无障碍自动驾驶汽车：人机交互文献综述
Human-centered computing → Human-computer interaction (HCI); Accessibility.
本系统综述通过分析2015年至2025年间发表的研究，探讨了人机交互、无障碍性与自动驾驶汽车三者交叉领域的研究现状。研究遵循系统综述和荟萃分析优先报告条目（PRISMA）指南，在ACM数字图书馆、Scopus、IEEE Xplore和Web of Science四个学术数据库中进行了系统性筛选，共识别出32项研究。随后的定性编码过程涵盖以下类别：车辆自动化程度、目标群体、用户任务、输入交互模式、输出反馈模式以及以使用为中心的评估方法。结果显示，研究主要关注老年人和视觉障碍人士，大多数研究采用探索性评估方法，如访谈、焦点小组、调查或工作坊。
技术潜力：自动驾驶汽车（AVs）通过减少人为错误、优化交通流，可显著提升安全性、效率和出行便利性
社会价值：为无法驾驶的群体（老年人与残疾人）提供出行解决方案，增强社会包容性
现存问题：当前研究往往孤立地处理HCI、可访问性或AV技术，缺乏整合性视角，制约了包容性AV系统的发展
特殊需求用户 = 残疾人 + 老年人（存在视力、听力、反应时间及认知处理能力衰退等年龄相关挑战）
核心研究问题：现有AV中人机交互的实证研究如何满足特殊需求用户的可访问性？
通信技术：V2X（车联万物）系统
感知技术：实时传感器数据、gaze-tracking（眼动追踪）、可穿戴设备
智能技术：机器学习算法
设计要素：可用性、用户体验优化
相关工作综述 → 2. 系统文献综述方法 → 3. 四大类研究发现（用户群体、任务、交互模式、评估方法）→ 4. 讨论 → 5. 结论
主要交互方式
触摸界面：最常见，但对运动障碍用户构成挑战（需要精确输入）
语音交互：适合视觉/运动障碍用户（免提、免视操作），成为重要替代方案
手势交互：提及但未详述
核心挑战
选择匮乏：缺乏适配不同用户能力的多样化交互选项
整合不足：辅助技术集成不够充分
复杂性差异：紧急任务比常规乘客任务对交互要求更高
关键解决方案方向
自适应个性化机制：基于用户档案动态调整交互方式
对认知障碍者：适应内容和交互方法可显著提升可及性
老年用户：需针对性培训+个性化界面，以应对视听、反应、认知能力下降
Chu & Huang (2018-2023, 35篇)：聚焦语音助手，主要服务视觉/运动障碍，通过听觉反馈和任务相关通信支持用户
Kettle & Lee (2012-2022, 31篇)：聚焦AR增强驾驶员情境感知，但极少关注认知/感知障碍用户
Bastola et al. (2017-2024, 100+篇)：系统性综述AI驱动的无障碍增强，包括自适应界面、实时环境感知、包容性政策框架，指出现有研究呈现碎片化，缺乏整合性、以用户为中心的设计
核心矛盾
现状：移动服务通常为狭义目标群体开发，导致HCI解决方案缺乏包容性
风险：必然排除那些需求不符合预定义类别、尤其是具有复杂/多重障碍的用户
未来方向
需求：同时解决物理、认知、感官、社会等多重限制的综合性方案
方法：采用包容性设计方法，强调伦理考量
目标：开发适用于当前和未来移动系统的真正包容性AV
通过系统化编码，建立了AV无障碍研究中自动化等级×用户群体×交互方式×任务类型×评估方法的六维分析框架，为后续深度分析提供结构化基础。
维度1：车辆自动化程度（基于SAE标准）
自动化/半自动驾驶：L3级及以下（条件驾驶自动化，需人工接管）
完全自动驾驶：L4/L5级（高度/完全自动化，个人使用场景）
自动驾驶共享出行：共享/公共交通场景
未指定：未明确自动化等级
维度2：目标用户群体
运动障碍：轮椅用户、帕金森患者等（影响速度、精度、移动能力）
视觉障碍：盲人或低视力者
认知障碍：严重认知功能限制者
老年群体：轻度感知、反应能力衰退者
未指定：泛化无障碍研究
缺项：无针对听力或语言障碍的研究
维度3-4：HCI交互模式
输入模式：触摸、语音、手势、脑机接口
输出反馈：触觉反馈、听觉反馈、视觉输出（屏幕）
维度5：用户任务类型
驾驶相关：直接控制车速/方向（转向、加速、制动、接管任务）
车辆相关：控制非驾驶功能（车窗、车门、空调）
乘客相关：预订、识别、上下车、车内定位
外部通信：其他道路使用者与AV互动
紧急任务：呼叫求助、应急功能
维度6：评估方法
实验测试：实验室实验 vs 现场研究
探索性方法：访谈/焦点小组/调查 vs 创作导向工作坊/参与式设计
专家评估：无真实用户参与
无用户中心评估：纯技术系统评估
在32篇文献中，视觉障碍群体是研究最多的目标用户（12篇），尤其在完全自动驾驶个人使用场景中占比高达64%。
老年群体是第二受关注群体，在自动与半自动驾驶领域研究最多，但不针对特定障碍
运动障碍在共享自动驾驶、完全自动驾驶及未指定自动化研究中仅有少量分析
认知障碍仅在1篇共享自动驾驶研究中被涉及（儿童）
听力与言语障碍的研究为空白（无任何结果）
乘客相关任务最常见（10篇）：预订、识别、上下车、车内定位，在完全自动驾驶和共享自动驾驶中占主导地位
驾驶相关任务：主要集中在自动与半自动驾驶的交接场景（转向、加速、制动）；部分完全自动驾驶研究也涉及乘客请求的驾驶任务
车辆相关任务（车门、温控等）：在所有自动化层级均有涉及
紧急任务：仅在2篇共享自动驾驶研究中被考虑
外部通信：少数研究涉及其他道路使用者与AV的交互
输入模式：
触摸交互：最常见，覆盖所有自动化层级
语音交互：主要集中于完全和共享自动驾驶
手势交互与脑机接口：仅在孤立案例中出现
多模态组合：5篇研究采用（如触摸+语音结合）
输出反馈模式：
视觉、听觉、触觉三种模式在各自动化层级均有分布
视觉反馈仅在自动与半自动驾驶中被专门关注
触觉反馈在完全自动驾驶中受特别关注
访谈/焦点小组/调查：最常用，应用于所有自动化场景（探索性方法，获取态度与接受度）
参与式设计工作坊：在完全和共享自动驾驶中使用频率与访谈/调查相当
专家评估：小样本使用，弥补实践实施场景不足
实验室实验：主要应用于完全自动驾驶的未来场景
实地研究：仅2篇（已实施的共享自动驾驶）
研究偏向性：过度聚焦视觉障碍和老年群体，运动、认知、听语障碍关注严重不足
任务模糊性：近半数研究停留在态度与接受度层面，缺乏具体交互任务设计
模式不确定性：大量研究未明确HCI模式，触摸与语音主导，多模态融合刚起步
评估方法失衡：探索性方法占绝对主导，实验与实地验证严重不足，尤其缺少真实场景验证
研究过度集中：主要关注视觉障碍和老年群体，听障、运动障碍、认知障碍群体被严重忽视
潜在风险：这种不平衡可能导致AV系统排除大量用户群体，与包容性目标背道而驰
共享自动驾驶的潜力：在共享出行场景中，对不同特殊需求群体的考量凸显了其对于"全民无障碍出行"的重要价值和潜力
听障支持不足：振觉技术和助听设备集成在AV中应用极为有限
语音交互局限：虽有潜力，但实际应用主要局限于视觉障碍用户
触摸交互缺陷：作为最常见的研究模式，对运动障碍用户构成挑战
方法单一化：过度依赖开放性探索方法（工作坊、焦点小组、访谈）
实地验证严重匮乏：由于法律和组织限制，真实场景下的AV与特殊用户研究几乎空白
实用性不足：缺乏实际操作情境的验证，导致研究成果难以落地
紧急情境研究缺失：AV紧急情境下的HCI研究亟待深入，需要在真实场景中验证系统的有效性和包容性
公共服务场景忽视：公共交通和应急场景被严重低估
研究视野局限：仍过度聚焦于个人驾驶或共享出行行为，而忽视了更广泛的社会移动性需求
自动驾驶汽车有潜力通过将任务从人类转移至自动化系统来变革出行方式，尤其能使面临驾驶障碍的个体受益，例如老年人和残障人士。随着自动驾驶技术向大规模应用迈进，从人机交互的视角解决无障碍性问题变得日益重要。本文献综述通过分析当前研究如何满足特殊需求用户的需要，强调了将无障碍考量整合到自动驾驶汽车开发中的重要性。尽管已有一些努力聚焦于老年人和视觉障碍人士，但在解决听障和认知障碍用户需求方面仍存在显著差距。未来研究应采用参与式设计方法，并扩大代表性不足群体的纳入范围，以支持开发能够满足多样化用户需求的无障碍且具有包容性的自动驾驶系统。
+景观＆建筑&城市设计
专业作品集辅导
+申请文书服务
+论文辅导
RP, 会议&期刊（SCI,SSCI 等）论文等
+博士申请
CSC，岗位制，国外奖学金等
+技术软件学习
RHINO,GIS，GH，PYTHON，SPSS，R 语言等
+无需作品集相关硕士专业申请
城市规划，智慧城市，区域规划，交互建筑，历史理论，文化地理，景观生态，建筑物理等
+国际竞赛
ASLA, WLA，IFLA等
扫码咨询
作品集|申请文书|硕士申请|国际竞赛
微信号｜J'Studio后台酱
小红书号｜JStudio设计研究工作室
扫码咨询
博士申请|科研论文辅导|技术软件
微信号｜J'Studio科研酱
小红书号｜JStudio研究工作室
