基於語義分析下汽車無人駕駛和自主駕駛用戶體驗研究

小編：當你乘坐一輛無人駕駛汽車的時候，你會不會覺得有強烈的不安全感？特別是當你把你的生命交給了一台機器。事實上，像Google的無人駕駛汽車的安全性遠遠高於人工駕駛，但是我們仍不敢完全放心。孫家豪博士的這篇論文採用口語報告結合語義差異的方法，分析了無人駕駛和自主（有人）駕駛不同駕駛方式對用戶體驗的差異，試圖回答為什麼我們會覺得無人駕駛汽車不安全。

摘要：目的以無人駕駛汽車和自主駕駛汽車為研究對象，針對不同的駕駛任務進行用戶體驗分析。方法利用語義分析法獲取用戶認知信息，將用戶口語報告編碼後進行定量分析。結果得出在主駕駛任務中，自主駕駛汽車用戶體驗高於無人駕駛汽車，而在次級駕駛任務中，無人駕駛汽車用戶體驗優於自主駕駛汽車。結論在進行主駕駛任務中用戶對自己駕駛操作更加擁有信心,而對無人駕駛汽車存在明顯的不信任感。人們在自主駕駛汽車的同時打電話、聽音樂或操控導航，會分散注意力從而影響駕駛操作,導致無法安心駕駛,影響生命安全，而在駕駛無人車時，人們通常覺得可以放心操作次級任務而不會影響駕駛安全,從而擁有良好的用戶體驗。

關鍵詞：無人駕駛；自主駕駛；語義分析；用戶體驗

Part 00 引言

無人駕駛汽車是一種智能化汽車，它和自主駕駛汽車最重要的區別就是它將駕駛員從傳統的「人-車-路」閉環的環境中脫離出去，利用車載感測器感知車輛周圍環境，再通過車內計算系統分析所感知的路況，控制車輛的速度和轉向實現車輛的無人駕駛。隨著無人駕駛汽車的發展、科學技術的成熟和消費者對無人駕駛的需求的增長和變化，用戶的駕駛體驗在無人駕駛汽車開發過程中起到越來越重要的作用。已有研究指出人們的年齡、性別和是否有使用ADAS（高級輔助駕駛系統）經驗都會影響使用無人駕駛汽車的用戶體驗和用戶接受程度。[1]然而用戶從自主駕駛轉向無人駕駛過程中，在不同的駕駛任務中用戶駕駛體驗是否會出現重大的改變，成為了無人駕駛汽車產品策略和設計研究日益重要的目標。

Part 01 無人駕駛汽車

為了更好的完成駕駛任務，越來越多的車輛配備了先進的駕駛員輔助系統(ADAS),增加了自動化汽車的特定的駕駛功能。根據美國高速公路安全管理局關於不同自動程度汽車的分級制度，分為了五級：No-Automation、Function-specific Automation、Combined Function Automation、Limited Self-Driving Automation和Limited Self-Driving Automation。

（參考：陳虹, 郭露露, 邊寧. 對汽車智能化進程及其關鍵技術的思考[J]. 科技導報, 2017, 35(11):52-59.）

Brookhuis and Waard[3]與公交車駕駛者進行了關於測試Phileas的駕駛模擬器研究,它結合了公共交通車輛匯流排，有軌電車和地鐵的特點。實驗中用戶被要求：使用手動擋行駛既定路線的一部分，並隨時可以用自動切換的模式從手動駕駛到半自動駕駛或全自動駕駛。結果表明：平均55%路線的用戶使用了全自動駕駛，在工作中他們更喜歡全自動駕駛。但在另一方面自動駕駛會導致資訊娛樂功能的增多同時就存在用戶對無人駕駛汽車信任和可靠性的問題，因為駕駛者的駕駛技能會退化，所以在必要的時候需要提高駕駛者的操縱感，合理分配汽車自動化程度。還有研究表明全自動化的汽車比踏板自動化的汽車更為智能。另外，駕駛員在踏板自動化的情況下，使用觸摸交互比使用聲音交互更容易緊張。使用聲音交互的駕駛員比使用觸摸交互的駕駛員犯錯更少[4]。

Part 02 駕駛任務

汽車駕駛是一個多層次任務，駕駛員需要在計劃層、策略層和操作層三個層次上確定駕駛的策略和具體行動[5]計劃層主要是用戶旅途的計劃和目標，策略層則集中於策略的選擇和決策，而操作層就是針對汽車的具體操作。在駕駛行為中一般都包含著各種不同的任務,它包括主駕駛任務、速度控制[6]、避撞控制[7]和轉向控制等方面，駕駛次任務通常被看作是相對於主駕駛任務而言,與駕駛無關或不直接相關的其它任務。

Part 03 實驗設計

實驗構造了無人駕駛汽車和自主駕駛汽車的兩種虛擬駕駛車輛模型，自主駕駛車輛模型是利用傳統控制方式(踏板、方向盤、檔位)模擬在3D Instructor 2中模擬控制汽車的加速和轉向（見圖1）。在無人駕駛車輛模型中（見圖2），我們參考了谷歌了無人汽車駕駛方式，利用3D Instructor 2錄製了一段汽車行駛的視頻，在實驗過程中用戶在構建的場景中通過觀看預製駕駛視頻來感受無人駕駛汽車的駕駛體驗，在行駛過程中用戶不需要對主駕駛任務進行任何操作，只需在3D Instructor 2軟體中使用相同的駕駛場景中要求用戶在不同的車輛模型中，從相同地點出發到達同一目的地，在行駛過程中需要完成主駕駛任務（速度控制、避撞控制和轉向控制）和次級駕駛任務（使用音樂播放器和接聽電話），並在測試中記錄用戶的同時性口語報告。在完成測試後，針對這2兩種駕駛模型完成情況進行追溯性口語報告。

圖1自主駕駛汽車模型

Fig.1 The simulator mock of automatic cars

圖2無人駕駛汽車模型

Fig.2 The simulator mock of driverless cars

Part 03-1 用戶口語報告的編程方法

實驗獲得了大量用戶原始口語報告後，根據《馬氏文通讀本》將口語報告中的形容詞分為表示主觀情緒好、意義積極的積極類形容詞和表示主觀情緒不好、意義消極的消極類形容詞進行區分[10]利用正面形容詞（+）和負面形容詞（-）來判別用戶在不同情景下的體驗；程度副詞分為四級，且這四個級別分別為「極」、「高」、「中」、「低」見表1[11]。

按照里李特量表分級規則，我們將程度副詞分為8個等級，正性程度的即為「極」為4，「高」為3，「中」為2，「低」為1。負性程度的即為「極」為-4，「高」為-3，「中」為-2，「低」為-1。沒有的表明態度的介於正負性最低量級之間取0。

制定原始口語報告提取的編碼規則分為了直接提取、情境提取、虛擬語境提取和事件描述提取四種方式。

表1 程度副詞分級表

Table1.Research degree adverbs of degree

例子

①「開車的時候做任何事情是比較危險的，包括我剛才轉彎的時候操控這個東西（手勢音樂播放器）走偏了，就跑到馬路邊上了。」

②「（無人駕駛）比我開的好一些我覺得，還挺好的。包括轉彎這種都挺好的，我感覺還挺安全的。」

③「好慢呀！」

提取

①形容詞：危險；程度副詞：比較。

②形容詞：好，安全；程度副詞：一些、挺。

③形容詞：慢；程度副詞：好。

情境提取：針對被試者進行模擬測試的過程中即時反饋的語句中未出現形容詞的情況，對於偏口語化的感嘆語句和疑問語句，通過回顧測試錄像，綜合考慮被試者所處的實物場景、語言環境及語氣強弱，對被試者的態度和感受進行判斷。將輸入信息變換為以形容詞為主導的表現形式。

Part 03-2 口語報告處理方法

根據上訴的編碼規則，將主駕駛任務（速度控制、避撞控制、轉向控制）、次級任務（使用音樂播放器和接聽電話）提取出的詞語按照統計學方法進行處理。將形容詞按照用戶體驗的正面傾向和負面傾向將其歸類，再將被試者對某項測試評價中詞性一致且詞義相近的形容詞（如擔心、害怕）進行歸類統計，得到每一類形容詞出現的次數n。按照上文所提出的程度副詞分級量表，將每個形容詞所對應的程度副詞分為極、高、中、低四個級別，每個級別所代表的權重值a為4、3、2、1。根據公式

其中為同一詞性的形容詞中某類形容詞所有分級出現的總次數，代表某類形容詞某個分級出現的次數，代表該分級所代表的權重值。m為4（代表4個不同的權重值）。所得到的E即為用戶對於該項任務體驗評價的加權平均值。

在統計中我們發現，在同樣情境（無人或有人）的不同任務下，並不是所有人都對該項任務的體驗進行了評分。因此，為了在最後的數據中體現出這樣的情況，我們還需要引入一個可信係數。

在本項測試中，我們定義可信係數

其中，a為對某項任務進行評價的被試人員的數量，M為參加測試的總人數。

最後我們所得到的對某種情境下某一任務完成度的整體評分Q為

可以分別得到無人駕駛汽車和自主駕駛汽車各項任務體驗的正面整體評分和負面整體評分。將不同駕駛情境下相同任務正面和負面的得分情況分別進行比較，計算出他們之間的倍數關係，並計算出他們之間的差值與得分空間4的比值。通過這個比值，可以較為直觀地看出被試者對於兩種駕駛模式的評價差距。利用2者得到的正負向評分建立2X2的四聯表，計算出理論值，利用CHISQ.TEST函數計算p值。

Part 04 實驗結果

無人駕駛汽車和自主駕駛汽車實驗結果對比見圖3：

主駕駛任務

在速度控制中，無人駕駛汽車可信任度的正面評價為0.231，負面評價為0.068；自主駕駛汽車的對應值分別為0.154和0.527。p值=0.96753>0.05，因此就此任務而言，無人駕駛汽車和自主駕駛汽車的體驗沒有顯著性差異。

在避撞控制中，無人駕駛汽車情況下可信任度的正面評價為0.288，負面評價為3.647；自主駕駛汽車的對應值分別為1.615和0.154。p值=0.04913

在轉向控制中，無人駕駛汽車情況下可信任度的正面評價為0.154，負面評價為2.548；有人車的對應值分別為2.154和0.77，p值=0.04413

次級駕駛任務（使用音樂播放器和接聽電話）

無人駕駛汽車情況下可信任度的正面評價為2.778，負面評價為0.077；自主駕駛汽車的對應值分別為0.167和1.790。p值=0.0496

圖3實驗結果對比圖

Fig.3 A picture of the results of the study

Part 05 結果

實驗結果強調了無人駕駛汽車和自主駕駛汽車在針對不同的駕駛任務會時會有不同用戶體驗在主駕駛任務中,對於速度控制而言,無人駕駛汽車與在自主駕駛汽車的用戶體驗基本相同,而在避撞控制和轉向控制中,無人駕駛汽車的用戶體驗明顯低於自主駕駛汽車.在進行主駕駛任務中用戶對自己駕駛操作更加擁有信心,而對無人駕駛汽車存在明顯的不信任感。

相反的對次級任務而言，無人駕駛汽車和自主駕駛車的體驗也具有顯著性差異,但是無人駕駛汽車的體驗遠好於自主駕駛汽車。人們在駕駛汽車的同時打電話、聽音樂或操控導航，會分散注意力從而影響駕駛操作,導致無法安心駕駛,影響生命安全，而在駕駛無人車時，人們通常覺得可以放心操作次級任務而不會影響駕駛安全,從而擁有良好的用戶體驗。

總之，實現在不同的自動化水平中，在處理不同的駕駛任務汽車教師系統能高度適應用戶的需求，使他擁有一個愉快和良好的駕駛體驗，這將是汽車工業的一個目標。在未來的工作中，我們將進一步研究是哪些因素導致用戶對自主駕駛和無人駕駛擁有不同的體驗，針對這些因素那些方面可以做進一步的優化設計使司機擁有更好的用戶體驗。

參考文獻：

[1] R?del C, Stadler S, Meschtscherjakov A, et al. Towards Autonomous Cars: The Effect of Autonomy Levels on Acceptance and User Experience[C].Proceedings of the 6th International Conference on Automotive User Interfaces and Interactive Vehicular Applications. ACM, 2014: 1-8.

[2] NHTSA. Preliminary Statement of Policy Concerning Automated Vehicle, May 2013.

http://www.nhtsa.gov/staticfiles/ rulemaking/pdf/Automated_Vehicles_Policy.pdf.

[3] Brookhuis K, De Waard D. The consequences of automation for driver behaviour and acceptance [J]. Proceedings of the International Ergonomics Association (IEA), 2006.

[4] Lee K J, Joo Y K, Nass C. Partially intelligent automobiles and driving experience at the moment of system transition[C].Proceedings of the SIGCHI Conference on Human Factors in Computing Systems. ACM, 2014: 3631-3634.

[5] Michon J A. A critical view of driver behavior models: what do we know, what should we do? [M].Human behavior and traffic safety. Springer US, 1985: 485-524.

[6] Kim H M, Dickerson J, Kosko B. Fuzzy throttle and brake control for platoons of smart cars [J]. Fuzzy Sets and Systems, 1996, 84(3): 209-234.

[7]DING H, LIH X. Fuzzy Avoidance Control Strategy for Redundant Manipulators [J]. Engineering Applications of Artificial Intelligence 1999, (12): 513- 521.

[8] Wickens C D, Lee J D, Liu Y, et al. Introduction to human factors engineering[J]. 1998.

[9]王穎. 基於人機交互模擬的駕駛次任務研究 [D]. 北京: 清華大學工業工程系, 2009.

WANG YIN .In-vehicle secondary task study based on human-machine interactive simulation [D].Beijing: Tsinghua University, 2009

[10]呂叔湘. 《馬氏文通》讀本[M].上海世紀出版集團, 2000.

LV SHUXIANG. Mashiwentong Render[M].Shanghai century publishing group,2000.

[11]陳穎. 簡論程度副詞的程度等級[J].牡丹江師範學院學報: 哲學社會科學版, 2008 (1): 59-62.

CHEN YIN. Research degree adverbs of degree level [J]. Chinese Department of Harbin Normal University Harbin Heilongjiang 150080，2008 (1): 59-62.

文編：扶桑

美編：MAX 人禾

責編：子衿

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！