考慮信息透明度影響的智能高鐵駕駛人機界面可視化設計研究

吳永萌，吳昊瀧，支錦亦

考慮信息透明度影響的智能高鐵駕駛人機界面可視化設計研究

吳永萌，吳昊瀧，支錦亦*

（西南交通大學 設計藝術學院，成都 610041）

駕駛界面的信息透明度是影響司機有效監督和接管智能高鐵的關鍵設計特征。針對透明度信息增加帶來的負面影響，提出智能高鐵駕駛界面透明度信息的可視化設計方法。采用文獻調研分析方法，分別對機器人、民防、核能、航空航天等領域的文獻進行檢索和分析，系統梳理透明度信息的類型、認知任務影響和可視化設計方法；分析智能高鐵彈出故障界面的透明度信息，指出目前界面中存在的問題和不足，即任務流程和判斷邏輯的視覺呈現不佳，告警信息緊急程度和恢復狀態信息缺乏；提出基于邏輯流程圖和顏色編碼的可視化設計方案，并通過用戶實驗進行驗證。發現邏輯流程可視化設計在提升情境意識、任務績效和降低認知負荷方面有較好的作用。顏色編碼可視化設計的有效性取決于是否有邏輯流程的呈現，在沒有邏輯流程時，可能會降低操作正確率。可視化設計有助于降低透明度信息對認知負荷和任務績效的負面影響，實現智能高鐵的高質量人機協同駕駛。

智能高鐵；人機協同；人機界面；透明度信息；可視化設計

搭載自動駕駛和智能控制等自動化技術的智能高鐵將有效減輕司機勞動強度、改善旅客乘車體驗、提升運行安全性和準確性、降低全壽命周期成本，是中國軌道交通發展的重要趨勢。為避免自動化故障或不可預見情況下的安全隱患，我國智能高鐵運營長期采用“人控為主，機控為輔”的人機協同駕駛模式。司機的主要任務是瞭望列車線路環境，盯控設備運行狀態，發現異常時立即采取干預措施。駕駛人機界面是呈現系統運行狀態的主要載體[1]，已成為決定司機監控和應急處置質量的關鍵。

鐵路領域事故報告顯示，駕駛人機界面的設計缺陷為人機協同作業埋下了隱患[2-3]。2016年伊朗列車碰撞脫軌事故源于界面信息不足、司機不明確告警原因、拒絕接受停車信號。2018年昆士蘭列車險碰撞事件源于界面信息低效、司機混淆警報風險程度、未及時接管列車。智能高鐵需重視駕駛人機界面的信息呈現，以提升司機的認知可靠性，實現人和自動化的良好耦合[4]。目前，我國高速列車駕駛人機界面基于GoA1級列控系統開發，僅實現了系統的基本功能信息展示，缺乏對智能系統運行邏輯和信息呈現的統籌考慮。

自動化系統的復雜性要求提供適當數量和質量的信息，以充分支持人類操作員對自動化系統的有效監督和干預[5-7]。信息透明度是指自動化系統信息披露的程度。航空航天、民防、核能、汽車與機器人領域的學者均提出將系統當前狀態、行為、意圖、能力、決策、邏輯等信息進行透明化展示，以提升自動化系統的可觀察性、可理解性和可預測性，幫助操作員校準信任并維持情境意識。本文針對軌道交通的智能化趨勢，基于信息透明度設計理論研究智能高鐵駕駛人機界面的信息可視化設計。通過分析透明度的信息類型、認知任務影響和可視化設計策略，針對現有智能高鐵駕駛人機界面提出有效的可視化解決方案。

1 透明度研究現狀

1.1 透明度信息類型研究

大量研究對透明度信息的類型進行了分析。Lyons[8]指出4種類型的透明度信息有助于提升對智能系統的信任和認知，包括系統意圖、任務、分析原則和系統環境。Chen等[9-10]基于情境意識理論區分信息透明度的三個等級：一級透明度提供系統當前狀態、目標、意圖和計劃；二級透明度揭示系統推理過程、原理以及規劃行為時考慮的約束；三級透明度提供對系統未來狀態的預測和不確定性信息。Bernstein從管理學視角指出透明度的4個組成部分：監控透明度包括有關活動或任務的信息，以支持了解目標是否正在實現；流程透明度包括底層算法和決策邏輯，以支持了解工作流程和業務政策如何執行；監督透明度主要為實時信息，以支持與系統建立實時的合作關系；披露透明度涉及信息公開，以支持了解系統數據的類型、來源及其如何被處理、存儲、傳輸和利用。表1在上述研究的基礎上梳理了5種類型的透明度信息及其所包含的相關信息。

透明度信息的認知效用在不同應用情境中有所不同。Chen等[9]發現過去、現在和未來的無人機飛行路徑有助于改善情境意識，但Skraaning等[11]發現自動化系統當前與歷史活動信息對情境意識沒有積極影響。Stowers等[12]發現增加不確定性信息可以提高接管性能，縮短反應時間，提升情境意識，降低認知負荷，但Kunze等[13]發現認知工作量的增加與不確定性信息有關，因不確定性信息可能導致用戶對系統能力的了解不完整[14]。推理信息被認為可以增加用戶對系統建議的接受度[8-9]，但Selkowitz等[15]發現增加推理信息并沒有對情境意識產生積極影響，受任務時間約束和注意力資源限制，被試者很少關注除決策建議之外的推理信息[16]。因此，需要根據應用情景的實際需求和透明度信息的認知任務效用配置透明度信息類型。

1.2 透明度信息水平的認知任務影響研究

本文聚焦透明度信息對認知（情境意識、認知負荷）和任務（決策正確率、響應時間）的影響，分析了相關研究結論，見表2。在認知層面，高水平透明度對人類操作員的情境意識有改善作用[20]，也可能加劇認知負荷。針對自動化系統的監控、規劃和管理等任務，添加系統可供性、潛在危險、環境限制、推理邏輯、預測和不確定性等透明度信息有助于提高情境意識[15,21]。相較于單一信息，提供狀態（什么設備失效）和診斷（為什么失效）的詳細信息有助于改善情境意識[11]。當自動駕駛系統提供支持理解的中等水平透明度信息時，用戶的情境意識最佳，但同時認知負荷也最高[22]。增加呈現高水平透明度信息的圖標、文本數量會增加界面復雜性，將帶來額外的閱讀負荷并導致注意力分散[23]。

表1 透明度信息類型

Tab.1 Types of transparency information

表2 高水平透明度的認知與任務影響研究

Tab.2 Research on the cognitive and task impact of high level transparency

注：“↑”表示改善/增加；“?”表示沒有影響；“↓”表示下降/減少

在任務層面，高水平透明度對決策正確率有改善作用，對搜索和決策的時間效率有一定的負面影響。Mercado等[5]發現透明度水平提升可以顯著提升決策正確率、增加信任度和感知可用性。李奕潔等[24]發現高水平透明度會帶來更高的正確率增益、更小的人機最優績效差異。Helldin等[14]發現傳感器精度和不確定性信息提高了對自動分類器的信任和對分類任務的績效，但導致了工作量增加和決策延遲。高水平透明度導致了更長的響應時間[25]和注視持續時間[15]。但透明度水平與任務績效并不呈簡單的線性關系。Dadashi等[2]發現透明度信息越少，接受和清除告警的任務響應時間越少，但出錯概率并不隨信息增加而降低，信息量中等時出錯概率最小。李馨雨[16]發現具備故障原因和處置信息的中等透明度模式具有最佳的駕駛任務績效。

根據認知資源有限理論，高水平透明度要求用戶投入額外的認知努力以適應信息量的增加，這增加了認知負荷[10]。任務績效的差異進一步反映了透明度信息對認知的矛盾影響[20]。高水平透明度通過改善情境意識提升了決策正確率，卻因為信息量的增加影響了響應時間。

1.3 透明度信息的可視化設計原則研究

智能系統應該為用戶提供直觀的、有助于理解復雜透明度信息的視覺效果，允許用戶快速理解信息，然后返回其他任務[28]。目前，透明度信息的相關可視化設計策略主要包括關聯信息集成、漸進式披露和不確定性溝通等，有助于最大限度地避免高水平透明度帶來的認知負荷過載。

關聯信息集成是指將概念關聯的信息片段集成在相近位置顯示，有助于提高操作者處理信息的能力。Selkowitz等[29]通過定位、箭頭、圖標等視覺元素整合自主機器人小隊的位置、航向和當前行動等信息，使操作人員能夠在一個地方獲得關于自主機器人的多種信息。Skraaning等[11]對比了基于不同顯示類型（隨機網狀、餅狀）和距離（分離式、集成式）的信息可視化界面，發現可靠性信息的整合有助于提升用戶信任。針對無人機集群系統，Roundtree等[7]發現獨立顯示個體信息容易導致信息超載，阻礙操作員對集體現狀、行動推理以及預測結果的理解，集體狀態的抽象可視化有助于減少工作負載和人為錯誤。關聯信息集成策略的關鍵在于利用簡單的元素和符號加強信息的整合感知能力，以便用戶快速認知系統的關鍵信息和邏輯關系。

漸進式披露是指基于用戶認知需求和期望對信息優先級進行排序，在初期提供具有最大解釋力或對決策有貢獻的主要信息，并隨著人機互動的發展逐漸加入更多解釋信息，如推理過程、關聯關系等，以避免信息過量[30]。漸進式披露包括2種模式：1）交互模式，收到操作員請求后提供信息，Vered等[31]發現相較于固定順序推送模式，需求驅動的交互模式有效提高了任務績效，保持了情境意識，且不增加響應時間；2）適應模式，根據人機互動的動態發展主動識別需求并展示信息。相比交互模式，適應模式的自動駕駛系統被認為智能性更高、心理工作量更低，且在響應速度方面更具優勢[32]。

不確定性溝通是指以圖形方式顯示不確定性信息與相關數據。Kunze等[33]發現基于顏色和動畫的變量有助于傳達明確的緊迫性順序，獲得較高的主觀偏好評級。Beller等[34]指出緊急情況下的不確定性溝通既能改善操作員的監控行為，也能提高接管后的駕駛安全性，明顯降低最小碰撞時間。Helldin等[35]發現獲得高分辨率不確定性信息的司機可以更快地接管自動駕駛車輛，并且信任校準效果比對照組更佳。不確定性的可視化主要通過抽象、可操作的視覺變量呈現，包括位置、面積或長度、形狀、色調、飽和度、清晰度、運動頻率等[33]。

2 智能高鐵彈出故障界面的透明度信息及可視化設計

復興號CR400BF系列列車是“中國標準”動車組首批成員之一，是搭載先進控制平臺和統一操作界面的智能動車組。對復興號列車駕駛界面進行分析，發現彈出故障界面的主要信息和任務操作指示以純文本格式顯示，對駕駛員識別故障信息和任務流程造成了一定的困難，見圖1。現有彈出故障界面主要包含故障狀態和處理措施2種信息類型。故障狀態信息包括故障編號、故障車廂、故障代碼和故障名稱，屬于可觀察透明度信息類型。處理措施信息由任務流程和判斷邏輯構成，屬于可理解透明度信息類型。當前彈出故障界面的主要問題在于：1）對可理解透明度信息的可視化呈現不足。文字呈現的判斷邏輯，不利于司機識別和判斷；2）缺乏可預測維度的透明度信息。缺少對告警信息緊急程度和恢復情況的呈現。為實現對任務執行的預期結果的判斷，司機需要跳轉到其他界面。

圖1 現有列車彈出故障界面

根據現有透明度信息的可視化設計原則，提出從2個方面優化彈出故障界面的透明度信息顯示：1）優化可理解透明度信息的視覺呈現。根據處理措施的任務順序和判斷邏輯進行可視化設計；2）增加可預測維度的透明度信息。增加對告警信息緊急程度和告警恢復情況的可視化呈現。基于上述策略提出可視化設計方案，見圖2。首先，根據關聯信息集成的可視化設計原則，采用邏輯流程圖將任務流程和判斷邏輯進行可視化，利用矩形表示操作任務，箭頭表示順序，菱形表示判斷任務，文字表示判斷條件，見圖2①。其次，根據不確定性溝通的可視化設計原則，采用顏色將故障緊急程度和故障恢復情況進行可視化。其中，紅色表示需要立即停車的故障，黃色表示可以繼續行車的故障，綠色表示故障已恢復。緊急程度在故障發生信息導航欄、故障名稱、故障警示圖標、故障處理措施中呈現，見圖2②；恢復情況在故障告警圖標中呈現，見圖2③。

圖2 彈出故障界面可視化設計方案

3 實驗評估

為驗證智能列車彈出故障界面可視化設計方案的有效性，采用混合實驗設計進行評估驗證。自變量為2種可視化設計（邏輯流程和緊急程度），見圖3。有邏輯流程可視化的界面采用邏輯流程圖顯示故障處置任務流程，如圖3的A、B界面所示；無邏輯流程可視化的界面采用文字顯示故障處置任務流程，如圖3的C、D界面。有緊急程度可視化的界面采用紅色、黃色和綠色表示故障的緊急程度和恢復情況，如圖3的A、C界面所示；無緊急程度可視化的界面只用紅色、灰色、綠色顯示，如圖3的B、D界面所示。實驗設置車門安全環路斷開和一架四象限模塊元件保護2種故障模式。2種故障模式需執行不同的處理措施，需被試者判斷立即停車或繼續行車，對應非常緊急和次要緊急2種故障緊急程度。為保證實驗對比效果，所有處理措施均簡化為鍵盤按鍵。

3.1 實驗任務與流程

實驗設置常態駕駛任務和應急處置任務。常態駕駛任務是瞭望線路環境、盯控設備運行狀態。列車在整個實驗期間保持自動駕駛狀態，天氣情況設置為濃霧，能見度低于200 m。被試者需集中注意力在列車屏幕的中央位置，注視列車行徑軌道消失點，查看線路信號燈以及是否有異物侵限，并用余光掃視顯示屏以觀察車速和制動等級等駕駛狀態信息。

應急處置任務是注意故障信息界面是否彈出，并根據彈出界面中指示的流程進行列車故障應急處置的模擬操作。故障信息界面會在常規任務執行1～3 min內隨機彈出。為避免學習效應，不同可視化設計的彈出故障界面以隨機順序顯示。在彈出故障界面出現時，被試者需根據故障提示完成3個判斷任務和相應按鍵操作：1）觀察故障內容，根據提示判斷是否需要立即停車或繼續行車，停車按左鍵，行車按右鍵；2）判斷是否需要執行關門操作，如需關門按空格鍵；3）觀察告警圖標查看故障恢復情況，判斷是否恢復列車的正常運行，恢復正常運行按下鍵，回庫檢修按上鍵。記錄被試者的每次按鍵和反應時。

3.2 實驗數據

為分析不同可視化設計對被試者認知和任務的影響，實驗收集主觀問卷和客觀行為數據。主觀問卷采用SART情景意識量表和NASA-TLX認知負荷量表。SART量表采集被試者對情境不穩定程度、情境復雜程度、情境可變程度、精神喚醒程度、注意力集中程度、注意力分配程度、精力剩余程度、獲得信息的數量、獲得信息的質量、情境熟悉程度等指標的主觀評價。另外，要求被試者口頭回答任務暫停時的列車車速和制動等級，作為對SART問卷的補充。NASA-TLX量表采集被試者對完成任務的腦力需求、身體負擔、時間需求、努力程度、任務績效、挫敗感等指標的主觀評價。客觀行為數據通過心理學實驗軟件E-Prime 3.0采集，記錄被試者判斷停車或行車任務、執行關門操作、判斷故障恢復情況的按鍵和反應時長，計算按鍵正確率和反應時。

圖3 實驗對比的可視化設計方案

3.3 實驗環境

實驗在半實物仿真模擬駕駛裝置進行，如圖4所示。模擬駕駛裝置由司機操縱臺、線路場景顯示器和仿真計算機組成。司機操縱臺參照CR400BF型高速動車組司機操縱臺進行搭建，操縱臺上的司機主操縱手柄、控制開關、按鈕以及ATP和TCMS顯示屏等硬件與實車基本相同，ATP和TCMS顯示界面按照CR400BF型動車組的真實界面進行設計。線路場景顯示器由3塊24英寸LED顯示屏組合而成，位于操縱臺前方，用于展示動車組前方線路、車站和周邊建筑物等虛擬場景。實驗路段選取新京哈線路，北京城南機場至哈爾濱北段軌道。已有研究指出半實物仿真駕駛臺與真實駕駛環境所得數據不存在顯著差異。一臺17.3英寸的雙顯微型計算機用于顯示彈出故障界面，并使用鍵盤進行實驗操作。

圖4 半實物仿真模擬駕駛裝置

3.4 實驗流程與被試者

實驗流程主要包括實驗內容告知、基本信息錄入、模擬訓練、正式實驗和主觀問卷填寫。被試者通過10 min模擬訓練熟悉列車駕駛模擬器，進行故障應急處置的模擬練習直到操作熟練。正式實驗共進行16次式，單次式持續3 min；每次式實驗結束后，被試者填寫主觀問卷，休息2 min后開始下一次式，總實驗持續時長大約為70 min。為降低界面暴露順序帶來的學習效應，4類界面以隨機順序呈現。

實驗共招募20名被試者，其中10名男性，10名女性。平均年齡為22.7歲（SD=2.58）。所有被試者都有正常或矯正后正常的視力，學歷在本科及以上，對列車駕駛系統有一定的認知與使用經驗。

4 實驗結果

采用IBM SPSS Statistics 27進行數據分析。主觀問卷和行為績效數據的箱線圖如圖5所示。采用重復測量方差分析對比使用不同可視化界面時被試者情景意識、認知負荷和反應時、操作正確率的差異，發現可視化界面對被試者的情景意識、認知負荷和操作正確率產生了影響。

4.1 情境意識

界面A和B的SART問卷成對比較結果顯示，被試者對獲得信息數量、獲得信息質量2個指標的主觀評價有顯著差異，見表3。在彈出故障界面有緊急程度（A）時，被試者獲得信息數量、獲得信息質量高于無緊急程度（B）時。該結果說明，在有邏輯流程時，增加緊急程度顏色區分會提高用戶獲得信息的數量和獲得信息的質量。

圖5 主觀問卷和行為績效數據箱線圖

表3 可視化界面成對比較結果（情景意識）

Tab.3 Comparison results of visualization interface pairwise (situational awareness)

界面A和D、B和D的SART問卷成對比較結果顯示，被試者對情境熟悉程度的主觀評價有顯著差異，見表3。描述性統計結果顯示，在彈出故障界面有邏輯流程和緊急程度（A）或有邏輯流程（B）時，被試者的情境熟悉程度高于無邏輯流程和緊急程度（D）時。上述結果說明，邏輯流程和緊急程度顏色區分會提高用戶的情境熟悉程度。在沒有緊急程度顏色區分顯示時，增加邏輯流程會提高用戶的操作正確率和情境熟悉程度。

4.2 認知負荷

界面A和B的NASA-TLX問卷成對比較結果顯示，被試者對腦力需求指標的主觀評價有顯著差異，見表4。描述性統計結果顯示，在彈出故障界面有緊急程度顏色區分（A）時，被試者反饋的腦力需求低于無緊急程度（B）時。該結果說明，在有邏輯流程顯示時，彈出故障界面的緊急程度顏色區分有助于降低被試者的腦力需求。

4.3 操作正確率

界面A和C、C和D的成對比較結果顯示，被試者的操作正確率有顯著差異，見表5。描述性統計結果顯示，在彈出故障界面有邏輯流程（A）時，被試者的操作正確率高于無邏輯流程（C）時。該結果說明，在有緊急程度顏色區分時加入邏輯流程會提升用戶的操作正確率。在彈出故障界面無緊急程度（C）時，被試者的操作正確率高于有緊急程度（D）時。該結果說明，在沒有邏輯流程顯示時，增加顏色區分緊急程度會降低用戶的操作正確率。

表4 可視化界面成對比較結果（認知負荷）

Tab.4 Comparison results of visualization interface pairwise (cognitive load)

表5 可視化界面成對比較結果（操作正確率）

Tab.5 Comparison results of visualization interface pairwise (rate of correct operation)

4.4 實驗結論

1）針對任務流程和判斷邏輯的邏輯流程可視化設計在提升情境意識、任務績效和降低認知負荷方面有較好的作用。結果R3、R4顯示，有邏輯流程、有緊急程度顏色區分的故障彈出界面在駕駛員對情境的熟悉程度、情境意識總體得分上都高于原始的故障彈出界面。結果R5、R7顯示，在加入緊急程度顏色區分時，加入邏輯流程顯示有助于提升駕駛員對情境的熟悉程度；在沒有緊急程度顏色區分時，加入邏輯流程顯示有助于提升駕駛員的操作正確率。盡管受到影響的指標有所不同，但結果趨勢一致，說明邏輯流程的可視化設計適用于彈出故障界面。

2）針對告警信息緊急程度和恢復狀態的顏色編碼可視化設計的有效性取決于是否同時有邏輯流程的呈現。結果R1、R2、R6顯示，在有邏輯流程時，加入緊急程度顏色區分有助于提升駕駛員獲得的情境信息數量和質量，減少對駕駛員的腦力需求。結果R8顯示，沒有邏輯流程時，加入緊急程度顏色區分反而降低了駕駛員的操作正確率。因此，在彈出故障界面應用顏色編碼的可視化設計需要搭配邏輯流程來呈現。

5 結語

本文系統梳理了透明度信息的類型、認知任務影響和可視化設計方法。針對智能列車現有以純文本格式顯示的彈出故障界面，進行了透明度信息分析并提出了針對性的可視化設計方案，通過實驗收集被試者的情景意識、認知負荷和任務績效，由此評估了設計方案。由數據分析得知，邏輯流程的可視化設計適用于智能列車的彈出故障界面，但應用顏色區分緊急程度的可視化設計需要搭配邏輯流程呈現，否則可能會降低操作正確率。本文的創新點在于優化了智能列車彈出故障界面已有透明度信息的視覺呈現，并且增加了可預測維度的透明度信息。為提高駕駛員任務績效、降低認知負荷，實現高質量人機協同駕駛的目標提供了界面設計參考。

[1] 郭北苑, 易子旺, 杜昊. 高鐵ATO對駕駛任務效能的影響研究[J]. 人類工效學, 2022, 28(3): 1-5. GUO B Y, YI Z W, DU H. The Influence of ATO on Driving Performance Caused by ATO[J]. Chinese Journal of Ergonomics, 2022, 28(3): 1-5.

[2] DADASHI N, GOLIGHTLY D, SHARPLES S. Seeing the Woods for the Trees: The Problem of Information Inefficiency and Information Overload on Operator Performance[J]. IFAC-PapersOnLine, 2016, 49(19): 603- 608.

[3] RAD M. Human-Factors and Automation-Related Accidents in the Railway Industry[C]. International Conference Hazards 31: Process Safety and loss Prevention, 2021.

[4] VANDERHAEGEN F, BURKHARDT J M, FANG W N, et al. Human Factors and Automation in Future Railway Systems[J]. Cognition, Technology & Work, 2021, 23 (2): 189-192.

[5] MERCADO J E, RUPP M A, CHEN J Y C, et al. Intelligent Agent Transparency in Human-Agent Teaming for Multi-UxV Management[J]. Human Factors, 2016, 58(3): 401-415.

[6] ENDSLEY M R. From here to Autonomy[J]. Human Factors, 2017, 59(1): 5-27.

[7] ROUNDTREE K A, CODY J R, LEAF J, et al. Human-Collective Visualization Transparency[J]. Swarm Intelligence, 2021, 15(3): 237-286.

[8] LYONS J B. Being Transparent about Transparency: A Model for Human-Robot Interaction[J]. AAAI Spring Symposium - Technical Report, 2013,: 48-53.

[9] CHEN J Y, PROCCI K, BOYCE M, et al. Situation awareness-based agent transparency[J]. US Army Research Laboratory, 2014: 1-29.

[10] CHEN J Y C, BARNES M J, WRIGHT J L, et al. Situation Awareness-Based Agent Transparency for Human-Autonomy Teaming Effectiveness[C]//SPIE Defense+Security. Proc SPIE 10194, Micro- and Nanotec-hnology Sensors, Systems, and Applications IX, Anaheim, CA, USA. 2017, 10194: 362-367.

[11] SKRAANING G, JAMIESON G A. Human Performance Benefits of the Automation Transparency Design Principle: Validation and Variation[J]. Human Factors, 2021, 63(3): 379-401.

[12] STOWERS K, KASDAGLIS N, RUPP M A, et al. The IMPACT of Agent Transparency on Human Performance[J]. IEEE Transactions on Human-Machine Systems, 2020, 50(3): 245-253.

[13] KUNZE A, SUMMERSKILL S J, MARSHALL R, et al. Automation Transparency: Implications of Uncertainty Communication for Human-Automation Interaction and Interfaces[J]. Ergonomics, 2019, 62(3): 345-360.

[14] HELLDIN T, OHLANDER U, FALKMAN G, et al. Transparency of Automated Combat Classification[C]// International Conference on Engineering Psychology and Cognitive Ergonomics. Cham: Springer, 2014: 22-33.

[15] SELKOWITZ A R, LAKHMANI S G, CHEN J Y C. Using Agent Transparency to Support Situation Awareness of the Autonomous Squad Member[J]. Cognitive Systems Research, 2017, 46: 13-25.

[16] 李馨雨. 基于系統透明度的高速列車駕駛界面信息組織模式研究[D]. 北京: 北京交通大學, 2021. LI X Y. Research on Information Organization Mode of High-Speed Train Driving Interface Based on System Transparency[D]. Beijing: Beijing Jiaotong University, 2021.

[17] U.S. AIR FORCE. Autonomous horizons[M]. Washington, DC: United States Air Force Office of the Chief Scientist, 2015: 84-88.

[18] ENDSLEY M R. The Divergence of Objective and Subjective Situation Awareness: A Meta-Analysis[J]. Journal of Cognitive Engineering and Decision Making, 2020, 14(1): 34-53.

[19] WICKENS C D, HELTON W S, HOLLANDS J G, et al. Engineering Psychology and Human Performance[M]. New York: Routledge, 2021.

[20] WRIGHT J L, CHEN J Y C, LAKHMANI S G. Agent Transparency and Reliability in Human–Robot Interaction: The Influence on User Confidence and Perceived Reliability[J]. IEEE Transactions on Human-Machine Systems, 2020, 50(3): 254-263.

[21] ROTH G, SCHULTE A, SCHMITT F, et al. Transparency for a Workload-Adaptive Cognitive Agent in a Manned– Unmanned Teaming Application[J]. IEEE Transactions on Human-Machine Systems, 2020, 50(3): 225-233.

[22] AVETISYAN L, AYOUB J, ZHOU F. Investigating Explanations in Conditional and Highly Automated Driving: The Effects of Situation Awareness and Modality[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2022, 89: 456-466.

[23] GUZNOV S, LYONS J, PFAHLER M, et al. Robot Transparency and Team Orientation Effects on Human–Robot Teaming[J]. International Journal of Human–Computer Interaction, 2020, 36(7): 650-660.

[24] 李奕潔, 張玲, 黃琪璋, 等. 系統透明度信息對人機信任和協同決策的影響[J]. 包裝工程, 2023, 44(20): 25-33. LI Y J, ZHANG L, HUANG Q Z, et al. Impact of System Transparency Information on Human-Machine Trust and Collaborative Decision Making[J]. Packaging Engineering, 2023, 44(20): 25-33.

[25] HUSSEIN A, ELSAWAH S, ABBASS H A. The Reliability and Transparency Bases of Trust in Human- Swarm Interaction: Principles and Implications[J]. Ergonomics, 2020, 63(9): 1116-1132.

[26] PANGANIBAN A R, MATTHEWS G, LONG M D. Transparency in Autonomous Teammates[J]. Journal of Cognitive Engineering and Decision Making, 2020, 14(2): 174-190.

[27] BHASKARA A, DUONG L, BROOKS J, et al. Effect of Automation Transparency in the Management of Multiple Unmanned Vehicles[J]. Applied Ergonomics, 2021, 90: 103243.

[28] VORM E S, COMBS D J Y. Integrating Transparency, Trust, and Acceptance: The Intelligent Systems Technology Acceptance Model (ISTAM)[J]. International Journal of Human–Computer Interaction, 2022, 38(18/19/20): 1828-1845.

[29] SELKOWITZ A R, LARIOS C A, LAKHMANI S G, et al. Displaying Information to Support Transparency for Autonomous Platforms[C]// Advances in Human Factors in Robots and Unmanned Systems. Cham: Springer, 2017: 161-173.

[30] MILLER C A. Trust, Transparency, Explanation, and Planning: Why We Need a Lifecycle Perspective on Human-automation Interaction[M]. New York: Academic Press, 2021: 233-257.

[31] VERED M, HOWE P, MILLER T, et al. Demand-Driven Transparency for Monitoring Intelligent Agents[J]. IEEE Transactions on Human-Machine Systems, 2020, 50(3): 264-275.

[32] ZANG J, JEON M. The Effects of Transparency and Reliability of In-Vehicle Intelligent Agents on Driver Perception, Takeover Performance, Workload and Situation Awareness in Conditionally Automated Vehicles[J]. Multimodal Technologies and Interaction, 2022, 6(9): 82.

[33] KUNZE A, SUMMERSKILL S J, MARSHALL R, et al. Augmented Reality Displays for Communicating Uncertainty Information in Automated Driving[C]// Proce-edings of the 10th International Conference on Automotive User Interfaces and Interactive Vehicular Applications. Toronto, ON, Canada. ACM, 2018: 164–175.

[34] BELLER J, HEESEN M, VOLLRATH M. Improving the Driver-Automation Interaction: An Approach Using Automation Uncertainty[J]. Human Factors, 2013, 55(6): 1130-1141.

[35] HELLDIN T, FALKMAN G, RIVEIRO M, et al. Presenting System Uncertainty in Automotive UIs for Sup-porting Trust Calibration in Autonomous Driving[C]// Proceedings of the 5th International Conference on Auto-motive User Interfaces and Interactive Vehicular App-lications. Eindhoven, Netherlands. ACM, 2013: 210–217.

[36] 王建民, 汪巧鳳, 張俊. 自動駕駛中基于透明度的人機界面設計研究[J]. 包裝工程, 2023, 44(14): 152-161. WANG J M, WANG Q F, ZHANG J. Human-Machine Interface Design Based on Transparency in Autonomous Driving Scenes[J]. Packaging Engineering, 2023, 44(14): 152-161.

Visualization Design of Intelligent High-speed Train Driving Interface Considering the Impact of Information Transparency

WU Yongmeng, WU Haoshuang, ZHI Jinyi*

(School of Design, Southwest Jiaotong University, Chengdu 610041, China)

Information transparency in the driving interface is a key design feature that affects the driver's ability to effectively supervise and take over an intelligent high-speed train. To solve the negative impacts brought by the increase of transparency information, the work aims to propose effective visualization design methods for transparency information design of intelligent high-speed train. By the method of literature research and analysis, the literature in the fields of robotics, civil defense, nuclear energy, aerospace, etc. was searched and analyzed respectively, to systematically sort out the types of transparency information, the cognitive task impacts, and the visualization design methods. By analyzing the information transparency of the pop-up fault interface for the intelligent high-speed train, the problems and deficiencies in the current interface were pointed out, i.e., poor visual presentation of task flow and judgment logic, and lack of urgency of the alarm information and its recovery status. The visualization design of transparency information was proposed through logic flowchart and color coding, and verified through user experiment. It was found that the logic flow visualization design had a better effect in enhancing situational awareness and task performance and reducing cognitive load. The effectiveness of color-coded visualization designs relied on the presentation of a logical flow and the absence of a logical flow may reduce the rate of correct operation. Visualization design helps to reduce the negative impact of transparency information on cognitive load and task performance and to achieve high-quality human-machine collaboration in intelligent high-speed train.

intelligent high-speed train; human-machine collaboration; human-machine interface; transparency information; visualization design

TB472

A

1001-3563(2024)04-0040-09

10.19554/j.cnki.1001-3563.2024.04.004

2023-09-20

國家自然科學基金（52175253）；中國美術學院文創設計智造實驗室開放基金（CAADAI2022B001）；西南交通大學新型交叉學科培育基金項目（YG2022008）；四川省社會科學重點研究基地現代設計與文化研究中心（MD22E016）