王建民，汪巧鳳，張俊

自動(dòng)駕駛中基于透明度的人機(jī)界面設(shè)計(jì)研究

王建民，汪巧鳳，張俊

（同濟(jì)大學(xué) 藝術(shù)與傳媒學(xué)院，上海 201804）

選取自動(dòng)駕駛中后方來(lái)車的典型場(chǎng)景，探究基于透明度人機(jī)界面（HMI）設(shè)計(jì)對(duì)駕駛員認(rèn)知的影響。采取文獻(xiàn)查閱、場(chǎng)景分析、實(shí)驗(yàn)評(píng)估等研究方法，使用態(tài)勢(shì)感知的透明度（SAT）理論模型，設(shè)計(jì)了該場(chǎng)景下的HMI界面，并在駕駛模擬器上進(jìn)行了設(shè)計(jì)驗(yàn)證。研究結(jié)果表明HMI透明度水平與駕駛員對(duì)系統(tǒng)的信任度呈正相關(guān)，但感知工作量無(wú)顯著變化。另外，不同水平的透明度信息會(huì)影響駕駛員的態(tài)勢(shì)感知能力，而駕駛員對(duì)當(dāng)前情境的理解與信任度存在顯著相關(guān)性。HMI的透明度設(shè)計(jì)會(huì)從三個(gè)方面影響駕駛員的認(rèn)知，分別是態(tài)勢(shì)感知、工作負(fù)荷和信任度。因此在對(duì)人機(jī)界面進(jìn)行透明度設(shè)計(jì)時(shí)，需要重點(diǎn)考慮對(duì)這些因素的影響。

自動(dòng)駕駛；HMI設(shè)計(jì)；透明度；信任度；工作負(fù)荷

隨著自動(dòng)駕駛技術(shù)的發(fā)展，搭載高級(jí)輔助駕駛系統(tǒng)（Advanced Driving Assistance System，ADAS）的智能汽車已實(shí)現(xiàn)產(chǎn)業(yè)化應(yīng)用。這些ADAS可以給人類駕駛員提供認(rèn)知和控制的合作，如：跟車距離過(guò)短警告、側(cè)方來(lái)車、壓線提醒等，這些功能都提高了人類駕駛員的認(rèn)知能力，促進(jìn)了駕駛安全。然而，自動(dòng)化在交互上也給人帶來(lái)了三個(gè)方面的變化，分別是反饋的變化（Changes in Feedback）、任務(wù)和任務(wù)結(jié)構(gòu)的變化（Changes in Tasks and Task Structure）、操作員對(duì)變化的認(rèn)知和情緒反應(yīng)（Operators 'Cognitive and Emotional Response to Changes）[1]。這種變化使人類駕駛員與ADAS技術(shù)的交互成為一個(gè)新問(wèn)題，在傳統(tǒng)的手動(dòng)駕駛中，需要駕駛員完成所有的駕駛?cè)蝿?wù)，駕駛員會(huì)根據(jù)自己對(duì)環(huán)境的感知做出駕駛決策，而自動(dòng)駕駛或部分自動(dòng)駕駛功能開(kāi)啟的狀態(tài)下（如L2、L3級(jí)別），ADAS完成了部分或全部的控制和認(rèn)知任務(wù)，但是這種控制和認(rèn)知的過(guò)程和結(jié)果需要人類監(jiān)督，即駕駛員負(fù)責(zé)監(jiān)督其駕駛，并在必要的時(shí)候完成接管[2]。換句話說(shuō)，自動(dòng)化本身成為人類關(guān)注的對(duì)象。

這種關(guān)注可以通過(guò)人機(jī)交互（Human Machine Interaction）來(lái)實(shí)現(xiàn)，而如何設(shè)計(jì)人與自動(dòng)化或智能系統(tǒng)的交互成為最重要的問(wèn)題。Parasuraman等[3]認(rèn)為，成功的自動(dòng)化通常是由適當(dāng)?shù)牟僮鲉T心理負(fù)荷、高度的情境意識(shí)（SA）及對(duì)行為的不滿意和技能退化來(lái)衡量的。因此，在對(duì)人機(jī)交互界面中的信息進(jìn)行設(shè)計(jì)時(shí)需要考慮很多因素，比如態(tài)勢(shì)感知、工作負(fù)荷、信任度等。為了讓人類駕駛員更理解機(jī)器的認(rèn)知和行為，HMI界面信息需要將更多更準(zhǔn)確的機(jī)器認(rèn)知信息傳達(dá)給駕駛員，對(duì)信息進(jìn)行適當(dāng)?shù)耐该鞫仍O(shè)計(jì)成為智能系統(tǒng)的界面設(shè)計(jì)重點(diǎn)，尤其是在自動(dòng)駕駛車輛中。

目前自動(dòng)駕駛車輛中如何考慮透明度的界面設(shè)計(jì)尚需要深入研究?；谝陨媳尘?，本文以后方來(lái)車為研究場(chǎng)景，對(duì)中控屏幕中的信息進(jìn)行了不同透明度水平的設(shè)計(jì)，期望這些設(shè)計(jì)可以有效提升駕駛員對(duì)行車環(huán)境的感知，并且可以影響人類駕駛員對(duì)自動(dòng)化系統(tǒng)的信任。在本文中，第一部分，回顧了態(tài)勢(shì)感知、透明度、信任度等重要概念，以及國(guó)內(nèi)重要的車廠對(duì)自動(dòng)駕駛車輛界面設(shè)計(jì)的桌面研究。第二部分，對(duì)自動(dòng)駕駛中的后方來(lái)車場(chǎng)景進(jìn)行了認(rèn)知需求分析，用來(lái)確定駕駛員的信息需求。第三部分，在特斯拉 Model3中控界面的基礎(chǔ)上結(jié)合透明度（SAT）模型進(jìn)行了界面設(shè)計(jì)，最終形成了三種水平的透明度HMI設(shè)計(jì)方案。這三種方案主要向駕駛員傳達(dá)了以下部分或全部信息：對(duì)當(dāng)前環(huán)境的感知、對(duì)當(dāng)前環(huán)境狀態(tài)進(jìn)行分析、對(duì)可能發(fā)生的結(jié)果進(jìn)行預(yù)判。第四部分，通過(guò)實(shí)驗(yàn)對(duì)設(shè)計(jì)方案進(jìn)行了評(píng)估并給出了結(jié)論。

1 理論基礎(chǔ)

1.1 態(tài)勢(shì)感知與透明度

態(tài)勢(shì)感知或情景意識(shí)（situation awareness, SA）是指人對(duì)周圍環(huán)境變化的感知能力，即當(dāng)前發(fā)生了什么，這意味著什么以及該怎么做[4]。根據(jù)Endsley[5]的定義，它分為三個(gè)等級(jí)：SA 1為個(gè)體對(duì)周圍環(huán)境中與任務(wù)相關(guān)的元素進(jìn)行感知；SA2涉及對(duì)SA1等級(jí)中數(shù)據(jù)的解釋，這有助于個(gè)體對(duì)當(dāng)前任務(wù)和目標(biāo)的理解；SA3涉及對(duì)系統(tǒng)或者環(huán)境中元素未來(lái)狀態(tài)的預(yù)測(cè)。態(tài)勢(shì)感知可以由人類持有，也可以由智能系統(tǒng)持有，現(xiàn)代車輛上的ADAS系統(tǒng)就是這樣一個(gè)具有態(tài)勢(shì)感知能力的智能系統(tǒng)[6]。這種系統(tǒng)正在轉(zhuǎn)變?yōu)榫哂懈叨茸灾蔚淖灾未韀7]（L3-L5級(jí)別自動(dòng)駕駛）。在高級(jí)自動(dòng)駕駛實(shí)現(xiàn)之前，目前的自動(dòng)駕駛功能是一個(gè)基于多代理的（人和ADAS）聯(lián)合駕駛活動(dòng)，即駕駛?cè)蝿?wù)由人類駕駛員和ADAS共同完成。因此，人和ADAS是以團(tuán)隊(duì)（Team）的形式在控制車輛和感知環(huán)境。例如，在人機(jī)合作駕駛的過(guò)程中，駕駛員開(kāi)啟自動(dòng)駕駛后，具有部分自動(dòng)駕駛能力的ADAS控制駕駛，駕駛員負(fù)責(zé)監(jiān)督同時(shí)進(jìn)行一些非駕駛?cè)蝿?wù)，在這種情況下，人和ADAS之間需要不斷交流各自的SA，以便完成安全而高效的合作駕駛。

在交流的過(guò)程中，如何傳遞三個(gè)等級(jí)的SA信息，從而讓雙方更準(zhǔn)確地了解彼此，透明度（Transparency）被認(rèn)為是一種解決方案。透明度是指界面能夠告知操作員系統(tǒng)的目的、推理未來(lái)計(jì)劃的能力從而增進(jìn)人對(duì)機(jī)器的理解和信任[8]。更好的透明度設(shè)計(jì)應(yīng)該在駕駛場(chǎng)景中對(duì)駕駛員產(chǎn)生積極的影響，因?yàn)橥该鞫葘?duì)解釋智能系統(tǒng)的行為和決策有著重要的輔助作用，可以提升操作員對(duì)智能系統(tǒng)的信任度及團(tuán)隊(duì)績(jī)效。目前，透明度設(shè)計(jì)已經(jīng)被用在車輛HMI設(shè)計(jì)的各個(gè)方面，例如Chen等[9]將基于情境感知的代理透明度（SAT）模型分別應(yīng)用到了Autonomous squad member和Intelligent Multi-UxV planner with adaptive collaborative/control technologies這兩個(gè)項(xiàng)目的HMI設(shè)計(jì)中。除此之外，“后方來(lái)車”也是自動(dòng)駕駛狀態(tài)下人機(jī)合作駕駛的典型場(chǎng)景，Pokam等[10]認(rèn)為該場(chǎng)景下自車有超車計(jì)劃時(shí)容易忽略后方車輛的信息。

Chen和他的同事利用Endsley的SA模型開(kāi)發(fā)了一種基于態(tài)勢(shì)感知的透明度（SAT）模型，該模型將態(tài)勢(shì)感知信息進(jìn)行分層顯示，以促進(jìn)人類伙伴的理解。SAT模型由三個(gè)獨(dú)立的層次組成，每個(gè)層次都代表著與駕駛員互動(dòng)時(shí)需要傳達(dá)的信息。其中，第一個(gè)層次（SAT 1）的信息主要用于幫助駕駛員感知系統(tǒng)當(dāng)前的行動(dòng)和計(jì)劃；第二個(gè)層次（SAT 2）的信息用于駕駛員更好地理解系統(tǒng)當(dāng)前的行為；第三個(gè)層次（SAT 3）的信息用于駕駛員對(duì)未來(lái)結(jié)果的預(yù)測(cè)。當(dāng)駕駛員開(kāi)啟自動(dòng)駕駛之后，ADAS時(shí)刻監(jiān)控著周圍環(huán)境，并將這三個(gè)層次的態(tài)勢(shì)感知信息通過(guò)HMI界面?zhèn)鬟f給人類駕駛員，人類駕駛員會(huì)通過(guò)HMI界面的信息及自身從環(huán)境中得到的信息來(lái)綜合判斷是否需要接管車輛，該過(guò)程見(jiàn)圖1。

基于以上理論基礎(chǔ)，本文選取了自動(dòng)駕駛中的后方來(lái)車場(chǎng)景。在該場(chǎng)景中，為了滿足人類駕駛員對(duì)機(jī)器認(rèn)知情況的理解，研究團(tuán)隊(duì)使用上文所提的SAT模型，將智能體對(duì)后方來(lái)車的態(tài)勢(shì)感知信息轉(zhuǎn)化為不同透明度水平的HMI設(shè)計(jì)，以研究智能系統(tǒng)透明度界面對(duì)人機(jī)團(tuán)隊(duì)合作的影響。

圖1 自動(dòng)駕駛過(guò)程中基于態(tài)勢(shì)感知的透明度模型

1.2 信任度

成功的人機(jī)合作需要通過(guò)信任校準(zhǔn)而使駕駛員對(duì)自動(dòng)化系統(tǒng)保持“適中”的信任程度。如果駕駛員對(duì)自動(dòng)化系統(tǒng)沒(méi)有信任，那么即便自動(dòng)化性能很好，駕駛員也不會(huì)去使用。相反，如果駕駛員對(duì)自動(dòng)化系統(tǒng)有過(guò)多的信任，會(huì)因?yàn)檫^(guò)度依賴自動(dòng)化系統(tǒng)而不正確地使用。信任度低或過(guò)度信任都會(huì)導(dǎo)致事故的發(fā)生。因此，HMI發(fā)揮著潛在作用，它會(huì)在實(shí)際的駕駛條件中引導(dǎo)駕駛員獲得其適當(dāng)?shù)男湃?，這對(duì)確保駕駛安全和舒適至關(guān)重要。

在人機(jī)交互領(lǐng)域中，Lee等認(rèn)為人在與自動(dòng)化系統(tǒng)合作時(shí)除了透明度之外，另一個(gè)組成部分是信任。當(dāng)車輛處于自動(dòng)駕駛狀態(tài)時(shí)，駕駛員對(duì)系統(tǒng)的信任也是人機(jī)團(tuán)隊(duì)合作成功的重要因素[11]。Chen等[12]的研究表明，人和自動(dòng)化系統(tǒng)之間有兩種類型的信任：傾向型信任和基于歷史的信任。傾向型信任是指一個(gè)人比較穩(wěn)定的信任觀念，常在人與自動(dòng)化系統(tǒng)進(jìn)行交互之前就已經(jīng)存在，而基于歷史的信任是一種不斷變化的信任，會(huì)受人與自動(dòng)化系統(tǒng)交互的影響。在合作的過(guò)程中，駕駛員會(huì)根據(jù)自己獲取到的信息、印象以及過(guò)往的經(jīng)驗(yàn)而對(duì)自動(dòng)化系統(tǒng)產(chǎn)生不同程度的依賴。

目前，信任度的衡量有兩種方式。一種是根據(jù)Muir[13]提出的基于車輛自動(dòng)化信任度的模型，該模型將信任分為三個(gè)維度，分別是可預(yù)測(cè)性、可靠性和忠誠(chéng)度?？深A(yù)測(cè)性是指駕駛員可以很好地預(yù)測(cè)系統(tǒng)的輸出，可靠性指的是駕駛員可以放心地讓自動(dòng)化系統(tǒng)參與到任務(wù)中，并對(duì)系統(tǒng)產(chǎn)生依靠性，忠誠(chéng)度是指在駕駛員使用自動(dòng)化系統(tǒng)完成任務(wù)后，還希望繼續(xù)使用該系統(tǒng)。另外一種是Jian等[14]開(kāi)發(fā)的信任度量表，該量表包含12個(gè)影響人與自動(dòng)化系統(tǒng)之間信任的潛在因素，見(jiàn)表1。

Chen及其團(tuán)隊(duì)的研究已經(jīng)表明，人對(duì)智能體的信任度與界面的透明度有關(guān)，界面的透明度水平越高，人對(duì)系統(tǒng)的信任度越高。然而對(duì)透明度如何影響信任度沒(méi)有進(jìn)一步的描述，本文對(duì)這部分內(nèi)容做了補(bǔ)充。

表1 信任度量表

1.3 HMI設(shè)計(jì)案例調(diào)研

近幾年來(lái)，自動(dòng)駕駛技術(shù)發(fā)展迅速，國(guó)內(nèi)外多家主流車企均發(fā)布了搭載輔助駕駛功能的量產(chǎn)車，對(duì)自動(dòng)駕駛狀態(tài)下“后方來(lái)車”這一典型場(chǎng)景都有各自的人機(jī)界面方案。蔚來(lái)ES8、小鵬P7、智己L7均在儀表屏上增加了顯示當(dāng)前車況的信息，在HMI設(shè)計(jì)上，用醒目的車模表示本車，用灰色的車模顯示周圍的輛及行人，這在一定程度上有助于駕駛員在不用轉(zhuǎn)頭觀察左右后視鏡的情況下掌控當(dāng)前車輛行駛狀態(tài)，但是這種方案仍然存在優(yōu)化的空間。以后方來(lái)車場(chǎng)景為例，首先，車模在視覺(jué)效果上并未對(duì)超車之前和超車之后做出區(qū)分，若后方有車駛來(lái)，駕駛員不一定能迅速感知后方的車輛；其次，若本車處在多車道的駕駛環(huán)境下，左右兩邊均有車輛駛來(lái)并有并道意圖時(shí)，自動(dòng)駕駛系統(tǒng)采取了制動(dòng)行為，但是駕駛員因無(wú)法判斷這兩輛車的緊急優(yōu)先程度，就無(wú)法理解系統(tǒng)作出此決策的原因；最后，由于儀表盤(pán)上還設(shè)計(jì)了如導(dǎo)航、音樂(lè)卡片等其他種類的信息，因此駕駛員在無(wú)法預(yù)判未知危險(xiǎn)的情況下會(huì)將注意力放在這些信息上。

為了解決以上問(wèn)題，HMI方案可以從透明度設(shè)計(jì)的角度出發(fā)，增加信息的視覺(jué)層次，從而提高駕駛員感知信息的能力、幫助其理解系統(tǒng)行為并預(yù)知未來(lái)可能存在的危險(xiǎn)。表2總結(jié)了四款當(dāng)前搭載了輔助駕駛系統(tǒng)的量產(chǎn)車，并對(duì)其在后方來(lái)車場(chǎng)景中的HMI設(shè)計(jì)方案進(jìn)行了問(wèn)題總結(jié)及解決方向總結(jié)。

表2 自動(dòng)駕駛車輛HMI調(diào)研總結(jié)

Tab.2 Summary of HMI research for autonomous vehicles

2 HMI設(shè)計(jì)

2.1 場(chǎng)景分析

本文中，車輛處于自動(dòng)駕駛模式，此時(shí)后方來(lái)車，并突然向自車前方超過(guò)。該場(chǎng)景如圖3所示，駕駛場(chǎng)景可分為三個(gè)階段，階段一是后方來(lái)車和本車的距離大于10 m（超車前），階段二是后方來(lái)車和本車的距離為0～10 m（超車中），階段三是后方來(lái)車超過(guò)本車（超車后），其中①代表正在勻速行駛的本車，②代表后方來(lái)車，以大于本車的速度勻速行駛。

實(shí)際上，道路上行駛的車輛間往往存在著強(qiáng)烈的相互作用[15]。在日常交通中可以觀察到，在超車的第一階段，駕駛員往往通過(guò)左右后視鏡來(lái)觀察后方行車環(huán)境，有時(shí)候駕駛員還會(huì)通過(guò)稍微減速或者拉開(kāi)車輛間的橫向距離使后方車輛順利完成超車，但是在自動(dòng)駕駛模式下，駕駛員可能會(huì)因擔(dān)心系統(tǒng)無(wú)法理解并執(zhí)行這種行為而接管車輛。如圖4所示，描述了整個(gè)超車過(guò)程中不同階段的態(tài)勢(shì)感知信息需求及這些態(tài)勢(shì)感知的透明度層次。首先，在后方車輛離本車距離較遠(yuǎn)時(shí)，HMI顯示SAT 3級(jí)預(yù)測(cè)信息，警示駕駛員后方或有危險(xiǎn)意圖的車輛，當(dāng)引起駕駛員注意后，HMI上顯示SAT 1級(jí)感知信息，即后方車輛與本車的相對(duì)位置；其次，當(dāng)后方車輛與本車的位置進(jìn)一步靠近時(shí)，HMI在持續(xù)顯示SAT 1級(jí)感知信息的同時(shí)，需要告知駕駛員ADAS對(duì)當(dāng)前行車狀況是否危險(xiǎn)的理解，即SAT 2級(jí)信息；最后，當(dāng)后方車輛成功超車，HMI顯示SAT 1級(jí)感知，用于告知駕駛員當(dāng)前車況。

圖2 后方來(lái)車場(chǎng)景的前、中、后三個(gè)階段

圖3 超車過(guò)程中基于透明度的交互場(chǎng)景

2.2 界面元素設(shè)計(jì)

本文的設(shè)計(jì)基于特斯拉Model 3的中控界面，設(shè)計(jì)的目標(biāo)是通過(guò)中控界面，駕駛員是否知道后方發(fā)生了什么事？特斯拉屏幕范圍外的提示信息是否充分？如何提示駕駛員對(duì)行車環(huán)境的感知？以及提升用戶對(duì)HMI信息提示的信任度。

根據(jù)上文的分析，對(duì)SAT等級(jí)進(jìn)行了界面元素的設(shè)計(jì)。對(duì)超車前的SAT 3預(yù)測(cè)信息，用一個(gè)帶有黃色漸變的方塊來(lái)表示，對(duì)SAT 1感知類信息，則用小車模型來(lái)實(shí)時(shí)映射實(shí)際的車輛狀況；對(duì)超車過(guò)程中的SAT 2理解類信息，采用黃色、紅色來(lái)顯示危險(xiǎn)程度；對(duì)超車后的感知類信息，使用灰色小車模型來(lái)實(shí)時(shí)映射實(shí)際的車輛狀況，見(jiàn)圖4。

結(jié)合SAT模型的三個(gè)層次，定義出了三種HMI，每個(gè)HMI中的信息都反映了不同SAT水平需要傳遞的信息，如表3所示，其中HMI 0為Model 3用戶界面，用來(lái)作為對(duì)照，“N”表示沒(méi)有顯示某層次的信息，“Y”則表示顯示此層次的信息。

HMI 0沒(méi)有SAT模型中的任何一級(jí)信息，HMI 1僅顯示SAT 1相關(guān)的信息，用黃色小車后方車輛相對(duì)本車的位置，如圖5所示；HMI 2顯示SAT 1和SAT 2的信息，在原有黃色的基礎(chǔ)上，用紅色和灰色表示后方車輛與本車之間距離的遠(yuǎn)近與危險(xiǎn)程度，當(dāng)后方車輛距離本車過(guò)近有潛在危險(xiǎn)時(shí)，用紅色示警，如圖6所示；HMI 3顯示SAT 1、SAT 2和SAT 3的信息，在HMI 2的基礎(chǔ)上，用黃色色塊顯示后方來(lái)車的預(yù)測(cè)信息，見(jiàn)圖7。

表3 HMI設(shè)計(jì)方案

Tab.3 HMI design scheme

圖4 基于透明度的信息需求及界面設(shè)計(jì)元素

圖5 HMI 1（僅顯示SAT 1相關(guān)信息）

圖6 HMI 2（顯示SAT 1+SAT 2相關(guān)信息）

圖7 HMI 3（顯示SAT1+SAT 2+SAT 3相關(guān)信息）

3 實(shí)驗(yàn)評(píng)估

使用駕駛模擬器搭建出了一個(gè)相對(duì)真實(shí)的駕駛環(huán)境，邀請(qǐng)16名參與者，以特斯拉Model 3的HMI作為對(duì)照（HMI 0），對(duì)這三種HMI進(jìn)行評(píng)估，以拉丁方順序來(lái)展示HMI 1、HMI 2、HMI 3，以便平衡學(xué)習(xí)效應(yīng)。主觀數(shù)據(jù)使用目前較為通用的SAGAT量表、信任度量表及NASA-TLX量表，以便測(cè)量不同的HMI方案對(duì)駕駛員態(tài)勢(shì)感知、信任度、工作負(fù)荷的影響，同時(shí)在每次駕駛結(jié)束之后，讓駕駛員對(duì)HMI方案的整體感受進(jìn)行評(píng)價(jià)。

3.1 參與者

實(shí)驗(yàn)共有16名被試者，其中8名男性，8名女性。平均年齡為32.1歲（SD為4.61），平均駕齡為7.3年（SD為3.11）。學(xué)歷在本科及以上，對(duì)自動(dòng)駕駛系統(tǒng)有一定的認(rèn)知與使用經(jīng)驗(yàn)。

3.2 實(shí)驗(yàn)環(huán)境

實(shí)驗(yàn)在駕駛模擬器上完成，如圖8所示。其中的測(cè)試道路在Unity里進(jìn)行建模，車道寬度、車道線的尺寸以及車道線類別均為國(guó)家標(biāo)準(zhǔn)尺寸，盡可能增加駕駛模擬中駕駛場(chǎng)景的真實(shí)性。在本實(shí)驗(yàn)中，選取了一條平坦路面上筆直的單向雙車道，模擬駕駛測(cè)試任務(wù)都在此道路上完成。另外，還使用了一個(gè)10.8寸（1寸≈3.33 cm）的平板來(lái)顯示任務(wù)過(guò)程中涉及的中控屏幕HMI界面，用一個(gè)15.6寸的顯示器來(lái)顯示任務(wù)過(guò)程中后視鏡的場(chǎng)景變化。

3.3 實(shí)驗(yàn)過(guò)程

1）在測(cè)試之前，參與者會(huì)填寫(xiě)一份個(gè)人信息調(diào)查問(wèn)卷，包括姓名、年齡、駕齡、學(xué)歷、職業(yè)、駕駛頻率等。

圖8 實(shí)驗(yàn)環(huán)境

2）進(jìn)行駕駛訓(xùn)練。參與者將在模擬器上完成5分鐘的試駕，同時(shí)掌握模擬器上的一些基本操作，例如開(kāi)啟自動(dòng)駕駛，接管車輛等，這一步旨在讓參與者習(xí)慣模擬器。

3）在進(jìn)行駕駛訓(xùn)練的同時(shí)，參與者被告知整個(gè)測(cè)試期間他們需要開(kāi)啟自動(dòng)駕駛，并結(jié)合中控HMI及左右后視鏡觀察周圍行車環(huán)境，參與者可以根據(jù)他們的信息需求去監(jiān)控自動(dòng)駕駛系統(tǒng)。

4）測(cè)試過(guò)程中，每個(gè)參與者會(huì)駕駛4次，每次呈現(xiàn)不同的HMI。由于HMI 0是空白對(duì)照，所以參與者第一次駕駛時(shí)中控屏幕上會(huì)出現(xiàn)HMI 0，此后的三次駕駛，將會(huì)以拉丁方的順序向參與者呈現(xiàn)HMI 1、HMI 2和HMI 3。每個(gè)參與者的實(shí)驗(yàn)大約會(huì)持續(xù)1 h。

5）每次駕駛結(jié)束后，參與者需要填寫(xiě)一份關(guān)于信任度、態(tài)勢(shì)感知及工作負(fù)荷的調(diào)查問(wèn)卷。這些數(shù)據(jù)將會(huì)用來(lái)衡量不同透明度的HMI如何影響駕駛員對(duì)系統(tǒng)的信任度、駕駛員對(duì)周圍的感知能力及工作負(fù)荷。

4 實(shí)驗(yàn)結(jié)果分析

4.1 量表數(shù)據(jù)

4.1.1 信任度

當(dāng)屏幕顯示HMI 0時(shí)，信任度量表得分作為對(duì)照，研究基于透明度的設(shè)計(jì)是否會(huì)影響駕駛員對(duì)系統(tǒng)的信任度，當(dāng)屏幕顯示HMI 1、HMI 2、HMI 3時(shí)的信任度量表得分則用來(lái)研究透明度模型中的三個(gè)層級(jí)如何影響駕駛員對(duì)系統(tǒng)的信任度，結(jié)果見(jiàn)圖10。結(jié)果表明，當(dāng)屏幕上為HMI 0時(shí)，駕駛員對(duì)系統(tǒng)的信任度得分為3.89（SD值為0.35），當(dāng)屏幕上為HMI 1時(shí)，駕駛員對(duì)系統(tǒng)的信任度得分為4.72（SD值為1.01），當(dāng)屏幕上為HMI 2時(shí)，駕駛員對(duì)系統(tǒng)的信任度得分為4.99（SD值為0.74），當(dāng)屏幕上為HMI 3時(shí)，駕駛員對(duì)系統(tǒng)的信任度得分為5.14（SD值為0.59）。由此可見(jiàn)若HMI不顯示任何透明度信息，駕駛員對(duì)系統(tǒng)的信任度最低，而HMI同時(shí)顯示SAT 1、SAT 2、SAT 3相關(guān)信息時(shí)，駕駛員對(duì)系統(tǒng)的信任度最高。

圖9 信任度量表得分

4.1.2 工作負(fù)荷

由于不同透明度水平的HMI有著不同的信息量，這就意味著還需要探究隨著信息量的增加是否給駕駛員帶來(lái)了更大的工作負(fù)荷，這使用了NASA-TLX量表來(lái)衡量，結(jié)果如表4所示。從表4中可以看出，當(dāng)屏幕顯示HMI 0時(shí)，駕駛員的感知工作量最大，這是因?yàn)镠MI 0沒(méi)有對(duì)信息進(jìn)行視覺(jué)上的區(qū)分，駕駛員無(wú)法在短時(shí)間內(nèi)迅速獲取自己想要的信息。當(dāng)屏幕上顯示HMI 1、HMI 2、HMI 3時(shí)，駕駛員的感知工作量隨著信息的增加而增加，但是結(jié)果沒(méi)有顯著差異性。

表4 NASA-TLX量表得分

Tab.4 Nasa-tlx scale scores

4.2 相關(guān)性分析

4.2.1 信任度與態(tài)勢(shì)感知

上文中信任度量表分?jǐn)?shù)顯示HMI 3的信任度最高，該結(jié)果是否與駕駛員態(tài)勢(shì)感知水平有關(guān)？由于HMI 0不顯示感知、理解、預(yù)判相關(guān)信息，因此對(duì)駕駛員態(tài)勢(shì)感知水平的分析以HMI 1、HMI 2、HMI 3為主，對(duì)比了這三種條件下每個(gè)SAT級(jí)別的SAGAT得分。結(jié)果顯示當(dāng)中控屏幕上展示HMI 1時(shí)，用戶的感知信息能力較其他方案強(qiáng)，而展示HMI 2時(shí)，駕駛員聚焦于理解系統(tǒng)當(dāng)前的駕駛行為，其感知水平略有降低，當(dāng)展示HMI 3時(shí)，駕駛員對(duì)即將發(fā)生的情況預(yù)測(cè)能力最強(qiáng)，同時(shí)感知和理解水平均有了提升。接著，對(duì)信任度與感知、理解、預(yù)判這三個(gè)影響態(tài)勢(shì)感知的因素進(jìn)行了相關(guān)性計(jì)算，結(jié)果見(jiàn)表5。

表5 信任度與態(tài)勢(shì)感知的相關(guān)性分析

Tab.5 Correlation analysis between trust and situation awareness

由此可知，從態(tài)勢(shì)感知的三個(gè)層級(jí)來(lái)看，信任度與界面上的理解類信息有顯著相關(guān)性?？梢哉J(rèn)為在當(dāng)前任務(wù)中，如果HMI能夠幫助用戶獲得更好的態(tài)勢(shì)感知，尤其是提供理解類信息時(shí)，用戶對(duì)系統(tǒng)有更高的信任度。

4.2.2 信任度與工作負(fù)荷

同樣地，為了探究隨著透明度信息的增加，工作負(fù)荷是否會(huì)影響用戶的信任度，對(duì)信任度量表總分與NASA-TLX量表總分及各選項(xiàng)得分進(jìn)行了相關(guān)性計(jì)算，結(jié)果見(jiàn)表6。

表6 信任度與工作負(fù)荷的相關(guān)性分析

Tab.6 Correlation analysis between trust and workload

盡管三種方案之間的工作負(fù)荷并沒(méi)有顯著差異，但是工作負(fù)荷和信任度存在相關(guān)性，說(shuō)明當(dāng)用戶面對(duì)HMI上所呈現(xiàn)的信息時(shí)，受到的工作負(fù)荷越大，對(duì)系統(tǒng)的信任度越低，其中，HMI上所顯示的信息對(duì)用戶注意力的占用，以及用戶為完成任務(wù)付出的努力程度和信任度存在相關(guān)性。因此，在進(jìn)行透明度設(shè)計(jì)時(shí)，為了避免用戶降低對(duì)系統(tǒng)的信任度，設(shè)計(jì)元素需要減少對(duì)用戶注意力的占用，例如采用醒目的顏色等，同時(shí)還要減少用戶完成任務(wù)的努力程度。

4.3 訪談數(shù)據(jù)

這三種設(shè)計(jì)方案主要區(qū)別在于設(shè)計(jì)元素不同，為了探究哪些設(shè)計(jì)元素影響了信任度，在實(shí)驗(yàn)結(jié)束之后，又對(duì)參與者進(jìn)行了訪談。與信任度相關(guān)的訪談主要從三個(gè)角度出發(fā)，分別是可預(yù)測(cè)性、可靠性、忠誠(chéng)度。訪談問(wèn)題見(jiàn)表7，訪談結(jié)果見(jiàn)圖11。從訪談內(nèi)容可以發(fā)現(xiàn)，當(dāng)屏幕顯示HMI 0時(shí)信任度分?jǐn)?shù)之所以低，是因?yàn)轳{駛員無(wú)法得出后方車輛距本車的距離，以及后方車輛向前超車時(shí)的速度。而參與者對(duì)HMI 3所顯示的信息信任度最高主要有兩個(gè)方面的原因，一是該方案使用不同的顏色對(duì)車況的危險(xiǎn)等級(jí)做了區(qū)分，二是在駕駛員的視線盲區(qū)內(nèi)使用黃色色塊增加了預(yù)測(cè)信息，這有助于幫助駕駛員判斷當(dāng)車況發(fā)生改變時(shí)，系統(tǒng)是否具有處理能力。HMI 2只具備上述原因的第二條，HMI 1則沒(méi)有使用顏色來(lái)區(qū)分危險(xiǎn)等級(jí)，這是HMI 1和HMI 2信任分?jǐn)?shù)不高的原因。

表7 訪談問(wèn)題清單

圖10 訪談結(jié)果

4.4 實(shí)驗(yàn)結(jié)論

本文從三個(gè)維度（態(tài)勢(shì)感知、信任度和工作負(fù)荷）評(píng)估不同透明度級(jí)別的HMI。實(shí)驗(yàn)數(shù)據(jù)表明當(dāng)透明度級(jí)別越高，即提前預(yù)知駕駛員后方有車駛來(lái)，且用不同的顏色來(lái)區(qū)分后方來(lái)車相對(duì)本車的位置，極大地增加了駕駛員的感知能力，駕駛員對(duì)自動(dòng)化系統(tǒng)的信任度也更高。另外，增加的信息量并沒(méi)有對(duì)駕駛員的工作負(fù)荷產(chǎn)生明顯的影響。在本次實(shí)驗(yàn)的三種HMI中，還能得到以下結(jié)論。

1）態(tài)勢(shì)感知水平與用戶對(duì)自動(dòng)駕駛系統(tǒng)的信任度呈正相關(guān)，尤其是理解類信息，可以認(rèn)為用戶在開(kāi)啟自動(dòng)駕駛時(shí)，更加關(guān)注HMI上顯示系統(tǒng)對(duì)當(dāng)前駕駛狀態(tài)的理解，這表明了系統(tǒng)做出決策的原因。

2）工作負(fù)荷與用戶對(duì)自動(dòng)駕駛系統(tǒng)的信任度呈負(fù)相關(guān)。當(dāng)提高HMI的透明度水平時(shí)，界面透明度信息對(duì)用戶注意力的占據(jù)和用戶為完成任務(wù)付出的努力程度會(huì)減少其信任度。當(dāng)用戶開(kāi)啟自動(dòng)駕駛時(shí)，注意力集中在路況上，不太關(guān)注界面上信息的提示，如果自動(dòng)駕駛系統(tǒng)當(dāng)前的決策與用戶自身對(duì)路況的認(rèn)知相符，用戶就會(huì)信任該系統(tǒng)。此外，用戶信任的系統(tǒng)是智能的，不需要用戶付出很大的努力去完成任務(wù)。

5 結(jié)語(yǔ)

本文主要研究了自動(dòng)駕駛中基于透明度的HMI設(shè)計(jì)，將Chen開(kāi)發(fā)的基于情景感知的透明度（SAT）模型引入自動(dòng)駕駛場(chǎng)景中，發(fā)現(xiàn)HMI的透明度越高，用戶對(duì)當(dāng)前環(huán)境的態(tài)勢(shì)感知能力越強(qiáng)，對(duì)系統(tǒng)的信任度越高。本文的創(chuàng)新點(diǎn)在于，當(dāng)?shù)贸鐾该鞫葧?huì)影響用戶的態(tài)勢(shì)感知和對(duì)系統(tǒng)信任度這一結(jié)論后，進(jìn)一步對(duì)態(tài)勢(shì)感知、工作負(fù)荷與信任度的相關(guān)性進(jìn)行了更為細(xì)致的分析，這為以增強(qiáng)駕駛員信任度為目標(biāo)的透明度設(shè)計(jì)提供了一種思路。

以上結(jié)論是在自動(dòng)駕駛的超車場(chǎng)景中得出的，之后將對(duì)更多的自動(dòng)駕駛場(chǎng)景進(jìn)行研究，探索不同的場(chǎng)景中所需要的透明度信息，以及這些信息會(huì)從哪些方面影響駕駛員的態(tài)勢(shì)感知、工作負(fù)荷以及信任度。

[1] LEE J D, SEPPELT B D. Human Factors in Automation Design[M]// NOF S Y. Springer Handbook of Automation. Berlin: Springer. 2009: 417-36.

[2] INTERNATIONAL S. Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems[J]. 2014, 3016: 1-12.

[3] PARASURAMAN R, SHERIDAN T B, WICKENS C D. A Model for Types and Levels of Human Interaction with Automation[J]. IEEE Transactions on Systems Man and Cybernetics-Part A Systems and Humans, 2000, 30(3): 286-97.

[4] ENDSLEY M R. Toward a Theory of Situation Awareness in Dynamic Systems[J]. Human Factors, 1995, 37(1): 32-64.

[5] Endsley M, Jones D, Betty Bolté. Designing for Situation Awareness[J]. Ergonomics, 2013, 56(4): 727-728.

[6] JOHANNSDOTTIR K R, HERDMAN C M. The Role of Working Memory in Supporting Drivers' Situation Awareness for Surrounding Traffic[J]. Human Factors, 2010, 52(6): 663.

[7] ENDSLEY, MICA, R. From Here to Autonomy: Lessons Learned From Human-Automation Research [J]. Human factors: The journal of the Human Factors Society, 2017, 59(1): 5-27.

[8] CHEN, J. Y C, BARNES, et al. Human–Agent Teaming for Multirobot Control: A Review of Human Factors Issues[J]. Human Machine Systems Transactions on, 2014, 44(1): 13-29.

[9] CHEN J, BARNES M J, SELKOWITZ A R, et al. Human-Autonomy Teaming and Agent Transparency; Proceedings of the Companion Publication of the 21st International Conference on Intelligent User Interfaces[C].Companion Publication of the 21st International Conference on Intelligent User Interfaces.New York: Association for Computing Machinery, 2016: 28-31.

[10] POKAM R, DEBERNARD S, CHAUVIN C, et al. Principles of Transparency for Autonomous Vehicles: First Results of an Experiment with an Augmented Reality Human-machine Interface[J]. Cognition Technology and Work, 2019, 21: 643-656.

[11] BILLINGS D R, SCHAEFER K E, CHEN J, et al. Developing Trust in Human-robot Interaction[J]. 2012: 109-110.

[12] CHEN J, BARNES M. J. Y. C. Chen and M. J. Barnes, Agent Transparency for Human-Agent Teaming Effectiveness[J]. 2015 IEEE International Conference on Systems, Man, and Cybernetics, Hong Kong, China, 2015, pp. 1381-1385.

[13] BONNIE M, MUIR. Trust in Automation: Part I. Theoretical Issues in the Study of Trust and Human Intervention in Automated Systems[J]. Ergonomics, 1994, 37(11): 1905-22.

[14] JIAN J, BISANTZ A M, DRURY C G, et al. Foundations for an Empirically Determined Scale of Trust in Automated Systems[J]. International journal of cognitive ergonomics, 2000, 4(1): 53-71.

[15] HOSONO K, MAKI A, WATANABE Y, et al. Implementation and Evaluation of Load Balancing Mechanism With Multiple Edge Server Cooperation for Dynamic Map System[J]. IEEE Transactions on Intelligent Transportation Systems, 2021, PP(99): 1-11.

Human-machine Interface Design Based on Transparency in Autonomous Driving Scenes

WANG Jian-min, WANG Qiao-feng, ZHANG Jun

(College of Arts and Media, Tongji University, Shanghai 201804, China)

The work aims to select the typical scene of a vehicle coming from behind in autonomous driving to explore the influence of transparency-based human-machine interface (HMI) design on the driver's cognition. Literature review, scene analysis, experimental evaluation and other research methods were adopted to design the HMI in this scene by the Situation Awareness-based Agent Transparency (SAT) model, and the design was verified on a driving simulator. The results indicated that the HMI transparency level was positively correlated with the driver's trust in the system, but the perceived workload had no significant change. In addition, different levels of transparency affected the drivers' situational awareness ability, and the drivers' understanding of the current situation was significantly correlated with the trust. The transparency design of HMI will affect the drivers' cognition from three aspects: situation awareness, workload and trust. Therefore, it is necessary to focus on the influence of these factors when designing the transparency of human-machine interface.

autonomous driving; HMI design; transparency; trust; workload

TB472

A

1001-3563(2023)14-0152-10

10.19554/j.cnki.1001-3563.2023.14.016

2023–02–11

同濟(jì)大學(xué)2022年智能新能源汽車協(xié)同創(chuàng)新中心智能駕駛艙子項(xiàng)目

王建民（1973—），男，博士，教授、博士生導(dǎo)師，主要研究方向?yàn)榻换ピO(shè)計(jì)、信息架構(gòu)設(shè)計(jì)、汽車交互設(shè)計(jì)、社會(huì)媒體計(jì)算。

汪巧鳳（1998—），女，碩士生，主攻汽車交互設(shè)計(jì)、用戶行為分析、用戶體驗(yàn)。

責(zé)任編輯：陳作