原文：《未来车辆的道路投影符号：中国道路的调查研究》
简介：汽车行业已经为自动驾驶汽车（AV）提供了多个外部人机界面（eHMI），因为现在汽车需要更安全地驾驶，所谓的eHMI可以用来弥补汽车中缺少人的交流。本研究侧重于eHMI的概念：汽车行业基于DMD的照明系统的道路图像投影。根据文献研究结果，我们试图设计一种全面、可转移、简单的投影符号，以满足车辆制造商的所有现行标准。这些eHMI投影符号根据其与这些符号的相似性呈现给中国驾驶员，供他们查看。根据调查结果，中国人喜欢简单的投影，里面没有复杂的图案。
基于场景的研究设计是汽车领域人因工程研究中广泛采用的强大工具。例如，如果来自附近车道的车辆切入目标车道，则只有在与场景相关或对情况有一定影响的情况下，才会检查在两辆车前面进一步行驶的车辆。在实施建议的技术（如车载通信设备）之前，可以使用场景来探索其使用的潜在问题。该方法生成关于由用户设备交互和设计建议产生的紧急行为的预测，以帮助未来的产品开发。场景可用于各种目标，包括演示如何使用系统、评估其功能、设计系统属性，最后测试理论。场景有各种大小和范围。我们研究中的场景被称为小插曲，因为它们是单个事件的简要总结。场景描述了一个基于真实事件的虚构场景。参与者被要求通过评论表达自己的感受和意见。
在我们的研究中，我们采用了车道变换方案，这在高速公路上非常常见，有四个阶段；在功能性变道情景下，第一阶段即将到来。它被定义为当驾驶员接近并意识到前车速度较慢并决定接管时。第二阶段是转向离开，定义为驾驶员执行变道操纵并在方向盘上施加力。第三阶段是超车，超车车辆以相对速度超车。一段时间以来，它也处于前车的盲点中。第四个也是最后一个阶段正在回归。超车车辆返回其起始车道，但不是强制性的。在我们的设计中，功能场景是在速度超过100公里/小时的高速公路上完成超车过程。相比之下，逻辑场景只是超车阶段，超车车辆处于自我车辆的盲点中，比超车车辆移动得慢。接近、转向和返回的阶段不在本文范围内。图1显示了功能场景，而虚线表示我们为研究设计选择的逻辑场景。
eHMI投影设计基于设计过程开始时建立的需求和人类视觉感知的基础。我们的用户调查用于在迭代过程中审查和修改几个外部人类交互投影草稿。扩展可用性标准的含义，“说用户的语言”、“一致性：相同的东西，相同的方式”和“保持设计简单”产生了对可理解性、可移植性和简单性的要求。要达到所有标准都很有挑战性，稍后将进行探索。然而，不同的参数之间存在权衡，一个只能以另一个的代价实现。
2） 外部人机交互投影的信息应直观易懂，以便其他道路使用者一眼就能掌握车辆的通信。根据一些研究，模式的含义并不直观。因此，与之前的调查不同，我们选择不使用光带进行通信。此外，自动驾驶汽车的显示符号应该是可以理解的，即使它缺少其等效符号。由于语言的原因，我们决定不展示任何形式的经文。所有交通参与者应理解该信息；此外，与文本相比，符号可以从比交通环境中的距离更长的距离看到。
在高速公路上行驶时，车道变化和盲点情况非常常见。在道路交通中，人类驾驶员经常接触这种情况。因此，我们确立了将外部人机交互投影设计转移到不同环境的目标。外部人与人的互动投影应与自行车和小型电动自行车场景保持一致，以方便易受伤害的道路使用者，并与多个谈判伙伴（如共享交通的城市驾驶）进行沟通。
消息应该设计得简单。使用高复杂度可能会导致误解，尤其是在高速公路等高速场景中。具有高水平细节的显示器将很难理解，并且需要很长时间才能理解。因此，一个详细的外部人与人的互动投影可能会分散驾驶员的注意力，而不是帮助即将到来的人类驾驶员。
外部人机交互投影系统没有标准。近年来，国际汽车照明和光信号专家组（GTB）致力于道路使用者投影系统的标准化。根据联合国（联合国第149号条例），投影符号只能使用白色。此外，对于特定场景的符号规则，没有特定形状。此外，交通符号的现有形状不能用于eHMI投影系统。尺寸、投影距离、亮度和可见性仍有待调查。
作为集思广益和从文献中找到符号的结果，发现了许多针对用例“盲点检测场景”的外部人机交互预测。调查中使用了出现的所有12个想法。图2显示了基于文献调查和头脑风暴开发的eHMI投影符号。
该问卷基于通过社交媒体发布的在线调查。一个名为“wenjuanwang”的开源中文网站被用来创建这项调查并收集数据。调查由3部分组成，标题页、一般信息、投影符号问题。
标题页简要介绍了调查和参与调查的条件。导言包括项目简介、调查的隐私问题以及完成调查所需的时间。条件包括年龄限制（大于或等于30岁）、国籍和拥有有效驾驶执照。第二部分是一般信息，包含与年龄、性别和每周行驶距离有关的问题。最后一部分，即特定于投影符号，从30秒的视频开始，场景也用中文（文本）描述。图3显示了调查中使用的视频截图。一个五点林克特样的量表被用来评估他们在每个投影符号中的相似性和兴趣。在观看了盲点检测场景的视频后，受试者必须按照5点Likert评分标准对投影符号进行评分，而5表示强烈同意，1表示强烈不同意。最后，参与者有机会根据自己的想法或兴趣设计/绘制符号。
图 3: 调查中使用的视频剪辑，演示eHMI投影符号的概念（学分HASCO）
共有137人参加了调查。在总样本量中，130人完全完成了调查，并对他们的输入进行了进一步分析。总共，44%为女性，56%为男性。关于年龄组，60%的参与者年龄在45岁以下，40%的参与者年龄超过45岁（我们使用45岁的年龄阈值）。34%的参与者每周可以行驶100公里以上。图4以图形方式显示了参与者的所有信息。
调查包含12个eHMI符号概念。共有130名中国人参加了此次调查。总体预测P1得到了最积极的响应，分别为53和23。P8对强烈不同意和不同意的回答最多，分别为71和27。从130名中国受试者的频率分析中，预测P5和P6获得了最显著的中性反应数量。图5显示了每个投影概念的参与者的相似性分布。
中国人总体相似度的统计显示，投影P1在所有12个eHMI投影符号中更为普遍。投影P1的相似度为63.8%，其次是投影P6、P5和P4，分别为59.6%、59%和57.2%，而P8的相似度仅为36.2%。图6显示了每个投影概念的参与者相似度的百分比分布。
中国人总体相似度的统计显示，投影P1在所有12个eHMI投影符号中更为普遍。投影P1的相似度为63.8%，其次是投影P6、P5和P4，分别为59.6%、59%和57.2%，而P8的相似度仅为36.2%。图6显示了每个投影概念的参与者相似度的百分比分布。
根据调查结果，投影P1是最优选的eHMI投影符号。然而，为了深入分析两组之间的投影符号相似性和分布，我们在SPSS中进行了独立样本的Mann-Whitney U检验。Mann-Whitney U检验是两个分类变量下5点Likert图最可靠的检验之一[81]。当样本的分布不是正态分布时，可以使用它。α值0.05用于执行该测试。空假设定义为：每个类别的性别、年龄组、每个月的行驶公里数和驾驶经验的投影相似性分布相同。对零假设的拒绝验证了另一种假设：在所调查的类别中，投影相似性的分布并不相同。表1显示了曼-惠特尼U检验的详细统计数据和结果。预测P1保留了性别、年龄、月行驶公里数和驾驶分布经验的零假设，显著值分别为0.341、0.613、0.735和0.713。
最后一个问题是要求参与者设计一个他们更喜欢使用eHMI投影的符号，用于他们车辆中的盲点检测场景。这是一个研讨会，供每个参与者收集中国人对eHMI投影符号的意见和愿望。图7显示了参与者绘制的一些图片。根据调查反馈，我们优化了部分eHMI符号，如图8所示。有趣的是，一些中国参与者还希望使用汉字作为符号，以一些突出的颜色来澄清情况。有些人还喜欢更复杂的符号设计。
本研究侧重于超车场景中道路图像投影符号上的eHMI偏好。我们设计了一个全面、可转移、简单的投影符号，符合车辆制造商的所有现行标准。这些外部人机交互符号（eHMI）投影符号根据其与这些符号的相似性呈现给中国驾驶员，供其查看。根据调查结果，中国人喜欢简单的投影，里面没有复杂的图案。投影P1在所有其他符号中获得更高的评级。它非常简单，易于理解，并且高度可接受。研究还表明，精心设计的外部人机界面可以改善智能汽车和其他道路使用者之间的沟通，进一步提高道路安全，减少交通事故和损害。
在线问卷的结果获得了eHMI潜在中国用户对在特定场景中投影交互模式的接受和偏好，以及人们对eHMI交互模式的看法。然而，受试者在不坐在车内的情况下识别了eHMI内容，并且没有任何驾驶活动，这意味着参与者可以将全部注意力集中在eHMI上，这一事实可能影响了eHMI设计的易读性。我们建议，在未来的工作中，应考虑不同颜色/图案符号/投影距离/文化差异对eHMI的交互影响。此外，驾驶员或行人的生理状况，如与动态事件同步的心跳，也应考虑影响动态事件控制中的无意识错误。
原文始发于微信公众号（IFAL）：【技术文章】未来车辆的道路投影符号：中国道路的调查研究
Chinese 
English