基于團隊態勢感知的汽車HMI評測與設計方法

由 芳，謝雨錕，岳天陽，于愛群，王建民，張 惠

基于團隊態勢感知的汽車HMI評測與設計方法

由 芳1，謝雨錕1，岳天陽1，于愛群2，王建民1，張 惠2

(1. 同濟大學藝術與傳媒學院，上海 201804； 2.中國第一汽車集團有限公司，吉林 長春 130000)

隨著汽車智能化和網聯化技術發展，汽車人機界面作為人與車的媒介，對駕駛員的用戶體驗十分重要。為了通過優化人機界面來提高人與車的團隊協作，對汽車人機界面評測與設計方法進行研究。26名駕駛員參與了以FM為多路徑界面范式的駕駛模擬器評測。評測方法依據團隊態勢感知理論和用戶體驗要素，構建包含駕駛指標、行為指標、主觀指標的多維度評價體系，通過實驗前分析任務階段和通道，進一步分析態勢感知與用戶體驗要素的關聯，實驗后分析汽車人機界面的用戶體驗五層級數據結果，定位出現設計問題，推導出相應的設計優化方向，最后得到設計優化的方案，能幫助優化汽車人機界面設計，提高用戶體驗。

團隊態勢感知；汽車人機界面；用戶體驗；評測；設計方法

隨著汽車智能化和網聯化技術發展，汽車駕駛座艙呈現數字化和信息化趨勢[1]。汽車人機界面作為駕駛員與車交流信息的媒介，對駕駛員的用戶體驗至關重要。良好的汽車人機界面設計能有效地交流復雜信息，以達成良好人機協作。為確保在駕駛場景下汽車人機界面(human-machine interface，HMI)的使用效率和安全性，需要對汽車人機界面進行評測，進而對界面設計迭代[2]。目的是通過研究人與車之間團隊態勢感知的理論，提出能為汽車人機界面設計提供優化方向的評測方法，改善人與車交互的用戶體驗。

1 相關工作

1.1 態勢感知與汽車人機交互

態勢感知是指人意識到周圍發生的事情，并能理解這些信息對現在和未來的影響[3]。態勢感知分為個人態勢感知、團隊態勢感知和分布式態勢感知。當駕駛員進行單一駕駛任務時，僅涉及駕駛員操控車輛的一個態勢感知過程，可以用個體態勢感知模型進行解釋[4]。分布式態勢感知則強調認知現象在認知主體和環境間分布的本質，適用于車與車之間聯網的復雜情況[5]。隨著汽車智能化和信息的復雜化，汽車作為智能非人代理與駕駛員進行協作[6]。駕駛員在駕駛過程中不可避免地進行與駕駛無關的任務，從而對駕駛產生一定影響。在研究車與駕駛員的團隊合作上，涉及多個代理，可以用團隊態勢感知。

要形成態勢感知，每個代理必須獲取態勢感知元素。態勢感知元素被稱為必要且可觀察的變量，用于推斷代理程序目標相關環境中的當前狀態并預測情況的近期與將來狀態[7]。態勢感知被分為感知、理解和預判[8]3個不同的水平。圖1展現了人與車進行主次多任務時的態勢感知共享元素和團隊成員的態勢感知元素。駕駛員需要以其目標、環境和態勢感知需求等去獲取態勢感知元素。人和車可以通過汽車人機界面交換共享態勢感知元素。當駕駛員進行多任務時，可擁有多個目標的態勢感知需求，因此涉及不同任務的態勢感知元素共享問題[9]。如駕駛員在駕駛中使用車載娛樂系統，駕駛員需要獲取駕駛任務的態勢感知元素，同時需要通過汽車人機界面獲取娛樂系統信息。態勢感知元素共享水平越高，人與車之間團隊態勢感知的水平就越高，有助于團隊協作的表現[10]。

圖1 多任務下人與車的團隊態勢感知

1.2 用戶體驗要素與汽車人機交互

汽車人機界面成為了態勢感知元素共享的關鍵，團隊態勢感知水平的提高得益于良好的汽車人機界面設計。用戶體驗要素是設計人機界面的重要設計理論之一[11]，最早是基于網頁設計提出，隨后延伸至包括移動端應用、車載端應用等其他類型的產品設計[12]。如圖2所示，在汽車人機界面中存在由戰略層、范圍層、結構層、框架層、表現層構成的用戶體驗元素架構。隨著層級上升，元素變得更具象。第一層為戰略層主要是關注汽車人機界面的戰略目標和用戶需求，不涉及具體界面設計。第二層為范圍層由戰略層決定，包括功能設計和內容需求。不同任務涉及不同的功能，以汽車人機界面的形式幫助人與車之間進行態勢感知元素的交流。第三層為結構層包括交互設計和信息架構等，用來設計用戶到達某個頁面的路徑，在每個節點中系統是如何響應的。在汽車人機界面設計中，操作步驟過多將會增加駕駛員的工作負荷，不僅影響次要任務的完成，還可能造成駕駛危險[13]。第四層為框架層包括信息、界面和導航設計。過多的信息會導致駕駛員不能在短時間內找到重要信息，反之過少的信息讓駕駛員感到困惑。界面元素的布局和交互方式會影響駕駛員在短時間內獲取關鍵信息元素并作出下一步判斷。第五層為表現層，產品具體細節的呈現被關注到。除了整體視覺印象外，界面中具體的視覺元素會對用戶情緒產生很大影響，從而影響用戶體驗[14]。如字體、圖標的大小、顏色或樣式等等，均對駕駛員識別和理解元素信息產生影響。

圖2 多任務下汽車人機界面用戶體驗五層級

2 實驗設計與評估

2.1 實驗目的

基于團隊態勢感知理論，人與汽車共同完成駕駛主、次級任務，駕駛員需要通過汽車人機界面進行團隊態勢感知信息交流，而汽車人機界面用戶體驗要素設計的好壞影響團隊態勢感知的水平。車載FM調臺為研究常選用的次級任務，即要求駕駛員在完成駕駛主任務的同時進行FM調臺，通過對汽車人機界面評測得到人車團隊在完成主次任務時團隊態勢感知的水平，發現次要任務中在不同用戶體驗要素層級中態勢感知元素的表現，找出界面范式的問題點以及設計優化方向，根據優化方向提出優化方案。

2.2 被試者

共有26名駕駛員參與了本次實驗，其中男性14名，女性12名；平均年齡為31.08歲(=4.26)；考取駕駛證的平均時常為5.67年(=4.11)。其中69.23%的被試者經常或偶爾使用車載系統，31.77%的被試者從未使用過車載系統。

2.3 實驗前分析

在駕駛模擬器上展開對汽車人機界面的評測實驗。實驗場景為雙向直行四車道的城市道路，有一定車流量。如圖3所示，在實驗前對實驗任務進行分析，其目的是明確用戶在完成駕駛主任務和多媒體次任務時需要獲取的態勢感知元素，對次任務中態勢感知元素在界面用戶體驗要素層級上的信息呈現有初步的判斷。任務分析需要注意不同階段、路況環境、不同任務、不同感覺通道4個方面。根據駕駛和次要任務情況，將任務分為4個階段。階段1為駕駛員保持40 km/h勻速直行，當被試者聽到提示音時進入階段2。階段2為以被試者點擊進入媒體中的FM為止。階段3為被試者將FM頻率調整至102 Hz。階段4為被試者完成次要任務后繼續行駛。對2個任務分別進行感覺通道分析，通道分為視覺、觸覺、聽覺。媒體任務需要占用被試者視覺、聽覺和觸覺通道，而駕駛任務主要占用視覺和觸覺通道。由輸入和輸出整體分析看出，被試者在階段2和3需要同時進行駕駛任務和多媒體任務，且主要是視覺和觸覺通道發生一定沖突。

圖3 實驗前任務分析

用戶體驗要素的框架層、結構層、表現層信息均為用戶在完成FM調臺任務中需要獲取的態勢感知元素。多媒體任務的視覺通道以交互流程圖的形式展現了任務的正確路徑，路徑展現出用戶體驗要素的結構層信息，被試者有2種路徑調整FM：①通過3次點擊按鈕“下一個頻道”(路徑1)；②通過二級頁面的指針選擇的方式(路徑2)。界面中黃色方框為路徑的關鍵埋點，方框的位置展現了結構層信息，方框內的界面樣式為表現層信息。對于駕駛任務，應該重點關注通道沖突帶來的車輛控制的表現，車輛控制包括垂直控制和水平控制，需要獲取速度、偏移情況等態勢感知信息。

2.4 數據采集

需要采集主觀和客觀數據去衡量人與車合作完成駕駛任務和次要任務的表現。對于駕駛任務，可以通過客觀的駕駛數據說明駕駛表現，通過主觀SAGAT得到駕駛任務的團隊態勢感知評價。實驗設置駕駛對照組，采集無次要任務時的駕駛數據，駕駛指標主要包括車速平均值、車速標準差、車道偏移標準差。可以采集行為指標去分析次要任務的具體完成狀況，即任務成功率、完成時間、操作次數及位置、操作無反饋次數、有效路徑率，通過汽車人機界面程序埋點和視頻進行統計，見表1。SAGAT問卷能反映次要任務的團隊態勢感知情況，是測量共享SA態勢感知的有效方法之一[15]。將SAGAT量表分為次要任務和駕駛任務2個部分，并進行測量。量表有10道問題。每個任務從3個SA Level的角度設置了5道題。

表1 FM調臺任務的SAGAT問卷

3 實驗數據分析

結果部分將展示從任務數據分析推導到設計分析和優化的過程。參考圖3的任務前分析，在進行數據和設計分析時重點區分階段2和3。有20名被試者僅選擇路徑1，4名被試者僅選擇路徑2。被試者17在階段3時提出了放棄。被試者6使用過2種路徑，最終使用路徑2完成任務。為了便于分析選擇不同路徑，在后續的路徑分類分析時，排除被試者17和被試者6。

3.1 駕駛任務

表2和表3分別為實驗組與駕駛對照組之間駕駛指標的平均值、標準差和Wilcoxon檢驗的結果。整體來說，無論是在垂直控制還是水平控制上，實驗組的駕駛表現較差。分階段進行分析，可以發現階段2的駕駛指標與baseline對照組無顯著差異。相比起階段2，實驗組的階段3的平均車速(=-203，<0.001)、左車道偏移標準差均(=167，<0.05)與baseline有顯著差異性。階段3的平均車速(=35.43，=5.17)比更低baseline的車速，車道偏移標準差(=7.81，=10.39)更大。因此階段3需要重點分析。

表2 駕駛指標的平均值和標準偏差

表3 駕駛指標與對照組的Wilcoxon檢驗

注：*表示統計學顯著性水平，其中*為<0.05；**為<0.01；***為<0.001

從路徑選擇的角度對階段3的駕駛表現進行分析。選擇路徑1的被試者在階段3時的車速(=35.64，=4.89)比選擇路徑2的車速(=36.90，=2.70)更低。選擇路徑1的被試者在階段3時的車速標準差(=2.26，=2.38)比選擇路徑2的車速標準差(=1.82，=1.10)更高，說明選擇路徑1在階段3的垂直控制較差。在水平控制方面，路徑1的表現同樣不如路徑2。選擇路徑1的車道偏移標準差(=7.09，=9.10)明顯比選擇路徑2(=4.15，=4.30)更高。整體而言，路徑1的駕駛表現比路徑2差，說明路徑2的汽車人機界面設計比路徑1的汽車人機界面設計對駕駛影響更小。

駕駛任務的主觀評分不佳。駕駛任務的主觀數據為SAGAT駕駛任務量表，平均正確率為52.31% (=0.32)；僅有分別53.85%和46.15%的被試者能正確感知到最低速度和最高速度。被試者在完成任務期間難以保持對車速的關注。34.62%的被試者認為自己難以時刻預判車輛發生車道偏移；38.46%的被試者認為自己的駕駛表現不符合駕駛要求；61.54%的被試者認為會發生駕駛危險。

3.2 次要任務

表4給出了完成次要任務不同階段的行為指標的平均值和標準差。與階段2相比，階段3的任務完成總時間更長(2=6.19，2=5.27；3=23.12，3=14.38)，操作次數(2=1.46，2=0.76；3=10.96，3=12.61)和操作無反饋次數(2=0.27，2=0.60；3=7.04，3=12.40)更多，有效路徑率更低(2=100%，2=0；3=69.69%，3=0.30)。由于階段3在各項行為指標的表現上均比階段2差，說明被試者在完成次要任務時，主要問題出現在了階段3。

從路徑選擇的角度對階段3的次要任務表現進行分析。2種路徑在不同的數據指標上表現不一致。路徑1的完成時間(=23.40，=13.98)比路徑2的完成時間=25.19，=19.87)更短。路徑1(=73.42%，=0.29)比路徑2的有效路徑率(=48.39，=0.35)更高。多數被試者在采取路徑1時出現了持續點擊的情況，因此操作次數(=10.00，=10.15)和操作無反饋的次數(=6.35，=9.74)比路徑2的操作次數(=6，=3.37)和操作無反饋次數=0.50，=1.00)更多，說明二者均存在問題，且優化的方向不同。

表4 行為指標的平均值和標準偏差

次要任務的主觀評分比駕駛任務高，但仍然有較大的改進空間。次要任務的SAGAT正確率平均為56.15% (=0.20)。有30.77%的被試者沒有正確理解所有的操作路徑，均為使用路徑1。73.08%的被試者表示注意到了路徑2的入口；23.08%的被試者并未正確理解路徑1的方式，誤認為點擊“下一個”圖標表示頻率增加0.1，這解釋了被試者出現不斷點擊按鈕的行為。在駕駛狀態下，被試者幾乎不能注意到過多的圖標。盡管任務成功率達到96.15%，但仍然有30.77%的被試者認為該功能不在自己的掌控范圍內。

4 設計分析與優化

4.1 態勢感知和用戶體驗五層級

為了找到FM調臺任務中可能存在的汽車人機界面設計優化的關鍵點，需要初步分析用戶在正確完成次要任務時應該從汽車人機界面中獲取哪些關鍵的態勢感知信息。將態勢感知理論與用戶體驗五層級進行結合，幫助找到關鍵的態勢感知信息與設計的聯系。從用戶體驗五層級的角度，將關鍵的設計信息對應到不同的層級上，有助于后續對汽車人機界面層級的進一步分析。態勢感知可以從感知、理解和預判3個態勢感知層次進行分析，找到不同態勢感知層次需要注意的關鍵設計信息。將態勢感知細化到不同的任務階段中。重點關注駕駛任務與次要任務并行時的階段2和3分析。

如圖4所示，在階段2，用戶想要進入FM功能，需要感知到多媒體圖標及其FM模塊，根據駕駛情況預判合適的時機去點擊多媒體按鈕。圖標的樣式和圖標的位置是用戶感知圖標的關鍵要素。媒體圖標樣式屬于表現層，位置屬于框架層。多媒體和FM之間的層級關系屬于結構層。去點擊多媒體按鈕是用戶選擇完成任務流程之一，屬于結構層。在階段3，用戶完成調整頻道需要感知到當前頻道信息、感知并理解調整方式，最后預判合適的時機去操作。與階段2不同，用戶有2種路徑可以完成調整頻道，意味著每種路徑需要的信息不同。路徑1需要用戶感知下一個頻道的按鈕位置及樣式，正確理解按鈕的交互含義是調臺到下一個頻道并且預判合適的時間去點擊按鈕。路徑2則不僅需要獲取指針按鈕信息，還要理解指針調臺的圖標含義及二級頁面的方式，在進入二級頁面后仍需要預判合適的時機去操作。圖標樣式屬于表現層，當前頻道的信息、按鈕位置都屬于框架層。按鈕的交互方式及對路徑的選擇屬于結構層。

圖4 FM調臺任務的態勢感知與用戶體驗五層級分析

4.2 任務層級分析

汽車人機界面是駕駛員與車交流的重要媒介。由于本次實驗優化的目標是次要任務的汽車人機界面設計，因此駕駛任務的汽車人機界面設計不做具體分析。駕駛任務分析以駕駛操作表現進行呈現，從側面反應出次要任務的情況。根據對態勢感知與用戶體驗五層級的分析(圖4)，進一步將用戶體驗五層級以實驗數據為支撐進行設計問題挖掘(表5)，并以可視化形式呈現(圖5)。第一層的戰略層為次要任務的目標，即調整FM的頻道至指定的102.0 MHz。第二層的范圍層為完成目標時的功能模塊。在階段2用戶會在首頁模塊，階段3則處于媒體模塊。戰略層和范圍層的分析有助于對設計目標和功能范圍的把握。第三層結構層分析中，以頁面或頁面功能入口為節點進行流程結構分析。正確路徑為實線，而錯誤路徑為虛線。第四層框架層以具體頁面流程呈現，將實驗操作的數據進行可視化顯示。正確路徑上的圖標按鈕以綠色方框圈出，錯誤的則為紅色。以手勢圖標的形式表達了被試者的點擊或滑動操作，手勢圖標上的數字表示采用該方式的被試者人數。第五層表現層則以截圖的形式將出現設計問題的視覺設計元素顯示。

表5 基于用戶體驗的設計優化分析

圖5 FM調臺任務的用戶體驗五層級結果分析

對于階段2，結構層展現的流程為從首頁進入媒體，媒體默認為FM。從框架層分析看出，26名被試者均能順利找到媒體入口的位置。相比起階段3，駕駛任務的垂直控制和水平控制表現更好，具體數據見3.1節。所以階段2沒有需要優化的設計問題。

對于階段3，結構層展現了2種路徑。使用路徑1的人更多。但對比駕駛數據可以發現，路徑2的駕駛表現比路徑1的相對更好，從側面說明路徑2的設計相對更安全。因此存在不同路徑的選擇偏好和可用性問題(問題1)。框架層分析可以看出，部分被試者未能馬上注意到2種路徑的按鈕入口，而是嘗試點擊了其他按鈕，說明入口圖標存在布局問題外(問題4)。對于路徑1，部分被試者不能正確理解“下一個”的交互方式(問題3)。選擇路徑1的被試者操作次數多及操作無反饋率高，但有效路徑率高，說明其理解路徑1的流程和交互方式，但對頻道信息的獲取不足(問題5)。對于路徑2有效路徑率低，從結構層分析得出頁面層級更多，是存在層級深度問題(問題2)。事后訪談可以發現6名被試者對指針調臺圖標樣式理解上存在問題(問題6)，因此沒有選擇該路徑，這屬于表現層。通過行為觀察，在進入第二級頁面后，有1名被試者由于長時間不操作，頁面自動回到原頁面。事后訪談得知被試者在駕駛條件下難以及時看清文字，存在文字大小識別問題(問題7)。

4.3 設計優化方案與驗證評測

表5列舉了設計問題，針對每個的問題提出不同的設計優化方向。對于不同路徑的偏好和可用性問題(問題1)，需要考慮是否要刪減路徑或針對不同路徑分別進行優化。路徑1適合小幅度調整，而路徑2適合大幅度調整，因此2種路徑是互相補充的關系，適用于不同的需求，不宜刪除任何一個路徑，應該根據2個路徑的問題分別進行優化。路徑1是多數被試者的選擇，但存在對按鈕交互方式的理解問題(問題3)和頻道信息不足問題(問題5)，影響了駕駛安全和用戶體驗。增加附近頻道的信息，能幫助用戶建立下一個按鈕對應的頻道，同時減少因為不清楚頻率何時到達下一個頻道而頻繁持續點擊的行為。

圖6中方案1為針對路徑1的優化方案。增加信息顯示后，用戶除了點擊“下一個”按鈕，還可以通過點擊下一個頻道進行快速切換。路徑2出現的問題2層級過多、問題4按鈕布局偏右、問題6入口樣式不易理解、問題7文字偏小。其中出現問題6和7的人數較少，因此優化的優先級較低。針對問題2層級深度影響了被試者使用的難度的問題，方案2去掉入口按鈕，提高頁面層級，指針條放置在頻道下方。針對問題4中按鈕布局影響了被試者在完成任務時對按鈕的感知，從而影響了選擇偏好，提出將按鈕從右側移動至左側的方案3。

圖6 FM調臺任務的設計優化方案

邀請9名被試者(3名男性，6名女性，平均年齡24.0歲)參與了FM調臺優化方案駕駛模擬器驗證評測，SAGAT的實驗結果如圖7所示。對于路徑1的優化，方案1的SAGAT正確率為76.67% (=11.18)，而原方案路徑1的正確率63.33% (=15.81)，9名被試者均表示能從方案1能獲取有效的頻道信息，有助于減少駕駛時的分心，其中3名被試者認為該信息能幫助自己更好理解下一個的按鈕含義，建立合理的映射關系，且提供了新的交互方式。而對于路徑2的優化，方案2和3的SAGAT正確率為76.67% (=14.14)和75.56% (=15.09)，均比原方案的正確率68.89% (=11.67)更高，通過實驗后的深度訪談得知，9名被試者認為2個優化方案均比原方案的路徑2更好，其中88.89%的被試者偏向于選擇方案2，提高頻率條的層級能有效提高操作的效率，也減少進入二級后長時間未操作的失敗率，而11.11%的被試者認為自己調臺使用頻率不高，因此偏向于更簡潔方案3。此外，有被試者提出可以將方案1與2融合，即減少FM頻率條層級至FM首頁，并在FM頻率條上的標出附近的頻道。由實驗結果可得出用戶在駕駛時使用優化方案能獲得更高的態勢感知，3個優化方案均比原方案的用戶體驗更好，因此本文提出的基于團隊態勢的汽車HMI評測與設計方法是具有可行性和有效性的。

圖7 原方案與優化方案的SAGAT正確率

5 結 論

本文基于團隊態勢感知的認知理論和用戶體驗要素的設計理論，提出了汽車人機界面評測的方法。以FM調臺任務為例，通過該評測方法得到多路徑車載界面的設計優化方向。實驗前對FM任務進行分階段分析，明確任務中不同路徑的態勢感知元素所處的用戶體驗層級。按不同路徑分別對駕駛、行為和SAGAT主觀量表數據進行分階段分析，綜合主客觀數據找到出問題的階段為階段3。從用戶體驗層級的角度，總結2種路徑下行為和SAGAT數據反映的結構層、框架層和表現層設計問題，權衡不同路徑的偏好和可用性，若不同路徑在不同情況下均存在一致的偏向，則考慮刪減路徑，反之則針對不同路徑設計問題的分析，以得到適合該路徑的使用場景的設計優化的方案。本文的評測方法對通過實驗評測優化汽車人機界面設計有一定的啟示和作用。

[1] 王鐳, 龐有俊, 王亞芳. 智能座艙HMI人機交互界面體驗及未來趨勢淺析[J]. 時代汽車, 2021(3): 15-17, 20.

WANG L, PANG Y J, WANG Y F. Discussion on the experience and future trends of the smart cockpit HMI human-computer interaction interface[J]. Auto Time, 2021(3): 15-17, 20 (in Chinese).

[2] 王瑞, 董石羽, 肖江浩. 智能汽車界面設計的人機自然交互研究[J]. 機械設計, 2019, 36(2): 132-136.

WANG R, DONG S Y, XIAO J H. Research on human-machine natural interaction of intelligent vehicle interface design[J]. Journal of Machine Design, 2019, 36(2): 132-136 (in Chinese).

[3] RADZIWILL N M. Designing for situation awareness: an approach to user-centered design, second edition[J]. Quality Management Journal, 2017, 24(2): 56

[4] MATTHEWS M L, BRYANT D J, WEBB R D G, et al. Model for situation awareness and driving: application to analysis and research for intelligent transportation systems[J]. Transportation Research Record: Journal of the Transportation Research Board, 2001, 1779(1): 26-32.

[5] WALKER G H, STANTON N A, KAZI T A, et al. Does advanced driver training improve situational awareness?[J]. Applied Ergonomics, 2009, 40(4): 678-687.

[6] BAINES V, PADGET J. A situational awareness approach to intelligent vehicle agents[C]//The 2nd SUMO Conference on Modeling Mobility with Open Data. Heidelberg: Springer, 2015: 77-103.

[7] KRIDALUKMANA R, LU H Y, NADERPOUR M. A supportive situation awareness model for human-autonomy teaming in collaborative driving[J]. Theoretical Issues in Ergonomics Science, 2020, 21(6): 658-683.

[8] MCKEOWN C. Designing for situation awareness: an approach to user-centered design[J]. Ergonomics, 2013, 56(4): 727-728.

[9] 高楊, 李東生, 程澤新. 無人機分布式集群態勢感知模型研究[J]. 電子與信息學報, 2018, 40(6): 1271-1278.

GAO Y, LI D S, CHENG Z X. UAV distributed swarm situation awareness model[J]. Journal of Electronics & Information Technology, 2018, 40(6): 1271-1278 (in Chinese).

[10] 曹國熙. 無人機操作員態勢感知水平分析評估系統的研究[D]. 北京: 北京郵電大學, 2019.

CAO G X. Research on evaluation system for UAV operator situation awareness[D]. Beijing: Beijing University of Posts and Telecommunications, 2019 (in Chinese).

[11] 錢曉松, 楊建明, 孫遠波. 通用設計視角下的全自動駕駛汽車用戶體驗要素探析[J]. 裝飾, 2020(11): 29-34.

QIAN X S, YANG J M, SUN Y B. Universal design in fully autonomous vehicles: the new elements of user experience[J]. Art & Design, 2020(11): 29-34 (in Chinese).

[12] GARRETT J J. 用戶體驗要素: 以用戶為中心的產品設計[M]. 范曉燕, 譯. 北京: 機械工業出版社, 2011:19-28.

GARRETTJ J. User Experience: User-Center Design For The Web And Beyond[M]. FAN X Y, translate. Beijing: China Machine Press, 2011:19-28.

[13] 孫博文, 楊建明, 孫遠波. 汽車人機交互界面層級設計研究[J]. 機械設計, 2019, 36(2): 121-125.

SUN B W, YANG J M, SUN Y B. Research on interface hierarchy design for human vehicle interaction[J]. Journal of Machine Design, 2019, 36(2): 121-125 (in Chinese).

[14] SILVENNOINEN J M, JOKINEN J P P. Appraisals of salient visual elements in web page design[J]. Advances in Human-Computer Interaction, 2016, 2016: 1-14.

[15] ENDSLEY M R. Situation awareness global assessment technique (SAGAT)[C]//Proceedings of the IEEE 1988 National Aerospace and Electronics Conference. New York: IEEE Press, 1988: 789-795.

A team situation awareness-based approach to automotive HMI evaluation and design

YOU Fang1, XIE Yu-kun1, YUE Tian-yang1, YU Ai-qun2, WANG Jian-min1, ZHANG Hui2

(1. College of Arts and Media, Tongji University, Shanghai 201804, China; 2. China FAW Group Co., Ltd, Changchun Jilin 130000, China)

With the development of intelligent and networked vehicle technologies, the automotive human-machine interface (HMI) has become important to the drivers’ user experience as a medium between human and vehicle. In order to improve the teamwork between human and vehicle by optimizing the human-machine interface, the evaluation and design method of automotive human-machine interface was studied. Twenty-six drivers participated in the evaluation of driving simulator with FM as the multi-path interface paradigm. The evaluation method was based on the team situation awareness theory and user experience elements. A multi-dimensional evaluation system containing driving indicators, behavioral indicators, and subjective indicators was constructed. The association between situation awareness and user experience elements was further examined by analyzing task stages and channels before the experiment, and the results of the five levels of user experience data of the automotive HMI were analyzed after the experiment, thus locating the occurrence of design problems and deducing the corresponding design optimization directions. Finally, the design optimization solution was obtained, which can help optimize the design of automotive HMIs and enhance user experience.

team situation awareness; automotive human-machine interface; user experience; evaluation; design methodology

TP 391

10.11996/JG.j.2095-302X.2021061027

A

2095-302X(2021)06-1027-08

2021-04-20；

2021-07-08

國家社科基金后期資助項目(19FYSB040)；國家留學基金委項目〔留金美(2020)1509號〕

由 芳(1974-)，女，山東臨清人，教授，博士，博士生導師。主要研究方向為交互設計和用戶行為分析。E-mail：youfang@tongji.edu.cn

張 惠(1974-)，女，遼寧沈陽人，正高級工程師，博士。主要研究方向為汽車HMI設計與體驗測評及駕駛行為分析等。 E-mail：zhanghui1@faw.com.cn

20 April，2021；

8 July，2021

National Social Science Foundation of China (19FYSB040); China Scholarship Council (CSC): Ruijinmei (2020) 1509

YOU Fang (1974-), female, professor, Ph.D. Her main research interests cover interaction design, analysisofuserbehaviors. E-mail：youfang@tongji.edu.cn

ZHANG Hui (1974-), female, senior engineer, Ph.D. Her main research interests cover automotive HMI design and experience evaluation, driver behavior analysis, etc. E-mail：zhanghui1@faw.com.cn