聯(lián)系電話
北京津發(fā)科技股份有限公司
中級會員·4年
- 聯(lián)系人：
- 趙先生
- 電話：
- 010-82893950
- 手機：
- 13021282218
- 售后：
- 400811395
- 地址：
- 北京市海淀區(qū)安寧莊后街12號院1號樓一層、三層
- 個性化：
- www.ergovr.com
- 網(wǎng)址：
- www.kingfar.cn
掃一掃訪問手機商鋪
目前，汽車不僅在動力源、驅動方式和駕駛體驗上發(fā)生了變化，駕駛艙也告別了傳統(tǒng)的枯燥機械和電子空間，智能化水平飆升，成為繼家庭和辦公室以外人們生活之后的“第三空間"。通過人臉、指紋識別、語音、手勢交互、多屏聯(lián)動等高新技術，使當今汽車智能座艙在環(huán)境感知、信息采集和處理方面的能力顯著增強，成為人類駕駛的“智能助手"。
駕駛艙中的交互設計智能化體現(xiàn)在汽車的智商和情商兩個方面，汽車智商指的是汽車智能技術的先進程度，汽車情商指的是在交互過程中汽車帶給用戶的情感體驗。而影響駕駛員的體驗關鍵因素之一就是與智能座艙之間交互方式設計。通過調(diào)查用戶的主觀感受，可以衡量交互方式的設計是否符合用戶需求與偏好。而隨著生理和心理測試工具應用的普及，為深入探索智能座艙中交互方式的用戶體驗提供了有效的定量分析手段。通過駕駛員與座艙進行交互過程時的心理行為指標，例如通過腦電信號分析可以客觀衡量駕駛員情緒變化情況，認知負荷以及心理壓力水平，進而評估交互方式的設計是否達到滿足駕駛員情感需求、提高操作效率以及保證駕駛安全的目的。
ErgoLAB V3.0人機環(huán)境同步平臺可同步多維度生理、行為、眼動、主觀等指標采集分析，例如將ErgoLAB 生理模塊（如ErgoLAB HRV、ErgoLAB EEG）、ErgoLAB 眼動模塊、ErgoLAB 行為模塊等多通道數(shù)據(jù)采集和分析模塊，與ErgoSIM智能座艙模擬器相結合，能夠同步采集模擬駕駛場景下駕駛人的生理與行為數(shù)據(jù)并進行分析，定量分析不同交互設計狀況下駕駛人的情緒變化，喜好偏向，認知負荷等心理狀態(tài)變化，進而從駕駛行為角度測評智能座艙設計體現(xiàn)的“汽車情商"。
題目：Evaluation method of human-vehicle tactile interaction experience based on EEG
作者：Shuhang Han，Yaohui Kong，Zhigao Lei，Qijie Zhao
期刊：IHMSC
DOI: 10.1109/IHMSC49165.2020.10095
用戶體驗一般是指用戶在使用產(chǎn)品過程中的主觀感受，定義了用戶在特定環(huán)境中與系統(tǒng)交互的整體作用。在汽車領域，面對座艙內(nèi)各種互動方式，用戶體驗評估可以幫助制造商選擇更好地滿足用戶需求的設計方案，對提高用戶滿意度和降低制造商投資風險具有重要意義。然而，用戶體驗的不確定性和模糊性也成為該領域研究人員面臨的巨大挑戰(zhàn)。通過客觀數(shù)據(jù)對用戶主觀評價進行分析已逐漸成為用戶體驗研究的主流。近年來，個體的生理信號（包括腦電信號、心電信號、肌電信號等）在評估人體工程學和其他領域發(fā)揮了越來越重要的作用，例如，在汽車駕駛中，利用生理信號反饋改進人機交互設備，提高駕駛安全性。此外，在汽車舒適性、汽車內(nèi)飾設計、儀表接口設計等方面，生理信號的評測應用也在增加。
在用戶進行交互體驗的過程中收集其腦電信號，關聯(lián)其主觀評價，并且使用一種新的分析方法，結合主觀和客觀、定性和定量等多個角度搭建一個更完整的用戶體驗評估，為產(chǎn)品設計提供更科學的依據(jù)。
3.1 實驗準備
被試通過觸覺交互模塊在人機界面中選擇相應的功能。在被試感覺和生理信號收集模塊中，分別收集存在和不存在振動模式下被試的腦電圖信號和主觀評價。在信號處理模塊中，經(jīng)過信號預處理、特征命名和信號分析后，將腦電圖信號與主觀、客觀融合判斷模塊的主觀體驗進行綜合比較，從而獲得有/無振動模式的汽車用戶體驗。
3.2 實驗環(huán)境
為了獲得更接近實際駕駛情況的腦電圖信號，我們構建了一個如圖2所示的模擬駕駛環(huán)境。觸覺交互模塊位于座椅右側，主顯示器在實驗過程中播放駕駛畫面。該筆記本與觸覺交互模塊相連接，顯示交互界面。被試通過觸覺交互模塊控制界面中的光標，并根據(jù)實驗任務選擇相應的功能。實驗采用ErgoLAB人機環(huán)境同步平臺 V3.0 采集腦電信號。
3.3 實驗內(nèi)容
實驗選取22名不同駕駛年齡的受試者。向被試解釋如何使用本實驗的操作對象（觸覺交互模塊），并練習用食指移動光標，直到其可以順利進行。然后為被試佩戴腦電帽，確保設備正常運行，在正式實驗開始前被試靜坐1-2分鐘以排除情緒干擾。
4.1 數(shù)據(jù)預處理
計算并整理出22名被試在任務期間的平均功率譜密度，得到兩組實驗的平均值，得到22個不同頻段的腦電圖信號的平均功率譜密度。對振動模式和非振動模式的結果進行劃分，并計算兩種模式下所有被試的主觀評價。
4.2 數(shù)據(jù)分類
根據(jù)主觀評價，對被試的數(shù)據(jù)進行分類。1表示對振動的偏好，2表示對非振動的偏好。計算了各類的平均值，兩種模態(tài)的結果如圖3所示。
4.3 數(shù)據(jù)驗證
基于第1類（對振動的偏好）的綜合觀測結果，提出了一個假設：當用戶對某一模式有相對偏好時，該模式下其α、β、θ、δ、γ波段的功率譜密度較小。在第2類（無振動偏好）中，無振動模式下α、β、θ、γ四個波段的平均功率譜密度小于有振動時，進一步驗證了上述假設中四個波段規(guī)律的正確性。
計算滿足假設被試的數(shù)量，并驗證一致性。如表4所示，結合主觀評價的結果，統(tǒng)計每個波段滿足假設的被試數(shù)量。
4.4 數(shù)據(jù)分析和總結
根據(jù)統(tǒng)計結果發(fā)現(xiàn)，θ和γ波段符合假設的被試數(shù)量最多，而δ波的數(shù)量最小。雖然有很多受試者的γ波符合規(guī)律，但根據(jù)實際測量和計算，在有振動和無振動的兩種模式下，γ波段的平均功率譜密度沒有顯著差異。因此，本實驗得出的結論是，在人車觸覺交互體驗中，有無振動的交互設計的腦電信號的平均功率存在差異，當α、β、θ、γ波段的平均功率譜密度較小時，表明該模式存在相對偏好。在本實驗中，θ波的差異很明顯，精度較高（72.7%）。
本文通過分析人車觸覺交互過程中用戶的腦電信號與主觀感受之間的相關性，實現(xiàn)了主觀評價和客觀數(shù)據(jù)分析相結合的用戶體驗評價方法。整個實驗包括模擬駕駛場景的構建、實驗設計與實現(xiàn)、腦電圖信號采集、信號預處理、特征提取與分析等方面。實驗結果表明，在不同的交互作用經(jīng)驗下，腦電信號各波段的功率譜密度都會有一定程度的變化。在本實驗中，當用戶對某種交互模式有相對偏好時，腦電圖信號的α、β、θ、γ波段的功率譜密度會有一定程度的降低，其中θ波段最為明顯。因此，在對同類產(chǎn)品進行評價時，采用本文中的評價方法，結合用戶的腦電信號特征和主觀評價，可以為評價用戶的互動體驗提供更科學的依據(jù)。
【2】Mikhail A. Lebedev, Miguel A. L. Nicolelis. Brain-Machine Interfaces: From Basic Science to Neuroprosthesis and Neurorehabilitation[J]. Physiological Reviews,2017,97(2):767-837
【3】ROBINSON J, LANIUS C, WEBER R. The Past, Present, and Future of UX Empirical Research[J]. Communication Design Quarterly Review, 2018, 5(3):10-23.
本研究利用腦電圖信號特征與主觀感受的結合，對智能座艙交互設計進行評估，該方法在提高駕駛安全性和舒適性方面具有良好的應用前景。除此之外，還可以與眼動追蹤儀、心電采集、皮電采集等設備收集的數(shù)據(jù)相結合，進一步研究不同交互設備對駕駛員的影響，發(fā)現(xiàn)用戶的潛在需求，改善駕駛員的人機交互體驗。在未來的研究中，可以利用ErgoLAB Simulator 模擬仿真同步模塊，將ErgoSIM環(huán)境模擬技術與ErgoVR原型同步模塊相結合，在一個舒適度較高的物理環(huán)境中，利用虛擬現(xiàn)實技術搭建場景，充分控制實驗中可能會出現(xiàn)的無關變量，使得研究結果更加精確。
【1】Human-machine interface evaluation of cnc machine control panel through multidimensional experimental data synchronous testing analysis method.
作者：Dou, J., Zhang, L., Zhao, Q., Pei, Q., & Qin, J.
期刊：International Journal of Performability Engineering
DOI：10.23940/ijpe.17.08.p3.11951205
【2】Research on Driving Workload Characteristics of Drivers Under Various Dangerous Scenarios Based on EEG.
作者： Feng, S., & Sheng, B
期刊：In Green, Smart and Connected Transportation Systems
DOI：10.1007/978-981-15-0644-4_87
【3】Impact of driver age and experience in software usage on driving safety and usability of car-sharing software.
作者：Jing, C., Zhi, J., Yang, S., & Wang, W.
期刊：Journal of advanced transportation
DOI：10.1155/2021/6633379
本文僅用于學術交流，原文版權歸原作者和原發(fā)刊所有。
