使用语音识别来测量与自动驾驶汽车互动期间的信任

科学领域:

• 人与计算机的互动.
• 汽车工程 汽车工程
• 心理学 心理学 心理学

背景情况:

• 驾驶员的信任对于自动驾驶汽车 (AV) 的采用和安全至关重要.
• 了解影响信任的因素,如系统反,至关重要.
• 语音模式提供了一种潜在的,非侵入性的方法来评估驾驶员的信心.

研究的目的:

• 调查不同自动化车辆系统 (AVS) 性能和反对驾驶员信心的影响.
• 评估使用语音特征来衡量驾驶员对自动驾驶汽车的信心的有效性.
• 开发一种基于语音的方法,用于准确地分类驾驶员的信任状态.

主要方法:

• 75名参与者被分配到高可信度 (100%正确,0次崩,视听反) 或低可信度 (60%正确,40%崩率,仅视觉反) 的AV条件.
• 在使用语音交互进行驾驶任务时收集了语音数据.
• 提取的语音特征被用来训练一个反向传播的神经网络进行信任分类.

主要成果:

• 实验条件成功地在参与者中诱导了不同的高信任和低信任状态.
• 语音特征分析能够准确预测驾驶员的信任水平.
• 预测信任的最高分类准确率达到90.80%.

结论:

• 语音分析是衡量驾驶员对自动驾驶汽车的信心的一种可行和准确的方法.
• 语音识别技术可以用来监控和潜在地管理驾驶员对自动驾驶汽车的信任.
• 这项研究有助于提高自动驾驶系统的安全性和用户体验.