MiX Knowledge

定义、测量和建模乘客的车内体验以及对自动驾驶车辆的接受度

分类： 人机交互

作者： Neeraja Bhide, Nanami Hashimoto, Kazimierz Dokurno, Chris Van der Hoorn, Sascha Hoogendoorn-Lanser, Sina Nordhoff

发布时间： 2023-09-19

链接： http://arxiv.org/abs/2309.10596v1

摘要： 自动驾驶汽车接受度 (AVA) 主要通过问卷和访谈进行主观测量，主要关注自动驾驶汽车 (AV) 内的驾驶员。为了确保自动驾驶汽车被公众广泛接受，确保驾驶员和乘客的接受是关键。乘客的乘车体验将决定乘客对自动驾驶汽车的接受程度。需要全面了解衡量自动驾驶汽车乘客体验的潜在评估方法，以改善乘客的车内体验，从而提高接受度。目前的工作概述了用于测量驾驶员行为以及（自动）驾驶期间的认知和情绪状态的评估方法。审查结果表明，这些评估方法可以按数据收集方法的类型（例如问卷、访谈、直接输入设备、传感器）、测量对象（例如感知、行为、状态）、时间进行分类。测量的方式以及所收集数据的客观程度。概念模型综合了文献综述的结果，制定了构成车内体验的因素与 AVA 接受度之间的关系。理论上，车内体验会影响使用意图，而使用意图可以作为实际使用的预测指标。该模型还阐述了实际使用和幸福感之间的关系。需要采用主观和客观评估方法相结合的方法来为 AVA 提供更准确的估计，并促进 AV 的采用和使用。

道路用户自动驾驶汽车接受度评估工具：自动驾驶汽车用户需求金字塔

分类： 人机交互

作者： Sina Nordhoff, Marjan Hagenzieker, Esko Lehtonen, Michael Oehl, Marc Wilbrink, Ibrahim Ozturk, David Maggi, Natacha Métayer, Gaëtan Merlhiot, Natasha Merat

发布时间： 2023-09-19

链接： http://arxiv.org/abs/2309.10559v1

摘要： 这项研究提出了一种新的方法，从自动驾驶汽车前后体验中内外道路使用者的角度来评估自动驾驶汽车接受度（AVA）。用户可以是驾驶员和乘客，也可以是与自动驾驶汽车交互的外部道路使用者，例如行人、（摩托车）骑车人和其他汽车驾驶员。开发了金字塔，它提供了用户需求的分层表示。基本的用户需求组织在金字塔的底部，而更高级别的用户需求则组织在金字塔的顶部。金字塔区分了安全信任、效率、舒适愉悦、社会影响力、幸福感六个层次的需求。有些用户需求是跨用户普遍存在的，而有些则是用户特定的需求。这些需求被转化为可操作的指标，代表用于评估 AV 内部和外部用户的 AVA 的调查问卷项目。问卷项目的制定源自已建立的技术接受模型。由于该仪器基于所有道路使用者的相同模型，因此现在可以对不同道路使用者之间的 AVA 进行比较。我们建议未来的研究来验证该问卷，并在研究中使用它，以有助于开发一个简短、高效和标准化的 AVA 评估指标。

了解并解决对自动驾驶汽车 (AV) 的抵制

分类： 人机交互

作者： Sina Nordhoff

发布时间： 2023-09-19

链接： http://arxiv.org/abs/2309.10484v1

摘要： 自动驾驶汽车（AV）预计将为交通和社会带来重大利益。为了开发这种潜力，他们被社会接受是一个必要条件。然而，自动驾驶汽车的接受度目前正面临着风险：自动驾驶汽车面临着旁观者和当地社区的抵制。阻力可能会阻碍自动驾驶汽车的实施和使用，从而威胁道路安全和效率。本研究对旧金山 (SF) 当地人向加州公用事业委员会 (CPUC) 提交的关于自动驾驶汽车收费部署的评论进行了定性和定量文本分析。综合分析结果，并提出了解释和预测阻力的概念框架。该框架认为，抵抗的发生是威胁感知的直接结果，威胁感知是由个人和系统特征、系统使用的直接和间接后果、他人的反应和外部事件决定的。自动驾驶汽车对安全的威胁与其不可预测的非法驾驶行为以及产生冲突情况有关。由于方向盘后面没有人类驾驶员，自动驾驶汽车和其他道路使用者之间缺乏明确的沟通，这对安全感和信任度产生了负面影响，特别是对于过路情况下的弱势群体而言。受访者表示，自动驾驶汽车阻挡了其他道路使用者，例如紧急车辆，对道路通行能力、拥堵和交通流量产生了负面影响。交通不便的车辆设计导致了弱势残疾群体被排斥在外。关于接受自动驾驶汽车的科学对话需要转向抵制，将其作为接受的“其他”基本要素，以确保我们兑现向包容、公平、公平、公正、负担得起和可用的更可持续的流动性过渡的承诺给所有人。

边说边驾驶：在自动驾驶汽车中与大型语言模型实现类人交互

分类： 人机交互, 人工智能

作者： Can Cui, Yunsheng Ma, Xu Cao, Wenqian Ye, Ziran Wang

发布时间： 2023-09-19

链接： http://arxiv.org/abs/2309.10228v1

摘要： 自动驾驶汽车的未来在于以人为本的设计和先进的人工智能功能的融合。未来的自动驾驶汽车不仅能运送乘客，还能与乘客互动并适应乘客的需求，让旅程变得舒适、高效、愉快。在本文中，我们提出了一种利用大型语言模型（LLM）来增强自动驾驶汽车决策过程的新颖框架。通过集成大语言模型的自然语言能力和上下文理解、专业工具的使用、协同推理以及与自动驾驶汽车上的各种模块的配合，该框架旨在将大语言模型的高级语言和推理能力无缝集成到自动驾驶汽车中。拟议的框架有可能彻底改变自动驾驶汽车的运行方式，提供个性化帮助、持续学习和透明决策，最终有助于实现更安全、更高效的自动驾驶技术。

通过车辆动力学评估驾驶员生理学

分类： 人机交互, 机器学习

作者： Rodrigo Ordonez-Hurtado, Bo Wen, Nicholas Barra, Ryan Vimba, Sergio Cabrero-Barros, Sergiy Zhuk, Jeffrey L. Rogers

发布时间： 2023-09-08

链接： http://arxiv.org/abs/2309.04078v1

摘要： 驾驶是全球许多人的日常生活。本文介绍了用于将车辆转变为能够评估驾驶员生理机能的互联生态系统的配置和方法。我们集成了来自汽车和数字健康领域的一系列商业传感器以及来自车辆本身的驾驶员输入。这种传感器的融合可以细致地记录外部条件和驾驶操作。这些数据流经过处理后提取关键参数，从而深入了解驾驶员与其外部环境相关的行为，并阐明重要的生理反应。这种创新的驾驶员评估系统具有增强道路安全的潜力。此外，当与传统健康环境的数据结合使用时，它可以增强健康相关并发症的早期发现。