Verständnis der menschlichen Verhaltensmechanismen zum Nutzen neuer Technologien

An den Institutes of Innovation for Future Society der Universität Nagoya erforschen zukunftsorientierte Forscher, wie menschliche Verhaltensmechanismen verstanden werden können, um neue Technologien zu nutzen.

Zielsetzung

An den Institutes of Innovation for Future Society der Universität Nagoya untersucht die HMI and Human Characteristics Research Division das Interaktionsdesign zwischen Menschen und intelligenten Systemen für neuartige Mobilitätsschnittstellen und -dienste. Diese Forscher arbeiten an der Einführung neuer Schnittstellen und Dienste, die auf der Analyse des Fahrerverhaltens hinter dem Steuer basieren. Eye Tracking-Lösungen ermöglichen es den Forschern, die entscheidenden Blickbewegungen von Fahrern zu erkennen, ohne in die Privatsphäre einzugreifen.

Methode

In Japan nehmen Verkehrsunfälle, die von älteren Fahrern verursacht werden, zu. Hinzu kommt, dass das Auto immer wichtiger für die Unabhängigkeit im täglichen Leben wird. Aus diesem Grund hat das Institute for Innovation for Future Society der Universität Nagoya in einer Studie ein Fahrer-Agenten-System vorgeschlagen, das ältere Autofahrer unterstützt und sie dazu anregt, ihr Fahrverhalten zu verbessern.

In der Eye Tracking-Studie hat das Labor der Universität Nagoya dreißig männliche und weibliche Autofahrer im Alter zwischen 50 und 76 Jahren beobachtet, wie sie sich in einem Fahrsimulator verhalten, wenn sie sich einem Stoppschild an einer Kreuzung nähern. Die aus dieser Analyse gewonnenen Daten konnten die Fähigkeiten zur Verarbeitung visueller Informationen, die Funktion der Bewusstseinszuweisung und das Sichtfeld aufzeigen.

Die Forscher experimentierten mit dem Einsatz von drei verschiedenen Fahreragenten: einem sprachlichen, einem visuellen und einem Roboteragenten. Diese wurden in Simulatoren eingesetzt, die mit Eye Trackers von Tobii ausgestattet waren und älteren Fahrern die gleiche Unterstützung boten, um die effektivste Version zu ermitteln. Der Simulator stellte eine Fahrsituation mit einer hohen Kollisionsrate unter älteren Fahrern dar, und die verschiedenen Agenten führten die Fahrer durch die Gefahrenzone. Die Eye Trackers zeichneten Blickdaten auf, die Aufschluss über die Ablenkung des Fahrers gaben.

Schlussfolgerung

Insgesamt zeigten die Ergebnisse der Studie, dass entgegen den ursprünglichen Hypothesen der Roboter-Fahrer-Agent am wirksamsten zur Förderung eines sicheren Fahrverhaltens und zur Unfallverhütung beitrug. Er war am auffälligsten, am wenigsten aufdringlich und wurde von der Mehrheit der älteren Fahrer am ehesten akzeptiert. Die Fixationspunkte waren unter den Bedingungen des Roboters am stärksten konvergiert, und die Blickdauer war sehr kurz, was bedeutet, dass ein ähnlicher Agent nicht notwendigerweise zu einer großen Störung des Fahrverhaltens führt.

Der nur stimmliche Agent war für ältere Fahrer am wenigsten hilfreich, obwohl man davon ausging, dass er am leichtesten zu erkennen sei. Er verursachte die meisten abweichenden Blickmuster, was möglicherweise darauf hindeutet, dass die Fahrer die bereitgestellten Informationen nicht verstehen konnten und instinktiv nach der Quelle suchten.

Veröffentlichungen

Takahiro Tanaka, Kazuhiro Fujikake, Takashi Yonekawa, Misako Yamagishi, Makoto Inagami, Fumiya Kinoshita, Hirofumi Aoki, Hitoshi Kanamori (2018).

Study on Driver Agent based on Analysis of Driving Instruction Data - Driver Agent for Encouraging Safe Driving Behavior (1)

Takahiro Tanaka, Kazuhiro Fujikake, Takashi Yonekawa, Makoto Inagami, Fumiya Kinoshita, Hirofumi Aoki, Hitoshi Kanamori (2018).

Auswirkung der unterschiedlichen Form des Fahrunterstützungsmittels auf die Akzeptanz des Fahrers - Fahrermittel zur Förderung eines sicheren Fahrverhaltens (2)

Takahiro Tanaka, Kazuhiro Fujikake, Yuki Yoshihara, Nihan Karatas, Hirofumi Aoki, Hitoshi Kanamori (2020)

Vorstudie zur Durchführbarkeit eines Fahreragenten in einer realen Fahrzeugumgebung - Fahreragent zur Förderung eines sicheren Fahrverhaltens (3)

Takahiro Tanaka, Kazuhiro Fujikake, Yuki Yoshihara, Nihan Karatas, Kan Shimazaki, Hirohumi Aoki, Hitoshi Kanamori (2020).

Analyse der Ablenkung und der Verbesserung des Fahrverhaltens durch einen Fahrassistenten bei älteren und nicht älteren Fahrern auf öffentlichen Straßen