在多目标视觉搜索过程中建立感知负载的目光标记

科学领域:

• 人与计算机的交互
• 认知心理学 认知心理学
• 汽车安全 汽车安全

背景情况:

• 高度自动化的车辆需要司机在提示时监控和重新控制.
• 驾驶员的注意力状态对于安全交付至关重要,但很难以非侵入的方式进行评估.
• 感知负载会影响注意力,但其对接管反应和目光指标的影响尚不清楚.

研究的目的:

• 调查感知负载如何影响驾驶员检测接管信号的能力.
• 为了识别注视属性,这些属性表明在不同感知负载下注意力状态.
• 探索眼睛跟踪在自动化系统中监控驾驶员准备状态的使用.

主要方法:

• 参与者在低和高感知负载条件下执行视觉搜索任务.
• 呈现了听觉音调 (接管信号代理),并记录了检测时间.
• 使用非侵入性眼睛跟踪来跟踪眼睛的运动,包括固定时间和跳动幅度.
• 机器学习被用来预测从凝视数据的感知负载.

主要成果:

• 高感知负载导致视觉搜索性能较差,听觉信号的检测速度较慢.
• 在高感知负载下观察到较长的眼睛固定持续时间.
• 萨卡德振幅没有显示与感知负载一致的变化.
• 机器学习成功地预测了仅基于固定持续时间的感知负载条件.

结论:

• 感知负载显著影响驾驶员响应接管信号的能力.
• 固定时间是驾驶员注意力状态和潜在反应障碍的有希望的指标.
• 监控固定时间可以提高自动化系统的设计,以提高驾驶员的安全性.