Ein Team von Forschern der UCL hat eine neue Methode entwickelt, um das Aufmerksamkeitsniveau und die Bereitschaft von Fahrern, auf Warnsignale zu reagieren, während sie den Autopilot-Modus verwenden, zu erfassen. Die Studie ergab, dass das Aufmerksamkeitsniveau und die Aktivitäten auf dem Bildschirm anhand der Augenbewegungen erkannt werden können. Dies legt nahe, dass die Bereitschaft der Fahrer, auf reale Signale während des Autopilot-Modus zu reagieren, auf diese Weise eingeschätzt werden kann. Die Forscher führten Experimente mit 42 Teilnehmern durch und testeten ihr Aufmerksamkeitsniveau in einem simulierten “Übernahmeszenario”. Die Analyse zeigte, dass das Aufmerksamkeitsniveau anhand der Muster der Augenbewegungen erkannt werden konnte, was auf den Grad der Aufgabenanforderung hindeutet. Die Forscher trainierten auch ein maschinelles Lernmodell, um das Engagement der Teilnehmer anhand der Augenbewegungsmuster vorherzusagen. Die Studie unterstreicht die Bedeutung der Erkennung des Aufmerksamkeitsniveaus von Fahrern, insbesondere wenn sie während des Autopilot-Modus mit anderen Aufgaben beschäftigt sind. Die Forschung wurde von JLR und dem Engineering and Physical Sciences Research Council finanziert.
Einführung
Dieser Artikel untersucht eine neue Methode, die von einem Forscherteam der UCL entwickelt wurde, um das Aufmerksamkeitsniveau von Fahrern und ihre Bereitschaft, auf Warnsignale zu reagieren, im Autopilotmodus zu erkennen. Die von JLR und dem Engineering and Physical Sciences Research Council finanzierte Studie hebt die Bedeutung der Identifizierung des Aufmerksamkeitsniveaus von Fahrern besonders hervor, wenn sie während des Autopilotmodus mit anderen Aufgaben beschäftigt sind.
Erkennung des Aufmerksamkeitsniveaus durch Augenbewegungen
Gemäß der von dem UCL-Team durchgeführten Forschung können das Aufmerksamkeitsniveau und die Einbindung in Bildschirmaktivitäten anhand von Augenbewegungen ermittelt werden. Diese Erkenntnis bietet eine mögliche Methode, um die Bereitschaft der Fahrer zur Reaktion auf reale Signale im Autopilotmodus zu bewerten.
Experimenteller Aufbau und Ergebnisse
Die Forscher führten Experimente mit 42 Teilnehmern durch, um ihr Aufmerksamkeitsniveau in einem simulierten “Übernahme” -Szenario zu testen. Sie analysierten die Augenbewegungsmuster der Teilnehmer und stellten eine Korrelation zwischen diesen Mustern und dem Aufmerksamkeitsniveau fest, was auf das Maß der Aufgabenerfordernis hinweist. Diese Entdeckung demonstriert das Potenzial der Nutzung von Augenbewegungen als Indikator für das Aufmerksamkeitsniveau der Fahrer.
Machine-Learning-Modell zur Vorhersage der Einbindung
Neben der Erkennung des Aufmerksamkeitsniveaus hat das UCL-Team ein Machine-Learning-Modell trainiert, um die Einbindung der Teilnehmer aufgrund ihrer Augenbewegungsmuster vorherzusagen. Dieses Modell bietet ein nützliches Werkzeug zur Bewertung der Bereitschaft der Fahrer, auf Warnsignale zu reagieren, während sie sich im Autopilotmodus befinden.
Auswirkungen für den Autopilotmodus
Die Ergebnisse dieser Studie haben erhebliche Auswirkungen auf die Verwendung des Autopilotmodus in Fahrzeugen. Durch die Erkennung des Aufmerksamkeitsniveaus der Fahrer und ihrer Einbindung in Bildschirmaktivitäten können Autopilot-Systeme besser verstehen, wann Fahrer die Kontrolle über das Fahrzeug übernehmen müssen. Dies kann die Sicherheit und Effektivität der Autopilot-Technologie verbessern.
Verbesserte Überwachung des Aufmerksamkeitsniveaus
Die Fähigkeit, das Aufmerksamkeitsniveau zu erkennen, ermöglicht es Autopilot-Systemen, Fahrern in Echtzeit Feedback zu geben und sie daran zu erinnern, aufmerksam zu bleiben und bereit zu sein, auf mögliche Gefahren zu reagieren. Diese Überwachung kann besonders wichtig sein, wenn Fahrer während des Autopilotmodus mit anderen Aufgaben beschäftigt sind.
Optimierung des Benutzeroberflächendesigns
Die Forschungsergebnisse unterstreichen die Bedeutung der Gestaltung von Benutzeroberflächen, die die Aufmerksamkeit und Einbindung der Fahrer erleichtern. Durch das Verständnis, wie Augenbewegungen mit dem Aufmerksamkeitsniveau zusammenhängen, können Designer Schnittstellen schaffen, die Ablenkungen minimieren und die Fähigkeit des Fahrers maximieren, schnell auf Warnsignale zu reagieren.
Fazit
Die Entwicklung einer Methode durch das UCL-Forscherteam, um das Aufmerksamkeitsniveau und die Bereitschaft von Fahrern im Autopilotmodus anhand von Augenbewegungen zu erkennen, ist ein bedeutender Fortschritt. Diese Erkenntnis eröffnet Möglichkeiten zur Verbesserung der Sicherheit und Effektivität von Autopilot-Systemen in Fahrzeugen. Durch die Überwachung des Aufmerksamkeitsniveaus und die Optimierung des Benutzeroberflächendesigns kann die Automobilindustrie das Fahrerlebnis verbessern und die mit dem Autopilotmodus verbundenen Risiken reduzieren.
