增強(qiáng)現(xiàn)實(shí)抬頭顯示器視覺(jué)解釋類(lèi)型對(duì)自動(dòng)駕駛系統(tǒng)用戶(hù)接受度的影響

李卓童先順田慧溢劉星辰

（1.武漢理工大學(xué)藝術(shù)與設(shè)計(jì)學(xué)院，武漢，430070；2.武漢大學(xué)信息資源研究中心，武漢，430072）

1 引言

自動(dòng)駕駛早已與人工智能深度綁定，人工智能技術(shù)的快速迭代讓人們看到了實(shí)現(xiàn)自動(dòng)駕駛的希望[1]，不僅為投資市場(chǎng)帶來(lái)新的動(dòng)力，也為自動(dòng)駕駛領(lǐng)域帶來(lái)了熱切的關(guān)注。得益于感知和決策算法等AI核心技術(shù)的突破，自動(dòng)駕駛能夠?yàn)橛脩?hù)帶來(lái)全新的人智交互體驗(yàn)[2]。然而，全新的交互體驗(yàn)并不都能為發(fā)展助力，糟糕的人智交互體驗(yàn)會(huì)讓用戶(hù)的期望落空進(jìn)而無(wú)法信任自動(dòng)駕駛，甚至轉(zhuǎn)而質(zhì)疑且拒絕接受自動(dòng)駕駛技術(shù)[3]。因此，如何提高用戶(hù)的人智交互體驗(yàn)對(duì)自動(dòng)駕駛的未來(lái)發(fā)展和戰(zhàn)略布局至關(guān)重要。

目前多數(shù)不好的用戶(hù)體驗(yàn)是由于用戶(hù)不能理解AI提供的解釋或說(shuō)明信息，無(wú)法與AI進(jìn)行有效交互[4]，這將導(dǎo)致用戶(hù)對(duì)自動(dòng)駕駛的接受度偏低，不愿進(jìn)一步了解、使用且購(gòu)置智能汽車(chē)。而增強(qiáng)現(xiàn)實(shí)抬頭顯示器（Augmented Reality Head-Up Display，AR-HUD），能夠以不同的解釋類(lèi)型為用戶(hù)提供車(chē)輛狀態(tài)和環(huán)境反饋的信息，提高自動(dòng)駕駛系統(tǒng)的可理解度和透明度，是目前最具應(yīng)用前景的人智交互界面之一。

將AR-HUD應(yīng)用于自動(dòng)駕駛的交互過(guò)程，需要考慮具體的交互設(shè)計(jì)以及用戶(hù)體驗(yàn)評(píng)估。以往研究通常采用可用性測(cè)試、自我報(bào)告、問(wèn)卷調(diào)查等方法來(lái)評(píng)估用戶(hù)體驗(yàn)，但以上方法存在主觀性強(qiáng)、無(wú)法確定因果等不足，而受控實(shí)驗(yàn)可以精準(zhǔn)地度量用戶(hù)體驗(yàn)，得到明確的因果關(guān)系。此外，結(jié)合實(shí)驗(yàn)驅(qū)動(dòng)設(shè)計(jì)（Experiment-Driven Design，EDD）的理念，通過(guò)度量用戶(hù)體驗(yàn)得到的結(jié)論可以更具針對(duì)性地優(yōu)化自動(dòng)駕駛的交互設(shè)計(jì)，提高用戶(hù)接受度和用戶(hù)體驗(yàn)，最終形成智能產(chǎn)品迭代優(yōu)化的良好循環(huán)。

因此，本研究采用受控實(shí)驗(yàn)，結(jié)合ErgoLAB駕駛模擬系統(tǒng)平臺(tái)來(lái)探究不同環(huán)境可見(jiàn)度條件下采用何種AR-HUD視覺(jué)解釋類(lèi)型能夠提高用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度。具體而言，采用3（視覺(jué)解釋類(lèi)型：圖標(biāo)/文本/無(wú)）×2（可見(jiàn)度：高/低）的被試內(nèi)實(shí)驗(yàn)設(shè)計(jì)探究用戶(hù)接受度，其中視覺(jué)解釋類(lèi)型為自變量，可見(jiàn)度為調(diào)節(jié)變量，用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度為因變量。

2 相關(guān)研究

2.1 自動(dòng)駕駛系統(tǒng)的用戶(hù)接受度

自動(dòng)駕駛的用戶(hù)接受度是指潛在用戶(hù)和廣大公眾對(duì)自動(dòng)駕駛新技術(shù)的態(tài)度和期望[5]。用戶(hù)接受度是決定系統(tǒng)成敗的關(guān)鍵因素之一，有效了解和測(cè)量技術(shù)接受度對(duì)于系統(tǒng)設(shè)計(jì)人員至關(guān)重要[6]。Zhang等人結(jié)合自動(dòng)駕駛技術(shù)的特性，將信任和感知風(fēng)險(xiǎn)（即感知安全風(fēng)險(xiǎn)和感知隱私風(fēng)險(xiǎn)）整合到技術(shù)接受模型（Technology Acceptance Model，TAM）[7]框架中，提出了自動(dòng)駕駛技術(shù)接受模型。該模型認(rèn)為，感知有用性和感知易用性是用戶(hù)能否接受自動(dòng)駕駛的兩個(gè)重要因素，而信任是促進(jìn)自動(dòng)駕駛接受的關(guān)鍵決定因素，與感知有用性一起決定用戶(hù)使用自動(dòng)駕駛的意圖，同時(shí)，感知安全風(fēng)險(xiǎn)會(huì)對(duì)自動(dòng)駕駛接受產(chǎn)生負(fù)面影響[8]。

2.2 自動(dòng)駕駛中AR-HUD的視覺(jué)解釋類(lèi)型

AR-HUD是將增強(qiáng)現(xiàn)實(shí)技術(shù)與抬頭顯示器結(jié)合的信息顯示系統(tǒng)，它可以將導(dǎo)航中的視覺(jué)符號(hào)以及對(duì)路面行人、車(chē)輛等障礙物的立體識(shí)別信息疊加到駕駛員前方的道路視野中，與現(xiàn)實(shí)的交通狀況進(jìn)行融合，增強(qiáng)對(duì)提取信息的注意力[9]。在人智交互界面中，ARHUD的視覺(jué)解釋類(lèi)型包括圖標(biāo)、文本等[10]，圖標(biāo)具有指示性、普遍性和多樣性特征，是人們約定俗成的意象載體，而文本通過(guò)其內(nèi)在含義來(lái)傳遞基礎(chǔ)信息，可以對(duì)信息進(jìn)行描述、指引和補(bǔ)充。例如Wintersberger等人在自動(dòng)駕駛模式下分別使用顏色編碼的三角形和箭頭圖標(biāo)來(lái)警示臨近的交通對(duì)象，發(fā)現(xiàn)AR-HUD警示可以提高用戶(hù)對(duì)自動(dòng)駕駛的接受度和信任度[11]。Kim等人提出了一種新的AR-HUD呈現(xiàn)方式，即通過(guò)虛擬陰影界面向駕駛員警示前方的障礙物，結(jié)果證明，這種方式有效提升了駕駛員對(duì)危險(xiǎn)情境的感知以及縮短了駕駛員決策和響應(yīng)的時(shí)間[12]。Walch等人設(shè)計(jì)了一種AR-HUD視覺(jué)警示方式，將文本解釋?xiě)?yīng)用其中，發(fā)現(xiàn)這是一種提示駕駛員接管自動(dòng)駕駛汽車(chē)的有效辦法[13]。

認(rèn)知負(fù)荷理論（Cognition Load Theory，CLT）認(rèn)為，用戶(hù)的認(rèn)知資源有限[14]，如果內(nèi)在認(rèn)知負(fù)荷和外在認(rèn)知負(fù)荷的總量超過(guò)了用戶(hù)的認(rèn)知資源，將會(huì)造成認(rèn)知負(fù)荷過(guò)載，嚴(yán)重影響用戶(hù)的交互體驗(yàn)。其中內(nèi)在認(rèn)知負(fù)荷與當(dāng)前認(rèn)知任務(wù)的復(fù)雜性有關(guān)，外在認(rèn)知負(fù)荷與認(rèn)知對(duì)象的信息呈現(xiàn)及組織形式有關(guān)。對(duì)應(yīng)于人智駕駛交互中，視覺(jué)解釋類(lèi)型是影響外在認(rèn)知負(fù)荷產(chǎn)生的重要因素，不當(dāng)?shù)囊曈X(jué)解釋類(lèi)型往往會(huì)引發(fā)額外的認(rèn)知消耗[15-16]，增加用戶(hù)的風(fēng)險(xiǎn)感知水平，降低用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度[8,16-17]。Ekman等人發(fā)現(xiàn)相較于包含詳細(xì)解釋的高透明解釋類(lèi)型，用戶(hù)更偏好或更能接受消耗較低認(rèn)知資源的中等透明度解釋類(lèi)型[18]。

2.3 環(huán)境可見(jiàn)度對(duì)自動(dòng)駕駛用戶(hù)的影響

任務(wù)的環(huán)境因素，比如可見(jiàn)度、噪聲或震動(dòng)等，會(huì)增加任務(wù)的復(fù)雜度，提高用戶(hù)的內(nèi)在認(rèn)知負(fù)荷[19-20]。可見(jiàn)度是指觀察者離前方物體多遠(yuǎn)時(shí)仍能清楚地看見(jiàn)該物體[21]?？梢?jiàn)度受環(huán)境光照強(qiáng)度、天氣狀況等因素的影響[22-23]，可見(jiàn)度高的環(huán)境包括晴朗天氣、白天等，可見(jiàn)度低的環(huán)境包括雨天、雪天、濃霧等惡劣天氣以及黑夜等。在不同可見(jiàn)度環(huán)境下，解釋類(lèi)型對(duì)用戶(hù)自動(dòng)駕駛接受度的影響可能不同。有研究發(fā)現(xiàn)低可見(jiàn)度的雪夜環(huán)境中，用戶(hù)偏好簡(jiǎn)單直觀的解釋類(lèi)型，因?yàn)榈涂梢?jiàn)度增加了用戶(hù)的感知風(fēng)險(xiǎn)，此時(shí)系統(tǒng)呈現(xiàn)直觀的解釋類(lèi)型，會(huì)提高用戶(hù)接受度；而在高可見(jiàn)度的晴朗白天環(huán)境下，用戶(hù)偏好詳細(xì)的解釋類(lèi)型，因?yàn)楦呖梢?jiàn)度環(huán)境下用戶(hù)的感知風(fēng)險(xiǎn)較低，可以處理詳細(xì)的信息，系統(tǒng)給用戶(hù)提供較復(fù)雜的歸因解釋類(lèi)型更能提高用戶(hù)接受度[17]。

不同于外在認(rèn)知負(fù)荷，在人智駕駛交互過(guò)程中，內(nèi)在認(rèn)知負(fù)荷主要受到任務(wù)復(fù)雜度影響，在駕駛過(guò)程中屬于基礎(chǔ)的認(rèn)知消耗[20,24]。而惡劣的環(huán)境，比如較低的可見(jiàn)度會(huì)顯著增加駕駛?cè)蝿?wù)的復(fù)雜度，從而提高用戶(hù)的內(nèi)在認(rèn)知負(fù)荷水平。Konstantopoulos等人發(fā)現(xiàn)，相比于晴朗的白天，在下雨天和夜間行駛時(shí)，駕駛員的認(rèn)知負(fù)荷水平明顯提高，面對(duì)潛在危險(xiǎn)時(shí)需要更長(zhǎng)的反應(yīng)時(shí)間來(lái)應(yīng)對(duì)[19]。

2.4 研究評(píng)述與研究問(wèn)題

對(duì)相關(guān)研究梳理后發(fā)現(xiàn)，首先，以往研究評(píng)估用戶(hù)接受度的方法中存在隨機(jī)誤差大和測(cè)量工具主觀性強(qiáng)等方面不足，主要體現(xiàn)在沒(méi)有嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)設(shè)計(jì)、沒(méi)有對(duì)參與者進(jìn)行隨機(jī)抽樣并分配、沒(méi)有可復(fù)制的固定實(shí)驗(yàn)流程以及沒(méi)有對(duì)額外變量嚴(yán)格控制等方面。其次，AR-HUD的視覺(jué)解釋主要分為圖標(biāo)和文本兩種類(lèi)型，以往研究在對(duì)視覺(jué)解釋類(lèi)型的影響上只是對(duì)有無(wú)某種類(lèi)型進(jìn)行了比較，而不同視覺(jué)解釋類(lèi)型之間對(duì)比的影響還不得而知。最后，已有研究發(fā)現(xiàn)可見(jiàn)度作為影響用戶(hù)感知體驗(yàn)和認(rèn)知加工進(jìn)程的重要環(huán)境變量會(huì)影響用戶(hù)接受度[17]，但AR-HUD作為人智交互載體時(shí)，可見(jiàn)度的具體影響還需進(jìn)一步探究。為了填補(bǔ)以上研究空白，本研究結(jié)合認(rèn)知負(fù)荷理論并采用受控實(shí)驗(yàn)旨在解決以下研究問(wèn)題：

RQ1：為了提高用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度，人智駕駛交互中應(yīng)該采用何種視覺(jué)解釋類(lèi)型?

RQ2：人智駕駛交互中環(huán)境可見(jiàn)度是否會(huì)調(diào)節(jié)視覺(jué)解釋類(lèi)型對(duì)用戶(hù)接受度的影響?

3 研究方法

3.1 實(shí)驗(yàn)參與者招募

本研究通過(guò)在社交媒體上發(fā)布在線(xiàn)廣告來(lái)招募參與者。共招募到61名有駕駛經(jīng)驗(yàn)的參與者，其中2名參與者無(wú)法察覺(jué)到不同解釋類(lèi)型的區(qū)別，因此其數(shù)據(jù)被剔除，最終得到59名參與者的有效數(shù)據(jù)，包括29名男性和30名女性，年齡介于18-28歲之間。所有參與者在實(shí)驗(yàn)開(kāi)始前均自愿簽署了知情同意書(shū)，并在實(shí)驗(yàn)結(jié)束后被給予了相應(yīng)的報(bào)酬。本研究經(jīng)武漢理工大學(xué)研究倫理委員會(huì)批準(zhǔn)，并嚴(yán)格遵循一般倫理準(zhǔn)則。

3.2 實(shí)驗(yàn)任務(wù)與材料設(shè)計(jì)

參與者需要在實(shí)驗(yàn)中模擬駕駛自動(dòng)汽車(chē)共行駛3千米，約15分鐘。在自動(dòng)駕駛過(guò)程中，自動(dòng)駕駛系統(tǒng)會(huì)根據(jù)測(cè)算與前車(chē)的實(shí)時(shí)距離自動(dòng)減速。具體駕駛情境是，參與者乘坐的汽車(chē)在前方無(wú)車(chē)輛以80km/h的速度行駛100米后，前方出現(xiàn)一輛車(chē)，本自動(dòng)駕駛汽車(chē)以80km/h的速度穩(wěn)定接近前方車(chē)輛，在距離前方車(chē)輛50米時(shí)開(kāi)始自動(dòng)減速以保持安全距離，同時(shí)在ARHUD的屏幕上出現(xiàn)系統(tǒng)的減速解釋?zhuān)?0秒后前方車(chē)輛加速駛出駕駛視線(xiàn)。

SCANeR是ErgoLAB駕駛模擬系統(tǒng)平臺(tái)中配套的自動(dòng)駕駛仿真軟件，SCANeR?studio提供構(gòu)建虛擬場(chǎng)景所需的工具和模型：道路環(huán)境、車(chē)輛模型、真實(shí)/虛擬司機(jī)、天氣條件和場(chǎng)景腳本等。本研究使用SCANeR制作原始視頻材料，參與者通過(guò)觀看視頻的方式來(lái)模擬自動(dòng)駕駛行車(chē)過(guò)程。

本實(shí)驗(yàn)中設(shè)置了3種AR-HUD的視覺(jué)解釋類(lèi)型，分別為圖標(biāo)解釋、文本解釋、無(wú)解釋。圖標(biāo)解釋是通過(guò)方框和漸變色塊對(duì)前方障礙物的方位進(jìn)行鎖定，用可視化圖標(biāo)顯示實(shí)時(shí)距離的方式對(duì)自動(dòng)駕駛系統(tǒng)的減速行為進(jìn)行解釋?zhuān)晃谋窘忉屖峭ㄟ^(guò)文本的方式對(duì)自動(dòng)駕駛系統(tǒng)的減速行為作出解釋?zhuān)粺o(wú)解釋作為空白對(duì)照無(wú)任何顯示。

設(shè)置了2個(gè)水平（高/低）的可見(jiàn)度。在行車(chē)情境中，外部光線(xiàn)的強(qiáng)弱會(huì)顯著影響可見(jiàn)度的高低[22]，因此選用中午12時(shí)的白天作為可見(jiàn)度高的情境，夜晚22時(shí)的黑夜作為可見(jiàn)度低的情境。

通過(guò)對(duì)跟車(chē)場(chǎng)景的視覺(jué)解釋類(lèi)型和可見(jiàn)度進(jìn)行不同的設(shè)計(jì)，制作了6份不同的視頻材料，每個(gè)視頻擁有一種視覺(jué)解釋類(lèi)型和一種可見(jiàn)度條件的組合，時(shí)長(zhǎng)均為2分鐘，視頻截圖如圖1。

圖1 視頻材料Fig.1 Video Materials

3.3 自動(dòng)駕駛系統(tǒng)接受度測(cè)量

本研究采用Zhang等提出的自動(dòng)駕駛接受模型。為了量化AR-HUD視覺(jué)解釋類(lèi)型對(duì)用戶(hù)自動(dòng)駕駛系統(tǒng)接受度的影響，在預(yù)實(shí)驗(yàn)中借鑒Zhang等提出的接受度量表，包含7類(lèi)，23個(gè)測(cè)度項(xiàng)[8]，同時(shí)，參考已有研究中技術(shù)接受度量表，以提高各因子題項(xiàng)的內(nèi)容效度。預(yù)實(shí)驗(yàn)結(jié)果發(fā)現(xiàn)，“感知隱私風(fēng)險(xiǎn)”與本研究問(wèn)題相關(guān)度較低，因此在正式實(shí)驗(yàn)中剔除“感知隱私風(fēng)險(xiǎn)”，將影響自動(dòng)駕駛系統(tǒng)接受度的因素分為感知有用性、感知易用性、信任度、感知安全風(fēng)險(xiǎn)、態(tài)度、行為意愿6類(lèi)。本研究的自動(dòng)駕駛系統(tǒng)接受度問(wèn)卷包括6個(gè)因子，20個(gè)測(cè)度項(xiàng)，均采用Likert 5點(diǎn)量表形式，1（非常不同意）-5（非常同意），具體見(jiàn)表1。最后對(duì)感知安全風(fēng)險(xiǎn)的三個(gè)測(cè)度項(xiàng)進(jìn)行反向評(píng)分，并通過(guò)所有項(xiàng)目的總分計(jì)算用戶(hù)接受度的平均評(píng)分，分值越高代表接受程度越高。

表1 測(cè)度項(xiàng)及參考依據(jù)Table 1 Measurement Items and the References

3.4 實(shí)驗(yàn)程序

在實(shí)驗(yàn)開(kāi)始前，每位參與者需要完成前測(cè)問(wèn)卷，包括參與者的性別、年齡以及駕駛經(jīng)驗(yàn)等基本信息，參與者對(duì)自動(dòng)駕駛汽車(chē)的了解以及對(duì)自動(dòng)駕駛汽車(chē)的態(tài)度等信息。

本實(shí)驗(yàn)流程為，首先告知參與者實(shí)驗(yàn)要求和基本流程。講解完畢后，參與者進(jìn)入駕駛模擬器內(nèi)，參與者需要模擬體驗(yàn)所有駕駛情境，即觀看6段不同實(shí)驗(yàn)條件的視頻。實(shí)驗(yàn)中參與者每觀看完一段視頻，都要填寫(xiě)一份關(guān)于自動(dòng)駕駛系統(tǒng)接受度的測(cè)量問(wèn)卷。任務(wù)完成后，參與者被要求填寫(xiě)后測(cè)問(wèn)卷來(lái)進(jìn)行對(duì)自變量的操縱性檢驗(yàn)，調(diào)查參與者是否發(fā)現(xiàn)AR-HUD不同視覺(jué)解釋類(lèi)型的區(qū)別。為了減少任務(wù)次序?qū)⑴c者的影響，實(shí)驗(yàn)采用拉丁方設(shè)計(jì)對(duì)6段視頻的播放順序進(jìn)行輪換。最后進(jìn)行實(shí)驗(yàn)后訪(fǎng)談，整個(gè)實(shí)驗(yàn)時(shí)長(zhǎng)約30分鐘。

4 結(jié)果分析

4.1 描述性統(tǒng)計(jì)

前測(cè)信息問(wèn)卷統(tǒng)計(jì)分析如表2所示，招募的所有參與者均有駕駛經(jīng)驗(yàn)，從駕駛頻率來(lái)看，極少駕駛（N=44，74.58%），偶爾駕駛（N=13，22.03%），經(jīng)常駕駛（N=2，3.39%）；從對(duì)自動(dòng)駕駛汽車(chē)態(tài)度來(lái)看，過(guò)半?yún)⑴c者持積極態(tài)度（N=33，55.93%），部分參與者持中立態(tài)度（N=23，38.98%）；從接觸自動(dòng)駕駛汽車(chē)的經(jīng)歷來(lái)看，大部分參與者沒(méi)有接觸（N=41，69.49%），小部分參與者少量接觸（N=18，30.51%）。

表2 描述性統(tǒng)計(jì)分析Table 2 Descriptive Statistical Analysis

4.2 問(wèn)卷信效度檢驗(yàn)

對(duì)實(shí)驗(yàn)的59個(gè)有效數(shù)據(jù)進(jìn)行信度分析，利用Cronbach α系數(shù)檢驗(yàn)潛在變量測(cè)度項(xiàng)的內(nèi)部一致性，Cronbach α系數(shù)越高說(shuō)明量表的可信度越高，且Cronbach α系數(shù)不能低于0.7[28]。結(jié)果如表3所示，6個(gè)因子的Cronbach α系數(shù)均大于0.7，說(shuō)明該研究所采用的問(wèn)卷具有較高的信度。為評(píng)估量表的有效性，進(jìn)行確認(rèn)性因素分析（CFA）。結(jié)果顯示，所有項(xiàng)目的標(biāo)準(zhǔn)化因子負(fù)荷都高于0.5。6個(gè)因子也都符合收斂效度的標(biāo)準(zhǔn)（CR>0.7，AVE>0.5）。達(dá)到鑒別效度，因?yàn)锳VE的平方根高于構(gòu)面之間的相關(guān)度[29]。

表3 問(wèn)卷信度分析Table 3 Reliability Analysis of Questionnaire

4.3 用戶(hù)先驗(yàn)經(jīng)驗(yàn)對(duì)自動(dòng)駕駛系統(tǒng)接受度的影響

為了分析“駕駛頻率”和“對(duì)自動(dòng)駕駛汽車(chē)的態(tài)度”是否會(huì)影響用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)接受度，本研究根據(jù)基本信息將參與者分別分為2組，采用t檢驗(yàn)來(lái)檢驗(yàn)其對(duì)用戶(hù)接受度的影響。根據(jù)“駕駛頻率”分為“低頻組（N=44，74.58%）”和“高頻組（N=15，25.42%）”；根據(jù)“對(duì)自動(dòng)駕駛汽車(chē)的態(tài)度”分為“積極組（N=34，57.63%）”和“消極組（N=25，42.37%）”。

根據(jù)t檢驗(yàn)結(jié)果發(fā)現(xiàn)，“駕駛頻率”對(duì)用戶(hù)接受度無(wú)顯著影響（p=0.137），低頻組（M=3.050）與高頻組（M=2.858）對(duì)用戶(hù)接受度的影響無(wú)顯著性差異；“對(duì)自動(dòng)駕駛汽車(chē)的態(tài)度”對(duì)用戶(hù)接受度無(wú)顯著影響（p= 0.362），積極組（M=3.045）和消極組（M=2.941）對(duì)用戶(hù)接受度的影響無(wú)顯著性差異。

4.4 AR-HUD視覺(jué)解釋類(lèi)型對(duì)自動(dòng)駕駛系統(tǒng)用戶(hù)接受度的影響

本研究采用重復(fù)測(cè)量方差分析來(lái)檢驗(yàn)參與者在不同AR-HUD視覺(jué)解釋類(lèi)型中對(duì)自動(dòng)駕駛系統(tǒng)接受度是否存在顯著差異，測(cè)量結(jié)果如下。

參與者在不同視覺(jué)解釋類(lèi)型中對(duì)自動(dòng)駕駛系統(tǒng)接受度存在顯著差異（F=128.429，p=0.000<0.05）。接著對(duì)不同視覺(jué)解釋類(lèi)型進(jìn)行成對(duì)比較，結(jié)果如表4所示，三種視覺(jué)解釋類(lèi)型之間均存在顯著差異（p<0.05）。

表4 視覺(jué)解釋類(lèi)型成對(duì)比較結(jié)果Table 4 Pairs Compare Results of Visual Explanation Types

從圖2可以看出，參與者從圖標(biāo)解釋中對(duì)自動(dòng)駕駛系統(tǒng)的接受度最高（M=3.823，SD=0.572）,其次是文本解釋?zhuān)∕=3.264，SD=0.682），無(wú)解釋對(duì)參與者自動(dòng)駕駛系統(tǒng)的接受度最低（M=1.908，SD=0.810）。

圖2 視覺(jué)解釋類(lèi)型對(duì)參與者自動(dòng)駕駛系統(tǒng)接受度影響Fig.2 Effect of Visual Explanation Types on Participants' Acceptance of Autonomous Driving System

對(duì)自動(dòng)駕駛系統(tǒng)接受度的6個(gè)因子進(jìn)行重復(fù)測(cè)量方差分析，如表5所示。在感知安全風(fēng)險(xiǎn)中，AR-HUD的不同視覺(jué)解釋類(lèi)型對(duì)用戶(hù)的感知安全風(fēng)險(xiǎn)具有顯著差異（關(guān)系從大到小依次為，無(wú)解釋/文本解釋/圖標(biāo)解釋?zhuān)辉谑Ｓ?個(gè)因子中，AR-HUD的不同視覺(jué)解釋類(lèi)型對(duì)各個(gè)因子同樣具有顯著差異（關(guān)系從大到小依次為，圖標(biāo)解釋/文本解釋/無(wú)解釋?zhuān)?/p>

首先確定全自動(dòng)鋼印打印所需運(yùn)動(dòng)方式，即證件必須正確堆放在固定區(qū)域，由抓手抓住證件，而后將證件準(zhǔn)確送到鋼印機(jī)打印位置，完成后打印后退回原位，抓手將證件通過(guò)另一方向移動(dòng)將證件移至證件擺放區(qū)，松開(kāi)抓手，抓手原位返回繼續(xù)抓住第2個(gè)證件，重復(fù)上述動(dòng)作，最終

表5 6個(gè)因子的重復(fù)測(cè)量方差分析Table 5 Repeated Measure ANOVA with 6 Factors

4.5 環(huán)境可見(jiàn)度的調(diào)節(jié)作用

本研究采用重復(fù)測(cè)量方差分析來(lái)檢驗(yàn)環(huán)境可見(jiàn)度是否顯著調(diào)節(jié)視覺(jué)解釋類(lèi)型對(duì)參與者自動(dòng)駕駛系統(tǒng)接受度的影響。

環(huán)境可見(jiàn)度不能顯著影響視覺(jué)解釋類(lèi)型對(duì)參與者自動(dòng)駕駛系統(tǒng)接受度的作用（p=0.715>0.05），ARHUD視覺(jué)解釋類(lèi)型與環(huán)境可見(jiàn)度的交互情況見(jiàn)圖3。

圖3 視覺(jué)解釋類(lèi)型與可見(jiàn)度的交互關(guān)系Fig.3 The Interaction Between Visual Explanation Types and Visibility

5 討論

5.1 AR-HUD 視覺(jué)解釋類(lèi)型影響用戶(hù)接受度

根據(jù)實(shí)驗(yàn)結(jié)果，回答提出的第一個(gè)研究問(wèn)題：在人智駕駛交互中，AR-HUD的不同視覺(jué)解釋類(lèi)型在影響用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度上具有顯著差異，圖標(biāo)和文本兩種視覺(jué)解釋類(lèi)型都顯著提高了自動(dòng)駕駛系統(tǒng)的用戶(hù)接受度，且圖標(biāo)解釋要顯著高于文本解釋。

首先，與無(wú)解釋相比，有解釋可以顯著提高用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度。這與現(xiàn)有研究結(jié)果一致，當(dāng)有解釋突出顯示前方障礙物時(shí)，有助于用戶(hù)掌握自動(dòng)駕駛汽車(chē)的行為決策，降低不確定性，從而提升用戶(hù)對(duì)自動(dòng)駕駛的信任度和接受度[11,30]。

其次，與文本解釋相比，采用圖標(biāo)作為視覺(jué)解釋類(lèi)型時(shí)，用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度顯著更高。具體而言，相比于文本解釋?zhuān)捎脠D標(biāo)進(jìn)行解釋時(shí)，用戶(hù)的感知有用性、感知易用性以及行為意愿都更高，且感知安全風(fēng)險(xiǎn)較低，說(shuō)明用戶(hù)更傾向于圖標(biāo)解釋。同樣，實(shí)驗(yàn)后的訪(fǎng)談中大多數(shù)參與者表示圖標(biāo)解釋這種呈現(xiàn)形式更為直觀、易理解，而文本解釋的信息量密集，會(huì)降低識(shí)別速度。然而，以往關(guān)于行人對(duì)自動(dòng)駕駛汽車(chē)界面的感知研究中發(fā)現(xiàn)文本解釋比表情、光效等形式更能表達(dá)汽車(chē)對(duì)行人的意圖[31]。

出現(xiàn)本研究結(jié)果的原因可能是：（1）可視化圖標(biāo)比文本解釋類(lèi)型更能提高系統(tǒng)透明度[32-33]。根據(jù)XAI理論，XAI關(guān)鍵在于透明，提高系統(tǒng)透明性可以增加駕駛員信任度[4]，進(jìn)而提高對(duì)自動(dòng)駕駛系統(tǒng)的接受度[8]，所以在用戶(hù)接受度上，圖標(biāo)解釋優(yōu)于文本解釋。（2）通常情況下，圖標(biāo)比文本解釋類(lèi)型更能降低駕駛員的外在認(rèn)知負(fù)荷，所消耗的認(rèn)知資源更少[34]。根據(jù)認(rèn)知負(fù)荷理論，在駕駛環(huán)境中，駕駛員的認(rèn)知資源有限，認(rèn)知資源的過(guò)多消耗會(huì)提升感知風(fēng)險(xiǎn)水平，進(jìn)而降低用戶(hù)對(duì)自動(dòng)駕駛接受度[8,17]，所以在用戶(hù)接受度上，圖標(biāo)解釋優(yōu)于文本解釋。

5.2 環(huán)境可見(jiàn)度的調(diào)節(jié)作用

根據(jù)實(shí)驗(yàn)結(jié)果，回答提出的第二個(gè)研究問(wèn)題：在人智駕駛交互中，環(huán)境可見(jiàn)度在視覺(jué)解釋類(lèi)型影響用戶(hù)對(duì)自動(dòng)駕駛的接受度上不存在顯著調(diào)節(jié)作用。這與現(xiàn)有研究結(jié)論不一致，現(xiàn)有研究發(fā)現(xiàn)，在低可見(jiàn)度環(huán)境中，傾向簡(jiǎn)單解釋類(lèi)型，而在高可見(jiàn)度環(huán)境中，用戶(hù)更傾向具有詳細(xì)信息的歸因解釋類(lèi)型[17]。本實(shí)驗(yàn)中設(shè)置的白天和黑夜兩種可見(jiàn)度環(huán)境沒(méi)有發(fā)現(xiàn)顯著的調(diào)節(jié)效應(yīng)，原因可能是，一方面，由于實(shí)驗(yàn)條件有限，無(wú)法逼真地構(gòu)建兩種可見(jiàn)度環(huán)境，可能無(wú)法有效操縱兩種實(shí)驗(yàn)條件[23]；另一方面，可見(jiàn)度環(huán)境的設(shè)置不同可能會(huì)影響調(diào)節(jié)效果，現(xiàn)有研究為拉大不同可見(jiàn)度環(huán)境的差異性，設(shè)置了晴朗白天和雪天黑夜兩種可見(jiàn)度環(huán)境[17]，而本研究設(shè)置的是白天和黑夜兩種可見(jiàn)度環(huán)境，所以環(huán)境可見(jiàn)度的影響結(jié)果可能不同。

6 結(jié)論與展望

6.1 結(jié)論

本研究基于認(rèn)知負(fù)荷理論，探究?jī)煞N可見(jiàn)度條件下采用何種AR-HUD視覺(jué)解釋類(lèi)型能夠提高用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度，得到如下結(jié)論：

（1）AR-HUD的三種視覺(jué)解釋類(lèi)型在影響用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度上存在顯著差異，采用圖標(biāo)作為視覺(jué)解釋類(lèi)型時(shí)用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度最高；其次是文本解釋?zhuān)欢鵁o(wú)視覺(jué)解釋類(lèi)型時(shí)用戶(hù)對(duì)自動(dòng)駕駛系統(tǒng)的接受度最低。

（2）環(huán)境可見(jiàn)度不存在顯著的調(diào)節(jié)作用，兩種可見(jiàn)度條件沒(méi)有觀察到顯著的調(diào)節(jié)效應(yīng)。

6.2 研究?jī)r(jià)值

本研究具有重要的理論意義：（1）豐富了自動(dòng)駕駛中AR-HUD和用戶(hù)接受度的實(shí)證研究。以往關(guān)于自動(dòng)駕駛接受度研究大多基于公眾的視角，并從宏觀角度探究公眾對(duì)自動(dòng)駕駛的態(tài)度、了解程度、支付意愿、使用偏好等。本研究聚焦于用戶(hù)視角，對(duì)可能影響自動(dòng)駕駛系統(tǒng)接受度的AR-HUD視覺(jué)解釋類(lèi)型進(jìn)行比較和論證，增強(qiáng)了自動(dòng)駕駛系統(tǒng)接受度研究的科學(xué)性。（2）提供了應(yīng)用用戶(hù)體驗(yàn)度量的實(shí)證研究，說(shuō)明了采用受控實(shí)驗(yàn)解決跨領(lǐng)域?qū)嶋H設(shè)計(jì)問(wèn)題的可行性和適用性，展現(xiàn)了實(shí)施度量用戶(hù)體驗(yàn)過(guò)程中圖情領(lǐng)域的學(xué)科優(yōu)勢(shì)。（3）提供了采用用戶(hù)體驗(yàn)度量來(lái)優(yōu)化智能產(chǎn)品設(shè)計(jì)的新思路，為未來(lái)圖情與設(shè)計(jì)領(lǐng)域開(kāi)展學(xué)科交叉的系列研究提供了應(yīng)用案例。

同時(shí)本研究具有重要的實(shí)踐意義：（1）本研究結(jié)合仿真軟件和實(shí)體模型創(chuàng)建了相對(duì)真實(shí)的自動(dòng)駕駛場(chǎng)景，并對(duì)自動(dòng)駕駛系統(tǒng)的用戶(hù)接受度實(shí)現(xiàn)了量化觀測(cè)，研究結(jié)果對(duì)人智駕駛交互中AR-HUD的界面交互設(shè)計(jì)具有指導(dǎo)意義。（2）本研究考慮了環(huán)境因素中的可見(jiàn)度，探究可見(jiàn)度對(duì)自動(dòng)駕駛交互設(shè)計(jì)的影響，為未來(lái)人智駕駛交互設(shè)計(jì)方向提供借鑒。

6.3 研究展望

本研究也具有一定的局限性：首先，由于環(huán)境限制，無(wú)法構(gòu)建真實(shí)的可見(jiàn)度環(huán)境，未來(lái)可以?xún)?yōu)化實(shí)驗(yàn)的環(huán)境變量，提高生態(tài)效度；其次，實(shí)驗(yàn)樣本的選取具有一定偏差，本實(shí)驗(yàn)樣本均為在校大學(xué)生，他們更愿意主動(dòng)接受新技術(shù)且對(duì)自動(dòng)駕駛技術(shù)的總體態(tài)度較為積極，未來(lái)研究可以擴(kuò)大樣本范圍；再次，有6名參與者在事后訪(fǎng)談中提到解釋界面中圖標(biāo)透明度會(huì)影響觀看和理解，未來(lái)人智交互界面研究中，可以針對(duì)AR-HUD界面元素進(jìn)行設(shè)計(jì)優(yōu)化；最后，本實(shí)驗(yàn)采用了問(wèn)卷法來(lái)測(cè)量用戶(hù)接受度，未來(lái)可以結(jié)合客觀的行為和生理數(shù)據(jù)進(jìn)一步探究用戶(hù)的交互體驗(yàn)過(guò)程和心理機(jī)制。

作者貢獻(xiàn)說(shuō)明

李卓：提出研究思路，設(shè)計(jì)研究方案，論文最終版本修訂；

童先順：撰寫(xiě)論文，處理、分析數(shù)據(jù)，論文最終版本修訂；

田慧溢：撰寫(xiě)并修改論文，論文最終版本修訂；

劉星辰：收集與梳理文獻(xiàn)，收集實(shí)驗(yàn)數(shù)據(jù)。

支撐數(shù)據(jù)

支撐數(shù)據(jù)由作者自存儲(chǔ)，E-mail:txshun@whut.edu.cn。

1.童先順, 劉星辰. User questionnaire data.xlsx. 用戶(hù)問(wèn)卷數(shù)據(jù).