基于情境意識的自動超車場景下HMI設計研究

摘要：應用情境意識理論對自動超車場景下的汽車人機界面設計進行優化，以增強自動駕駛系統的可用性。分析了自動超車行為與自動駕駛中情境意識的認知機制，提出了設計優化策略，最后通過設計實踐驗證了HMI設計的有效性?；谇榫骋庾R設計的HMI具備較高的可用性，對未來自動駕駛系統的HMI開發具有重要參考價值。

關鍵詞：情境意識；自動超車；自動駕駛；HMI設計

中圖分類號：U462 收稿日期：2024-07-12

DOI：10.19999/j.cnki.1004-0226.2024.09.008

1 自動超車場景下HMI設計的情境意識

情境意識理論認為人能意識到自己處于何種情境，并相應地調整行為、情緒和認知。它最初是為了理解航空任務而開發的理論，但同樣可以擴展到發電、石油化工、核能、指揮控制、交通等其他領域。從本質上講，任何需要人們實時跟蹤的任務都有可能成為情境意識研究和應用的對象。情境意識分為三個等級，每一個階段都是下一個更高水平的必要前提。該模型遵循信息處理鏈，從感知開始，經過解釋，到預測結束[1]。在HIM研究中引入情境意識理論，能幫助我們更好地理解駕駛員與自動駕駛系統之間的協作機制，確定駕駛員與系統之間的認知差異，提出相應設計策略，增強用戶對自動駕駛系統的信任和接受度。

1.1 情境意識

情境意識理論最經典的模型是Endsley提出的三級模型理論。根據這一理論，情境意識分為三個層次：感知（Perception）、理解（Comprehension）和預測（Projection）[2]。它對于感知環境要素，理解其意義并推測未來狀態具有非常重要的作用。駕駛員的險情感知就是經典的情境意識[3]。自動駕駛中的情境意識模型如圖1所示。

1.2 情境信息感知

感知是情境意識的基礎，涉及對環境中各種動態信息的實時獲取。對于駕駛員來說，情境信息感知包括對道路、交通、車輛狀態以及其他交通參與者行為的全面了解。在自動駕駛中需要駕駛員感知的情境信息可以分為環境感知與車輛狀態感知。

環境感知是指駕駛員和自動駕駛系統對外部環境的識別和理解。它包括道路標識、車道線、交通標志和信號燈、其他車輛、行人、騎行者以及路面狀況等。例如在蔚來汽車HMI設計中，與其他車輛過近時，會在相應方位顯示警示特效，如圖2所示。

車輛狀態感知則涉及對自身車輛的實時監測和分析，包括車輛速度、方向、續航等信息。這些數據影響車輛的安全性，關系著自動駕駛系統決策精度。

1.3 情境信息理解

情境意識的第二階段是對情境的理解，這是基于對前一階段中各元素的整合。情境意識的第二階段可以描述為對周圍環境中其他因素的理解，特別是如何把這些因素整合在一起與操作員的目標相關聯[4]。對于自動駕駛系統和駕駛員來說，感知到周圍環境中的各種要素后，需要理解各種要素及其對駕駛目標的影響。在HMI的設計上需要考慮在信息內容呈現的方面，提供詳細的自動操作原因幫助駕駛者快速構建當前的駕駛情境，促進駕駛者準確理解當前駕駛狀態，有效恢復其情境意識水平，減少駕駛者的思考時間，幫助其理解自動駕駛系統的操作[5]。

1.4 情境信息預測

情境信息預測是情境意識的第三層次，它基于對當前情境的理解，預測未來可能發生的情況。第三級情境意識涉及預測環境中各因素在未來的可能變化。這種預測是基于對環境中元素狀態的認識以及對情境情況的理解來實現的。有經驗的駕駛員可以從感知和理解的信息中預測未來可能發生的事件，這為他們提供了時間來決定最合適的行動方案，以實現目標[4]。在這個過程中，HMI設計起著重要作用，要考慮如何將復雜的預測信息直觀地傳遞給駕駛員，幫助駕駛者準確理解當前駕駛狀態并對預測信息作出反應。例如，通過圖形界面告知駕駛員系統即將進行的操作，幫助駕駛員做出更加明智的決策。在小米Su7汽車的自動駕駛HMI中，系統會主動標注汽車將要進行的操作以及下一步的行駛路線，如圖3所示。

2 自動超車場景下的情境意識研究分析

由SAE（Society of Automotive Engineers）建立的駕駛自動化等級包含了從基礎的無輔助駕駛（L0）到完全無需駕駛員干預的自動駕駛（L5）6個等級。目前能夠量產的自動駕駛汽車己接近L3 級別，這標志著汽車已具備在特定條件下接管駕駛任務的能力，但此階段的智能技術仍需駕駛員和機器共享汽車的操控權，并要求駕駛員在汽車提出接管請求或發生其他緊急情況時能夠迅速接管。

2.1 自動超車任務分析

超車行為是駕駛員為尋求更寬闊的行車環境和更快駕駛速度而進行的行駛活動。它涉及車輛在道路上超越其他車輛，包含復雜的交通環境和動態情境。因此對駕駛員與自動駕駛系統的協作有著較高的要求。超車時智能車輛可能出現緊急狀況，所以車速、安全時間等實時預測以及跟蹤規劃的超車路徑，均對超車的順利進行具有重要意義[6]。

自動超車場景的行為分析能夠加深對駕駛員需求的歸納，理解如何處理超車中的動態信息。超車是一項復雜的駕駛行為，可以將超車過程分解為預備超車、向左變道、并行快速超越和并入原車道4個階段，如圖4所示。

在自動超車中，駕駛員的任務由駕駛轉為了監督，人機交互的重點在于幫助駕駛員快速理解系統的意圖以便更好地監督系統。系統自動超車功能運行時，車機系統能夠獲取到大量車輛行駛道路環境信息，并依據這些信息控制車輛保持合理行駛狀態。相較于傳統超車，自動超車人機交互的信息需求不僅局限于車速、車距等簡單數據。在自動駕駛系統的協助下，駕駛員不再依賴個人對路面狀況的感知，HMI作為汽車與人交互的主要通道，要求也就越來越高，僅提供車速、車距等信息已經無法滿足自動超車的需求。

2.2 自動超車任務分析

通過對自動超車行為和部分L3級汽車HMI的分析，可以根據情境意識理論提出一些策略優化信息設計，提高駕駛安全性和可用性。

2.2.1 優化信息展示方式

信息層級化處理，在HMI界面上，突出展示與當前駕駛任務的關鍵信息。例如，在超車階段，應該重點顯示前方車輛的速度、距離以及后方來車的信息。將次要信息隱藏，將不緊急的信息進行隱藏或壓縮展示，駕駛員可通過觸控、語音或手勢等交互方式主動獲取。使用直觀的圖標、圖表和動畫來展示復雜信息，如車輛的相對位置、速度趨勢等，如圖5所示。

2.2.2 增強信息的實時性和透明度

根據駕駛情境的變化動態調整信息展示內容，保證駕駛員隨時獲取最新信息，可提升透明度，展示決策過程。在HMI中增加對自動駕駛系統決策過程的展示，使駕駛員理解系統為何做出某種決定。例如為什么選擇超車，在系統進行操作前，通過HMI界面或語音提示駕駛員，使其對系統的下一步動作有所預見，如圖6所示。

2.2.3 提高預測信息的連續性

在HMI中引入預警系統，對潛在的風險進行提前預警。例如，前方道路情況變化時，提前告知駕駛員可能的風險和系統應對策略。并且系統不僅僅展示當前的情境信息，還要對未來一段時間內的情境變化進行預測，甚至能夠預估其他車輛的行為模式。優化視覺設計，利用不同顏色編碼來區分不同類型的信息，綠色表示低風險，黃色表示中風險，紅色表示高風險。例如，在進行自動超車時，HMI可以通過視覺的手段提醒駕駛員當前超車的危險程度以及潛在的危險因素，如圖7所示。

3 可用性測試

在自動駕駛系統中，HMI可用性對駕駛員和乘客的信任和接受度起著決定性作用。自動駕駛功能的設計和開發，應該做到在確保駕駛安全的前提下，不斷提升系統可用性[7]。

3.1 實驗對象

實驗對象包括20名駕駛員，選擇標準如下：具備不同駕駛經驗（包括新手和有豐富經驗的駕駛員）、涵蓋不同年齡段（20～60歲之間）、性別均衡（男女各10人）。實驗對象多樣性能夠確保HMI可用性測試結果的普遍性和代表性，反映真實用戶的需求和體驗。

3.2 實驗設計

實驗采用系統可用性量表（SUS）來評估HMI的可用性。系統可用性量表（SUS）是一種常用的量表，用于評估系統的可用性[8]。系統可用性量表（SUS）由10個題目組成，采用5分制評分。奇數項以正面描述問題，偶數項以反面描述問題。計算SUS得分時，首先需要將每個題目的原始得分轉換為特定分值（0～4之間）。對于奇數項題目，分值等于原始分數減去1；對于偶數項題目，分值等于5減去原始分數。然后，將所有題目的轉換分值相加，并乘以2.5，即可得到SUS的總分，范圍為0～100分。

實驗對象在模擬駕駛器上使用新設計的HMI輔助體驗自動超車任務，完成任務后填寫問卷。最后，通過分析SUS評分和客觀數據，評估HMI設計的可用性和用戶體驗。

3.3 實驗結果

通過對量表各項評分進行加權計算，得到一個總分，范圍在0～100之間。通常，SUS評分達到68分及以上表示系統具備良好的可用性，超過80分則表示系統具有優秀的可用性。在本實驗中，20名實驗對象完成了自動超車任務并填寫了SUS問卷。實驗結果顯示，使用新設計HMI界面的實驗組平均SUS得分為83分。數據表明，新設計的HMI界面在任務完成時間、操作準確性和用戶滿意度方面均比較優秀。定性反饋也表明，實驗組的用戶普遍認為新界面信息展示直觀、操作簡便，大幅提升了駕駛員對自動駕駛系統的信任。綜合分析表明，基于情境意識設計的HMI在自動超車場景下具備較高的可用性，能夠有效提升用戶體驗和系統可用性。

4 結語

通過對自動超車場景下的情境意識分析，本研究提出了一系列提升系統可用性和用戶體驗的策略。設計實踐的可用性測試結果表明，新設計的HMI界面在任務完成時間、操作準確性和用戶滿意度方面均表現優秀。用戶普遍認為新界面信息展示直觀、操作簡便，提升了對自動駕駛系統的信任。綜合分析表明，基于情境意識設計的HMI在自動超車場景下具備較高的可用性，能夠有效提升用戶體驗。本研究的優化策略和設計方案對未來自動駕駛系統的HMI開發具有重要的參考價值。

受時間以及資源的限制，本研究仍存在一些不足之處需要解決。本研究優化策略主要針對自動超車場景，其他駕駛場景尚未涉及。未來研究應擴展更多駕駛場景，進一步完善HMI設計策略。在未來研究中，自動駕駛系統的HMI設計應更加關注系統自適應性。通過機器學習和人工智能等技術，系統能夠根據駕駛員的個人習慣調整信息展示和交互方式，從而提高系統的可用性。

參考文獻：

[1]STANTON N A，CHAMBERS P R，PIGGOTT J.Situational awareness and safety[J].Safety Science，2001，39（3）：189-204.

[2]ENDSLEY M R.Toward a theory of situation awareness in dynamic systems[J].Human Factors，1995，37（1）：32-64.

[3]譚浩，趙丹華，趙江洪.面向復雜交互情境的汽車人機界面設計研究[J].包裝工程，2012，33（18）：26-30.

[4]MUNIR A，AVED A，BLASCH E.Situational awareness：techniques，challenges，and prospects[J].AI，2022，3（1）：55-77.

[5]謝林彤.基于情境意識的自動駕駛接管輔助信息設計研究[J].藝術與設計（理論），2023，2（12）：106-8.

[6]滿緒民.高速公路智能車輛自動超車控制研究[D].淄博：山東理工大學，2018.

[7]王建民，王文娟，由芳，等.基于控制策略數據的ACC切入場景下HMI設計研究[J].包裝工程，2021，42（18）：9-17.

[8]BROOKE J.SUS-A quick and dirty usability scale[J].Usability Evaluation in Industry，1996，189：4-7.