王朝俠，廖小菊

基于用戶需求的車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)

王朝俠，廖小菊

（天津科技大學(xué)，天津 300222）

針對(duì)疲勞駕駛問(wèn)題，以用戶需求為導(dǎo)向開展疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)研究與評(píng)估，提出改進(jìn)相關(guān)產(chǎn)品用戶體驗(yàn)的設(shè)計(jì)方法。首先，構(gòu)建車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)體系框架，通過(guò)用戶訪談、問(wèn)卷調(diào)研等方式歸納用戶對(duì)車載疲勞預(yù)警產(chǎn)品的需求，并建立用戶需求層次分析模型。其次，運(yùn)用AHP采集專家和用戶的評(píng)分并計(jì)算指標(biāo)權(quán)重，分析各需求優(yōu)先級(jí)，在此基礎(chǔ)上進(jìn)行車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)。最后，運(yùn)用FCA對(duì)設(shè)計(jì)方案進(jìn)行評(píng)估與優(yōu)化。通過(guò)設(shè)計(jì)實(shí)例，驗(yàn)證了AHP-FCA設(shè)計(jì)策略的有效性。該方法能夠幫助設(shè)計(jì)人員探索車載疲勞預(yù)警產(chǎn)品的交互設(shè)計(jì)方向，提升用戶體驗(yàn)，為相關(guān)產(chǎn)品交互設(shè)計(jì)提供新的思路。

車載疲勞預(yù)警；用戶需求；交互設(shè)計(jì)；用戶體驗(yàn)

我國(guó)汽車保有量與交通事故數(shù)量逐年增加，其中疲勞駕駛事故約占交通事故總數(shù)的20%～40%，疲勞駕駛造成事故的概率是正常駕駛的4～6倍[1]。長(zhǎng)時(shí)間單調(diào)的駕駛行為會(huì)造成駕駛員心理和生理的疲勞，車載疲勞預(yù)警系統(tǒng)以保障駕駛員安全為目的誕生。針對(duì)當(dāng)前的車載疲勞預(yù)警系統(tǒng)，多位學(xué)者開展了相關(guān)研究。文獻(xiàn)[2-5]從技術(shù)和功能的角度，提出了對(duì)車載疲勞預(yù)警系統(tǒng)的優(yōu)化方法；文獻(xiàn)[6]通過(guò)研究駕駛員對(duì)預(yù)警的行為響應(yīng)特征，來(lái)獲取合適的提示時(shí)機(jī)；文獻(xiàn)[7]基于情景感知，提出了各種駕駛情景下的車載警示系統(tǒng)交互設(shè)計(jì)建議；文獻(xiàn)[8]通過(guò)實(shí)驗(yàn)研究了熱刺激對(duì)駕駛員在疲勞駕駛期間生理和心理的影響；文獻(xiàn)[9-11]探究了音樂(lè)和提示音對(duì)疲勞駕駛的影響與疲勞喚醒的作用。

綜合上述文獻(xiàn)可知，車載疲勞預(yù)警系統(tǒng)的研究主要集中于疲勞信息的采集與轉(zhuǎn)化、疲勞干預(yù)的時(shí)機(jī)與形式，對(duì)車載疲勞預(yù)警系統(tǒng)用戶需求和交互反饋等方面的研究較少。在以創(chuàng)新性體驗(yàn)和服務(wù)為目的的設(shè)計(jì)背景下，在探索車載疲勞預(yù)警系統(tǒng)技術(shù)、結(jié)構(gòu)和功能的同時(shí)，還需挖掘駕駛員對(duì)疲勞預(yù)警產(chǎn)品的用戶需求，提升疲勞預(yù)警人機(jī)交互系統(tǒng)的用戶體驗(yàn)。本研究以駕駛員需求為導(dǎo)向，提出一種車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)研究方法，挖掘駕駛員的心理需求和無(wú)意識(shí)習(xí)慣，運(yùn)用層次分析法（Analytic Hierarchy Process，AHP）對(duì)需求進(jìn)行權(quán)重分析，以疲勞喚醒為目的，考慮疲勞信號(hào)傳輸，提出用戶需求轉(zhuǎn)化建議和設(shè)計(jì)實(shí)例。運(yùn)用模糊綜合評(píng)價(jià)法（Fuzzy Comprehensive Appraisal，F(xiàn)CA）評(píng)估設(shè)計(jì)方案，并對(duì)篩選的方案進(jìn)行優(yōu)化，為相關(guān)產(chǎn)品交互設(shè)計(jì)提供參考。

1 疲勞預(yù)警用戶需求研究

1.1 車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)體系構(gòu)建

隨著生產(chǎn)技術(shù)的發(fā)展，人們對(duì)產(chǎn)品的需求也上升到了更加感性的階段。用戶體驗(yàn)是衡量用戶滿意度與設(shè)計(jì)方案優(yōu)劣的重要指標(biāo)[12]。用戶需求可以幫助設(shè)計(jì)人員從本質(zhì)上探索優(yōu)化用戶體驗(yàn)的可能性。車載疲勞預(yù)警產(chǎn)品需要符合安全、科學(xué)、舒適的人機(jī)要求，同時(shí)也需要提升用戶自然的交互體驗(yàn)和友好的疲勞喚醒體驗(yàn)。

層次分析法（AHP）是一個(gè)能夠解決多標(biāo)準(zhǔn)決策問(wèn)題、評(píng)估備選方案以及推導(dǎo)最終優(yōu)先級(jí)的方便且通用的框架[13]。AHP能夠?qū)⒎墙Y(jié)構(gòu)化問(wèn)題轉(zhuǎn)化為單一的、易于理解的、靈活的模型[14]。引入AHP方法，結(jié)合語(yǔ)言量表對(duì)需求進(jìn)行評(píng)估，計(jì)算需求要素優(yōu)先級(jí)并檢查其判斷的邏輯一致性，從而深化對(duì)用戶需求的理解。

模糊綜合評(píng)價(jià)法（FCA）指運(yùn)用隸屬度向量將模糊的指標(biāo)定量化、清晰化，并在多種因素的作用下進(jìn)行綜合評(píng)價(jià)[15]。FCA可以確定多個(gè)設(shè)計(jì)方案對(duì)應(yīng)的權(quán)重值評(píng)價(jià)等級(jí)，并對(duì)方案的可用性做出判斷和評(píng)價(jià)。

車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)體系框架，見(jiàn)圖1。首先，以用戶需求為核心，關(guān)注用戶疲勞駕駛時(shí)的身體狀態(tài)、交互行為、預(yù)警期望和產(chǎn)品形態(tài)意象，搜集用戶對(duì)車載疲勞預(yù)警產(chǎn)品的建議；運(yùn)用AHP對(duì)用戶需求進(jìn)行處理，得到用戶需求權(quán)重排序；通過(guò)貨車疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)案例進(jìn)行用戶需求轉(zhuǎn)化；結(jié)合FCA對(duì)方案進(jìn)行評(píng)價(jià)，審核方案的合理性并輸出優(yōu)化方案。

1.2 用戶需求層次結(jié)構(gòu)模型構(gòu)建

車載疲勞預(yù)警系統(tǒng)包含信號(hào)輸入及處理系統(tǒng)、人機(jī)交互系統(tǒng)2個(gè)部分，見(jiàn)圖2。本文主要研究人機(jī)交互系統(tǒng)。以安全性為首的車載疲勞預(yù)警產(chǎn)品，需要用戶參與到設(shè)計(jì)流程中。

通過(guò)典型用戶訪談和用戶問(wèn)卷調(diào)查來(lái)收集用戶需求。對(duì)30名長(zhǎng)途駕駛員進(jìn)行訪談，訪談內(nèi)容涉及以下4個(gè)方面：在長(zhǎng)時(shí)間駕駛下，身體狀況的變化；駕駛員與車輛的各種交互需求和交互方式；駕駛員的疲勞經(jīng)歷以及自我喚醒方式；駕駛員對(duì)車載疲勞預(yù)警產(chǎn)品的期望和產(chǎn)品形態(tài)意象。設(shè)計(jì)并評(píng)估問(wèn)卷調(diào)研內(nèi)容，對(duì)通過(guò)專家審核的問(wèn)卷進(jìn)行發(fā)放，收到有效問(wèn)卷233份。根據(jù)數(shù)據(jù)結(jié)果整理出車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)的用戶需求，用戶需求層次結(jié)構(gòu)模型，見(jiàn)圖3。準(zhǔn)則層指標(biāo)以1、2、3、4表示，1包含的子準(zhǔn)則層指標(biāo)以11、12、13表示，其余指標(biāo)同理。

圖1 車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)體系

圖2 車載疲勞預(yù)警系統(tǒng)

對(duì)模型中的需求進(jìn)行簡(jiǎn)要分析可知：?jiǎn)渭兊亩S視覺(jué)屏幕交互方式帶給用戶更多的駕駛考驗(yàn)，多通道交互[16]（1）更受駕駛員的青睞；駕駛員有通過(guò)飲食和氣味緩解疲勞的習(xí)慣，音效喚醒[9-10]、機(jī)械按摩[17]對(duì)緩解疲勞具有一定的效果，在疲勞緩解和喚醒（2）指標(biāo)中，針對(duì)不同的用戶和駕駛環(huán)境，需要選擇適應(yīng)的方式；在外觀造型（3）指標(biāo)中，用戶對(duì)車載疲勞預(yù)警產(chǎn)品的需求主要映射在駕駛中能直接接觸和輕易觀察的區(qū)域，把握好產(chǎn)品的造型、質(zhì)感和色彩給用戶心理帶來(lái)的認(rèn)知與情感是提升用戶體驗(yàn)的關(guān)鍵一環(huán)[18]；用戶期望在疲勞預(yù)警后，能夠享受更多的拓展服務(wù)（4），數(shù)據(jù)記錄（41）有助于駕駛員分析健康問(wèn)題和疲勞習(xí)慣，數(shù)據(jù)分享（42）滿足駕駛員將數(shù)據(jù)傳遞給任何人的需要，管理人員也鼓勵(lì)駕駛員匯報(bào)疲勞問(wèn)題，以提供方便的管理服務(wù)，并創(chuàng)造開放的文化[19]，定位導(dǎo)航（43）和視頻娛樂(lè)（44）可以輔助駕駛并豐富駕駛體驗(yàn)。

圖3 車載疲勞預(yù)警用戶需求層次結(jié)構(gòu)模型

2 基于AHP的疲勞預(yù)警需求重要性分析

車載疲勞預(yù)警需求重要性分析是運(yùn)用AHP計(jì)算需求層次結(jié)構(gòu)模型指標(biāo)權(quán)重的過(guò)程，對(duì)權(quán)重進(jìn)行一致性驗(yàn)證，可得到車載疲勞預(yù)警需求重要性。

2.1 構(gòu)建判斷矩陣并確定權(quán)重

邀請(qǐng)30名長(zhǎng)途駕駛員、設(shè)計(jì)人員、專家，依據(jù)標(biāo)度量表（見(jiàn)表1）對(duì)準(zhǔn)則層和子準(zhǔn)則層指標(biāo)進(jìn)行評(píng)定，得出判斷矩陣和指標(biāo)權(quán)重。在此以指標(biāo)層1、2、3和4為例，解釋指標(biāo)權(quán)重的計(jì)算過(guò)程。

判斷矩陣由各個(gè)標(biāo)度值構(gòu)成，元素h為指標(biāo)H相對(duì)于指標(biāo)H的重要標(biāo)度值，為矩陣中指標(biāo)的數(shù)量。

(1)

不同的專家評(píng)價(jià)得到不同的標(biāo)度值，利用幾何平均法對(duì)30名專家的意見(jiàn)進(jìn)行整合，即30個(gè)h聚合為h'，并形成聚合判斷矩陣，見(jiàn)表2。

(2)

表1 標(biāo)度量表

Tab.1 Scaling table

表2 聚合判斷矩陣

Tab.2 Aggregate judgment matrix H'

對(duì)專家評(píng)價(jià)進(jìn)行處理后，根據(jù)判斷矩陣計(jì)算指標(biāo)對(duì)應(yīng)的權(quán)重。采用方根法對(duì)聚合判斷矩陣進(jìn)行歸一化處理，得到矩陣行向量，即各指標(biāo)權(quán)重值，用W表示。

(3)

(4)

由式（3）—（4）得出指標(biāo)權(quán)重為：1=0.275 2、2=0.355 6、3=0.149 7、4=0.226 2。

2.2 一致性驗(yàn)證與層次排序

以矩陣是否通過(guò)一致性驗(yàn)證來(lái)評(píng)估指標(biāo)權(quán)重的合理性。

(5)

(6)

(7)

式中：max為最大特征根；為一致性驗(yàn)證指標(biāo)；為一致性比率，當(dāng)≤0.1，權(quán)重一致性驗(yàn)證通過(guò)。

由式（5）計(jì)算可得聚合判斷矩陣的最大特征根max為4.09。根據(jù)表3可知，當(dāng)=4時(shí)，對(duì)應(yīng)的為0.89。由式（6）—（7）計(jì)算可得一致性驗(yàn)證比率為0.037，小于0.1，表明一致性驗(yàn)證通過(guò)，計(jì)算所得指標(biāo)權(quán)重?cái)?shù)值合理，各個(gè)指標(biāo)權(quán)重見(jiàn)圖4。同理，子準(zhǔn)則層指標(biāo)權(quán)重也根據(jù)上述步驟進(jìn)行計(jì)算，最終得到各個(gè)指標(biāo)綜合權(quán)重，見(jiàn)表4。

表3 平均隨機(jī)一致性指標(biāo)（部分）

Tab.3 Average stochastic consistency index RI (partial)

圖4 準(zhǔn)則層各指標(biāo)權(quán)重相對(duì)重要性

表4 車載疲勞預(yù)警設(shè)計(jì)需求指標(biāo)綜合權(quán)重

Tab.4 Comprehensive weight of in-vehicle fatigue early warning design demand indexes

2.3 需求重要性結(jié)果分析

指標(biāo)權(quán)重有助于設(shè)計(jì)人員抓住用戶的核心需求，下面將結(jié)合數(shù)據(jù)進(jìn)一步對(duì)車載疲勞預(yù)警需求重要性結(jié)果進(jìn)行分析。

1）疲勞緩解和喚醒是用戶期望滿足的首要需求。表4中疲勞緩解和喚醒（2）權(quán)重為0.355 6，其子指標(biāo)座椅觸覺(jué)振動(dòng)（24）和按摩刺激認(rèn)知（22）的權(quán)重較高，表明用戶更傾向于通過(guò)觸覺(jué)來(lái)接收信號(hào)。

2）多通道交互方式是疲勞預(yù)警和提升用戶體驗(yàn)的基點(diǎn)。多通道交互（1）權(quán)重僅次于疲勞緩解和喚醒（2）權(quán)重。在疲勞感知、緩解和喚醒的整個(gè)流程中，多通道信號(hào)傳輸貫穿于用戶心理需求和生理需求的各個(gè)方面。在其子指標(biāo)中，觸覺(jué)警示振動(dòng)（13）權(quán)重較高。

3）智能化的服務(wù)和宜人的視覺(jué)效果是用戶的主要心理需求，是增加產(chǎn)品附加價(jià)值和用戶愉悅感的關(guān)鍵。拓展服務(wù)（4）權(quán)重高于外觀造型（3）權(quán)重，同時(shí)數(shù)據(jù)記錄（41）在綜合指標(biāo)權(quán)重中位于第3位，高于其余的12項(xiàng)子指標(biāo)。

3 車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)實(shí)例

首先，根據(jù)前期的用戶需求分析提出人機(jī)交互范式建議以及綜合性的用戶需求實(shí)現(xiàn)路徑。其次，以貨車為例展開交互設(shè)計(jì)，將重要度較高的用戶需求作為設(shè)計(jì)方案的主要參考，并結(jié)合其他要求進(jìn)行方案設(shè)計(jì)。最后，根據(jù)用戶需求對(duì)方案進(jìn)行評(píng)估和優(yōu)化。

3.1 人機(jī)交互范式選擇

作為傳統(tǒng)WIMP范式[20]的升級(jí)，“多通道交互”比虛實(shí)結(jié)合的交互范式的接受度更高[7]，同時(shí)作為綜合指標(biāo)權(quán)重中排在第2的需求，對(duì)其合理的反饋可以使人機(jī)交互更加多元化、立體化。針對(duì)車載疲勞預(yù)警用戶需求，可以利用視覺(jué)、聽(tīng)覺(jué)、嗅覺(jué)和觸覺(jué)等渠道，結(jié)合顯示屏、語(yǔ)音提醒等自然輸出方式，達(dá)到預(yù)警效果并實(shí)現(xiàn)風(fēng)險(xiǎn)響應(yīng)，保證信號(hào)傳輸?shù)挠押眯耘c及時(shí)性。用戶需求實(shí)現(xiàn)路徑見(jiàn)圖5。

通過(guò)用戶調(diào)研可知，長(zhǎng)途駕駛員習(xí)慣利用聽(tīng)覺(jué)來(lái)判斷車輛的工作狀態(tài)，因此利用嗅覺(jué)和觸覺(jué)來(lái)滿足“緩解和喚醒疲勞”這一首要需求比較合理?；诩w記憶理論[21]，振動(dòng)可以使用戶聯(lián)想起手機(jī)震動(dòng)提醒，因此振動(dòng)座椅不僅能傳遞疲勞信號(hào)，也能夠自然地喚醒疲勞，同時(shí)由用戶主觀采取氣味干預(yù)措施，進(jìn)一步加強(qiáng)疲勞喚醒效果。本研究建議將疲勞風(fēng)險(xiǎn)分為輕度、中度和重度3個(gè)等級(jí)，車載疲勞預(yù)警系統(tǒng)結(jié)構(gòu)見(jiàn)圖6。如圖6所示，在輕度疲勞下，以視覺(jué)和聽(tīng)覺(jué)信號(hào)的輸入為主；在中度和重度疲勞下，聽(tīng)覺(jué)和視覺(jué)的感知能力明顯下降，因此以觸覺(jué)信號(hào)的輸入為主，其他信號(hào)為輔。

圖5 用戶需求實(shí)現(xiàn)路徑

圖6 車載疲勞預(yù)警系統(tǒng)結(jié)構(gòu)

3.2 疲勞預(yù)警人機(jī)交互設(shè)計(jì)

疲勞預(yù)警人機(jī)交互設(shè)計(jì)以用戶需求及其優(yōu)先級(jí)結(jié)果為基礎(chǔ)來(lái)實(shí)現(xiàn)用戶體驗(yàn)的升級(jí)。基于圖5與圖6提出的建議，以貨車為例，將重要度較高的用戶需求“聽(tīng)覺(jué)警示語(yǔ)言（12）、數(shù)據(jù)記錄（41）、座椅觸覺(jué)震動(dòng)（24）”作為設(shè)計(jì)的主要參考，并結(jié)合其他需求進(jìn)行方案設(shè)計(jì)。為此，提出交互警示界面設(shè)計(jì)，包括語(yǔ)音提醒設(shè)計(jì)、車載中控與手機(jī)APP界面設(shè)計(jì)、振動(dòng)駕駛座椅設(shè)計(jì)。

在疲勞駕駛狀態(tài)下，3種警示交互界面的相互配合可以讓用戶快速建立感知與認(rèn)知。如圖7展現(xiàn)了用戶需求與設(shè)計(jì)的關(guān)聯(lián)性，為了節(jié)約成本，權(quán)重極低的需求在設(shè)計(jì)實(shí)例中不予考慮。

1）語(yǔ)法性提示音提醒設(shè)計(jì)。在用戶與信號(hào)的交互過(guò)程中，語(yǔ)言是達(dá)成理解的基礎(chǔ)。如表5為疲勞風(fēng)險(xiǎn)語(yǔ)法性提醒，語(yǔ)言設(shè)計(jì)簡(jiǎn)短，以防止認(rèn)知超載。將有特色的聽(tīng)覺(jué)信號(hào)形成一定的品牌效應(yīng)，可提升用戶對(duì)產(chǎn)品的依賴感。非語(yǔ)法性聲音在車輛聽(tīng)覺(jué)警示信號(hào)中有較為完善的體系，因此，不再對(duì)其進(jìn)行設(shè)計(jì)。

圖7 需求與設(shè)計(jì)的關(guān)系

表5 聽(tīng)覺(jué)信號(hào)的語(yǔ)法性提示音特征

Tab.5 Features of grammatical prompt tone of auditory signals

2）車載中控與手機(jī)APP界面設(shè)計(jì)。視覺(jué)信號(hào)傳遞直接高效，但需要識(shí)別并理解其含義，因此，視覺(jué)信號(hào)的輸出應(yīng)盡量簡(jiǎn)潔醒目，不僅要避免駕駛員分心，而且要契合用戶的需求。視覺(jué)警示信號(hào)包含警示圖標(biāo)和警示圖像。車載中控界面設(shè)計(jì)方案見(jiàn)圖8，移動(dòng)端疲勞預(yù)警APP界面設(shè)計(jì)方案原型圖（部分）見(jiàn)圖9。

圖8 車載中控顯示屏界面設(shè)計(jì)（部分）

圖9 手機(jī)APP界面設(shè)計(jì)（部分）

3）振動(dòng)駕駛座椅設(shè)計(jì)。觸覺(jué)通道信號(hào)交互設(shè)計(jì)以座椅為載體，通過(guò)椅面?zhèn)鱽?lái)的振動(dòng)傳輸疲勞信號(hào)，能夠在駕駛員聽(tīng)覺(jué)和視覺(jué)能力嚴(yán)重下降時(shí)，快速有效打斷疲勞的駕駛狀態(tài)。椅面通過(guò)振動(dòng)刺激駕駛員臀部產(chǎn)生觸覺(jué)感知，并以此促進(jìn)用戶產(chǎn)生聯(lián)想記憶來(lái)喚醒疲勞。座椅是與長(zhǎng)途駕駛員接觸最多的部分，靠背需要更加直立以保證駕駛員長(zhǎng)期感到舒適。駕駛座椅外觀造型設(shè)計(jì)方案，見(jiàn)圖10。

3.3 基于FCA的設(shè)計(jì)方案評(píng)價(jià)

邀請(qǐng)20名長(zhǎng)途駕駛員，以用戶需求為衡量標(biāo)準(zhǔn)，利用FCA對(duì)上述方案進(jìn)行評(píng)價(jià)。設(shè)計(jì)方案的評(píng)價(jià)指標(biāo)是指可以通過(guò)駕駛員經(jīng)驗(yàn)賦予數(shù)值的變量，可以考慮使用FCA方法予以評(píng)價(jià)。在此以方案一為例來(lái)解釋方案評(píng)價(jià)的計(jì)算過(guò)程。

圖10 駕駛員座椅外觀造型設(shè)計(jì)

1）設(shè)置因素集={1,2,···,16}，根據(jù)圖3將16個(gè)因素劃分為4組作為一個(gè)因素集，每組包括4個(gè)因素作為二級(jí)因素集，得到一級(jí)因素集={1,2,3,4}，其中1、2、3、4為二級(jí)因素集。

2）設(shè)評(píng)語(yǔ)集={好,較好2,一般3,較差4,差5}；設(shè)對(duì)應(yīng)的評(píng)分準(zhǔn)則=(90,80,60,50,40)T。

3）確定各因素權(quán)重。設(shè)一級(jí)因素對(duì)應(yīng)的權(quán)重為，由準(zhǔn)則層指標(biāo)權(quán)重值構(gòu)成；二級(jí)因素對(duì)應(yīng)的權(quán)重為1、2、3、4，由子準(zhǔn)則層指標(biāo)權(quán)重值構(gòu)成。因此，由表4可得：=（0.272 2，0.355 6，0.135 8，0.236 3）、1=（0.187 8，0.270 3，0.541 8）、2=（0.055 6，0.265 9，0.248 9，0.429 4）、3=（0.511 9，0.224，0.204 5，0.059 4）、4=（0.525 2，0.192 3，0.201，0.081 3）。

4）設(shè)一級(jí)模糊綜合評(píng)價(jià)矩陣為，二級(jí)模糊綜合評(píng)價(jià)矩陣為12、34。

建立二級(jí)模糊綜合評(píng)價(jià)矩陣：按照評(píng)語(yǔ)集對(duì)子準(zhǔn)則層指標(biāo)在方案一中的表現(xiàn)進(jìn)行評(píng)價(jià)。對(duì)評(píng)價(jià)結(jié)果進(jìn)行歸一化處理，得到12、34，如下所示：

5）模糊綜合評(píng)判。設(shè)置二級(jí)因素模糊綜合評(píng)價(jià)集為B，一級(jí)模糊綜合評(píng)價(jià)集為。

(8)

(9)

(10)

6）百分制評(píng)分換算，即

(10)

由式（10）計(jì)算可得方案一的評(píng)分為74.66，按相同步驟計(jì)算可得方案二的評(píng)分為71.36。2個(gè)方案的綜合評(píng)分均合格，方案一為較優(yōu)選擇。

3.4 方案優(yōu)化

基于FCA的評(píng)價(jià)結(jié)果，對(duì)方案一進(jìn)行色彩、造型與結(jié)構(gòu)方面的優(yōu)化。

圖11為車載中控顯示屏界面設(shè)計(jì)，界面風(fēng)格扁平化，摒棄了復(fù)雜的肌理，保留了關(guān)鍵的文字和圖標(biāo)，減少了駕駛員的認(rèn)知載荷。用自然遞增的黃色、橙色和紅色來(lái)表示風(fēng)險(xiǎn)的遞增，圖標(biāo)中傳遞的風(fēng)險(xiǎn)性也隨疲勞程度的加重而增加。這種自然映射原則使用戶憑借潛意識(shí)也能理解信號(hào)的含義。

圖11 車載中控疲勞風(fēng)險(xiǎn)界面（部分）

圖12為手機(jī)疲勞預(yù)警類APP界面設(shè)計(jì)風(fēng)格，以橙色為主基調(diào)，適當(dāng)?shù)陌咨{(diào)用以平衡，界面布局簡(jiǎn)潔大方，整體符合疲勞預(yù)警理念。布局采用底部導(dǎo)航式，內(nèi)容包含消息與主頁(yè)、朋友圈與導(dǎo)航服務(wù)、疲勞數(shù)據(jù)與數(shù)據(jù)分享。用戶可以享受路線規(guī)劃和導(dǎo)航服務(wù)，尤其是查看日常駕駛狀態(tài)、休息時(shí)長(zhǎng)，以及跨平臺(tái)分享疲勞數(shù)據(jù)等功能有助于提升用戶體驗(yàn)。

圖12 手機(jī)APP界面（部分）

駕駛員座椅材質(zhì)建議采用環(huán)保型PVC人造革，在控制成本的同時(shí)能夠滿足舒適、柔軟、宜人的外觀需求。針對(duì)座椅結(jié)構(gòu)，建議在坐墊兩側(cè)內(nèi)置振動(dòng)電機(jī)，安裝于距離發(fā)泡部分表面20 mm處，振動(dòng)頻率為60 Hz與80 Hz兩個(gè)等級(jí)，垂直方向的振動(dòng)強(qiáng)度為60 m/s2、80 m/s2。座椅外觀造型、三視圖和振動(dòng)部分剖面細(xì)節(jié)，見(jiàn)圖13—14。

圖13 駕駛員座椅外觀造型

圖14 椅面振動(dòng)結(jié)構(gòu)剖面細(xì)節(jié)

4 結(jié)語(yǔ)

為幫助設(shè)計(jì)人員在車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)中確定用戶需求重要性權(quán)重，提出了層次分析法和模糊綜合評(píng)價(jià)法相結(jié)合的設(shè)計(jì)模型，以貨車疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)為例進(jìn)行了驗(yàn)證，結(jié)果表明該方法能夠確定設(shè)計(jì)因素的重要性，并適用于車載疲勞產(chǎn)品的交互設(shè)計(jì)。主要結(jié)論如下：

1）文中基于用戶需求提出一種車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)方法，將AHP與FCA方法相結(jié)合，對(duì)用戶需求進(jìn)行定量分析和權(quán)重計(jì)算，獲取關(guān)鍵的設(shè)計(jì)因素以指導(dǎo)方案設(shè)計(jì)，從而完成方案的排序和優(yōu)化。

2）該方法以挖掘用戶需求和提升用戶體驗(yàn)為目的，填補(bǔ)了以往研究局限于功能和技術(shù)的不足，充分挖掘了貨車駕駛員的心理和生理需求，考慮了人機(jī)交互過(guò)程中的多元性和立體性，以用戶需求為支撐提煉了影響貨車駕駛員的設(shè)計(jì)因素，為車載疲勞預(yù)警產(chǎn)品交互設(shè)計(jì)提供了新的思路和理論支持。

目前，文中僅對(duì)有限的調(diào)研樣本進(jìn)行了設(shè)計(jì)分析，后續(xù)將擴(kuò)大調(diào)研樣本數(shù)量來(lái)完善設(shè)計(jì)內(nèi)容，進(jìn)一步結(jié)合市場(chǎng)調(diào)研對(duì)方案進(jìn)行調(diào)整，并采用仿真測(cè)試軟件對(duì)設(shè)計(jì)實(shí)例進(jìn)行測(cè)試，從而更加契合用戶的需求。

[1] WANG Qing-jun, MU Zhen-dong. Application of Music in Relief of Driving Fatigue Based on EEG Signals[J]. EURASIP Journal on Advances in Signal Processing, 2021, 2021(1): 89.

[2] LI Xiao-feng, XIA Jia-hao, CAO Li-bo, et al. Driver Fatigue Detection Based on Convolutional Neural Network and Face Alignment for Edge Computing Device[J]. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 2021, 235(10-11): 2699-2711.

[3] 林麗, 劉新, 朱俊臻, 等. 基于CNN的金屬疲勞裂紋超聲紅外熱像檢測(cè)與識(shí)別方法研究[J]. 紅外與激光工程, 2022, 51(3): 475-483.

LIU Li, LIU Xin, ZHU Jun-zhen, et al. Research on Ultrasonic Infrared Thermal Image Detection and Identification Method of Metal Fatigue Crack Based on CNN[J]. Infrared and Laser Engineering, 2022, 51(3): 475-483.

[4] 郭夢(mèng)竹. 基于反應(yīng)時(shí)間的駕駛員疲勞狀態(tài)監(jiān)測(cè)與預(yù)警技術(shù)研究[D]. 長(zhǎng)春: 吉林大學(xué), 2017.

GUO Meng-zhu. Research on Driving Fatigue Monitoring and Early-Warning Technology Based on the Reaction Time[D]. Changchun: Jilin University, 2017.

[5] TU Wei, WEI Lei, HU Wen-yan, et al. A Survey on Mobile Sensing Based Mood-Fatigue Detection for Drivers[M]//Smart City 360°. Cham: Springer International Publishing, 2016: 3-15.

[6] 胥川, 郭啟明, 王雪松. 疲勞預(yù)警分級(jí)提示下的駕駛行為響應(yīng)特征[J]. 西南交通大學(xué)學(xué)報(bào), 2019, 54(1): 189-195.

XU Chuan, GUO Qi-ming, WANG Xue-song. Driver Behavior Response to Drowsiness Alarming at Different Levels[J]. Journal of Southwest Jiaotong University, 2019, 54(1): 189-195.

[7] 劉玉磊, 馬艷陽(yáng), 徐伯初, 等. 車載智能預(yù)警系統(tǒng)中的人機(jī)交互[J]. 包裝工程, 2020, 41(18): 78-89.

LIU Yu-lei, MA Yan-yang, XU Bo-chu, et al. Human- Computer Interaction in Vehicle-Borne Intelligent Early Warning System[J]. Packaging Engineering, 2020, 41(18): 78-89.

[8] SCHMIDT E. Driver Vitalization through Fatigue-Based Climate Control[M]// Gestaltung Hybrider Mensch-Maschine- Systeme/Designing Hybrid Societies. Wiesbaden: Springer Fachmedien Wiesbaden, 2019: 135-154.

[9] 喬現(xiàn)玲, 楊子婧, 胡志剛, 等. 駕駛疲勞喚醒輔助產(chǎn)品的人機(jī)交互研究[J]. 包裝工程, 2016, 37(22): 102-107.

QIAO Xian-ling, YANG Zi-jing, HU Zhi-gang, et al. Human-Computer Interaction of Ancillary Products to Driving Fatigue Arousal[J]. Packaging Engineering, 2016, 37(22): 102-107.

[10] 鐘韜, 方海, 郭嘉躍, 等. 提示音警示性效果對(duì)駕駛反應(yīng)的影響研究[J]. 包裝工程, 2021, 42(18): 144-150.

ZHONG Tao, FANG Hai, GUO Jia-yue, et al. The Warning Effectiveness of Notification Sound on Driving Response[J]. Packaging Engineering, 2021, 42(18): 144-150.

[11] WANG Fu-wang, LU Bin, KANG Xiao-gang, et al. Research on Driving Fatigue Alleviation Using Interesting Auditory Stimulation Based on VMD-MMSE[J]. Entropy, 2021, 23(9): 1209.

[12] 陳夢(mèng)月, 陳東萍, 褚學(xué)寧. 基于用戶體驗(yàn)的產(chǎn)品服務(wù)系統(tǒng)再設(shè)計(jì)模塊識(shí)別[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2016, 22(11): 2522-2529.

CHEN Meng-yue, CHEN Dong-ping, CHU Xue-ning. Identification for Product Service System Redesign Modules Based on User Experience[J]. Computer Integrated Manufacturing Systems, 2016, 22(11): 2522-2529.

[13] KU?AKOWSKI K. Understanding the analytic hierarchy process[M].

[14] SINGH A, BEG I, KUMAR S. Analytic Hierarchy Process for Hesitant Probabilistic Fuzzy Linguistic Set with Applications to Multi-Criteria Group Decision- Making Method[J]. International Journal of Fuzzy Systems, 2020, 22(5): 1596-1606.

[15] 王化中, 強(qiáng)鳳嬌, 陳曉暾. 模糊綜合評(píng)價(jià)中權(quán)重與評(píng)價(jià)原則的重新確定[J]. 統(tǒng)計(jì)與決策, 2015(8): 24-27.

WANG Hua-zhong, QIANG Feng-jiao, CHEN X. Redefinition of Weight and Evaluation Principle in Fuzzy Comprehensive Evaluation[J]. Statistics & Decision, 2015(8): 24-27.

[16] HSIAO S W, LEE C H, YANG Meng-hua, et al. User Interface Based on Natural Interaction Design for Seniors[J]. Computers in Human Behavior, 2017, 75: 147-159.

[17] 于娜, 張暢. 面向個(gè)性化需求的背部按摩裝置設(shè)計(jì)[J]. 機(jī)械設(shè)計(jì), 2017, 34(1): 122-125.

YU Na, ZHANG Chang. Design of the Back-Massage Appliance Oriented to the Individual Requirement[J]. Journal of Machine Design, 2017, 34(1): 122-125.

[18] 吳天宇, 趙祎乾, 李亞軍, 等. 基于混合感性工學(xué)模型的產(chǎn)品色彩設(shè)計(jì)方法[J]. 機(jī)械設(shè)計(jì), 2021, 38(7): 140-144.

WU Tian-yu, ZHAO Yi-qian, LI Ya-jun, et al. Design Method of Product Color Based on Hybrid Kansei Engineering Model[J]. Journal of Machine Design, 2021, 38(7): 140-144.

[19] MAYNARD S, FILTNESS A, MILLER K, et al. Bus Driver Fatigue: A Qualitative Study of Drivers in London[J]. Applied Ergonomics, 2021, 92: 103309.

[20] GREEN M, JACOB R. SIGGRAPH '90 Workshop Report: Software Architectures and Metaphors for Non- WIMP User Interfaces[J]. ACM SIGGRAPH Computer Graphics, 1991, 25(3): 229-235.

[21] VD C. The Phenomenon of Memory from a Sociological Standpoint: An Ontological Approach in the Light of Maurice Halbwachs' Work[J]. Italian Sociological Review, 2021, 11(3): 761-779.

Interaction Design of In-vehicle Fatigue Early Warning Products Based on User Demand

WANG Zhao-xia, LIAO Xiao-ju

(Tianjin University of Science and Technology, Tianjin 300222, China)

Aiming at the problem of fatigue driving, this paper conducts research and evaluation on the interactive design of fatigue early warning products according to the demand of users, and proposes design methods to improve the user experience of related products. First of all, the framework of the interactive design system for in-vehicle fatigue early warning products is established.Through user interviews, questionnaire surveys, etc., the user's demand for in-vehicle fatigue early warning products is summarized, and a hierarchical analysis model of user demand is established. Secondly, the AHP is used to collect the scores of experts and users, and then calculate the weight of the indexes to obtain the priority of each demand.Based on the demand priority, the interactive design of the in-vehicle fatigue early warning product is carried out. Finally, FCA is used to evaluate and optimize the design.The design example verifies the effectiveness of the AHP-FCA design strategy. At the same time, this method can help designers explore the interactive design direction of in-vehicle fatigue early warning products, improve users' experience, and expand the ideas for the interactive design of related products.

in-vehicle fatigue early warning; user demand; interaction design; user experience

TB472

A

1001-3563(2022)14-0090-10

10.19554/j.cnki.1001-3563.2022.14.010

2022–02–10

王朝俠（1972—），女，教授，主要研究方向?yàn)楫a(chǎn)品設(shè)計(jì)。

責(zé)任編輯：馬夢(mèng)遙