关键词:
HUD布局
认知负荷
设计评价
工业设计
眼动追踪
摘要:
汽车作为移动互联网的重要研究和渗透方向,将成为未来数字化发展的重要领域。大量的车载信息显示在不同程度上占用了驾驶员有限的认知资源,使得他们很难在任务之间有效地分配注意力。抬头显示器(Head Up Display,HUD)作为一种汽车显示屏幕视觉辅助技术,近年来引起了广泛的关注。其将关键驾驶信息以可视化方式投影在车辆前方的挡风玻璃上,为驾驶员提供了实时信息,减少了驾驶员的视觉转移,提升了驾驶安全性,也提供了更直观、更安全的驾驶体验。但HUD界面作为与驾驶者之间的重要信息交流媒介,需要满足多重挑战。首先,HUD界面必须有效传达必要的信息,以帮助驾驶者做出明智的决策,但又不能过于分散他们的注意力。其次,不同驾驶者的认知能力和驾驶经验各不相同,这意味着HUD界面的设计必须适应不同用户的需求,而不仅仅是一种标准化的解决方案。因此,需要对智能汽车HUD界面进行评价研究,帮助用户选择更加合理的界面设计。针对当前智能汽车HUD认知负荷评价缺乏客观量化的评价方法,本文从认知负荷角度出发,结合结构布局美度和任务效率三个层面提出了HUD界面布局评价标准体系。然后提出了基于贝叶斯BWM和Gray-TOPSIS的智能汽车HUD界面认知评价量化方法。具体的研究内容如下:
(1)在当前智能化的时代背景下,针对智能汽车HUD认知负荷评价,提出了一种综合的评价指标体系。首先,从认知负荷的角度出发,结合HUD界面结构和任务效率构建完整的评价结构体系。应用眼动追踪、主观数据量表等量化方法得到用户实时的,准确的指标数据。通过对测量数据的归纳分析,从而完成面向用户有效的智能汽车HUD认知负荷评价指标数据准备。
(2)针对智能汽车HUD认知负荷量化评价问题,提出基于贝叶斯BWM和GrayTOPSIS的多准则决策方法,对智能汽车HUD进行综合评价。通过贝叶斯BWM方法进行评价指标对比分析,确定各个指标的权重,然后根据Gray-TOPSIS法对智能汽车HUD方案进行优度选择排序。该方法能够有效地从理论量化层面对智能汽车HUD完成综合评价。
(3)通过对智能汽车HUD案例的搜集归纳,并运用本文提出的综合评价模型,对HUD方案进行综合评价与排序。并与当前同类型的评估方法进行对比,检验了本文所提方法的适用性和有效性。同时通过仿真实验验证了本文所提方法对于评价方案有很好的区分度,并结合案例进一步说明了该方法的适用性。
(4)在本文提出的智能汽车HUD认知负荷量化评价模型基础上,设计开发用于量化评价的软件应用。主要包括用户评价指标选择,界面方案输入和方案决策分析等。对HUD方案的优化改进具有一定的参考价值,提高了优化设计的效率。