多种交通讯息源对路径选择的影响

多种交通讯息源对路径选择的影响报告者:

作者:关键字:先进的旅客讯息系统、选择行为、驾驶模拟器、矛盾讯息、遵守EffectofmultipletrafficinformationsourcesonroutechoiceAdrivingsimulatorstudy第一章1.背景动机

环保驾驶是基于调整驾驶方式以减少车辆燃料消耗的概念，进而减少CO2等有害颗粒的排放。例如，欧洲项目ECOWILL指出：生态驾驶意味着更智能、更省油的驾驶。生态驾驶代表了一种新的驾驶文化，它充分利用了先进的车辆技术，同时提高了道路安。全减少燃料消耗的一个直接方法是直接鼓励驾驶员以环保的方式操作他们的车辆。这可以通过多种方式实现。典型的策略包括先前的教育、驾驶时的车内反馈或驾驶后统计(Hofetal.,2014)人类与人工认知系统之间交互的工作，驾驶员遵守系统建议的倾向可能取决于驾驶员属性的认知能力到这个系统(Thilletal.,2014;

Thill&

Riveiro,

2015)。第二章2.相关文献

过去研究发现系统意识在驾驶员是否遵循导航系统的建议方面发挥了作用(Matthews、Bryant、Webb&

Harbluk,2001)。如果系统提出了为什么它提出特定建议的理由，则驾驶员优先遵循该系统。因此，人类对推荐系统内部运作的感知（以及这种感知背后的认知过程）可能会影响对系统建议的依从性。在生态驾驶系统方面，已经测试了几种类型的推荐系统(Manseret

al.,

2010;

Meschtscherjakovet

al.,

2009)，但很少有人明确考虑到这些过程(Stillwater,

2011)。第二章2.相关文献-系统意识尽管与其他领域（例如航空）相比，它的出现相对较晚，但驾驶员支持系统已慢慢引入车辆市场（Onken&Schulte，2010年）。早期的例子包括巡航控制和防抱死制动系统，后来出现了例如停车辅助、自适应巡航控制(ACC)、前方碰撞警告和车道保持辅助；其中大部分通常可以由驾驶员激活/停用。新的传感器技术（例如新型摄像头技术、红外线或雷达）促成了进一步的驾驶引导系统的出现。Verberne、Ham和Midden（2012年）表明，如果ACC在接管驾驶任务时提供有关其驾驶目标的讯息，他们会被认为更值得信赖。Hill

et

al.(2014)发现如果导航系统为其选择提供了理由，参与者更有可能遵循导航系统的建议（在可能有多个路线到达目标的环境中）。对参与者的采访证实，这仅仅是因为他们很高兴知道为什么会做出决定。第二章2.相关文献

系统意识还可以包括有关系统对其运行能力的信心的讯息。Beller、Heesen&

Vollrath(2013)发现，在自动驾驶汽车的情况下向驾驶员提供此类讯息可以提高情境意识和更高的信任度。Helldin、Falkman、Riveiro和Davidsson(2013)在下雪条件下对自动驾驶进行了模拟器研究。一些参与者得到了车辆有信心继续驾驶的视觉指示，而其他参与者则没有。结果表明，获得讯息的驾驶员往往会在需要时更快地控制汽车，同时花更少的时间全面观察前方道路（因此能够在更高程度上执行驾驶以外的任务而不妥协行车安全）。第二章2.相关文献

目前的生态驾驶建议主要通过视觉显示提供给驾驶员（Hof等人，2014年，Jamson等人，2015a），尽管也有人提出了基于声音和触觉的解决方案（例如振动触觉踏板，参见Meschtscherjakovetal.,2009,Gonderetal.,2011的例子）。贡德等人。(2011)比较了目前可用的各种方法，包括智能手机应用程序、导航系统、离线提供反馈的系统和内置系统。他们发现，来自车辆仪表板中内置原始系统的效率反馈是最有效的方法之一Fors、Kircher和Ahlstrm(2015)为卡车司机推荐了可定制的生态驾驶支持系统用户界面。大多数参与者在他们的研究中更喜欢简单明了的讯息；被评为最有用的生态驾驶要素是关于油门踏板压力、速度指导、操纵反馈、燃料消耗讯息和简单统计数据的建议。Jamson、Hibberd和Jamson(2015b)发现任何类型的生态驾驶建议都可以提高燃油效率，而持续的实时视觉反馈被证明是最有效的，但这种方式会减少对前视的关注并增加主观工作量。第三章3.研究目的

调查这种系统意识可能对在生态驾驶环境下遵守系统建议产生的影响。这是通过（估计的模拟）燃料消耗和驾驶员行为来衡量的，这些行为与本研究中系统给出的建议直接相关。当导航系统比生态驾驶系统提供更多讯息时，其他实验条件相比若对环境更友好就表示这两个系统本身并没有被视为独立的系统第四章4.方法

使用驾驶模拟器穿过预先定义的环境，持续时间约为10分钟。根据实验条件，参与者没有获得生态驾驶建议;或是系统提供的支持是1.基本的（建议以图标的形式给出，以模拟抬头显示器的方式显示）或2.提供讯息（系统还显示了一行文字来证明其建议的合理性）。还提供了一个导航系统，该系统同样根据条件提供基本或讯息支持。效果是根据估计的模拟燃油节省以及发动机制动/滑行行为和换档效率来衡量的第四章4-1受测者

招募了133名参与者（包括安全边际）。由于实验设置的偏差，六名参与者不得不被排除在进一步的分析之外。另外两人因将实验视为赛车游戏而被排除在外，最后两人因自我报告的模拟器疾病而无法完成实验。结果，123名参与者被纳入分析（89名男性，34名女性）。年龄数据以年龄组的形式收集（见表1）。参与者被提前告知可以随时自由退出实验，无需说明理由，也不会丢失奖励(电影票)。整个实验是按照适用的伦理准则进行的。参与者在性别和是否戴眼镜的条件下进行分配。参与者只有在他们出现在实验中时才被分配到条件，以确保随机但平衡地分配到不同的组。四个随机排列序列（每个可能的性别和眼镜组合一个序列）,将每个参与者分配。每个年龄组的参与者人数第四章4-2仪器设备-模拟器和软件

驾驶模拟器由一辆真正的沃尔沃S80组成，头被五个投影屏幕包围，共同覆盖了司机和乘客的大部分视野FOV分别为205度和240度。另外两个投影表面放置在汽车后面，以便通过汽车的后视镜和从肩膀上看时都可以看到它们。服务器与汽车的接口被实现为游戏控制器。对于目前的实验，使用UnityCar2.2Pro车辆模拟包和Unity3D游戏引擎能任意容易的模拟环境和游戏。车辆模拟器示意图第四章4-2仪器设备-实验环境

实验环境包括两个房间一个包含模拟器本身，另一个包含两把椅子、一张桌子、一个衣帽架和免费的饮料和零食为参与者提供了茶点。参与者仅在模拟期间在第一个房间，而所有其他活动都在第二个房间进行。完整的实验环境图(包括模拟器本身和采访室)第四章4-3受测者工作

参与者有两份问卷，一份在模拟器驱动之前一份之后。第一份问卷侧重于参与者的背景、驾驶体验以及包括导航和生态驾驶系统在内的驾驶员支持系统的体验，而第二份问卷则关注参与者对模拟器驾驶和测试界面的体验。在完成主要实验和后问卷调查后，对46名随机选择的参与者进行了半结构化访谈（每个条件​​4名男性和4名女性参与者，除了两个，只采访了3名女性），以捕捉他们的更详细的经验和意见。第四章4-4实验设计

环境的设计易于导航但不单调，以确保参与者在研究期间保持参与。一些值得注意的功能包括改变速度限制和红色交通信号灯，这激发了生态驾驶系统给出的一些建议，以及通往目的地的几条路线。特别是有两种情况，导航系统的建议与路标讯息相冲突，但避免了不良事件（交通拥堵或事故现场）。(A)路边的动物特征和事件的详细讯息地图:蓝色和灰色网格表示城市区域；黄色的浅色圆圈表示置路标的位置(B)等待进入主干道的卡车。一旦进入主干道，就会跟随参与者到圆环。(C)事故和交通堵塞(D)在侧面停的车，参与者通过后它开始并跟随一段时间（E）第二次事故，侧面撞击第四章4-4实验设计

创建了两个推荐系统：一个用于环保驾驶，一个用于导航。两个系统都有两个版本。基本讯息:基本系统通过显示与相关操作相对应的图标来简单地为操作提供准确的建议讯息系统:以简短文本的形式提供简短的理由，解释给出建议的原因(a)HUD上显示的界面示例。大蓝色箭头始终存在，并且其方向不断更新以指示前往目的地的首选方向。基本环保驾驶建议:(b)换档建议符号(c)建议松开油门导航符号:(d)路口(e)

环形交叉路口（f）1到3星的奖励（g）文字建议第四章4-4实验设计

由于主要假设是提供讯息系统将鼓励对建议的遵守程度高于基本系统，因此选择了参与者之间的设计，使我们能够测试系统组合及其讯息性，同时避免例如学习效果之一可能期望在参与者内部设计中。对于生态驾驶系统，可能的值是“无”（提供基线估计的模拟燃料消耗）、“基本”或“讯息”（如上定义），而它们是“基本”或“讯息”用于导航系统。两个自变项：分别是生态驾驶和导航系统的讯息量依变项（估计的燃料节省、换档行为、滑行行为）衡量驾驶行为的生态友好性。因此，参与者数量第四章4-5实验程序

参与者被告知实验的预期持续时间，及可能会出现模拟器病，并且他们可以随时自由退出实验，无需提供理由。他们还被告知，该实验的目的是测试未来的HUD（此时避免提及生态驾驶或导航支持系统，以免人为地遵守该系统）参与者还被告知将进行采访，而没有戴眼镜的参与者还被告知有关眼动追踪的讯息。在参与者明确知情同意参与研究后，平板计算机上显示了第一份问卷。参与者被告知模拟有两个部分。第一个是教程，他们将获得一系列预先录制的说明，让参与者熟悉模拟器的操作。参与者可以自由驾驶，直到他们按照预先录制的说明感到舒适为止。一旦对车辆的操控感到满意，参与者就会载第二个模拟，同时测试负责人回答参与者可能提出的任何问题。驾驶大约需要十分钟，之后参与者离开模拟器并返回另一个房间。在这里，参与者再次获得茶点，要求他们完成问卷，并在适用的情况下接受采访。第五章5.结果

下表总结了不同组别参与者的平均估计燃料消耗量。BN和IB组表现最差。这对于BN组是预期的，而不是IB组。每个条件平均估计油耗(l/100km),CI为信赖区间通过考虑所有参与者的平均燃料消耗分布，可以更详细地了解我们参与者的燃料消耗行为。下表这种分布表明，值来自两个独立的、大致正态分布的随机变量，其中一个往往比另一个更经济地驾驶。（上图）:所有参与者的平均油耗分布按条件划分（下图）:按条件划分，虚线是上图。

O用于表示两个正态分布及其对应的均值μ和标准差σ,

p是从第一个分布中采样特定数据点的概率。第五章5.结果

在每个组中，一部分参与者已经以接近最佳的驾驶水平。因此，生态驾驶系统将仅对不这样做的子集最有效。每当存在生态驾驶系统时，从平均约6.3l/100km的分布中减少的采样支持了这一点，因为这表明在这些组中更多的参与者以接近最佳的水平。分布的模型值和拟合优度估计值IB组的结果与BN组最相似，但结果与其他组不一致。这表示对于这个群体生态驾驶系统没有明显的效果。判定系数均方根误差第六章6.结果与讨论

虽然参与者比基本系统更喜欢讯息系统，但那些特别体验过讯息生态驾驶系统的人也报告说它会分散注意力，Thilletal.(2014）认为，对相关讯息的渴望与不愿投入额外努力来获取讯息之间存在冲突。在燃料消耗方面，发现最基本和讯息量最大的系统（BN和II）之间存在显著差异。如果系统讯息丰富，系统推荐对驾驶员行为的影响通常更大。采访表明，参与者并不总是认为需要生态驾驶系统提供的理由。例如，一位参与者表示，他认为没有必要解释由于发动机转速高而需要升档。研究中没有涉及的另一个方面是显示生态驾驶讯息可能对工作