智能座舱的人机交互安全综合评价方法及装置与流程

文档序号:33124300发布日期:2023-02-01 04:39阅读:327来源:国知局
智能座舱的人机交互安全综合评价方法及装置与流程

1.本技术涉及汽车人机交互评价技术领域,特别涉及一种智能座舱的人机交互安全综合评价方法及装置。


背景技术:

2.随着无线通信技术、传感器技术等技术的发展,智能网联汽车已经成为全球汽车产业发展的必然方向和竞争重点。人车交互智能化、车辆行驶自动化是智能网联汽车发展和创新的核心要素,智能化和自动化对“人-车-环”之间的交互带来新的影响。越来越多的智能网联的产品,如车载导航、ar_hud、多模态交互设计等被应用到汽车中,成为影响用户智能网联服务体验的重要因素。智能网联汽车为驾驶人及乘员提供了更加丰富的驾驶体验,但同时也带来了更多潜在安全风险。据相关研究显示,约有90%的交通事故主要由人的因素造成,因此,如何建立对智能网联汽车“人—车—环”系统的人因综合测评系统体系成为亟待解决的问题,目前国内也尚无针对智能网联触控交互界面安全性的评价方法。
3.相关技术中,美国道路交通安全管理局(nhtsa)2010年发布了《nhtsa车内电子设备驾驶分心指南》(visual-manual nhtsa driver distraction guidelines for in-vehicle electronic devices),该标准通过遮挡测试分心实验,研究了驾驶次级任务造成的视觉分心对驾驶安全的影响,提出了相应的评价标准。日本汽车工业协会(jama)在2014年发布了《车内显示系统指南》(guidelines for in-vehicle display systems 3.0),该标准也给出了基于驾驶次任务的车内显示系统交互安全性评价标准。
4.然而,相关技术中,美国nhtsa和jama标准在进行评价标准研究时的研究维度单一,难以全面评价智能网联汽车人机交互的安全性,有待改进。


技术实现要素:

5.本技术提供一种智能座舱的人机交互安全综合评价方法及装置,以解决相关技术中,针对智能网联汽车人机交互的安全性评价的研究维度单一,难以获得具有高综合性和高可靠性的评价结果的技术问题。
6.本技术第一方面实施例提供一种智能座舱的人机交互安全综合评价方法,应用于模型构建阶段,其中,所述方法包括以下步骤:在多个实验任务下,采集多个实验用户与座舱交互设备在交互程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息;根据所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息得到人机交互的视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值;基于所述视觉分心维度、所述操作分心维度和/或所述认知分心维度下的多个子安全等级与每个子安全等级的极限阈值确定综合评价维度下的多个安全等级与每个安全等级的极限阈值,并生成所述视觉分心维度、所述操作分心维度和/或所述认知分心维度结合所述综合评价维度的评价标准;在所述评价标准下,利用所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息及对应的权重计算综合安全指数,
以构建评价模型,得到人机交互安全综合评价模型。
7.根据上述技术手段,本技术实施例可以结合视觉分心、操作分心、认知分心三个维度分别构建的安全评价标准,在该评价标准下,利用视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息及对应的权重计算综合安全指数,以构建评价模型,得到人机交互安全综合评价模型,从而使得评价模型可以更加全面地评价汽车的人机交互安全,评价结果的可靠性较高。
8.可选地,在本技术的一个实施例中,在计算所述综合安全指数之前,还包括:基于优先关系数量标度法,获取所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息的相对重要性;按照所述相对重要性得到所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息的重要性赋值,生成判断矩阵;基于判断矩阵计算所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息的权重。
9.根据上述技术手段,本技术实施例可以基于优先关系数量标度法,对视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的重要性赋值,进而得到视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的权重。
10.可选地,在本技术的一个实施例中,所述基于判断矩阵计算所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息的权重,包括:计算所述判断性矩阵的特征向量;对所述判断性矩阵的特征向量进行归一化处理,得到所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息的权重。
11.根据上述技术手段,本技术实施例可以通过计算判断性矩阵的特征向量;并进行归一化处理,从而获得视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的权重。
12.可选地,在本技术的一个实施例中,在生成所述评价标准之前,还包括:获取所述多个实验用户的驾驶绩效和/或驾驶员人因;根据所述驾驶绩效和/或所述驾驶员人因调整所述视觉分心维度下的多个子安全等级与每个子安全等级的极限阈值。
13.根据上述技术手段,本技术实施例可以综合考虑多个实验用户的驾驶绩效和/或驾驶员人因,从而保证评价标准的准确性和适用性。
14.可选地,在本技术的一个实施例中,所述获取所述多个实验用户的驾驶绩效和/或驾驶员人因,包括:根据车辆的方向盘转角标准差、车道偏移标准差和/或速度标准差获取所述驾驶绩效;和/或,根据所述多个实验用户的眼动指标、生理心理指标、反应指标和/或主观负荷指标获取所述驾驶员人因。
15.根据上述技术手段,本技术实施例可以选取解释性和鲁棒性较强的指标,作为多个实验用户的驾驶绩效和/或驾驶员人因。
16.可选地,在本技术的一个实施例中,所述综合安全指数的计算公式为:
17.f=w1f1+w2f2+w3f3+w4f4,
18.其中,f表示综合所述安全指数,f1表示所述视线离路时间,f2表示所述操作频率,f3表示所述主观负荷,f4表示所述瞳孔直径变化信息,w1,w2,w3,w4分别为各分项对应的权重系数。
19.根据上述技术手段,本技术实施例可以通过计算获得综合安全指数。
20.本技术第二方面实施例提供一种智能座舱的人机交互安全综合评价方法,应用于
测试应用阶段,其中,所述方法包括以下步骤:获取当前用户在与座舱交互设备交互程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息;将所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息输入至预先构建的人机交互安全综合评价模型,得到综合安全指数和对应的当前安全等级,其中,所述人机交互安全综合评价模型由视觉分心维度、操作分心维度和/或认知分心维度结合综合评价维度的评价标准构建得到。
21.根据上述技术手段,本技术实施例可以通过人机交互安全综合评价模型,对当前用户与座舱交互设备的交互过程进行安全评价。
22.可选地,在本技术的一个实施例中,还包括:在所述当前安全等级不满足预设条件时,生成相关次级任务流程设计优化信息和/或人机交互界面设计优化信息;基于所述相关次级任务流程设计优化信息和/或所述人机交互界面设计优化信息优化所述座舱交互设备的交互界面和/或座舱的当前布局,以满足预设要求。
23.根据上述技术手段,本技术实施例可以在通过人机交互安全综合评价模型得到的安全等级不满足预设条件时,对座舱交互设备的交互界面和/或座舱的当前布局进行优化,以保证交互安全。
24.可选地,在本技术的一个实施例中,所述生成相关次级任务流程设计优化信息和/或人机交互界面设计优化信息,包括:参照所述评价标准中视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值,确定所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息所处的子安全等级;在所述子安全等级满足预设待优化条件时,生成对应的相关次级任务流程设计优化信息和/或人机交互界面设计优化信息。
25.根据上述技术手段,本技术实施例可以根据综合安全指数确定视觉分心维度、操作分心维度和/或认知分心维度的指数,进而生成相关次级任务流程设计优化信息和/或人机交互界面设计优化信息,将变量细化,从而确定每个维度对应的优化信息。
26.本技术第三方面实施例提供一种智能座舱的人机交互安全综合评价装置,应用于模型构建阶段,其中,所述装置包括:采集模块,用于在多个实验任务下,采集多个实验用户与座舱交互设备在交互程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息;分级模块,用于根据所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息得到人机交互的视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值;第一生成模块,用于基于所述视觉分心维度、所述操作分心维度和/或所述认知分心维度下的多个子安全等级与每个子安全等级的极限阈值确定综合评价维度下的多个安全等级与每个安全等级的极限阈值,并生成所述视觉分心维度、所述操作分心维度和/或所述认知分心维度结合所述综合评价维度的评价标准;训练模块,用于在所述评价标准下,利用所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息及对应的权重计算综合安全指数,以构建评价模型,得到人机交互安全综合评价模型。
27.可选地,在本技术的一个实施例中,还包括:第一获取模块,用于基于优先关系数量标度法,获取所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息的相对重要性;第二生成模块,用于按照所述相对重要性得到所述视线离路时间、所述
操作频率、所述主观负荷和/或所述瞳孔直径变化信息的重要性赋值,生成判断矩阵;计算模块,用于基于判断矩阵计算所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息的权重。
28.可选地,在本技术的一个实施例中,所述计算模块包括:计算单元,用于计算所述判断性矩阵的特征向量;归一单元,用于对所述判断性矩阵的特征向量进行归一化处理,得到所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息的权重。
29.可选地,在本技术的一个实施例中,还包括:第二获取模块,用于获取所述多个实验用户的驾驶绩效和/或驾驶员人因;调整模块,用于根据所述驾驶绩效和/或所述驾驶员人因调整所述视觉分心维度下的多个子安全等级与每个子安全等级的极限阈值。
30.可选地,在本技术的一个实施例中,所述第二获取模块包括:第一获取单元,用于根据车辆的方向盘转角标准差、车道偏移标准差和/或速度标准差获取所述驾驶绩效;和/或,第二获取单元,用于根据所述多个实验用户的眼动指标、生理心理指标、反应指标和/或主观负荷指标获取所述驾驶员人因。
31.可选地,在本技术的一个实施例中,所述综合安全指数的计算公式为:
32.f=w1f1+w2f2+w3f3+w4f4,
33.其中,f表示所述安全指数,f1表示所述视线离路时间,f2表示所述操作频率,f3表示所述主观负荷,f4表示所述瞳孔直径变化信息,w1,w2,w3,w4分别为各分项对应的权重系数。
34.本技术第四方面实施例提供一种智能座舱的人机交互安全综合评价装置,应用于测试应用阶段,其中,所述装置包括:获取模块,用于获取当前用户在与座舱交互设备交互程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息;评价模块,用于将所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息输入至预先构建的人机交互安全综合评价模型,得到综合安全指数和对应的当前安全等级,其中,所述人机交互安全综合评价模型由视觉分心维度、操作分心维度和/或认知分心维度结合综合评价维度的评价标准构建得到。
35.可选地,在本技术的一个实施例中,还包括:生成模块,用于在所述当前安全等级不满足预设条件时,生成相关次级任务流程设计优化信息和/或人机交互界面设计优化信息;优化模块,用于基于所述相关次级任务流程设计优化信息和/或所述人机交互界面设计优化信息优化所述座舱交互设备的交互界面和/或座舱的当前布局,以满足预设要求。
36.可选地,在本技术的一个实施例中,所述生成模块包括:确定单元,用于参照所述评价标准中视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值,确定所述视线离路时间、所述操作频率、所述主观负荷和/或所述瞳孔直径变化信息所处的子安全等级;生成单元,用于在所述子安全等级满足预设待优化条件时,生成对应的相关次级任务流程设计优化信息和/或人机交互界面设计优化信息。
37.本技术第五方面实施例提供一种座舱设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的智能座舱的人机交互安全综合评价方法。
38.本技术第六方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,该程序被处理器执行时实现如上的智能座舱的人机交互安全综合评价方
法。
39.本技术实施例的有益效果:
40.(1)本技术实施例可以基于驾驶人分心程度的主客观综合指标,依据评价标准进行测评单项及综合测评,并依据各驾驶行为测评指标的内评结果及各驾驶行为测评指标权重分配占比进行综合性评价行综合性评价,输出智能网联汽车交互安全等级的评价结果;
41.(2)本技术实施例提取的指标涉及视觉分心、操作分心、认知分心三个方面的,可以从多个方面提取能够反映驾驶分心及驾驶负荷的指标,并基于这些指标构建评价模型,评价驾驶人在与智能网联汽车触控系统交互过程中的安全指数,具有较大的推广价值;
42.(3)本技术实施例可以在应用时,通过设计简单的自然驾驶交互实验(模拟驾驶场景+交互任务),获取相关的主客观数据,通过构建的评价模型,得到最终的综合性评价结果。
43.本技术附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本技术的实践了解到。
附图说明
44.本技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
45.图1为根据本技术实施例提供的一种智能座舱的人机交互安全综合评价方法的流程图;
46.图2为根据本技术一个实施例的智能座舱的人机交互安全综合评价方法的模型构建示意图;
47.图3为根据本技术一个实施例的智能座舱的人机交互安全综合评价方法的评价模型的结构示意图;
48.图4为根据本技术实施例提供的一种智能座舱的人机交互安全综合评价装置的结构示意图;
49.图5为根据本技术实施例提供的另一种智能座舱的人机交互安全综合评价方法的流程图;
50.图6为根据本技术一个实施例的智能座舱的人机交互安全综合评价方法的测试应用示意图;
51.图7为根据本技术实施例提供的另一种智能座舱的人机交互安全综合评价装置的结构示意图;
52.图8为根据本技术实施例提供的座舱设备的结构示意图。
53.其中,10-智能座舱的人机交互安全综合评价装置、101-采集模块、102-分级模块、103-第一生成模块、104-训练模块;20-智能座舱的人机交互安全综合评价装置、201-获取模块、202-评价模块;a1-权重分配模块、a2-评价标准指示模块、a3-单项指标评价模块、a4-综合评价输出模块。
具体实施方式
54.下面详细描述本技术的实施例,所述实施例的示例在附图中示出,其中自始至终
相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本技术,而不能理解为对本技术的限制。
55.下面参考附图描述本技术实施例的智能座舱的人机交互安全综合评价方法及装置。针对上述背景技术中心提到的相关技术中,针对智能网联汽车人机交互的安全性评价的研究维度单一,难以获得具有高综合性和高可靠性的评价结果的技术问题,本技术提供了一种智能座舱的人机交互安全综合评价方法,在该方法中,可以基于驾驶人分心程度的主客观综合指标,依据评价标准进行测评单项及综合测评,并依据各驾驶行为测评指标的内评结果及各驾驶行为测评指标权重分配占比进行综合性评价行综合性评价,输出智能网联汽车交互安全等级的评价结果。由此,解决了相关技术中,针对智能网联汽车人机交互的安全性评价的研究维度单一,难以获得具有高综合性和高可靠性的评价结果的技术问题。
56.具体而言,图1为本技术实施例所提供的一种智能座舱的人机交互安全综合评价方法的流程示意图。
57.如图1所示,该智能座舱的人机交互安全综合评价方法,应用于模型构建阶段,其中,方法包括以下步骤:
58.在步骤s101中,在多个实验任务下,采集多个实验用户与座舱交互设备在交互程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息。
59.在实际执行过程中,本技术实施例可以预先搭建模拟驾驶实验测评设备,基于自然驾驶模拟实验,进行相关次级任务流程设计,让至少一个用户在驾驶状态下完成相应测试任务,从而在多个实验任务下,采集实验过程中的多个实验用户在与座舱触摸屏交互过程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息等数据。本技术实施例可以通过不同实验,便于后续获得不同维度下的多个子安全等级与每个子安全等级的极限阈值,从而形成相应的评价标准。
60.其中,瞳孔直径变化信息可以为瞳孔直径变化率和/或瞳孔直径变化量。
61.具体地,视线离路总时间的计算公式可以如下:
[0062][0063]
其中,d
t
为t~t+1秒内的视线离路时间。
[0064]
操作频率的计算公式可以如下:
[0065][0066]
其中,t为操作总时长,c为操作总次数。
[0067]
瞳孔直径变化信息,以瞳孔直径变化量为例,计算公式可以如下:
[0068][0069]
其中,p
t
为t时刻的瞳孔直径,为静息状态的瞳孔直径的平均值。
[0070]
在步骤s102中,根据视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息得到人机交互的视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值。
[0071]
作为一种可能实现的方式,本技术实施例可以将测试任务划分为视觉分心实验1和2、操作分心实验以及认知分心实验四个实验,从而根据实验获得的数据,如视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息,得到人机交互的视觉分心维度、操作分心
维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值。
[0072]
可以理解的是,当驾驶员处于分心状态时,车道保持能力、方向盘控制能力和车辆稳定性逐渐下降,因此本技术实施例可以选取车道横向偏移量、车辆运行加速度以及方向盘角速度作为分心判别的关键车辆指标,通过多元回归分析方法建立视线离路时间、操作频率、主观负荷和/或瞳孔直径变化与关键车辆安全指标的关系,并基于车辆的安全指标对视线离路时间、操作频率、主观负荷和/或瞳孔直径变化量进行安全等级划分,并各自构建多个安全等级,如五个安全等级,得到评价标准。
[0073]
其中,视觉分心实验可以分为两个实验进行,分别用于获取视线离路时间的高低限阈值,本技术实施例可以检测不同视觉分心程度对驾驶主任务安全性的影响,进而获得多个子安全等级和每个子安全等级的极限阈值;操作分心实验可以为完成某项次级任务的操作频率,检测不同操作分心程度对驾驶主任务安全性的影响,可以用于获取操作频率的不同安全等级的指标极限阈值,进而获得多个子安全等级和每个子安全等级的极限阈值;认知分心实验可以分为主观负荷实验和瞳孔直径变化量实验,以检测不同认知分心程度对驾驶主任务安全性的影响,可以用于通过获取控制听觉连续记忆难度获得多个子安全等级和每个子安全等级的极限阈值。
[0074]
举例而言,人机交互的视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值的表现形式可以如下所示:
[0075]
1、视觉分心维度
[0076]
视觉分心维度可以用完成次级任务时驾驶人视线离路时间来评价,子安全等级和每个子安全等级的极限阈值可以如表1所示,其中,表1为实现离路时间安全等级表。
[0077]
表1
[0078]
视线离路时间安全等级12345上限
ꢀꢀꢀꢀꢀ
下限
ꢀꢀꢀꢀꢀ
[0079]
表1中各个等级的极限阈值,可以综合过往事故数据、心理学及行业标准等确定,例如,第三安全等级的上限可以为11,下限可以为7.5,具体划分标准可以由本领域技术人员根据实际情况进行相应调整,在此不做具体限制。
[0080]
2、操作分心维度
[0081]
操作分心维度可以用完成次级任务的操作频率来评价,子安全等级和每个子安全等级的极限阈值可以如表2所示,其中,表2为操作频率安全等级表。
[0082]
表2
[0083]
操作频率安全等级12345上限
ꢀꢀꢀꢀꢀ
下限
ꢀꢀꢀꢀꢀ
[0084]
表2中各个等级的极限阈值,可以综合过往事故数据、心理学及行业标准等确定,例如,第三安全等级的上限可以为15,下限可以为10,具体划分标准可以由本领域技术人员根据实际情况进行相应调整,在此不做具体限制。
[0085]
3、认知分心维度
[0086]
认知分心维度可以用完成次级任务的操作频率来评价,子安全等级和每个子安全
等级的极限阈值可以如表3和表4所示,其中,表3为主观负荷安全等级限值表,表4为瞳孔直径变化量安全等级表。
[0087]
表3
[0088]
主观负荷安全等级12345上限
ꢀꢀꢀꢀꢀ
下限
ꢀꢀꢀꢀꢀ
[0089]
表4
[0090]
瞳孔直径变化量安全等级12345上限
ꢀꢀꢀꢀꢀ
下限
ꢀꢀꢀꢀꢀ
[0091]
表3和表4中各个等级的极限阈值,可以综合过往事故数据、心理学及行业标准等确定,例如,表3中,第三安全等级的上限可以为39,下限可以为28,表4中,第三安全等级的上限可以为0.57,下限可以为0.47,具体划分标准可以由本领域技术人员根据实际情况进行相应调整,在此不做具体限制。
[0092]
在步骤s103中,基于视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值确定综合评价维度下的多个安全等级与每个安全等级的极限阈值,并生成视觉分心维度、操作分心维度和/或认知分心维度结合综合评价维度的评价标准。
[0093]
作为一种可能实现的方式,本技术实施例可以基于上述由实验获得的视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值,确定综合评价维度下的多个安全等级与每个安全等级的极限阈值,以生成评价标准,便于后续基于评价标准,建立人机交互安全综合评价模型。
[0094]
例如,综合评价维度下的多个安全等级与每个安全等级的极限阈值,可以如表5所示,其中,表5为综合评价指标-安全指数限值表。
[0095]
表5
[0096]
级别安全较安全一般安全危险上限
ꢀꢀꢀꢀ
下限
ꢀꢀꢀꢀ
[0097]
表5中各个等级的评价阈值可以基于行业标准确定,以百分为最高安全等级评价值为例,一般安全的上限可以为59,下限可以为40,具体划分标准可以由本领域技术人员根据实际情况进行相应调整,在此不做具体限制。
[0098]
可选地,在本技术的一个实施例中,在生成评价标准之前,还包括:获取多个实验用户的驾驶绩效和/或驾驶员人因;根据驾驶绩效和/或驾驶员人因调整视觉分心维度下的多个子安全等级与每个子安全等级的极限阈值。
[0099]
可以理解的是,驾驶绩效是用户在驾驶过程中对车辆操作稳定性和安全性判定的车辆动力学指标或交通参数指标,主要包括纵向速度、纵向加速度、车头时距、制动踏板位置、油门踏板位置等车辆纵向控制指标和横向速度、横向加速度、方向盘转角、车道位置等车辆横向控制指标;驾驶员的人因可以包括眼动指标、生理心理指标、反应指标、主观负荷
指标等内容。
[0100]
综上所述,驾驶绩效和驾驶员人因对本技术实施例的实验存在一定的影响,且单独使用驾驶绩效和/或驾驶员人因对驾驶分心状态进行判别的误差较大,因此,本技术实施例可以通过获取多个实验用户的驾驶绩效和/或驾驶员人因,调整视觉分心维度下的多个子安全等级与每个子安全等级的极限阈值,从而保证本技术实施例生成的评价标准更具准确性和鲁棒性。
[0101]
可选地,在本技术的一个实施例中,获取多个实验用户的驾驶绩效和/或驾驶员人因,包括:根据车辆的方向盘转角标准差、车道偏移标准差和/或速度标准差获取驾驶绩效;和/或,根据多个实验用户的眼动指标、生理心理指标、反应指标和/或主观负荷指标获取驾驶员人因。
[0102]
实际执行过程中,驾驶绩效比较容易测量,本技术实施例可以根据方向盘转角标准差、车道偏移标准差、速度标准差获取驾驶绩效;对于驾驶员人因的获取,其中,眼动指标可以通过采集驾驶人在驾驶过程中眼睛和视觉变化对驾驶状态进行识别,从而对视觉和认知分心进行较为准确的识别。
[0103]
在步骤s104中,在评价标准下,利用视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息及对应的权重计算综合安全指数,以构建评价模型,得到人机交互安全综合评价模型。
[0104]
在实际执行过程中,生成评价标准后,本技术实施例可以重新选取训练用户,并引导训练用户执行相同的次级交互任务,获得训练用户与座舱交互设备在交互程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息,进而利用视线离路时间、操作频率、主观符合和/或瞳孔直径变化信息及对应权重计算综合安全指数,构建评价模型,得到人机交互安全综合评价模型,以完成基于评价标准的评价模型的构建。
[0105]
可选地,在本技术的一个实施例中,在计算综合安全指数之前,还包括:基于优先关系数量标度法,获取视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的相对重要性;按照相对重要性得到视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的重要性赋值,生成判断矩阵;基于判断矩阵计算视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的权重。
[0106]
作为一种可能实现的方式,本技术实施例可以在计算综合安全指数之前,基于优先关系数量标度法,获取视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的相对重要性,并进行重要性赋值,生成判断矩阵。从而获得权重。
[0107]
例如,本技术实施例可以用优先关系数量标度法对各指标的相对重要性予以打分,采用0.1~0.9给予数量标度可以如表6所示。
[0108]
表6
[0109][0110]
本技术实施例可以用专家评分法对f1视线离路时间、f2操作频率、f3主观负荷、f4瞳孔直径变化信息四个指标进行重要性赋值,如表7所示。
[0111]
表7
[0112] f1f2f3f4f1a
11a12a13a14
f2a
21a22a23a24
f3a
31a32a33a34
f4a
41a42a43a44
[0113]
本技术实施例可以构造模糊互补判断矩阵,模糊互补判断矩阵rf为:
[0114][0115][0116]
可选地,在本技术的一个实施例中,基于判断矩阵计算视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的权重,包括:计算判断性矩阵的特征向量;对判断性矩阵的特征向量进行归一化处理,得到视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的权重。
[0117]
举例而言,本技术实施例可以对判断矩阵rf进行一性检验:
[0118]
计算矩阵的最大特征根λ
max
,计算其一致性指标ci:
[0119][0120]
查询平均随机一致性指标ri(n=4,取ri=0.9),计算一致性比率cr:
[0121][0122]
判断一致性:当cr<0.1,本技术实施例可以认为矩阵的一致性是可以接受的。
[0123]
在一些实施例中,本技术实施例可以采用方根法计算特征向量w

,计算判断矩阵行积后开n次方根,如下公式所示:
[0124]w′
=[w1′
,w2′
,

wi′
],i=1,2,3,

n,
[0125]
其中,
[0126]
本技术实施例可以进一步求得权重:
[0127][0128]
进而得到权重向量:
[0129]
w=[w1,w2,w3,w4]。
[0130]
可以理解的是,本技术实施例可以采用模糊层次法进行评价,形成针对座舱屏幕触控的安全性评价,安全指数可评价智能网联汽车不同布局、尺寸的屏幕介质(中控屏等)使用过程中因为分心导致的人机交互安全风险,指数值越高,表征智能座舱产品引起的分心安全风险越低,安全等级越高。
[0131]
可选地,在本技术的一个实施例中,综合安全指数的计算公式为:
[0132]
f=w1f1+w2f2+w3f3+w4f4,
[0133]
其中,f表示综合安全指数,f1表示视线离路时间,f2表示操作频率,f3表示主观负荷,f4表示瞳孔直径变化信息,w1,w2,w3,w4分别为各分项对应的权重系数。
[0134]
在一些实施例中,本技术实施例可以通过采集的训练用户的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息及对应的权重,以评价标准为基础,构建评价模型,得到人机交互安全综合评价模型。
[0135]
其中,综合性安全评价指标的计算公式可以为:
[0136]
f=w1f1+w2f2+w3f3+w4f4,
[0137]
其中,f表示综合安全指数,f1表示视线离路时间,f2表示操作频率,f3表示主观负荷,f4表示瞳孔直径变化信息,w1,w2,w3,w4分别为各分项对应的权重系数。
[0138]
其中,f1为视线离路总时间对应的安全指数,可以根据实验求得的视线离路时间t均值计算,计算方式如下:
[0139][0140]
f2为操作频率对应的操作频率安全指数,可以根据实验求得的操作频率p均值计算,计算方式如下:
[0141][0142]
f3为主观负荷对应的主观认知负荷安全指数,可以根据实验求得的主观认知负荷量表均值分数s计算,计算方式如下:
[0143][0144]
f4为瞳孔直径变化量对应的客观认知负荷安全指数,可以根据实验求得的客观认知负荷量表均值分数o计算,计算方式如下:
[0145][0146]
结合图2和图3所示,以一个实施例对本技术实施例的智能座舱的人机交互安全综
合评价方法的工作原理进行详细阐述。
[0147]
首先,为了保证采集的数据的准确性和适应性,本技术实施例可以参考相关技术,对参与数据采集的用户及采集的数据类型进行相应的设置及筛选。
[0148]
1、用户筛选
[0149]
基于大数据统计结果,可得全国汽车驾驶人中,男性占比约为女性的两倍,年龄方面,中、青年占据绝大部分比重,在事故率的统计中,男性驾驶员的事故率比女性更高,男性驾驶员在驾驶过程中更加容易采取危险行为。
[0150]
同时,相关问卷统计中可以发现,性别对驾驶员危险感知存在显著影响,故而本技术实施例涉及的年龄分布和比例参考该数据,对各个年龄层次的男女比例和年龄段进行限制。
[0151]
2、驾驶绩效指标设置
[0152]
驾驶绩效指标是驾驶人在驾驶过程中对车辆操作稳定性和安全性判定的车辆动力学指标或交通参数指标,主要包括纵向速度、纵向加速度、车头时距、制动踏板位置、油门踏板位置等车辆纵向控制指标和横向速度、横向加速度、方向盘转角、车道位置等车辆横向控制指标。
[0153]
驾驶绩效指标比较容易测量,但因驾驶人行驶会受到多方面的干扰导致驾驶表现发生变化,因此单独使用该指标对驾驶分心状态进行判别的误差相对较大。综上,本技术实施例可以确定使用方向盘转角标准差、车道偏移标准差、速度标准差三个指标来定义驾驶绩效。
[0154]
3、人因指标设置
[0155]
人因指标多包括眼动指标、生理心理指标、反应指标、主观负荷指标等内容。眼动指标包括眼睛的注视、扫视行为代表当前状态下的注意力分布情况,眨眼行为和瞳孔大小在一定程度上可以表征人的情绪和状态。
[0156]
本技术实施例可以通过采集驾驶人在驾驶过程中眼睛和视觉变化对驾驶状态进行识别,从而能够对视觉和认知分心进行较为准确的识别。
[0157]
4、生理心理指标设置
[0158]
生理心理指标包括心电信号、脑电信号、肌电信号、皮电信号、呼吸、血压等医学领域的指标虽然在驾驶过程中较难测量,但由于其对驾驶人分心、疲劳等状态的评估准确性较高。对驾驶员的肌电信号采集位置集中在驾驶员的手臂、颈部、腰部等,当驾驶员疲劳时表面肌电的两项指标会发生变化:表面肌电值有所上升,肌电平均频率下降。
[0159]
本技术实施例可以选取解释性和鲁棒性较强的关键指标,其中眼动指标采用视线离路时间和瞳孔直径变化信息,结合操作频率、主观负荷量表以及车辆的方向盘转角标准差、车道偏移标准差、速度标准差等驾驶安全作为本技术实施例的关键指标。
[0160]
在实际执行过程中,如图2所示,本技术实施例在模型构建阶段可以将参与实验的用户分为实验用户和训练用户,并通过视觉分心、操作分心和认知分心三个方面的实验,分别获取实现离路时间、完成次级任务的操作频率、主观负荷以及瞳孔直径变化量的数据。
[0161]
本技术实施例可以利用实验用户的数据,获得视觉分心、操作分心和认知分心三个方面的多个子安全等级和每个子安全等级的极限阈值,并基于视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值确定综合评价
维度下的多个安全等级与每个安全等级的极限阈值,以生成评价标准;本技术实施例可以利用训练用户的数据,采集的数据和对应的权重,并利用评价标准、构建模型,得到人机交互安全综合评价模型。
[0162]
具体地,本技术实施例可以预先搭建模拟驾驶实验测评设备,基于自然驾驶模拟实验,让至少一个用户在驾驶状态下完成相应测试任务,采集实验过程中至少一个用户在与座舱触摸屏交互过程中的视线离路时间、操作频率、主观负荷、瞳孔直径变化信息等数据。
[0163]
可以理解的是,当驾驶员处于分心状态时,车道保持能力、方向盘控制能力和车辆稳定性逐渐下降,因此本技术实施例可以选取车道横向偏移量、车辆运行加速度以及方向盘角速度作为分心判别的关键车辆指标,通过多元回归分析方法建立视线离路时间、操作频率、主观负荷和/或瞳孔直径变化与关键车辆安全指标的关系,并基于车辆的安全指标对视线离路时间、操作频率、主观负荷和/或瞳孔直径变化量进行安全等级划分,并各自构建多个安全等级,如五个安全等级。
[0164]
例如,本技术实施例可以将实验任务划分为视觉分心实验1和2、操作分心实验以及认知分心实验四个实验,从而根据实验获得的实验用户数据,如视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息,获得视觉分心、操作分心和认知分心三个方面的多个子安全等级和每个子安全等级的极限阈值,并基于视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值确定综合评价维度下的多个安全等级与每个安全等级的极限阈值,以生成评价标准。
[0165]
其中,视觉分心实验分为两个实验进行,分别为用于获取视线离路时间的高低限阈值,操作分心实验用于获取操作频率的指标阈值,认知分心实验用于获取控制听觉连续记忆难度获取认知分心的高低限阈值。
[0166]
在数据采集前,本技术实施例可以对参与采集的用户进行筛选,包括视力、年龄等,并进行相应的流程和风险告知,经过筛选的用户可以通过预先搭建的模拟驾驶实验测评设备,进行相应实验测试,并填写相应数据,从而实现数据的采集。
[0167]
四个实验设计及实验步骤可以如下所示:
[0168]
s1、视觉分心实验1——面向次级任务的遮挡实验—获取视线离路时间的低限阈值。
[0169]
视觉分心实验1是面向次级任务的遮挡实验,目的是获取视线离路时间的低限阈值。
[0170]
首先,按照上述要求对测试用户进行筛选;
[0171]
其次,通过选取5款座舱交互设备不同的车型,并选取若干智能网联汽车常见的次级任务,分别构成遮挡实验的实验设备及实验材料部分;
[0172]
然后,通过遮挡实验测量最终确定的次级任务的完成时间,即完成各个任务的视线离路时间;
[0173]
最后,取各个任务的完成时间的预设限制,如75百分位,作为各个任务的视线离路时间的低限阈值。
[0174]
需要注意的是,该实验在静态真车中完成。
[0175]
根据不同类别的次级交互任务需全覆盖且均为较高频次级任务的要求,本技术实
施例可以选取若干智能网联汽车次级任务,例如,可以如表8所示,其中,表8为次级任务的选择表。
[0176]
表8
[0177][0178]
s2、视觉分心实验2——获取视线离路时间的高限阈值。
[0179]
实验为被试内双任务设计,主任务为速度维持驾驶任务(如,40-60km/h),次级任务为视觉分心任务,要求被试监控触控屏上图形的变化并作出按键反应,该实验在驾驶模拟器中完成。
[0180]
本技术实施例可以在座舱触摸屏的位置上,布置可移动的触摸平板,完成相应人机交互操作任务。
[0181]
本技术实施例可以记录方向盘转角标准差、车道偏移标准差、速度标准差等驾驶安全指标,同时用眼动仪采集被试的视线离路时间。
[0182]
本技术实施例可以对视线离路时间和驾驶安全指标之间的关系进行统计分析,以获得视线离路时间的最高阈值。
[0183]
s3、操作分心实验——获取操作频率的指标阈值。
[0184]
操作分心实验旨在探究不同操作分心程度对驾驶主任务安全性的影响,找到安全驾驶前提下的操作分心维度下操作频率的最大阈值,形成操作分心维度的指标阈值。
[0185]
本技术实施例的用户要求与视觉分心实验一致。
[0186]
操作分心实验以操作频率(有效操作次数/秒数)为自变量,首先以不同的操作频次为自变量,设置几组操作频率进行预实验,找到驾驶安全受影响最大的区间,再对时间间隔进行细分,逐步找到操作分心影响驾驶安全阈值。因变量为方向盘转角标准差、车道偏移标准差、速度标准差等车辆驾驶安全指标。
[0187]
s4、认知分心实验——控制听觉连续记忆难度获取认知分心的高低限阈值。
[0188]
认知分心实验旨在探究不同认知分心程度对驾驶主任务安全性的影响,找到安全驾驶前提下的认知分心维度下瞳孔直径变化信息、主观负荷的最大阈值,形成认知分心维度的评价标准。
[0189]
本技术实施例的用户要求与视觉分心实验一致。
[0190]
本技术实施例可以以听觉记忆难度为自变量,通过难度梯度的逐步提升,找到认知分心影响驾驶安全的阈值。因变量为计算准确率、因变量为方向盘转角标准差、车道偏移标准差、速度标准差等驾驶安全指标以及瞳孔直径变化信息、主观负荷量表等认知负荷指标。
[0191]
如图3所示,本技术实施例的评价模型可以包括:权重分配模块a1、评价标准指示
模块a2、单项指标评价模块a3和综合评价输出模块a4。
[0192]
其中,权重分配模块a1,可以用于各单项测评指标的权重分配,权重分配模块a1完成权重分配的测评指标包括视觉分心-视线离路时间、操作分心-操作频率、认知分心-主观负荷、认知分心-瞳孔直径变化信息。本技术实施例可以通过模糊层次分析法,根据单项实验数据对综合评价汽车和智能座舱人机交互安全性的重要程度,确定各实验数据在安全指数中的权重。
[0193]
其中,人机交互的视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值的表现形式可以如表1至表4所示。
[0194]
其中,评价方法可以如下:
[0195]
本技术实施例可以用优先关系数量标度法对各实验数据的相对重要性予以打分,采用0.1~0.9给予数量标度可以如表1所示。
[0196]
本技术实施例可以用专家评分法对f1视线离路时间、f2操作频率、f3主观负荷、f4瞳孔直径变化信息四个指标进行重要性赋值,如表2所示。
[0197]
本技术实施例可以对判断矩阵rf进行一性检验:
[0198]
计算矩阵的最大特征根,计算其一致性指标:
[0199][0200]
查询平均随机一致性指标ri(n=4,取ri=0.9),计算一致性比率cr:
[0201][0202]
判断一致性:当cr<0.1,本技术实施例可以认为矩阵的一致性是可以接受的。
[0203]
在一些实施例中,本技术实施例可以采用方根法计算特征向量w

,计算判断矩阵行积后开n次方根,如下公式所示:
[0204]w′
=[w1′
,w2′
,

wi′
],i=1,2,3,

n,
[0205]
其中,
[0206]
本技术实施例可以进一步求得权重:
[0207][0208]
进而得到权重向量:
[0209]
w=[w1,w2,w3,w4]。
[0210]
评价标准指示模块a2,内部储可以存储与各单项测评指标相应的分级评价标准,对交互任务进行安全性评价指示。评价标准指示模块a2的分级评价标准将各单项测评指标按照一定标准评价为5类等级及其内部评分,五类安全等级包括一级风险、二级风险、三级风险、四级风险和五级风险,分别对应稍有风险、一般风险、显著风险、高度风险和极其危险的依次递增风险值。
[0211]
单项指标评价模块a3,包括视觉分心评价、操作分心评价、认知分心评价和综合评价四个子模块,用于依据评价标准进行单项实验数据测评及综合评价。其中,视觉分心评价子模块的单项实验数据为视线离路时间,操作分心评价子模块的单项指标为操作频率,认知分心评价子模块的单项指标为主观负荷和瞳孔直径变化信息,综合评价子模块,用于依
据单项实验数据的评价结果及其权重分配,进行综合性评价。
[0212]
综合评价输出模块a4,可以用于接收单项实验数据评价模块a3发送的综合评价结果并将评价结果对外进行多形式数据输出。进一步地,本技术实施例可以根据每个单项实验数据的重要程度,按以下公式进行计算:
[0213]
f=w1f1+w2f2+w3f3+w4f4,
[0214]
其中,f表示综合安全指数,f1表示视线离路时间,f2表示操作频率,f3表示主观负荷,f4表示瞳孔直径变化信息,w1,w2,w3,w4分别为各分项对应的权重系数。
[0215]
根据本技术实施例提出的智能座舱的人机交互安全综合评价方法,可以基于驾驶人分心程度的主客观综合指标,依据评价标准进行测评单项及综合测评,并依据各驾驶行为测评指标的内评结果及各驾驶行为测评指标权重分配占比进行综合性评价行综合性评价,输出智能网联汽车交互安全等级的评价结果。由此,解决了相关技术中,针对智能网联汽车人机交互的安全性评价的研究维度单一,难以获得具有高综合性和高可靠性的评价结果的技术问题。
[0216]
其次参照附图描述根据本技术实施例提出的智能座舱的人机交互安全综合评价装置。
[0217]
图4是本技术实施例的智能座舱的人机交互安全综合评价装置的方框示意图。
[0218]
如图4所示,该智能座舱的人机交互安全综合评价装置10应用于模型构建阶段,其中,装置10包括:采集模块101、分级模块102、第一生成模块103和训练模块104。
[0219]
具体地,采集模块101,用于在多个实验任务下,采集多个实验用户与座舱交互设备在交互程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息。
[0220]
分级模块102,用于根据视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息得到人机交互的视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值。
[0221]
第一生成模块103,用于基于视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值确定综合评价维度下的多个安全等级与每个安全等级的极限阈值,并生成视觉分心维度、操作分心维度和/或认知分心维度结合综合评价维度的评价标准。
[0222]
训练模块104,用于在评价标准下,利用视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息及对应的权重计算综合安全指数,以构建评价模型,得到人机交互安全综合评价模型。
[0223]
可选地,在本技术的一个实施例中,智能座舱的人机交互安全综合评价装置10还包括:第一获取模块、第二生成模块和计算模块。
[0224]
其中,第一获取模块,用于基于优先关系数量标度法,获取视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的相对重要性。
[0225]
第二生成模块,用于按照相对重要性得到视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的重要性赋值,生成判断矩阵。
[0226]
计算模块,用于基于判断矩阵计算视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的权重。
[0227]
可选地,在本技术的一个实施例中,计算模块包括:计算单元和归一单元。
[0228]
其中,计算单元,用于计算判断性矩阵的特征向量。
[0229]
归一单元,用于对判断性矩阵的特征向量进行归一化处理,得到视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息的权重。
[0230]
可选地,在本技术的一个实施例中,智能座舱的人机交互安全综合评价装置10还包括:第二获取模块和调整模块。
[0231]
其中,第二获取模块,用于获取多个实验用户的驾驶绩效和/或驾驶员人因;
[0232]
调整模块,用于根据驾驶绩效和/或驾驶员人因调整视觉分心维度下的多个子安全等级与每个子安全等级的极限阈值。
[0233]
可选地,在本技术的一个实施例中,第二获取模块包括:第一获取单元和/或第二获取单元。
[0234]
其中,第一获取单元,用于根据车辆的方向盘转角标准差、车道偏移标准差和/或速度标准差获取驾驶绩效。
[0235]
第二获取单元,用于根据多个实验用户的眼动指标、生理心理指标、反应指标和/或主观负荷指标获取驾驶员人因。
[0236]
可选地,在本技术的一个实施例中,综合安全指数的计算公式为:
[0237]
f=w1f1+w2f2+w3f3+w4f4,
[0238]
其中,f表示综合安全指数,f1表示视线离路时间,f2表示操作频率,f3表示主观负荷,f4表示瞳孔直径变化信息,w1,w2,w3,w4分别为各分项对应的权重系数。
[0239]
需要说明的是,前述对智能座舱的人机交互安全综合评价方法实施例的解释说明也适用于该实施例的智能座舱的人机交互安全综合评价装置,此处不再赘述。
[0240]
根据本技术实施例提出的智能座舱的人机交互安全综合评价装置,可以基于驾驶人分心程度的主客观综合指标,依据评价标准进行测评单项及综合测评,并依据各驾驶行为测评指标的内评结果及各驾驶行为测评指标权重分配占比进行综合性评价行综合性评价,输出智能网联汽车交互安全等级的评价结果。由此,解决了相关技术中,针对智能网联汽车人机交互的安全性评价的研究维度单一,难以获得具有高综合性和高可靠性的评价结果的技术问题。
[0241]
上述实施例描述的为模型构建阶段,下面对测试应用阶段的实施例进行描述。
[0242]
图5为本技术实施例所提供的一种智能座舱的人机交互安全综合评价方法的流程示意图。
[0243]
如图5所示,该智能座舱的人机交互安全综合评价方法,应用于测试应用阶段,其中,方法包括以下步骤:
[0244]
在步骤s501中,获取当前用户在与座舱交互设备交互程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息。
[0245]
在实际应用过程中,本技术实施例可以基于针车实路场景和/或模拟驾驶场景,实时获取当前用户在交互程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息,从而便于后续进行相应的评价。
[0246]
在步骤s502中,将视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息输入至预先构建的人机交互安全综合评价模型,得到综合安全指数和对应的当前安全等级,其中,人机交互安全综合评价模型由视觉分心维度、操作分心维度和/或认知分心维度结合
综合评价维度的评价标准得到。
[0247]
作为一种可能实现的方式,本技术实施例可以根据采集的用户的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息,输入至预先构建的人机交互安全综合评价模型,基于视觉分心维度、操作分心维度和/或认知分心维度结合综合评价维度的评价标准构建的人机交互安全综合评价模型,获得综合安全指数和对应的当前安全等级。
[0248]
可选地,在本技术的一个实施例中,还包括:在当前安全等级不满足预设条件时,生成相关次级任务流程设计优化信息和/或人机交互界面设计优化信息;基于相关次级任务流程设计优化信息和/或人机交互界面设计优化信息优化座舱交互设备的交互界面和/或座舱的当前布局,以满足预设要求。
[0249]
可以理解的是,当前安全等级不满足预设条件时,则表示当前的相关次级任务流程设计和/或人机交互界面并不适用于用户,无法保证用户在实际应用过程中的安全性,因此,本技术实施例可以生成相关次级任务流程设计优化信息和/或人机交互界面设计优化信息,以优化座舱交互设备的交互界面和/或座舱的当前布局,以满足预设要求,使得人机交互更具安全性。
[0250]
例如,中控屏的导航功能,在使用过程中完成导航任务的时间过长,驾驶安全视觉分心维度下视线离路时间的安全得分不满足预设要求,则需要改进和优化该任务的界面设计、信息层级和交互方式,直到其满足预设要求。
[0251]
需要注意的是,预设要求可以根据不同的厂家的要求不同,进行相应设置,如以安全等级最高为预设要求或以安全等级优秀为预设要求,在此不做具体限制。
[0252]
可选地,在本技术的一个实施例中,生成相关次级任务流程设计优化信息和/或人机交互界面设计优化信息,包括:参照评价标准中视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值,确定视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息所处的子安全等级;在子安全等级满足预设待优化条件时,生成对应的相关次级任务流程设计优化信息和/或人机交互界面设计优化信息。
[0253]
在实际执行过程中,本技术实施例可以在判断当前安全指数和对应的安全等级不符合预设要求时,根据综合安全指数确定视觉分心维度、操作分心维度和/或认知分心维度的指数,将变量细化到分支,并结合评价标准中的极限阈值进行相应分级,从而确定哪个分支对应功能存在问题,并针对存在的问题,生成对应的相关次级任务流程设计优化信息和/或人机交互界面设计优化信息。
[0254]
结合图6所示,以一个实施例对本技术实施例的智能座舱的人机交互安全综合评价方法的工作原理进行详细阐述。
[0255]
如图6所示,本技术实施例在测试应用阶段,可以由用户在真车实路场景和/或模拟驾驶场景执行交互任务,包括驾驶主任务和次级交互任务,并将交互任务获得的视线离路时间、完成次级任务的操作频率、主观负荷和/或瞳孔直径变化信息,输入至预先构建的评价模型中,并通过评价模型,得到人机交互的综合性安全评价指标,继而获得综合安全等级。
[0256]
根据本技术实施例提出的智能座舱的人机交互安全综合评价方法,可以基于驾驶人分心程度的主客观综合指标,依据评价标准进行测评单项及综合测评,并依据各驾驶行为测评指标的内评结果及各驾驶行为测评指标权重分配占比进行综合性评价行综合性评
价,输出智能网联汽车交互安全等级的评价结果。由此,解决了相关技术中,针对智能网联汽车人机交互的安全性评价的研究维度单一,难以获得具有高综合性和高可靠性的评价结果的技术问题。
[0257]
其次参照附图描述根据本技术实施例提出的智能座舱的人机交互安全综合评价装置。
[0258]
图7是本技术实施例的智能座舱的人机交互安全综合评价装置的方框示意图。
[0259]
如图7所示,该智能座舱的人机交互安全综合评价装置20,应用于测试应用阶段,其中,装置20包括:获取模块201和评价模块202。
[0260]
具体地,获取模块201,用于获取当前用户在与座舱交互设备交互程中的视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息。
[0261]
评价模块202,用于将视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息输入至预先构建的人机交互安全综合评价模型,得到综合安全指数和对应的当前安全等级,其中,人机交互安全综合评价模型由视觉分心维度、操作分心维度和/或认知分心维度结合综合评价维度的评价标准得到。
[0262]
可选地,在本技术的一个实施例中,智能座舱的人机交互安全综合评价装置20还包括:生成模块和优化模块。
[0263]
其中,生成模块,用于在当前安全等级不满足预设条件时,生成相关次级任务流程设计优化信息和/或人机交互界面设计优化信息。
[0264]
优化模块,用于基于相关次级任务流程设计优化信息和/或人机交互界面设计优化信息优化座舱交互设备的交互界面和/或座舱的当前布局,以满足预设要求。
[0265]
可选地,在本技术的一个实施例中,生成模块包括:确定单元和生成单元。
[0266]
其中,确定单元,用于参照评价标准中视觉分心维度、操作分心维度和/或认知分心维度下的多个子安全等级与每个子安全等级的极限阈值,确定视线离路时间、操作频率、主观负荷和/或瞳孔直径变化信息所处的子安全等级。
[0267]
生成单元,用于在子安全等级满足预设待优化条件时,生成对应的相关次级任务流程设计优化信息和/或人机交互界面设计优化信息。
[0268]
需要说明的是,前述对智能座舱的人机交互安全综合评价方法实施例的解释说明也适用于该实施例的智能座舱的人机交互安全综合评价装置,此处不再赘述。
[0269]
根据本技术实施例提出的智能座舱的人机交互安全综合评价装置,可以基于驾驶人分心程度的主客观综合指标,依据评价标准进行测评单项及综合测评,并依据各驾驶行为测评指标的内评结果及各驾驶行为测评指标权重分配占比进行综合性评价行综合性评价,输出智能网联汽车交互安全等级的评价结果。由此,解决了相关技术中,针对智能网联汽车人机交互的安全性评价的研究维度单一,难以获得具有高综合性和高可靠性的评价结果的技术问题。
[0270]
图8为本技术实施例提供的座舱设备的结构示意图。该座舱设备可以包括:
[0271]
存储器801、处理器802及存储在存储器801上并可在处理器802上运行的计算机程序。
[0272]
处理器802执行程序时实现上述实施例中提供的智能座舱的人机交互安全综合评价方法。
[0273]
进一步地,座舱设备还包括:
[0274]
通信接口803,用于存储器801和处理器802之间的通信。
[0275]
存储器801,用于存放可在处理器802上运行的计算机程序。
[0276]
存储器801可能包含高速ram存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
[0277]
如果存储器801、处理器802和通信接口803独立实现,则通信接口803、存储器801和处理器802可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(industry standard architecture,简称为isa)总线、外部设备互连(peripheral component,简称为pci)总线或扩展工业标准体系结构(extended industry standard architecture,简称为eisa)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
[0278]
可选地,在具体实现上,如果存储器801、处理器802及通信接口803,集成在一块芯片上实现,则存储器801、处理器802及通信接口803可以通过内部接口完成相互间的通信。
[0279]
处理器802可能是一个中央处理器(central processing unit,简称为cpu),或者是特定集成电路(application specific integrated circuit,简称为asic),或者是被配置成实施本技术实施例的一个或多个集成电路。
[0280]
本技术实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的智能座舱的人机交互安全综合评价方法。
[0281]
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本技术的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或n个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
[0282]
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本技术的描述中,“n个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
[0283]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或n个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本技术的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本技术的实施例所属技术领域的技术人员所理解。
[0284]
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传
输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或n个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(ram),只读存储器(rom),可擦除可编辑只读存储器(eprom或闪速存储器),光纤装置,以及便携式光盘只读存储器(cdrom)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
[0285]
应当理解,本技术的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,n个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(pga),现场可编程门阵列(fpga)等。
[0286]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
[0287]
此外,在本技术各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
[0288]
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本技术的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本技术的限制,本领域的普通技术人员在本技术的范围内可以对上述实施例进行变化、修改、替换和变型。
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1