由 芳，谢雨锟，岳天阳，于爱群，王建民，张 惠

基于团队态势感知的汽车HMI评测与设计方法

由 芳1，谢雨锟1，岳天阳1，于爱群2，王建民1，张 惠2

(1. 同济大学艺术与传媒学院，上海 201804； 2.中国第一汽车集团有限公司，吉林 长春 130000)

随着汽车智能化和网联化技术发展，汽车人机界面作为人与车的媒介，对驾驶员的用户体验十分重要。为了通过优化人机界面来提高人与车的团队协作，对汽车人机界面评测与设计方法进行研究。26名驾驶员参与了以FM为多路径界面范式的驾驶模拟器评测。评测方法依据团队态势感知理论和用户体验要素，构建包含驾驶指标、行为指标、主观指标的多维度评价体系，通过实验前分析任务阶段和通道，进一步分析态势感知与用户体验要素的关联，实验后分析汽车人机界面的用户体验五层级数据结果，定位出现设计问题，推导出相应的设计优化方向，最后得到设计优化的方案，能帮助优化汽车人机界面设计，提高用户体验。

团队态势感知；汽车人机界面；用户体验；评测；设计方法

随着汽车智能化和网联化技术发展，汽车驾驶座舱呈现数字化和信息化趋势[1]。汽车人机界面作为驾驶员与车交流信息的媒介，对驾驶员的用户体验至关重要。良好的汽车人机界面设计能有效地交流复杂信息，以达成良好人机协作。为确保在驾驶场景下汽车人机界面(human-machine interface，HMI)的使用效率和安全性，需要对汽车人机界面进行评测，进而对界面设计迭代[2]。目的是通过研究人与车之间团队态势感知的理论，提出能为汽车人机界面设计提供优化方向的评测方法，改善人与车交互的用户体验。

1 相关工作

1.1 态势感知与汽车人机交互

态势感知是指人意识到周围发生的事情，并能理解这些信息对现在和未来的影响[3]。态势感知分为个人态势感知、团队态势感知和分布式态势感知。当驾驶员进行单一驾驶任务时，仅涉及驾驶员操控车辆的一个态势感知过程，可以用个体态势感知模型进行解释[4]。分布式态势感知则强调认知现象在认知主体和环境间分布的本质，适用于车与车之间联网的复杂情况[5]。随着汽车智能化和信息的复杂化，汽车作为智能非人代理与驾驶员进行协作[6]。驾驶员在驾驶过程中不可避免地进行与驾驶无关的任务，从而对驾驶产生一定影响。在研究车与驾驶员的团队合作上，涉及多个代理，可以用团队态势感知。

要形成态势感知，每个代理必须获取态势感知元素。态势感知元素被称为必要且可观察的变量，用于推断代理程序目标相关环境中的当前状态并预测情况的近期与将来状态[7]。态势感知被分为感知、理解和预判[8]3个不同的水平。图1展现了人与车进行主次多任务时的态势感知共享元素和团队成员的态势感知元素。驾驶员需要以其目标、环境和态势感知需求等去获取态势感知元素。人和车可以通过汽车人机界面交换共享态势感知元素。当驾驶员进行多任务时，可拥有多个目标的态势感知需求，因此涉及不同任务的态势感知元素共享问题[9]。如驾驶员在驾驶中使用车载娱乐系统，驾驶员需要获取驾驶任务的态势感知元素，同时需要通过汽车人机界面获取娱乐系统信息。态势感知元素共享水平越高，人与车之间团队态势感知的水平就越高，有助于团队协作的表现[10]。

图1 多任务下人与车的团队态势感知

1.2 用户体验要素与汽车人机交互

汽车人机界面成为了态势感知元素共享的关键，团队态势感知水平的提高得益于良好的汽车人机界面设计。用户体验要素是设计人机界面的重要设计理论之一[11]，最早是基于网页设计提出，随后延伸至包括移动端应用、车载端应用等其他类型的产品设计[12]。如图2所示，在汽车人机界面中存在由战略层、范围层、结构层、框架层、表现层构成的用户体验元素架构。随着层级上升，元素变得更具象。第一层为战略层主要是关注汽车人机界面的战略目标和用户需求，不涉及具体界面设计。第二层为范围层由战略层决定，包括功能设计和内容需求。不同任务涉及不同的功能，以汽车人机界面的形式帮助人与车之间进行态势感知元素的交流。第三层为结构层包括交互设计和信息架构等，用来设计用户到达某个页面的路径，在每个节点中系统是如何响应的。在汽车人机界面设计中，操作步骤过多将会增加驾驶员的工作负荷，不仅影响次要任务的完成，还可能造成驾驶危险[13]。第四层为框架层包括信息、界面和导航设计。过多的信息会导致驾驶员不能在短时间内找到重要信息，反之过少的信息让驾驶员感到困惑。界面元素的布局和交互方式会影响驾驶员在短时间内获取关键信息元素并作出下一步判断。第五层为表现层，产品具体细节的呈现被关注到。除了整体视觉印象外，界面中具体的视觉元素会对用户情绪产生很大影响，从而影响用户体验[14]。如字体、图标的大小、颜色或样式等等，均对驾驶员识别和理解元素信息产生影响。

图2 多任务下汽车人机界面用户体验五层级

2 实验设计与评估

2.1 实验目的

基于团队态势感知理论，人与汽车共同完成驾驶主、次级任务，驾驶员需要通过汽车人机界面进行团队态势感知信息交流，而汽车人机界面用户体验要素设计的好坏影响团队态势感知的水平。车载FM调台为研究常选用的次级任务，即要求驾驶员在完成驾驶主任务的同时进行FM调台，通过对汽车人机界面评测得到人车团队在完成主次任务时团队态势感知的水平，发现次要任务中在不同用户体验要素层级中态势感知元素的表现，找出界面范式的问题点以及设计优化方向，根据优化方向提出优化方案。

2.2 被试者

共有26名驾驶员参与了本次实验，其中男性14名，女性12名；平均年龄为31.08岁(=4.26)；考取驾驶证的平均时常为5.67年(=4.11)。其中69.23%的被试者经常或偶尔使用车载系统，31.77%的被试者从未使用过车载系统。

2.3 实验前分析

在驾驶模拟器上展开对汽车人机界面的评测实验。实验场景为双向直行四车道的城市道路，有一定车流量。如图3所示，在实验前对实验任务进行分析，其目的是明确用户在完成驾驶主任务和多媒体次任务时需要获取的态势感知元素，对次任务中态势感知元素在界面用户体验要素层级上的信息呈现有初步的判断。任务分析需要注意不同阶段、路况环境、不同任务、不同感觉通道4个方面。根据驾驶和次要任务情况，将任务分为4个阶段。阶段1为驾驶员保持40 km/h匀速直行，当被试者听到提示音时进入阶段2。阶段2为以被试者点击进入媒体中的FM为止。阶段3为被试者将FM频率调整至102 Hz。阶段4为被试者完成次要任务后继续行驶。对2个任务分别进行感觉通道分析，通道分为视觉、触觉、听觉。媒体任务需要占用被试者视觉、听觉和触觉通道，而驾驶任务主要占用视觉和触觉通道。由输入和输出整体分析看出，被试者在阶段2和3需要同时进行驾驶任务和多媒体任务，且主要是视觉和触觉通道发生一定冲突。

图3 实验前任务分析

用户体验要素的框架层、结构层、表现层信息均为用户在完成FM调台任务中需要获取的态势感知元素。多媒体任务的视觉通道以交互流程图的形式展现了任务的正确路径，路径展现出用户体验要素的结构层信息，被试者有2种路径调整FM：①通过3次点击按钮“下一个频道”(路径1)；②通过二级页面的指针选择的方式(路径2)。界面中黄色方框为路径的关键埋点，方框的位置展现了结构层信息，方框内的界面样式为表现层信息。对于驾驶任务，应该重点关注通道冲突带来的车辆控制的表现，车辆控制包括垂直控制和水平控制，需要获取速度、偏移情况等态势感知信息。

2.4 数据采集

需要采集主观和客观数据去衡量人与车合作完成驾驶任务和次要任务的表现。对于驾驶任务，可以通过客观的驾驶数据说明驾驶表现，通过主观SAGAT得到驾驶任务的团队态势感知评价。实验设置驾驶对照组，采集无次要任务时的驾驶数据，驾驶指标主要包括车速平均值、车速标准差、车道偏移标准差。可以采集行为指标去分析次要任务的具体完成状况，即任务成功率、完成时间、操作次数及位置、操作无反馈次数、有效路径率，通过汽车人机界面程序埋点和视频进行统计，见表1。SAGAT问卷能反映次要任务的团队态势感知情况，是测量共享SA态势感知的有效方法之一[15]。将SAGAT量表分为次要任务和驾驶任务2个部分，并进行测量。量表有10道问题。每个任务从3个SA Level的角度设置了5道题。

表1 FM调台任务的SAGAT问卷

3 实验数据分析

结果部分将展示从任务数据分析推导到设计分析和优化的过程。参考图3的任务前分析，在进行数据和设计分析时重点区分阶段2和3。有20名被试者仅选择路径1，4名被试者仅选择路径2。被试者17在阶段3时提出了放弃。被试者6使用过2种路径，最终使用路径2完成任务。为了便于分析选择不同路径，在后续的路径分类分析时，排除被试者17和被试者6。

3.1 驾驶任务

表2和表3分别为实验组与驾驶对照组之间驾驶指标的平均值、标准差和Wilcoxon检验的结果。整体来说，无论是在垂直控制还是水平控制上，实验组的驾驶表现较差。分阶段进行分析，可以发现阶段2的驾驶指标与baseline对照组无显著差异。相比起阶段2，实验组的阶段3的平均车速(=-203，<0.001)、左车道偏移标准差均(=167，<0.05)与baseline有显著差异性。阶段3的平均车速(=35.43，=5.17)比更低baseline的车速，车道偏移标准差(=7.81，=10.39)更大。因此阶段3需要重点分析。

表2 驾驶指标的平均值和标准偏差

表3 驾驶指标与对照组的Wilcoxon检验

注：*表示统计学显著性水平，其中*为<0.05；**为<0.01；***为<0.001

从路径选择的角度对阶段3的驾驶表现进行分析。选择路径1的被试者在阶段3时的车速(=35.64，=4.89)比选择路径2的车速(=36.90，=2.70)更低。选择路径1的被试者在阶段3时的车速标准差(=2.26，=2.38)比选择路径2的车速标准差(=1.82，=1.10)更高，说明选择路径1在阶段3的垂直控制较差。在水平控制方面，路径1的表现同样不如路径2。选择路径1的车道偏移标准差(=7.09，=9.10)明显比选择路径2(=4.15，=4.30)更高。整体而言，路径1的驾驶表现比路径2差，说明路径2的汽车人机界面设计比路径1的汽车人机界面设计对驾驶影响更小。

驾驶任务的主观评分不佳。驾驶任务的主观数据为SAGAT驾驶任务量表，平均正确率为52.31% (=0.32)；仅有分别53.85%和46.15%的被试者能正确感知到最低速度和最高速度。被试者在完成任务期间难以保持对车速的关注。34.62%的被试者认为自己难以时刻预判车辆发生车道偏移；38.46%的被试者认为自己的驾驶表现不符合驾驶要求；61.54%的被试者认为会发生驾驶危险。

3.2 次要任务

表4给出了完成次要任务不同阶段的行为指标的平均值和标准差。与阶段2相比，阶段3的任务完成总时间更长(2=6.19，2=5.27；3=23.12，3=14.38)，操作次数(2=1.46，2=0.76；3=10.96，3=12.61)和操作无反馈次数(2=0.27，2=0.60；3=7.04，3=12.40)更多，有效路径率更低(2=100%，2=0；3=69.69%，3=0.30)。由于阶段3在各项行为指标的表现上均比阶段2差，说明被试者在完成次要任务时，主要问题出现在了阶段3。

从路径选择的角度对阶段3的次要任务表现进行分析。2种路径在不同的数据指标上表现不一致。路径1的完成时间(=23.40，=13.98)比路径2的完成时间=25.19，=19.87)更短。路径1(=73.42%，=0.29)比路径2的有效路径率(=48.39，=0.35)更高。多数被试者在采取路径1时出现了持续点击的情况，因此操作次数(=10.00，=10.15)和操作无反馈的次数(=6.35，=9.74)比路径2的操作次数(=6，=3.37)和操作无反馈次数=0.50，=1.00)更多，说明二者均存在问题，且优化的方向不同。

表4 行为指标的平均值和标准偏差

次要任务的主观评分比驾驶任务高，但仍然有较大的改进空间。次要任务的SAGAT正确率平均为56.15% (=0.20)。有30.77%的被试者没有正确理解所有的操作路径，均为使用路径1。73.08%的被试者表示注意到了路径2的入口；23.08%的被试者并未正确理解路径1的方式，误认为点击“下一个”图标表示频率增加0.1，这解释了被试者出现不断点击按钮的行为。在驾驶状态下，被试者几乎不能注意到过多的图标。尽管任务成功率达到96.15%，但仍然有30.77%的被试者认为该功能不在自己的掌控范围内。

4 设计分析与优化

4.1 态势感知和用户体验五层级

为了找到FM调台任务中可能存在的汽车人机界面设计优化的关键点，需要初步分析用户在正确完成次要任务时应该从汽车人机界面中获取哪些关键的态势感知信息。将态势感知理论与用户体验五层级进行结合，帮助找到关键的态势感知信息与设计的联系。从用户体验五层级的角度，将关键的设计信息对应到不同的层级上，有助于后续对汽车人机界面层级的进一步分析。态势感知可以从感知、理解和预判3个态势感知层次进行分析，找到不同态势感知层次需要注意的关键设计信息。将态势感知细化到不同的任务阶段中。重点关注驾驶任务与次要任务并行时的阶段2和3分析。

如图4所示，在阶段2，用户想要进入FM功能，需要感知到多媒体图标及其FM模块，根据驾驶情况预判合适的时机去点击多媒体按钮。图标的样式和图标的位置是用户感知图标的关键要素。媒体图标样式属于表现层，位置属于框架层。多媒体和FM之间的层级关系属于结构层。去点击多媒体按钮是用户选择完成任务流程之一，属于结构层。在阶段3，用户完成调整频道需要感知到当前频道信息、感知并理解调整方式，最后预判合适的时机去操作。与阶段2不同，用户有2种路径可以完成调整频道，意味着每种路径需要的信息不同。路径1需要用户感知下一个频道的按钮位置及样式，正确理解按钮的交互含义是调台到下一个频道并且预判合适的时间去点击按钮。路径2则不仅需要获取指针按钮信息，还要理解指针调台的图标含义及二级页面的方式，在进入二级页面后仍需要预判合适的时机去操作。图标样式属于表现层，当前频道的信息、按钮位置都属于框架层。按钮的交互方式及对路径的选择属于结构层。

图4 FM调台任务的态势感知与用户体验五层级分析

4.2 任务层级分析

汽车人机界面是驾驶员与车交流的重要媒介。由于本次实验优化的目标是次要任务的汽车人机界面设计，因此驾驶任务的汽车人机界面设计不做具体分析。驾驶任务分析以驾驶操作表现进行呈现，从侧面反应出次要任务的情况。根据对态势感知与用户体验五层级的分析(图4)，进一步将用户体验五层级以实验数据为支撑进行设计问题挖掘(表5)，并以可视化形式呈现(图5)。第一层的战略层为次要任务的目标，即调整FM的频道至指定的102.0 MHz。第二层的范围层为完成目标时的功能模块。在阶段2用户会在首页模块，阶段3则处于媒体模块。战略层和范围层的分析有助于对设计目标和功能范围的把握。第三层结构层分析中，以页面或页面功能入口为节点进行流程结构分析。正确路径为实线，而错误路径为虚线。第四层框架层以具体页面流程呈现，将实验操作的数据进行可视化显示。正确路径上的图标按钮以绿色方框圈出，错误的则为红色。以手势图标的形式表达了被试者的点击或滑动操作，手势图标上的数字表示采用该方式的被试者人数。第五层表现层则以截图的形式将出现设计问题的视觉设计元素显示。

表5 基于用户体验的设计优化分析

图5 FM调台任务的用户体验五层级结果分析

对于阶段2，结构层展现的流程为从首页进入媒体，媒体默认为FM。从框架层分析看出，26名被试者均能顺利找到媒体入口的位置。相比起阶段3，驾驶任务的垂直控制和水平控制表现更好，具体数据见3.1节。所以阶段2没有需要优化的设计问题。

对于阶段3，结构层展现了2种路径。使用路径1的人更多。但对比驾驶数据可以发现，路径2的驾驶表现比路径1的相对更好，从侧面说明路径2的设计相对更安全。因此存在不同路径的选择偏好和可用性问题(问题1)。框架层分析可以看出，部分被试者未能马上注意到2种路径的按钮入口，而是尝试点击了其他按钮，说明入口图标存在布局问题外(问题4)。对于路径1，部分被试者不能正确理解“下一个”的交互方式(问题3)。选择路径1的被试者操作次数多及操作无反馈率高，但有效路径率高，说明其理解路径1的流程和交互方式，但对频道信息的获取不足(问题5)。对于路径2有效路径率低，从结构层分析得出页面层级更多，是存在层级深度问题(问题2)。事后访谈可以发现6名被试者对指针调台图标样式理解上存在问题(问题6)，因此没有选择该路径，这属于表现层。通过行为观察，在进入第二级页面后，有1名被试者由于长时间不操作，页面自动回到原页面。事后访谈得知被试者在驾驶条件下难以及时看清文字，存在文字大小识别问题(问题7)。

4.3 设计优化方案与验证评测

表5列举了设计问题，针对每个的问题提出不同的设计优化方向。对于不同路径的偏好和可用性问题(问题1)，需要考虑是否要删减路径或针对不同路径分别进行优化。路径1适合小幅度调整，而路径2适合大幅度调整，因此2种路径是互相补充的关系，适用于不同的需求，不宜删除任何一个路径，应该根据2个路径的问题分别进行优化。路径1是多数被试者的选择，但存在对按钮交互方式的理解问题(问题3)和频道信息不足问题(问题5)，影响了驾驶安全和用户体验。增加附近频道的信息，能帮助用户建立下一个按钮对应的频道，同时减少因为不清楚频率何时到达下一个频道而频繁持续点击的行为。

图6中方案1为针对路径1的优化方案。增加信息显示后，用户除了点击“下一个”按钮，还可以通过点击下一个频道进行快速切换。路径2出现的问题2层级过多、问题4按钮布局偏右、问题6入口样式不易理解、问题7文字偏小。其中出现问题6和7的人数较少，因此优化的优先级较低。针对问题2层级深度影响了被试者使用的难度的问题，方案2去掉入口按钮，提高页面层级，指针条放置在频道下方。针对问题4中按钮布局影响了被试者在完成任务时对按钮的感知，从而影响了选择偏好，提出将按钮从右侧移动至左侧的方案3。

图6 FM调台任务的设计优化方案

邀请9名被试者(3名男性，6名女性，平均年龄24.0岁)参与了FM调台优化方案驾驶模拟器验证评测，SAGAT的实验结果如图7所示。对于路径1的优化，方案1的SAGAT正确率为76.67% (=11.18)，而原方案路径1的正确率63.33% (=15.81)，9名被试者均表示能从方案1能获取有效的频道信息，有助于减少驾驶时的分心，其中3名被试者认为该信息能帮助自己更好理解下一个的按钮含义，建立合理的映射关系，且提供了新的交互方式。而对于路径2的优化，方案2和3的SAGAT正确率为76.67% (=14.14)和75.56% (=15.09)，均比原方案的正确率68.89% (=11.67)更高，通过实验后的深度访谈得知，9名被试者认为2个优化方案均比原方案的路径2更好，其中88.89%的被试者偏向于选择方案2，提高频率条的层级能有效提高操作的效率，也减少进入二级后长时间未操作的失败率，而11.11%的被试者认为自己调台使用频率不高，因此偏向于更简洁方案3。此外，有被试者提出可以将方案1与2融合，即减少FM频率条层级至FM首页，并在FM频率条上的标出附近的频道。由实验结果可得出用户在驾驶时使用优化方案能获得更高的态势感知，3个优化方案均比原方案的用户体验更好，因此本文提出的基于团队态势的汽车HMI评测与设计方法是具有可行性和有效性的。

图7 原方案与优化方案的SAGAT正确率

5 结 论

本文基于团队态势感知的认知理论和用户体验要素的设计理论，提出了汽车人机界面评测的方法。以FM调台任务为例，通过该评测方法得到多路径车载界面的设计优化方向。实验前对FM任务进行分阶段分析，明确任务中不同路径的态势感知元素所处的用户体验层级。按不同路径分别对驾驶、行为和SAGAT主观量表数据进行分阶段分析，综合主客观数据找到出问题的阶段为阶段3。从用户体验层级的角度，总结2种路径下行为和SAGAT数据反映的结构层、框架层和表现层设计问题，权衡不同路径的偏好和可用性，若不同路径在不同情况下均存在一致的偏向，则考虑删减路径，反之则针对不同路径设计问题的分析，以得到适合该路径的使用场景的设计优化的方案。本文的评测方法对通过实验评测优化汽车人机界面设计有一定的启示和作用。

[1] 王镭, 庞有俊, 王亚芳. 智能座舱HMI人机交互界面体验及未来趋势浅析[J]. 时代汽车, 2021(3): 15-17, 20.

WANG L, PANG Y J, WANG Y F. Discussion on the experience and future trends of the smart cockpit HMI human-computer interaction interface[J]. Auto Time, 2021(3): 15-17, 20 (in Chinese).

[2] 王瑞, 董石羽, 肖江浩. 智能汽车界面设计的人机自然交互研究[J]. 机械设计, 2019, 36(2): 132-136.

WANG R, DONG S Y, XIAO J H. Research on human-machine natural interaction of intelligent vehicle interface design[J]. Journal of Machine Design, 2019, 36(2): 132-136 (in Chinese).

[3] RADZIWILL N M. Designing for situation awareness: an approach to user-centered design, second edition[J]. Quality Management Journal, 2017, 24(2): 56

[4] MATTHEWS M L, BRYANT D J, WEBB R D G, et al. Model for situation awareness and driving: application to analysis and research for intelligent transportation systems[J]. Transportation Research Record: Journal of the Transportation Research Board, 2001, 1779(1): 26-32.

[5] WALKER G H, STANTON N A, KAZI T A, et al. Does advanced driver training improve situational awareness?[J]. Applied Ergonomics, 2009, 40(4): 678-687.

[6] BAINES V, PADGET J. A situational awareness approach to intelligent vehicle agents[C]//The 2nd SUMO Conference on Modeling Mobility with Open Data. Heidelberg: Springer, 2015: 77-103.

[7] KRIDALUKMANA R, LU H Y, NADERPOUR M. A supportive situation awareness model for human-autonomy teaming in collaborative driving[J]. Theoretical Issues in Ergonomics Science, 2020, 21(6): 658-683.

[8] MCKEOWN C. Designing for situation awareness: an approach to user-centered design[J]. Ergonomics, 2013, 56(4): 727-728.

[9] 高杨, 李东生, 程泽新. 无人机分布式集群态势感知模型研究[J]. 电子与信息学报, 2018, 40(6): 1271-1278.

GAO Y, LI D S, CHENG Z X. UAV distributed swarm situation awareness model[J]. Journal of Electronics & Information Technology, 2018, 40(6): 1271-1278 (in Chinese).

[10] 曹国熙. 无人机操作员态势感知水平分析评估系统的研究[D]. 北京: 北京邮电大学, 2019.

CAO G X. Research on evaluation system for UAV operator situation awareness[D]. Beijing: Beijing University of Posts and Telecommunications, 2019 (in Chinese).

[11] 钱晓松, 杨建明, 孙远波. 通用设计视角下的全自动驾驶汽车用户体验要素探析[J]. 装饰, 2020(11): 29-34.

QIAN X S, YANG J M, SUN Y B. Universal design in fully autonomous vehicles: the new elements of user experience[J]. Art & Design, 2020(11): 29-34 (in Chinese).

[12] GARRETT J J. 用户体验要素: 以用户为中心的产品设计[M]. 范晓燕, 译. 北京: 机械工业出版社, 2011:19-28.

GARRETTJ J. User Experience: User-Center Design For The Web And Beyond[M]. FAN X Y, translate. Beijing: China Machine Press, 2011:19-28.

[13] 孙博文, 杨建明, 孙远波. 汽车人机交互界面层级设计研究[J]. 机械设计, 2019, 36(2): 121-125.

SUN B W, YANG J M, SUN Y B. Research on interface hierarchy design for human vehicle interaction[J]. Journal of Machine Design, 2019, 36(2): 121-125 (in Chinese).

[14] SILVENNOINEN J M, JOKINEN J P P. Appraisals of salient visual elements in web page design[J]. Advances in Human-Computer Interaction, 2016, 2016: 1-14.

[15] ENDSLEY M R. Situation awareness global assessment technique (SAGAT)[C]//Proceedings of the IEEE 1988 National Aerospace and Electronics Conference. New York: IEEE Press, 1988: 789-795.

A team situation awareness-based approach to automotive HMI evaluation and design

YOU Fang1, XIE Yu-kun1, YUE Tian-yang1, YU Ai-qun2, WANG Jian-min1, ZHANG Hui2

(1. College of Arts and Media, Tongji University, Shanghai 201804, China; 2. China FAW Group Co., Ltd, Changchun Jilin 130000, China)

With the development of intelligent and networked vehicle technologies, the automotive human-machine interface (HMI) has become important to the drivers’ user experience as a medium between human and vehicle. In order to improve the teamwork between human and vehicle by optimizing the human-machine interface, the evaluation and design method of automotive human-machine interface was studied. Twenty-six drivers participated in the evaluation of driving simulator with FM as the multi-path interface paradigm. The evaluation method was based on the team situation awareness theory and user experience elements. A multi-dimensional evaluation system containing driving indicators, behavioral indicators, and subjective indicators was constructed. The association between situation awareness and user experience elements was further examined by analyzing task stages and channels before the experiment, and the results of the five levels of user experience data of the automotive HMI were analyzed after the experiment, thus locating the occurrence of design problems and deducing the corresponding design optimization directions. Finally, the design optimization solution was obtained, which can help optimize the design of automotive HMIs and enhance user experience.

team situation awareness; automotive human-machine interface; user experience; evaluation; design methodology

TP 391

10.11996/JG.j.2095-302X.2021061027

A

2095-302X(2021)06-1027-08

2021-04-20；

2021-07-08

国家社科基金后期资助项目(19FYSB040)；国家留学基金委项目〔留金美(2020)1509号〕

由 芳(1974-)，女，山东临清人，教授，博士，博士生导师。主要研究方向为交互设计和用户行为分析。E-mail：youfang@tongji.edu.cn

张 惠(1974-)，女，辽宁沈阳人，正高级工程师，博士。主要研究方向为汽车HMI设计与体验测评及驾驶行为分析等。 E-mail：zhanghui1@faw.com.cn

20 April，2021；

8 July，2021

National Social Science Foundation of China (19FYSB040); China Scholarship Council (CSC): Ruijinmei (2020) 1509

YOU Fang (1974-), female, professor, Ph.D. Her main research interests cover interaction design, analysisofuserbehaviors. E-mail：youfang@tongji.edu.cn

ZHANG Hui (1974-), female, senior engineer, Ph.D. Her main research interests cover automotive HMI design and experience evaluation, driver behavior analysis, etc. E-mail：zhanghui1@faw.com.cn