对于心理工作量估计的凝视度指标在无动于衷的2级自动化过程中是异质的

科学领域:

• 人与计算机的交互
• 汽车工程 汽车工程
• 认知心理学 认知心理学

背景情况:

• 越来越多的车辆自动化导致司机进行非驾驶任务,需要可靠的驾驶员监控系统 (DMS).
• 估计驾驶员的心理工作量对于安全至关重要,但仍然具有挑战性.
• 现有的研究往往忽视了工作负载指标中的个体变化.

研究的目的:

• 调查信息理论视线指标在自动驾驶中量化心理工作负载的实用性.
• 在不同的工作负载条件下分析参与者内部和参与者之间的目光度量变化.
• 探索诸如年龄等因素对与工作负载相关的目光模式的影响.

主要方法:

• 采用贝叶斯分布式建模方法来分析38名驾驶员在无人驾驶的2级自动驾驶中的目光数据.
• 在二次认知任务 (2-back) 与无任务状态期间比较的目光度量 (静止目光,目光过渡).
• 评估个人差异和年龄对心理工作负载的目光度量反应的影响.

主要成果:

• 静止视线透有效地表明了心理工作量,预计92%的参与者在双背任务中会显示下降.
• 凝视过渡度表现出显著的异质性,只有66%的预测显示类似的下降.
• 年龄被确定为个人对工作负载的目光反应差异的重要预测因素.

结论:

• 信息 理论的凝视度指标,特别是静止凝视,显示了DMS在估计心理工作负载的前景.
• 解决凝视反应的异质性对于开发有效和可靠的DMS至关重要.
• 未来的DMS设计必须考虑到个体的变化,以确保自动驾驶汽车的驾驶员安全.