簡介：無人駕駛汽車作為未來汽車發(fā)展的重要方向，對于自動駕駛模式下的車輛，行人將失去與駕駛員進行眼神交流的可能性，無人駕駛汽車的安全性也會隨之有所降低。Stefanie等人研究了自動駕駛汽車的外部人機交互界面以及駕駛員所處不同狀態(tài)是否會影響行人的判斷和反應。

無人駕駛汽車與行人之間的交互

無人駕駛汽車作為未來汽車發(fā)展的重要方向，車輛將變得越來越自動化、智能化。但由于自動駕駛技術的使用，行人將失去與駕駛員進行眼神交流的可能性，因此許多人會認為無人駕駛汽車是不安全的。當無人駕駛汽車在路上行駛時，行人可能不知道他們正在與哪種類型的車輛進行交互，如果發(fā)現(xiàn)駕駛員座椅上坐著注意力不在交通上的“駕駛員”，行人可能會產(chǎn)生壓力從而影響他們所做出的判斷和反應。因此，許多無人駕駛車輛采用外部人機交互界面(externalHuman-machine Interface,eHMI)向周圍的交通參與者顯示信息或者汽車意圖，如圖1所示。外部人機交互界面作為一種新的通信方式，被各種研究證明對無人駕駛汽車與行人之間的交互存在有益的影響，但無人駕駛車輛中是否能夠用eHMI完全替代注意力集中的“駕駛員”的問題尚未得到研究。

圖1eHMI與行人交互

(圖片來源：http://www.qdaily.com/articles/31709.html?source=chouti)

本文中Stefanie等人在一條室外測試道路上采用“綠野仙蹤”(Wizard-of-Oz)實驗方式[2]進行了有關無人駕駛汽車的外部人機交互界面以及不同狀態(tài)下的“駕駛員”是否會影響行人判斷和反應的研究，以評估無人駕駛汽車使用eHMI的潛在價值。

無人駕駛汽車與行人實驗

1.無人駕駛汽車配置

Stefanie等人所進行的實驗中使用到兩輛同樣型號實驗用車：一輛采用右舵駕駛(“綠野仙蹤”實驗方式)，一輛采用左舵駕駛，兩輛車均可自動駕駛和手動駕駛。eHMI顯示的LED位于擋風玻璃上方和每輛車的外部后視鏡上，LED持續(xù)點亮表示車輛處于自動駕駛模式，顯示顏色為藍綠色(RGB值：0R，100G，40B)。在完全交叉的實驗設計中，一共有6個測試條件(2×3)，即有無eHMI和車內(nèi)“駕駛員”三種不同的狀態(tài)，如表1所示。

表1實驗條件

對于有色擋風玻璃測試條件，使用了左舵駕駛車輛。對于注意力集中和注意力分散的“駕駛員”測試條件，我們使用了右舵駕駛車輛，進行“綠野仙蹤”實驗方式[2]。用擋板把真正的手動駕駛方向盤藏在右邊，這樣從車外就看不見了;在左側安裝一個方向盤模型[3],如圖2所示。通過這種方式，給作為行人的參與者制造了一種錯覺，認為坐在左側的人坐在駕駛座上是這輛車的“駕駛員”，而坐在右側的真實駕駛員則是乘客。

圖2采用“綠野仙蹤”實驗方式的右舵車輛

2.交通場景

圖3實驗交通場景示意圖

交通場景的示意圖如圖3所示。車輛以30km/h(A)的恒定速度從左側接近參與者。在距離人行橫道30m處，車輛開始剎車(B)。車輛在所有測試條件下都向行人讓行，車輛在人行橫道(C)前方2m處靜止，平均減速率為a=–1.24m/s2。參與者的任務描述如下：“你的任務是穿過人行橫道。如果你覺得安全，請在車輛前面穿過?！痹趨⑴c者走過人行橫道并到達道路的另一邊后，車輛繼續(xù)行駛(D)。對于有eHMI的實驗，藍綠色LED燈持續(xù)點亮。圖4顯示了實際的實驗場景。

圖4實驗場景

3.實驗測試因變量

該實驗設計有兩個因變量：

(1)安全感知。在每次實驗后，參與者完成了一份安全感量表。在從1分(“完全不同意”)到5分(“完全同意”)的Likert量表上，參與者對以下三種陳述的一致程度進行了評分：“穿過人行橫道時，車輛讓我感到不安全”，“穿過人行橫道時，我感覺到車輛可能對我產(chǎn)生威脅”，“在我看來，從車輛前方通過的人行橫道是安全的?！盵4]。

(2)行人穿越馬路開始時間與車輛停止時間差。對每個實驗的兩個事件進行編碼：t1(行人開始穿越)和t2(車輛停止)，時間差(t1-t2)表示車輛完全停止后行人開始穿越馬路的時間(秒)。時間越短，行人越早做出穿越?jīng)Q定?？陀^的十字路口決策可以被視為衡量行人感知安全或信任度以及交通流量的工具[5]。

4.實驗結果分析

圖5行人對安全感知主觀評分

圖5顯示了行人對安全感知的主觀評分。方差分析發(fā)現(xiàn)駕駛員狀態(tài)對感知安全性有顯著影響，以及eHMI×駕駛員狀態(tài)有顯著交互影響(見表2)。交互效應表明駕駛員的狀態(tài)有不同的影響，這取決于eHMI的類型(見表3)。 

通過簡單效應分析表明，如果車輛沒有eHMI，與專心的“駕駛員”相比，如果擋風玻璃有色或駕駛員分心，行人會感到不安全。然而，對于有eHMI的車輛，行人對駕駛員不同狀態(tài)的安全感知沒有差異。此外，如果面對專心的“駕駛員”，行人對接近的車輛(無論是否配備eHMI)的安全感知沒有差異，這種交通場景也就是傳統(tǒng)的手動駕駛模式車輛與行人相遇場景。

圖6行人穿越馬路開始時間與車輛停止時間差

圖6顯示了行人開始穿越的時間的變化。在所有測試條件下，行人穿越馬路開始時間與車輛停止時間差的平均值均為負值，這表明，作為行人的參與者在車輛完全停止前就走上街道。數(shù)據(jù)表明，車輛有無eHMI對參與者開始穿越馬路的影響在統(tǒng)計學上并不顯著(p=0.053)。且駕駛員不同狀態(tài)沒有顯著主效應，eHMI×駕駛員的狀態(tài)也沒有顯著的交互作用?？傊?，行人穿越馬路開始時間與車輛停止時間差沒有顯著差異，所有p＞0.05(見表4)。

表4行人穿越馬路開始時間與車輛停止時間差分析

5.實驗結論

Stefanie等人的研究表明使用外部人機交互界面(eHMI)有助于行人在遇到無人駕駛車輛前確定是否安全，此時行人不考慮車內(nèi)“駕駛員”的狀態(tài)，因此行人需要通過eHMI了解無人駕駛汽車的意圖，以避免因“駕駛員”不同狀態(tài)而導致行人產(chǎn)生困惑。具體的結論有如下幾點：

(1)如果面對有色的擋風玻璃或者注意力不在交通上的“駕駛員”，與沒有eHMI的情況相比，使用eHMI的行人感覺更安全。

(2)如果面對一位注意力集中在行駛上的“駕駛員”，行人對有eHMI或有eHMI的接近車輛的感知安全性沒有差異。

(3)行人穿越馬路的起始時間沒有顯著差異。

未來研究展望

Stefanie等人也指出相較于人為的測試場景，現(xiàn)實交通情況會更加的復雜和不可預測。為了確保實驗參與者在試驗現(xiàn)場的安全，車輛總是必須讓路，并且沒有其他道路使用者在場。與現(xiàn)實交通場景相比，實驗參與者可以幾乎確定車輛會讓行，會感到更安全，從而更加放心的穿越馬路。后續(xù)研究可以通過仿真模擬進行，例如，虛擬現(xiàn)實或者視頻等方式，探索包括車輛不讓行的場景以及混合交通的場景，以及針對不同交通場景(如交通燈交叉口、行人交叉口、無標志交叉口)和道路文化下行人的反應進行比較。此外，未來可以針對自動駕駛車輛eHMI設計問題進行深入研究，例如安裝位置、所用燈具的尺寸和數(shù)量等。

文獻來源：

[1]Faas S M, Stange V, Baumann M. Self-Driving Vehicles and PedestrianInteraction: Does an External Human-Machine Interface Mitigate theThreat of a Tinted Windshield or a Distracted Driver?[J].International Journal of Human–Computer Interaction, 2021, 37(14):1364-1374.

[2]Dahlb?ckN, J?nssonA, Ahrenberg L. Wizard of Oz studies—why and how[J].Knowledge-based systems, 1993, 6(4): 258-266.

[3]Habibovic A, Andersson J, Nilsson M, etal. Evaluating interactions with non-existing automated vehicles:three Wizard of Oz approaches[C]//2016 IEEE intelligent vehiclessymposium (IV). IEEE, 2016: 32-37.

[4]Osswald S, Wurhofer D, Tr?stererS, et al. Predicting information technology usage in the car: towardsa car technology acceptance model[C]//Proceedings of the 4thInternational Conference on Automotive User Interfaces andInteractive Vehicular Applications. 2012: 51-58.

[5]Walker F, Dey D, Martens M, et al.Feeling-of-safety slider: Measuring pedestrian willingness to crossroads in field interactions with vehicles[C]//Extended Abstracts ofthe 2019 CHI Conference on Human Factors in Computing Systems. 2019:1-6.