home
Buscar
Comprender los mecanismos del comportamiento humano en beneficio de las nuevas tecnologías

Historia del cliente

Comprender los mecanismos del comportamiento humano en beneficio de las nuevas tecnologías

Institutos de Innovación para la Sociedad del Futuro de la Universidad de Nagoya

En los Institutos de Innovación para la Sociedad del Futuro de la Universidad de Nagoya, investigadores con visión de futuro estudian cómo comprender los mecanismos del comportamiento humano en beneficio de las nuevas tecnologías.

Objetivo

En los Institutos de Innovación para la Sociedad del Futuro de la Universidad de Nagoya, la División de Investigación de HMI y Características Humanas estudia el diseño de interacciones entre humanos y sistemas inteligentes para novedosas interfaces y servicios de movilidad. Estos investigadores trabajan para introducir nuevas interfaces y servicios basados en el análisis de los comportamientos del conductor al volante. Las soluciones de Eye tracking permiten a sus investigadores reconocer los movimientos cruciales de la mirada de los conductores sin ninguna intrusión.

Los movimientos de la mirada del conductor son una de las claves principales para comprender las intenciones al volante y evaluar la aceptabilidad y facilidad de uso de la HMI.
Profesor Takahiro Tanaka, Instituto de Innovación para la Sociedad del Futuro de la Universidad de Nagoya, División de Investigación de HMI y Características Humanas.

Método

En Japón aumentan los accidentes de tráfico causados por conductores de edad avanzada. Además, los coches son cada vez más cruciales para que sigan siendo independientes en su vida diaria. Por eso, el Instituto de Innovación para la Sociedad del Futuro de la Universidad de Nagoya propuso en un estudio un sistema conductor-agente que apoye a los usuarios de automóviles de edad avanzada y les anime a mejorar su conducción en general.

En el estudio de Eye tracking, el laboratorio de la Universidad de Nagoya reunió a treinta conductores de ambos sexos de edades comprendidas entre los 50 y los 76 años para observar cómo se desenvolvían dentro de un simulador de conducción al acercarse a una señal de stop en un cruce. Los datos extraídos de este análisis pudieron mostrar la capacidad de procesamiento de la información visual, la función de asignación de la atención y el campo de visión.

Los investigadores experimentaron con el uso de tres agentes de conducción distintos: uno vocal, otro visual y otro robótico. Se aplicaron en simuladores, configurados con Eye trackers de Tobii , que ofrecían la misma ayuda a los conductores de edad avanzada para determinar la versión más eficaz. El simulador presentaba una situación de conducción con un alto índice de colisiones entre los conductores de edad avanzada, y los distintos agentes ofrecían una guía de conducción a través de la zona de peligro. Los Eye trackers registraron los datos de la mirada para conocer la distracción del conductor por motivos de atención.

Conclusión

En general, los resultados del estudio mostraron que, en contra de las hipótesis iniciales, el agente conductor robot era el más eficaz para fomentar comportamientos de conducción seguros y prevenir accidentes. Era el más perceptible, el menos intrusivo y el más aceptable para la mayoría de los conductores de edad avanzada. Los puntos de fijación eran más convergentes en la condición de robot. y el tiempo de mirada correspondía a una duración muy corta, lo que implica que un agente similar no conduce necesariamente a una enorme perturbación de la conducción.

 Imagen 1: Condición vocal Imagen 2: Condición visual Imagen 3: Condición robótica
Imagen 1: Condición vocal Imagen 2: Condición visual Imagen 3: Condición robótica

El agente sólo vocal fue el menos útil para los conductores de edad avanzada, a pesar de suponer que sería el más fácil de percibir. Provocaba los patrones de mirada más divergentes, lo que posiblemente indicaba que los conductores no podían entender la información que se les proporcionaba y buscaban instintivamente la fuente.

Publicaciones

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

Estudio sobre el agente conductor basado en el análisis de datos de instrucciones de conducción - Agente conductor para fomentar el comportamiento seguro al volante (1) .

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

Efecto de la diferencia en la forma del agente de apoyo a la conducción sobre la aceptabilidad del conductor - Agente conductor para fomentar un comportamiento seguro al volante (2)

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

Estudio preliminar sobre la viabilidad de un agente conductor en un entorno automovilístico real - Agente conductor para fomentar un comportamiento seguro al volante (3)

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

Análisis de la distracción y mejora del comportamiento al volante mediante un agente de apoyo a la conducción para conductores mayores y no mayores en vías públicas

Escrito por

Tobii

Leer más

6 minutos

¿Quiere saber cómo puede utilizar el Eye tracking y la computación de la atención en su investigación?

Rellene el formulario y uno de nuestros expertos se pondrá en contacto con usted en breve.

Profundice en más temas sobre la investigación de la conducción