMI應(yīng)用場景的開發(fā)

隨著汽車的共享化和電動化發(fā)展，eHMI 將有希望應(yīng)用在更多的場景。如：充電場景下，通過外部屏幕來顯示充電量；共享出行場景下，車輛可以顯示時間、地點、天氣情況等，更好地與乘客進(jìn)行交互。

6 結(jié)束語

本文討論了車內(nèi)人機交互、人工駕駛時期和自動駕駛與人工駕駛混行交通時期的車外人機交互，詳細(xì)闡述了自動駕駛汽車車外人機交互在交通安全和運輸效率方面的重要意義，展開了以行人為中心的車外人機交互支撐技術(shù)的概況，從隱式和顯式溝通兩個方面分析了車外人機交互的通信需求，論述了eHMI的4個設(shè)計原則，結(jié)合多項前沿研究展現(xiàn)了虛擬現(xiàn)實技術(shù)在交互質(zhì)量評估上的重要應(yīng)用，最后提出了7 個目前eHMI 面臨的挑戰(zhàn)并對其發(fā)展提出了展望。