文摘

研究分析了司机的收购行为在智能汽车行驶在城市道路和试图找到合理的人机接口的尺寸。首先,主驾驶辅助功能在收购的过程中分析了基于熵理论,和每个函数的权重值计算对消费者的购买意愿。其次,我们探讨了感知舒适维度的交互组件在典型的交互模式。通过使用受试实验设计、初始种群的进化计算。尺寸由用户的知觉的进化机制是构建遗传算法。调试的参数模型后,我们验证了模型的合理性和发展适当的维度。最后,发展维度的有效性证明了实验和paired-sample控制t以及。结果表明,大多数收购任务的完成时间在人机界面的发展维度显著短,确保人机界面可以更有利于接管质量和交通效率。

1。介绍

智能车辆是一个全面的系统集环境感知、规划、多级驱动援助和其他功能。由于复杂性所带来的智能车辆技术计算机、现代传感、信息融合、通讯、人工智能和自动控制,良好的human-vehicle交互界面很重要为了提高驾驶的安全性和舒适性(1]。汽车保有量的增长和道路资源的短缺,城市交通环境的复杂性也在增加(2]。生成的交互性能和舒适程度驾驶辅助系统(DAS)司机带来压力和分心,这是不利于可持续发展的交通效率和道路环境(3,4]。根据自动驾驶标准J3016 [5),大多数当前的自动驾驶汽车在2级3级。因为这个级别的智能系统需要司机随时接管,交互设计的核心是human-vehicle codriving。因此,技术接受程度的用户必须充分考虑,这是安全驾驶的重要性和可持续的城市交通。

开车总是让司机在一个紧张的状态3]。因此,它是必要的,以确保司机可以很容易地控制方向盘,按钮,开关组合桨,和其他组件而身体不彻底改变。这可以帮助满足驾驶员的生理需求,减少疲劳,保证方便、快速、有效的操作。本文着重于司机的手扩展问题在接管任务人机codriving (HCCD)和寻找一个最优尺寸的人机界面(HMI)基于感知舒适维度(PCD)的核心交互组件。

驾驶动作不独立完成了身体的一部分,但它们是由多个部分协调一致性。因此,传统的静态测量是很难获得有效的数据大小。在设计人机界面的尺寸和布局,是有用的设置大小根据司机的知觉特征和舒适程度。因为用户的感知产品的性能可能偏离由于外观的影响(6),本文利用多个测量来获得稳定的纤毛运动数据。和遗传算法(GA)用于进化的最优规模。

2。文献综述

2.1。在收购的过程中认知和行为问题

交通领域的一个研究热点,自动驾驶可以极大提高驾驶安全性和减轻现代交通问题,如交通事故、燃料的排放,和道路拥堵7- - - - - -9]。与此同时,它可以促进驾驶舒适性和减少环境的影响(10]。当自动驾驶系统的订单或无法处理交通状况,司机需要手动控制汽车,这样可以保证行车安全。引起驾驶员的认知过程和行为控制叫做接管。因此,作为关键环节的安全驾驶条件自动车辆,接管HCCD行为的过程是一个重点研究和交互设计。

收到接收请求后,司机驾驶任务转移注意力,然后获得态势感知,决定,和驱动器,直到车辆是完全控制11]。如果交互组件的大小和距离,如按钮、控制手段,或触摸屏不符合用户的预期,这是不利于完成收购。这是因为当系统接管请求问题,司机是执行nondriving任务需要快速切换注意力驾驶情况(11,12]。此外,接管任务需要司机在最短时间内做出反应。发现的时间影响了收购质量(13- - - - - -15]。交互式组件,满足用户的偏好在维度和空间可以让用户快速完成交互接管时,这有利于改善接收性能。

Merat等人驾驶接管分为两个部分:操作和认知,并发现司机可以恢复操作能力在1 - 2 s,但需要6 - 10甚至超过10年代恢复认知能力(16]。这是司机的反应和需要按钮的设计,杠杆,和其他交互组件应当符合驾驶员的操作特征和控制力水平。当控制权切换,司机的反应是指在时间和简历看着前面的能力操作车辆在收到的收购请求系统。响应主要由各种量化反应时间和接管时间(从系统发出的时候接管请求的时候司机操作方向盘和踏板实现手动驾驶)(17]。金等人量化时司机的反应时间接管和结果表明,固定的平均反应时间,将手回方向盘,走走看看后视镜相对0.5,1.5秒,3 s (18),它提供了一个参考的尺寸设计交互式组件。

使人机界面的设计符合用户的知觉判断具有重要意义可持续的人机交互codriving [19]。一个接口的尺寸和空间布局与乘客的偏好(20.]。人机界面上的元素的大小决定了身体运动的范围和用户安慰在收购过程中,也可用性密切相关。可用性是用户界面交互的适宜性和有效性21]。为了扩大汽车人机界面的可用性,分层界面属性,如触摸键的大小进行了研究[22,23]。此外,收购的性能而言,平均收购老司机的反应时间至少是1.2秒的时间比年轻的司机(24接管后],行驶速度低于年轻司机(25]。因此,效率问题引起的接管交互界面的尺寸是非常重要的,特别是现在老龄化现象越来越严重。研究显示,司机从不同年龄组有显著差异感知安全和打算使用自动驾驶和得分随着年龄的增加26]。

2.2。应用遗传算法在工业设计和人机工程学

在工业产品设计中,遗传算法通常用于产品基因的研究。基于产品的整体形式,形状分为几个小功能单位,直到不能分裂27]。目前,产品基因的相关研究大多采用交叉和变异等遗传操作逐渐培养一个成熟的方案经过多次迭代。陈等人获得的基因表达产品基于反向推理功能需求(28]。研究消费者的感知和应对产品外观,GA可以用来找到近似最优组合和评价产品外观和颜色设计(29日)和评价人的情感在设计过程中30.]。

遗传算法可以解决噪音问题所带来的主观因素如产品用户的认知和偏好。噪声源的交互式遗传算法(IGA)为例,分析了太阳认知噪声之间的关系和评价精度(31日]。IGA是进化计算(EC)的一个分支,它可以发展和生成设计元素。Kamalian等人提出的区间评价:用户的交互行为干扰形式的演化过程帕累托等级转移这样一个评价是足够的迭代(32]。顾等人获得用户的感知评价的神经网络,实现更快的收敛不增加用户的负担(33]。

在形状和大小方面的人机界面,GA可以确定最好的材料特性产品的处理接口,实现最优机械响应系统的指尖模型产品的处理(34]。在其他领域,人体工程学,GA也是一个受欢迎的方法。为了提高人类的形状预测的效率和准确性,陈等人设计了一个新的预测方法利用GA和BP神经网络(35]。结果表明,这种GA-BP模型的预测效果优于BP,支持向量机,K——模型,准确预测和集群人体形状。此外,一些研究已经应用基于遗传算法的混合模型,分类树,多变量自适应样条函数表达准确预测最具影响力的上肢肌肉骨骼疾病的危险因素(36]。此外,萨那等人提出了一个作业调度问题的数学模型的人体工程学因素重复工作,提升工作,和尴尬的姿势在高度可变的生产环境(37]。这是一个全面的符合人体工程学的约束多目标优化问题,通过改进nondominated排序遗传算法来解决。结果提高69%的工人的工作条件。遗传算法也可以用于解决优化设计问题走工人手工组装线(38]。本研究的目的是生成所需的模型以最低的成本,同时保持一个人体工程学平衡操作。这些研究都提供了一种将遗传算法应用到人类的进化基础姿势和大小。

3所示。方法

3.1。设备和实验过程

在这项研究中,驾驶模拟器被用来作为实验平台收集PCD、任务完成时间和错误次数的受试者在接管任务。为了修改控制器根据遗传算法得到的最优尺寸,我们选择一个非标准简单的驾驶模拟器(图1)。为了提高数据的适用性和有效性在城市环境中,驾驶模拟器的场景设置为城市道路。


图1
线框的驾驶模拟器和在实验中使用的功能键。

新车型的茎和按钮符合最高的维度健身将由3 d打印机替换原来的。然后,我们重写了代码与模拟器系统互连印刷模型。通过这种方式,任务完成时间和错误*的受试者根据新的人机界面可以收集来分析两者之间的交互性能HMIs的差异。一个全方向盘直径Φ= 365毫米在模拟器上使用。我们定义的功能键主要接管任务在方向盘和变速杆面板。受试者训练熟悉实验流程和每个键的功能。

目前,世界上最大量生产的智能汽车在L0或L1,而其他如最新的特斯拉不锈钢/ X,沃尔沃XC90,奥迪A8 L2和L3之间仍17]。因此,本文分析了自适应巡航的交互模式,调整汽车之间的距离,和汽车,驾驶辅助功能(DAF)核心寓于之间的自动驾驶。和纤毛运动报道的对象在交互的过程中收集。

巡航控制杆在不同车辆的长度是不同的。和巡航开关控制按钮,按钮之间的距离和司机或方向盘的中心也不同。由于大型多元化方向盘和室内空间的维度中繁杂的车辆,它没有明显意义来分析这些控制器的绝对大小。因此,PCD收集在这项研究而非绝对大小。这是水平和垂直中心线方向盘引用和收集参考线之间的距离和控制器上的舒服点。通过这种方式,尺寸会根据用户的感性判断和偏好。校准点和范围所涉及的14个维度三个来说,如表所示1。

表1
驾驶辅助功能、交互模式,分析维度。

自动变速器是默认选项在这个实验中,和速度是一个控制变量。因此,研究对象不需要变速齿轮。他们被要求完成整个虚拟路段的驾驶过程根据电脑屏幕上的提示玩交互式动画。提示包含要执行的任务,执行特定任务的次数,和组件用于下一个任务。实验的任务流图所示2:


图2
任务流的实验。

具体程序如下:(1)受试者开始实验在手动驾驶模式。当系统提示”汽车,”受试者需要按下变速杆面板上的一个按钮。(2)停用稳定后,受试者应该重新开始手动驾驶。(3)当系统提示,自适应巡航功能可以使用,受试者将巡航控制柄d这是模拟手动驾驶模式切换到自动驾驶模式,进入无人驾驶的状态。这时,系统将独立运行的虚拟车辆根据预置导航路线。(4)当系统提示输入调整汽车第一次之间的距离,受试者需要按M键。(5)然后受试者应该完成汽车,自适应巡航,和距离调整顺序,第二次按下按钮B, E,分别和S。(6)完成汽车举行第三次操作,按C键。(7)完成上述任务后,受试者被要求指出侧杆的舒适的位置,按钮根据操作的经验。研究员记录点用记号笔在模拟器和校准的大小。试设计使用的实验。有13个主题。每个实验持续了大约3分钟,受试者需要执行上述任务5次完成一天的实验。为了确保准确性和稳定性的感性经验,实验将进行六天。因此,每个主题将执行任务5∗6 = 30倍。PCD每次被收集的数据作为初始种群和最高的维度健身会通过GA。(8)在30日的实验中,受试者的完成时间和错误时间在收集七接管任务。(9)在获得最高的纤毛运动数据适应性,侧杆和按钮的模型是由3 d打印机替换原始的。受试者被要求重复七个任务图2再次修改后的模拟器。和他们的完成时间和错误时间可以根据新的人机界面。

3.2。信息熵和遗传算法

遗传算法是一种自适应全局优化算法模仿生物界的自然选择和个体遗传(39]。传统上,交互式遗传算法(IGA)是广泛应用于产品造型设计主题识别(40]。然而,IGA有一些缺点,包括个人健身价值的不确定性,nonpersistence单独的评估过程,优化结果的非唯一性[41]。在这项研究中,遗传算法作为主要的研究方法而PSC是用于建设的适应度函数,综合用户偏好,直觉、情感和心理上的优化。因此,进化个体的适应度值可以使人口发展的方向,用户的预期。

3.2.1之上。适应度函数

是否可以在理想的解决方案的方向取决于建立适应度函数在很大程度上。根据用户的PSC和三个daf的重量需要司机来接管,人工适应度函数是制定如下:

其中 代表三个daf的重要性权重,计算得到的信息熵。 意味着每个DAF的舒适的操作组件的尺寸表中列出1。 , , 。的意义 值如表所示1步骤(7)中,获得的实验。对于每个交互模式,相应的操作组件的舒适的位置确定了一点,然后点之间的距离、水平和垂直中心线测量方向盘。两距离相乘得到一个相对舒适区。 被用来评估个人的健康程度。小一号,用户的行为路径完成操作可以短,任务完成时间会相对较少,这是有利于收购的完成任务。因此,越大 值,更合理的尺寸。

3.2.2。信息熵和驾驶的重量援助功能

基于熵理论,研究探索的重要性水平的主要是寓于自动驾驶和分析用户的购买意愿的影响因素。的不确定性程度划分样本集,这是通过测量计算信息增益,作为标准来衡量的质量部门。信息增益越大,样本集的不确定性程度越小。

熵指的是系统混乱的程度,这是一个测量系统在一定的宏观状态的可能性。克劳德•埃尔伍德•香农提出了信息熵的概念来表达系统的秩序度(42]。让 是一组 样本。假设分类属性 不同的价值观: ,,让 在课堂上是样本的数量 。然后,对于一个给定的样本,其总熵 。其中 的概率是样本属于吗 。

让一个属性 有 不同的价值观: 。使用属性来划分 成 子集 。其中 包含的样本值 在一组 。让 是类的样本的数量 在子集 。然后,根据样本信息熵的分歧 是由 在哪里 。和 的概率是类的样本吗 在子集 。

最后,将获得的信息增益集 根据属性 是 。显然,越小 ,越大 ,这意味着更多的信息所提供的吗 判断用户的购买意愿的重要性 较高。正火后 值的三个daf,重量值 在适应度函数可以形成。

我们发送调查问卷在线8个专业用户调查他们的购买决策产品由不同组合的交互模式。购买决策是分为两类“买”与“不买。“德尔菲法是用于收集他们的意见全面,确保决策的一致性。相比之下,选择最常选择的最终决定,德尔菲法的结果更科学,和更多的信息是可用的研究(43]。

3.2.3。遗传操作和演化过程

在此系统中,调试遗传操作的前提,使非理性和不确定性的判断是由于汽车的形状和空间维度设计控制器和面板、维度演化由用户的期望不仅是寻找最优解,但也有限的资源下获得令人满意的解决方案。因此,模型不同的编码、选择、交叉,从传统GA和变异,这是解决问题由显式函数。

(1)编码。一般来说,有两种编码方法优化问题是实数编码和二进制编码。而且它们都有优点和缺点。映射错误存在连续函数离散化时在传统的二进制编码。当个体编码字符串是短,精度要求可能不满足。虽然长字符串时,虽然可以提高编码精度,遗传算法的搜索空间将急剧扩大44]。因此,在本研究中我们使用实数编码。

在进化的过程中,人口 成立。每一个染色体 人群中代表的数据从一个30实验。基因在染色体组成的纤毛运动主题报告的完成整个实验过程之后,可以表示如下: 在哪里 代表了一代的演进, 代表基因编码 代表了人口规模。

(2)初始化种群和选择。人口需要初始化之前运行。根据金刚石的数据研究需求,30实验作为主要的人口。每一次,收集数据的14 PCD索引,形成人口矩阵。

选择操作的过程从上一代的人口选择个人形成了下一代。选择的目的是获得优良个体基于健身价值,这样他们会有机会繁殖下一代的父母。个体的适应性高的更有可能是遗传的,而较低的健身的可能性较小。调试和比较后,我们选择归一化几何的方法选择(上天)来执行选择操作。门店主要是对适应度值进行排序,能够保持更好的个人作为父母。这是更适合产品设计方案的选择,也有助于防止个人更好的损坏。

(3)交叉和变异。通过交叉操作,新一代的个人可以获得,相结合的特点,他们的父母和体现信息交换的想法。的实数编码、算术均匀交叉个体间(AUC)通常被使用(45]。AUC是两个个体的线性组合来产生两个新的。交叉,让下一代的方法如下: 在哪里 和 是父母和 是一个随机量。

在这项研究中,非均匀变异(NM)被用来执行变异操作。让一个人 。如果 可变点和它的值范围是 ,一个新的个体 后可以获得非均匀变异。和新基因是由价值 在哪里 是一个符合非均匀分布的随机数范围 。 代表 和 。这是要求增加的进化一代 ,的概率 接近0也逐渐提高。

在这项研究中, 定义如下: 在哪里 是一个符合非均匀分布的随机数范围 ,的选择压力。 进化一代又一代的最大数量,在这项研究 。25个迭代,更好的个人健身可以发现高探索合适的人机界面的进化机制daf的维度。 是一个参数调整可变步长,这是一个系统参数。它确定的依赖程度随机数干扰 ,和范围通常是2∼5。后调试模型并进行反复比较,这个参数被设置为 在这项研究中。

4所示。结果

4.1。信息熵和daf的权重
以下4.4.1。期望接收的信息分类的人机界面的任务

根据不同组合的七个交互模式在表1,总共2∗∗计划可以生成3 = 12人机界面。通过德尔菲法,购买决策的12计划进行调查。四个轮专家调查后,购买决策的八个专业用户达成协议。分类结果如表所示2。

表2
购买意图分类交互模式。

根据专业用户的购买意图,12人机界面方案可以分为两类: (买), (不买)。通过总结和分析数据,两个类别的概率如下: 和 。根据公式,总熵是如下:

4.1.2。每个影响因素的条件熵和信息增益

在这项研究中,有三个因素决定了用户的购买意图。 :的起始模式自适应巡航, :功能键的位置来调整汽车,之间的距离 :汽车的功能键的位置。因素和每个条件的概率如表所示3。

表3
三个因素的概率和每个条件。

的信息熵值三个因素如下:

因此,信息获得的因素如下:

根据获得的信息,启动模式的自适应巡航是最重要的用户感知的舒适和购买内涵,而功能键的位置来调整车辆之间的距离不是很重要。通过规范每个影响因素的信息收益,结果作为权重的因素,这是

在这些值到公式(1),人工适应度函数可以构造如下:

4.2。遗传算法的结果
4.2.1。准备特征的人口

本研究的人口规模是流行= 30。为方便记录,每个维度的单位是分米(dm)。14尺寸表中描述的特性4。

表4
14尺寸的特点。
4.2.2。解决遗传算法的过程

匹配用户的期望,每一个初始种群的种子应该能够覆盖信息的纤毛运动数据的一部分。它应该能够满足产品的几何描述规则演变的空间和大小(46]。本文来自重复实验的初始种群在许多天,和感性经验和空间属性反映的数据是稳定的。模型的最优解后得到25个迭代。图3显示了遗传算法的进化过程。


图3
遗传算法的求解过程。

在图中,红色的线条代表的每一代最好的健身价值。和蓝色虚线描述了每一代的意思是健身。从图可以看出,模型中的最优值与迭代次数增加,达到最大值后聚合成一条直线。直到模型的最优值保持不变,能获得全局最优解。

基因进化停止后25迭代。从图可以看到,尽管最佳健身之间的偏差值和平均值的增加第九次迭代后,它继续发展,满足进化的期望。21次迭代后,偏差接近0。

25代的进化迭代金刚石数据基础上,八个人健身了,最高的是人机界面尺寸方案,满足用户的期望最好的某一代的人口。是理性设计的HMIs方向盘和变速杆板等后期根据这些值。这不仅可以继承的HMIs的造型基因,但也与用户期望在某种程度上。最后生成的维度数据的最高的个人健身如表所示5。

表5
最后生成的维度数据的最高的个人健康。
4.3。原始的意义区别维度和发展的

进一步验证是否最高的个人健身可以带来更好的接收性能,它是合理的收集所需的时间来完成驾驶任务助理在人机界面与原尺寸和大小的进化。和两套HMI维度之间的差异分析。

在最后的30个实验中,我们收集了13个科目的时间完成七交互模式下的接管任务表1。自从任务已经重复很多次,受试者熟练,任务完成时间会相对稳定。后的3 d打印模型侧杆和按钮根据最合适的尺寸(表5),驾驶模拟器进行了改革。然后13个学科被邀请重复七个任务与新的人机界面,和这组完成时间收集。判断尺寸是否能有效改善驾驶信息处理的交互性能和效率,paired-samplet以及使用的两组数据。结果如表所示6。

表6
配对样本t以及任务完成时间在两个HMIs的结果用不同的维度。

从结果可以看到,除了A2、C2两组维度下的完成时间在其他五个任务的过程中都有一个显著差异(图4)。


图4
任务的完成时间与两个HMIs不同维度下显著差异。

图4显示每个任务的完成时间短,高的维度健身是用于人机界面。这表明,司机的信息处理速度,有助于提高收购的质量和控制汽车的能力。司机的注意人机界面可能与驾驶任务的执行认知资源(47),影响驾驶性能,接管任务的完成时间短有利于司机的心理资源的分布和更有利的交通效率。

它可以发现通过比较每个任务的完成时间在新的人机界面启动自适应巡航(A),操作与茎的完成时间短;(B)的任务调整车之间的距离,完成时间会短当操作按钮位于方向盘中间说话;任务(C)的汽车,开始按钮的左侧EPB按钮可以带来更短的完成时间。这些结果为未来汽车室内设计提供了参考。

5。讨论

驾驶辅助系统(DAS)中扮演一个重要的角色在人机codriving的上下文。报道,DAS可以帮助司机完成激烈的驾驶任务有效地减轻司机的压力水平(48]。因此,控制器的研究是很有意义的维度DAS。研究收集了舒适的尺寸被司机在一个放松的状态。目的是检测一组合理的尺寸,可以让司机在一个低水平的压力。此外,对司机来说是有价值的适应不同的道路环境和实现可持续交通优化车载人机界面交互组件的大小。车载技术合作服务的主要目标是减少交通拥堵,提高道路安全(4]。

该研究试图分析最佳的人机界面尺寸适合接管任务。涉及到人机界面组件如方向盘,自适应巡航控制杆,距离调整按钮,自动保存按钮都是直接设计元素为用户看到和触摸。因为一个产品的设计和性能是重要的因素影响消费者的决策(49),我们计算信息熵和信息增益的三种接管任务分类用户的购买意图。所传播的信息产品是多元的,复杂的,模糊的,这样会有损耗的过程中传播。因此,产品的形象评估过程可以被视为一种混乱的状态。反馈信息可以通过信息熵计算进行综合评价。图像的熵值越小,越清晰。从混乱度的角度来看,第二因素表3(功能键的位置之间的距离来调整汽车)购买决策带来了更多的不确定性 ,表明,小二因素提供的信息来判断用户的决策。相反,1日产生的不确定性因素(的起始模式自适应巡航)是最小的 。这说明,使用侧杆或一个按钮来完成控制的开关有一个伟大的对用户的满意度和购买决策的影响。

正常化后的信息熵三种接管任务,他们的体重值计算和构造适应度函数。通过这种方式,最高的维度健身可以发现通过GA。

受试者的背景和驾驶经验不同,和他们熟悉接管任务和人机界面是不同的。除此之外,用户的主观感知数据的噪声总是很高。考虑到以上因素,我们收集了PCD数据重复同样的13个学科形成了初始种群。从进化的轨迹,可以发现,在8日,10日,11日,14日,17岁th21迭代,出现了一个最优的解决方案。

GA总是用于参数优化通过搜索最优解,而很少用于用户研究和环境感知分析。但在以用户为中心的设计的研究,它可以搜索满意的解决方案的设置由用户期望(46]。许多的研究利用GA提高工效学效率或优化交互组件大小的操作环境(34- - - - - -38,50,51]。在这项研究中,我们报道一个司机感知研究,调查最舒适的人机界面大小不同的交互模式下接管任务。通过归一化几何选择、算术均匀交叉,和非均匀变异,遗传算法应用于研究认为舒适的维度和一组合理的尺寸。维进化方法讨论了本研究动态交互设计的概念,体现了不同维度间的相互影响和限制考虑在内。多次与传统测量方法相比,平均,这种方法更先进。研究丰富了理论研究领域的产品设计和协同优化。

感觉舒适是一个复杂的问题的客观量化的困难。但它是有用的在符合人体工程学的探索。研究人员发现,知觉信息产品属性和使用需求是用户体验主管分析(52]。因此,它是合理的探针合适尺寸的安慰。研究人机界面设计效果在一个特定的环境中,这些数据可能产生重要而可靠的结果53]。汽车内部的理性维度人机界面在司机的操作质量发挥了重要作用。卡鲁索(54]研究了司机的经验在座位上的一个实验,发现室内空间影响了司机的工效学性能(54]。人机codriving接管任务的情况下,尺寸也影响司机是否可以安全地达到控制开关在最短的时间内。

在本文中,paired-samplet以及用于测试最高的大小是否健康可能带来显著减少任务完成时间。在结果中,我们发现,当接口采用最后进化的大小,每个任务的完成时间短。车载交互任务的完成时间与车辆速度和驱动程序错误的环境下人机codriving [21,55),较短的完成时间将帮助司机更好地控制速度。

6。限制

研究探讨了人机界面的合理尺寸智能汽车。然而,仍有一些不足在这项研究中使用的设备。驾驶模拟器是容易控制和改革,并帮助降低受试者的压力。然而,浸、视觉互动和忠诚程度不够高。在获得可靠的结果在这项研究中,户外体验真正的车辆可以进行下一阶段了。

此外,本研究的样本容量是有限的。在将来的研究中样本量较大时,会更好的代表性数据,GA可以进一步改善的结果。

最后,用户的感知维度相互偏离的人机界面。下一阶段的研究中,脑电图(EEG)信号的过程中可以使用执行驾驶任务。通过这种方式,受试者的注意和意图与人机界面交互时可以反映在一个客观的方法(56,57作为他们的主观报告的补充。

7所示。结论

工业产品的人机界面设计,混凝土物理模型参数,比如产品的形状,大小和布局的客观属性,用户可以直接感知和表达的基础产品。基于动态测量原理,提出了一种优化设计方法为人体工程学尺寸。结果表明,该方法是有效的,提供了一种新的产品形态创新和人机尺寸自动设计。本研究的主要结论如下:(1)基于信息熵理论的重量值三个驾驶辅助函数计算。结果表明,起始模式的信息增益的自适应巡航最高的信息增益功能键的位置来调整车辆之间的距离是最低的,这提供了一个理论依据人机界面的维健身评价机制。(2)HMI尺寸由用户驱动的演化过程进行了研究,期望和发展状况进行了分析。归一化几何的研究证实了可行性选择、算术均匀交叉,和非均匀变异在迭代研究人机尺寸。通过参数调试,这个进化的方法被证明是有效地获得适当大小的人机界面组件。模型可以充分利用遗传算法的优势性能,改善用户研究等一些限制优化,鲁棒性高,容易实现全局搜索。(3)后发现最高的维度健身,并把它们应用在人机界面的设计,受试实验表明,五个接管任务的完成时间明显缩短,除了任务A2和C2。这表明,司机在人机界面的信息处理与演化维度是更快,更有利于车辆控制和接管质量。智能车辆实现智能信息交换与人、车辆、道路通过车载传感器系统和信息终端。因此,发展维度可以使车辆容易应对环境和有更多的时间来完全解决复杂的交通环境,将有助于提高交通效率。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

研究尊重和保障受试者的权利参与研究和允许他们无条件退出研究在任何阶段。研究严格执行知情同意过程。受试者被要求签署一份同意书,通知他们的目的、过程,实验时间,注意事项,和收集数据的方法和目的,以减少他们的焦虑和困惑。在实验中,受试者的个人安全和健康优先。根据驾驶模拟器的使用指南,我们试图避免任何可能伤害驾驶任务。受试者是严格的隐私保护。受试者被告知的存储、使用和保密措施如实提前他们的个人信息和图像数据。我们不会透露信息给第三方或他们擅自在互联网上传播。

的利益冲突

作者宣称没有利益冲突。

确认

这项研究是由北京城市管理研究项目(批准号20 xn244),北京市教育委员会科学研究项目(批准号KM202010009003),北理工大学相比人才支持计划(批准号107051360018 xn012/018)、天津青年人才储备计划的支持,和中国人体工程学协会& Kingfar联合研究优秀青年学者基金(批准号ces - Kingfar - 2019 - 001)。