欢迎来到北京津发科技股份有限公司!
Article技术文章
首页 > 技术文章 > 案例赏析|基于脑电的智能座舱人机交互主客观测评方法

案例赏析|基于脑电的智能座舱人机交互主客观测评方法

更新时间:2023-02-16  |  访问量:4059



01 简介
本研究针对人机触觉交互体验评价的问题,提出了一种基于脑电信号与主观评分相结合的方法。通过建立的模拟驾驶环境,收集了不同模式下被试在汽车触控板交互过程中的脑电信号,通过对这些信号进行处理和分析,然后结合用户的主观评价,实现了定量分析和定性分析的有效结合。研究结果表明,不同模式的触觉交互系统会影响用户产生具有不同特征的脑电图信号。而主客观结合的方法可以使人机触觉交互体验的评价更加全面。



01
Introduction 引言

目前,汽车不仅在动力源、驱动方式和驾驶体验上发生了变化,驾驶舱也告别了传统的枯燥机械和电子空间,智能化水平飙升,成为继家庭和办公室以外人们生活之后的“第三空间"。通过人脸、指纹识别、语音、手势交互、多屏联动等高新技术,使当今汽车智能座舱在环境感知、信息采集和处理方面的能力显著增强,成为人类驾驶的“智能助手"。

驾驶舱中的交互设计智能化体现在汽车的智商和情商两个方面,汽车智商指的是汽车智能技术的先进程度,汽车情商指的是在交互过程中汽车带给用户的情感体验。而影响驾驶员的体验关键因素之一就是与智能座舱之间交互方式设计。通过调查用户的主观感受,可以衡量交互方式的设计是否符合用户需求与偏好。而随着生理和心理测试工具应用的普及,为深入探索智能座舱中交互方式的用户体验提供了有效的定量分析手段。通过驾驶员与座舱进行交互过程时的心理行为指标,例如通过脑电信号分析可以客观衡量驾驶员情绪变化情况,认知负荷以及心理压力水平,进而评估交互方式的设计是否达到满足驾驶员情感需求、提高操作效率以及保证驾驶安全的目的。

ErgoLAB V3.0人机环境同步平台可同步多维度生理、行为、眼动、主观等指标采集分析,例如将ErgoLAB 生理模块(如ErgoLAB HRV、ErgoLAB EEG)、ErgoLAB 眼动模块、ErgoLAB 行为模块等多通道数据采集和分析模块,与ErgoSIM智能座舱模拟器相结合,能够同步采集模拟驾驶场景下驾驶人的生理与行为数据并进行分析,定量分析不同交互设计状况下驾驶人的情绪变化,喜好偏向,认知负荷等心理状态变化,进而从驾驶行为角度测评智能座舱设计体现的“汽车情商"。

下面请阅读基于ErgoLABV3.0人机环境同步平台在驾驶领域中对座舱中交互方式设计评估的应用案例。
02
Research Case 研究案例

题目: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

01 研究背景

用户体验一般是指用户在使用产品过程中的主观感受,定义了用户在特定环境中与系统交互的整体作用。在汽车领域,面对座舱内各种互动方式,用户体验评估可以帮助制造商选择更好地满足用户需求的设计方案,对提高用户满意度和降低制造商投资风险具有重要意义。然而,用户体验的不确定性和模糊性也成为该领域研究人员面临的巨大挑战。通过客观数据对用户主观评价进行分析已逐渐成为用户体验研究的主流。近年来,个体的生理信号(包括脑电信号、心电信号、肌电信号等)在评估人体工程学和其他领域发挥了越来越重要的作用,例如,在汽车驾驶中,利用生理信号反馈改进人机交互设备,提高驾驶安全性。此外,在汽车舒适性、汽车内饰设计、仪表接口设计等方面,生理信号的评测应用也在增加。

02 研究目的

在用户进行交互体验的过程中收集其脑电信号,关联其主观评价,并且使用一种新的分析方法,结合主观和客观、定性和定量等多个角度搭建一个更完整的用户体验评估,为产品设计提供更科学的依据。

03 研究方法与流程

3.1 实验准备

被试通过触觉交互模块在人机界面中选择相应的功能。在被试感觉和生理信号收集模块中,分别收集存在和不存在振动模式下被试的脑电图信号和主观评价。在信号处理模块中,经过信号预处理、特征命名和信号分析后,将脑电图信号与主观、客观融合判断模块的主观体验进行综合比较,从而获得有/无振动模式的汽车用户体验。

图1 实验过程示意图

3.2 实验环境

为了获得更接近实际驾驶情况的脑电图信号,我们构建了一个如图2所示的模拟驾驶环境。触觉交互模块位于座椅右侧,主显示器在实验过程中播放驾驶画面。该笔记本与触觉交互模块相连接,显示交互界面。被试通过触觉交互模块控制界面中的光标,并根据实验任务选择相应的功能。实验采用ErgoLAB人机环境同步平台 V3.0 采集脑电信号。

图2 实验现场图

3.3 实验内容

实验选取22名不同驾驶年龄的受试者。向被试解释如何使用本实验的操作对象(触觉交互模块),并练习用食指移动光标,直到其可以顺利进行。然后为被试佩戴脑电帽,确保设备正常运行,在正式实验开始前被试静坐1-2分钟以排除情绪干扰。

图3 交互界面图
正式实验分为两组进行,第一组是无振动的反馈模式。被试进入驾驶状态,如图A所示,当主屏幕提示“点击进入Radio界面"时,被试操作触觉交互模块,按图B的顺序移动人机界面中的红色光标,进入“Radio",按下进入图C所示的界面。当主屏幕出现“返回主界面"提示时,被试应按图3中D中的HOME键返回主界面,重复两遍。第二组开启振动反馈模式,其余任务与第一组的相同。实验结束后,收集所有被试对两种不同的有无振动模式的主观评价,作为定性调查的分析基础。
04 研究结果

4.1 数据预处理

计算并整理出22名被试在任务期间的平均功率谱密度,得到两组实验的平均值,得到22个不同频段的脑电图信号的平均功率谱密度。对振动模式和非振动模式的结果进行划分,并计算两种模式下所有被试的主观评价。

表1  脑电图信号的平均功率谱密度

4.2 数据分类

根据主观评价,对被试的数据进行分类。1表示对振动的偏好,2表示对非振动的偏好。计算了各类的平均值,两种模态的结果如图3所示。

表2  主观评价实验结果

4.3 数据验证

基于第1类(对振动的偏好)的综合观测结果,提出了一个假设:当用户对某一模式有相对偏好时,该模式下其α、β、θ、δ、γ波段的功率谱密度较小。在第2类(无振动偏好)中,无振动模式下α、β、θ、γ四个波段的平均功率谱密度小于有振动时,进一步验证了上述假设中四个波段规律的正确性。

计算满足假设被试的数量,并验证一致性。如表4所示,结合主观评价的结果,统计每个波段满足假设的被试数量。
表3 每个波段满足假设的被试数量

4.4 数据分析和总结

根据统计结果发现,θ和γ波段符合假设的被试数量最多,而δ波的数量最小。虽然有很多受试者的γ波符合规律,但根据实际测量和计算,在有振动和无振动的两种模式下,γ波段的平均功率谱密度没有显著差异。因此,本实验得出的结论是,在人车触觉交互体验中,有无振动的交互设计的脑电信号的平均功率存在差异,当α、β、θ、γ波段的平均功率谱密度较小时,表明该模式存在相对偏好。在本实验中,θ波的差异很明显,精度较高(72.7%)。

05 研究结论

本文通过分析人车触觉交互过程中用户的脑电信号与主观感受之间的相关性,实现了主观评价和客观数据分析相结合的用户体验评价方法。整个实验包括模拟驾驶场景的构建、实验设计与实现、脑电图信号采集、信号预处理、特征提取与分析等方面。实验结果表明,在不同的交互作用经验下,脑电信号各波段的功率谱密度都会有一定程度的变化。在本实验中,当用户对某种交互模式有相对偏好时,脑电图信号的α、β、θ、γ波段的功率谱密度会有一定程度的降低,其中θ波段最为明显。因此,在对同类产品进行评价时,采用本文中的评价方法,结合用户的脑电信号特征和主观评价,可以为评价用户的互动体验提供更科学的依据。

06 参考文献
【1】王镭,庞有俊 & 王亚芳.(2021).智能座舱HMI人机交互界面体验及未来趋势浅析. 时代汽车(03),15-17+20.

【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.

03
Further Study  研究拓展

本研究利用脑电图信号特征与主观感受的结合,对智能座舱交互设计进行评估,该方法在提高驾驶安全性和舒适性方面具有良好的应用前景。除此之外,还可以与眼动追踪仪、心电采集、皮电采集等设备收集的数据相结合,进一步研究不同交互设备对驾驶员的影响,发现用户的潜在需求,改善驾驶员的人机交互体验。在未来的研究中,可以利用ErgoLAB Simulator 模拟仿真同步模块,将ErgoSIM环境模拟技术与ErgoVR原型同步模块相结合,在一个舒适度较高的物理环境中,利用虚拟现实技术搭建场景,充分控制实验中可能会出现的无关变量,使得研究结果更加精确。

04
Extended Reading  引申阅读

【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

本文仅用于学术交流,原文版权归原作者和原发刊所有。

邮件联系我们:kingfar@kingfar.net

扫一扫,关注微信
版权所有©2024 北京津发科技股份有限公司   备案号:京ICP备14045309号
技术支持:机床商务网   管理登陆   sitemap.xml
Baidu
map