当前位置：首页>自动驾驶>自动驾驶多模态接管界面:眼动与生理证据

自动驾驶多模态接管界面:眼动与生理证据

2026-09-07 04:59:56

自动驾驶多模态接管界面:眼动与生理证据

自动驾驶多模态接管界面：眼动与生理证据

Multimodal Takeovers: Eye-Tracking and Physiology

模态／设备：Smart Eye Pro 6.0（60 Hz）＋Biopac MP150 ECG／EDA（2000 Hz）＋固定式驾驶模拟器

接管提示并非越多越安全。Merlhiot在《Transportation Research Part F》的一项实验中，招募56名持证驾驶者，分别测试有无视觉提示、有无语音提示，以及7秒紧急与30秒计划接管两种场景，用眼动仪和生理设备记录数据。
紧急接管下，视觉提示显著提升安全：最小碰撞时间从1.46秒提至2.50秒，碰撞率从31.0%降至3.6%。但关键是组合效果：视觉加语音的TTC达2.65秒、碰撞率仅2.4%；单用语音反而最差，TTC仅1.13秒、碰撞率42.9%。原因在于视觉负责定位风险，语音则提醒被忽略的后视镜，二者互补。眼动数据印证这一点：组合组从道路转向左镜的概率为0.327，高于其他组；已有视觉线索时，语音让首次看左镜从4.63秒提前至2.63秒。没有空间定位的语音可能增加反应，却无法指明危险方向。
生理指标需谨慎解读：组合组实验末的RMSSD和SD1较高，单用语音组的皮电慢变斜率最高，这与较低唤醒和迷走神经变异一致，但不能直接等同于“韧性”。每组仅14人，皮电数据可用率仅58%，且来自固定模拟器。下一步应在真实道路、可定位声音及误报条件下检验：多模态是互补还是新干扰。

English Summary
More warnings do not automatically make takeovers safer. Merlhiot tested 56 licensed drivers in a 2×2×2 design with visual cues, gaze-triggered voice, and 7‑s vs. 30‑s takeover. In urgent cases, visual cues improved minimum TTC from 1.46 to 2.50 s and cut collisions from 31.0% to 3.6%. The visual‑voice combo performed best descriptively, while voice alone performed worst. Combined cues also broadened gaze sampling and showed higher RMSSD/SD1, suggesting lower arousal, not direct resilience. With n=14 per group and only 58% usable EDA data, generalisation remains limited.

#人因工程 #自动驾驶 #接管请求 #人机界面 #眼动追踪 #心率变异性 #皮电 #驾驶模拟 #多模态交互 #实验设计

名称已清空

微信扫一扫赞赏作者

喜欢作者其它金额

赞赏后展示我的头像

作品

暂无作品

喜欢作者

其它金额

¥

最低赞赏 ¥0

其它金额

赞赏金额

¥

最低赞赏 ¥0

1

2

3

4

5

6

7

8

9

0

.

作者提示: 个人观点，仅供参考

英国,10小时前,

本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：596563534@qq.com 。

最新文章

随机文章