2023-05
基于Lyft 5级开放数据集的大型跟车数据：自动驾驶车辆跟车与人类驾驶车辆的跟车
分类： 系统与控制, 人机交互, 机器人技术, 系统与控制
作者： Guopeng Li, Yiru Jiao, Victor L. Knoop, Simeon C. Calvert, J. W. C. van Lint
发布时间： 2023-05-30
链接： http://arxiv.org/abs/2305.18921v2
摘要： 跟车（CF）作为一种基本的驾驶行为，对交通流的安全和效率具有重要影响。因此，研究人类驾驶员在跟随自动驾驶车辆和人类驾驶车辆 (HV) 时的不同反应对于混合交通流至关重要。利用自动驾驶车辆 (AV) 收集的轨迹数据集可以加快该领域的研究。然而，AV 收集的轨迹有噪音，并且不容易用于研究 CF 行为。本文从开放的 Lyft level-5 数据集中提取并增强了两类 CF 数据：HV-following-AV (H-A) 和 HV-following-HV (H-H)。首先，根据特定规则选择CF对。接下来，通过异常分析评估原始数据的质量。然后，通过运动规划、卡尔曼滤波和小波去噪对原始 CF 数据进行校正和增强。从而获得29k+ H-A和42k+ H-H跟车段，总行驶距离150k+ km。多样性评估表明，处理后的数据涵盖了用于校准 CF 模型的完整 CF 体系。这个开放且随时可用的数据集提供了根据真实数据研究跟随 AV 与 HV 的 CF 行为的机会。它可以进一步促进探索自动驾驶汽车对城市混合交通影响的研究。
静音 eHMI 就足够了吗？以乘客为中心的自动个人移动车辆有效 eHMI 现场研究
分类： 人机交互
作者： Hailong Liu, Yang Li, Zhe Zeng, Hao Cheng, Chen Peng, Takahiro Wada
发布时间： 2023-05-29
链接： http://arxiv.org/abs/2305.17862v2
摘要： 自动个人移动车辆 (APMV) 是一种小型自动驾驶车辆，旨在为行人较多的环境中的每个人提供短距离移动。通过开放式设计的特点，APMV上的乘客可以接触到APMV上部署的eHMI与行人之间的通信。因此，为了确保最佳的乘客体验，APMV的eHMI设计必须考虑APMV与行人通信对乘客主观感受的潜在影响。为此，本研究讨论了三种外部人机界面（eHMI）设计，即1）基于图形用户界面（GUI）的带有文本消息的eHMI（eHMI-T），2）基于多模式用户界面（MUI）具有中性语音的eHMI（eHMI-NV），以及3）基于MUI的具有情感语音的eHMI（eHMI-AV），从APMV乘客的角度进行APMV与行人之间的通信。在骑行现场实验（N=24）中，我们发现eHMI-T可能不太适合APMV。这个结论是根据乘客的反馈得出的，因为他们在“静音时间”表达了一种尴尬的感觉，即eHMI-T只向行人提供信息，而不向乘客提供信息。另外，这两款基于MUI的语音提示eHMI各有优势，即eHMI-NV在实用性方面具有优势，而eHMI-AV在享乐性方面具有优势。研究还强调了设计时考虑乘客个性的必要性
研究 HMI 以促进传统车辆和自动驾驶车辆在十字路口之间的通信
分类： 人机交互
作者： Lilit Avetisyan, Aditya Deshmukh, X. Jessie Yang, Feng Zhou
发布时间： 2023-05-28
链接： http://arxiv.org/abs/2305.17769v1
摘要： 在涉及传统车辆 (CV) 和自动驾驶车辆 (AV) 的混合交通环境中，CV 驾驶员保持适当水平的态势感知以确保与 AV 安全高效的交互至关重要。本研究调查了通过人机界面 (HMI) 进行的 AV 通信如何影响混合交通环境中的 CV 驾驶员的态势感知 (SA)，尤其是在十字路口。最初，我们通过以人为本的设计流程设计了八个 HMI 概念。选择了两个评价最高的概念作为外部和内部 HMI（eHMI 和 iHMI）来实施。随后，我们设计了一个具有三种条件的受试者内实验，一种是没有任何通信 HMI 的控制条件，另一种是利用 eHMI 和 iHMI 作为通信手段的治疗条件。我们调查了这些条件对 50 名在虚拟环境 (VR) 驾驶模拟器中担任 CV 驾驶员的参与者的影响。采用自我报告的评估和眼球追踪措施来评估参与者的情境意识、信任、接受度和心理负荷。结果表明，与对照和 eHMI 条件相比，iHMI 条件在参与者中产生了更好的 SA，并提高了对 AV 的信任。此外，与其他两种情况相比，iHMI 导致脑力负荷的增加相对较低。我们的研究有助于开发有效的 AV-CV 通信，并有可能为未来 AV 系统的设计提供信息。
驾驶时的多任务处理：驾驶员如何在自动驾驶中自我调节与车载触摸屏的交互
分类： 人机交互
作者： Patrick Ebel, Christoph Lingenfelder, Andreas Vogelsang
发布时间： 2023-05-25
链接： http://arxiv.org/abs/2305.16042v1
摘要： 驾驶员辅助系统旨在通过部分驾驶任务的自动化来提高舒适性和安全性。与此同时，配备大型触摸屏的现代车载信息系统为驾驶员提供了多种娱乐、信息或通信选项，但也是潜在的干扰源。然而，人们对驾驶自动化如何影响驾驶员与中控台触摸屏的交互方式（即驾驶员如何根据不同级别的驾驶自动化来自我调节自己的行为）知之甚少。为了研究这一点，我们将多级模型应用于由 31,378 个序列组成的现实世界驾驶数据集。我们的结果显示，驾驶员的交互和扫视行为对于不同水平的驾驶自动化、车速和道路曲率的响应存在显着差异。在自动驾驶过程中，驾驶员在每个触摸屏序列中执行更多交互，并增加查看中控台触摸屏的时间。具体来说，与手动驾驶相比，在更高级别的驾驶自动化（2 级）下，向中控台触摸屏的平均扫视持续时间增加了 36%，每个序列的平均交互次数增加了 17%。此外，部分自动驾驶对更复杂的 UI 元素（例如地图）和触摸手势（例如多点触控）的使用有很大影响。我们还表明，驾驶自动化对驾驶员自我调节的影响大于车速和道路曲率。衍生的知识可以为基于触摸的信息娱乐系统的设计和评估以及情境感知驾驶员监控系统的开发提供信息。
对自动驾驶车辆和弱势道路使用者之间的安全关键场景进行系统审查
分类： 人机交互
作者： Aditya Deshmukh, Zifei Wang, Aaron Gunn, Huizhong Guo, Rini Sherony, Fred Feng, Brian Lin, Shan Bao, Feng Zhou
发布时间： 2023-05-18
链接： http://arxiv.org/abs/2305.11291v1
摘要： 自动驾驶汽车 (AV) 在减少道路碰撞事故方面具有巨大潜力。然而，要消除所有可能发生的事故仍然很复杂，特别是那些弱势道路使用者（VRU），他们比车辆乘员更容易发生交通事故。因此，在本文中，我们对 AV 和 VRU 之间的安全关键场景进行了系统回顾。我们确定了文献中的 39 篇论文以及 AV 和 VRU 之间的典型安全关键场景。进一步分为三类，包括人为因素、环境因素和车辆因素。然后我们讨论了每个类别的发展、挑战和可能的解决方案。为了进一步提高 VRU 与 AV 交互时的安全性，多个利益相关者应共同努力：1）改进人工智能和传感器技术以及车辆自动化，2）重新设计当前的交通基础设施，3）设计有效的通信技术以及车辆和车辆之间的接口。车辆和 VRU 之间的关系，以及 4) 设计有效的模拟和测试方法来支持和评估基础设施和技术。