Shift in Fahrerrollen durch Fahrzeugautomatisierung
Studie untersucht die Aufmerksamkeit der Fahrer und die kognitive Belastung in automatisierten Fahrzeugszenarien.
― 5 min Lesedauer
Inhaltsverzeichnis
Mit der zunehmenden Automatisierung von Fahrzeugen verändern sich die Rollen der Fahrer. Anstatt aktiv zu fahren, werden sie zu Aufsichtspersonen für die Systeme des Fahrzeugs. Dieser Wandel könnte die Art und Weise, wie Fahrer denken und sich im Strassenverkehr verhalten, erheblich beeinflussen. Diese Studie zielt darauf ab, zu untersuchen, wie Fahrer ihre Aufmerksamkeit steuern und wie viel mentale Anstrengung sie empfinden, wenn sie mit verschiedenen Automatisierungsgraden fahren.
Die Bedeutung von Aufmerksamkeit und kognitiver Belastung
Aufmerksamkeit spielt eine entscheidende Rolle beim Fahren. Fahrer müssen ständig ihre Umgebung im Auge behalten und auf verschiedene Reize reagieren, wie andere Fahrzeuge oder Verkehrszeichen. Kognitive Belastung ist der mentale Aufwand, der nötig ist, um eine Aufgabe zu erledigen. In dieser Studie haben wir uns angeschaut, wie Fahrer ihre Aufmerksamkeit verteilen und die kognitive Belastung empfinden, wenn sie unter verschiedenen Bedingungen fahren: manuell, mit teilweiser Automatisierung (SAE Level 2) und mit bedingter Automatisierung (SAE Level 3).
Methodik
Um diese Veränderungen zu untersuchen, haben wir ein Experiment mit 30 Teilnehmern auf einer Teststrecke durchgeführt. Sie fuhren ein Prototyp-Fahrzeug unter verschiedenen Bedingungen, während wir ihre Gehirnaktivität aufzeichneten und selbstberichtete Daten zur kognitiven Belastung sammelten.
Teilnehmer
Die Teilnehmer waren Erwachsene aus der deutschen Bevölkerung im Alter von 22 bis 64 Jahren. Sie waren alle erfahrene Fahrer, hatten jedoch keine Vorerfahrung mit automatisierten Fahrzeugen.
Versuchsaufbau
Das Experiment fand auf einer kontrollierten Teststrecke statt, die realen Fahrbedingungen nachempfunden war. Jeder Teilnehmer erlebte drei verschiedene Fahrbedingungen:
- Manuelles Fahren: Die Teilnehmer fuhren das Auto selbst ohne jegliche Unterstützung. 
- SAE Level 2 Fahren: Das Fahrzeug steuerte das Lenken und Beschleunigen, aber die Teilnehmer mussten das System ständig überwachen. 
- SAE Level 3 Fahren: Das Fahrzeug konnte die meisten Situationen selbstständig bewältigen, und die Fahrer konnten andere Tätigkeiten ausüben, bis das System ihre Aufmerksamkeit anforderte. 
Während jeder Fahrbedingung präsentierten wir den Teilnehmern verschiedene Geräusche, um zu sehen, wie gut sie diese akustischen Informationen verarbeiten konnten, während sie sich auf das Fahren konzentrierten. Wir zeichneten ihre Gehirnaktivität mit EEG auf und massen ihre empfundene kognitive Belastung mithilfe eines standardisierten Fragebogens.
Ergebnisse
Kognitive Belastung und Aufmerksamkeit
Unsere Ergebnisse zeigen, dass Fahrer je nach Fahrbedingung unterschiedliche kognitive Belastungen empfanden. SAE Level 3 Fahren wurde als die mental am wenigsten belastende Erfahrung wahrgenommen, während manuelles Fahren und SAE Level 2 als herausfordernder angesehen wurden.
P3a-Amplitudenmessungen
Wir haben die Aufmerksamkeitsressourcen der Fahrer mithilfe der P3a-Komponente in ihren Gehirnwellen gemessen. Diese Messung hilft uns zu verstehen, wie viel Aufmerksamkeit auf die Verarbeitung von Geräuschen in der Umgebung verwendet wird. Wir fanden heraus, dass die höchste P3a-Amplitude während des manuellen Fahrens auftrat, was darauf hinweist, dass die Fahrer in diesem Zustand mehr Aufmerksamkeit auf Umgebungsgeräusche richteten als bei L2 und L3 Automatisierung.
Erfahrungen der Fahrer
Insgesamt berichteten die Teilnehmer, dass sie während des manuellen Fahrens und beim SAE Level 2 ähnliche kognitive Belastungen empfanden. Allerdings fühlten sie während des SAE Level 3 Fahrens deutlich weniger Belastung. Das deutet darauf hin, dass die Möglichkeiten, die durch höhere Automatisierungsgrade ermöglicht werden, zu einer geringeren Engagement-Haltung bei den Fahrern führen könnten, was letztendlich dazu führen könnte, dass sie weniger auf ihre Umgebung achten.
Auswirkungen auf Sicherheit und Benutzeroberflächendesign
Der Übergang vom Fahren zur Aufsicht kann zu einem Rückgang des Situationsbewusstseins führen. Fahrer könnten in hochautomatisierten Fahrzeugen weniger aufmerksam sein, was Sicherheitsbedenken aufwerfen kann. Diese Studie unterstreicht die Notwendigkeit, Benutzeroberflächen zu gestalten, die die Fahrer informiert und engagiert halten, um sicherzustellen, dass sie sich ihrer Umgebung und dem Status des Fahrzeugs bewusst bleiben.
Wichtige Empfehlungen
- Entwicklung benutzerzentrierter Schnittstellen: Schnittstellen sollten so gestaltet sein, dass sie die Fahrer auch im automatisierten Modus ansprechen und sicherstellen, dass sie sich ihrer Umgebung bewusst bleiben. 
- Überwachung der Fahrerzustände: Die Implementierung von Systemen, die die Aufmerksamkeitszustände der Fahrer in Echtzeit bewerten können, könnte von Vorteil sein. Benutzeroberflächen sollten sich an die Bedürfnisse des Fahrers anpassen, um Sicherheit und Komfort zu fördern. 
- Fahrerbildung: Eine angemessene Schulung zum Umgang mit automatisierten Fahrzeugen kann den Fahrern helfen, besser zu verstehen, was sie erwartet, und somit ihre Erfahrung zu verbessern. 
- Tests in der realen Welt: Experimente in echten Fahrumgebungen, anstatt auf kontrollierten Teststrecken, können mehr Einblicke in das tatsächliche Fahrverhalten bieten. 
Einschränkungen der Studie
Obwohl diese Studie wertvolle Erkenntnisse bietet, hat sie auch Einschränkungen. Die Fahrbedingungen waren nicht so komplex wie in realen Verkehrssituationen. Zukünftige Forschungen sollten sich auf längere Fahrzeiten konzentrieren und eine vielfältigere Fahrergruppe einbeziehen, um diese Wechselwirkungen weiter zu erforschen.
Fazit
Das Verständnis der Veränderungen in den Fahrerrollen mit zunehmender Fahrzeugautomatisierung ist entscheidend für die Verbesserung von Sicherheit und Benutzererfahrung. Diese Studie zeigt, wie Fahrer kognitive Belastung wahrnehmen und Aufmerksamkeit über verschiedene Automatisierungsgrade hinweg verteilen. Mit der fortschreitenden Entwicklung der Automatisierung sollten auch unsere Ansätze zur Unterstützung und Überwachung der Fahrer weiterentwickelt werden, um einen sicheren Betrieb der Fahrzeuge zu gewährleisten.
Titel: From Driver to Supervisor: Comparing Cognitive Load and EEG-based Attentional Resource Allocation across Automation Levels
Zusammenfassung: With increasing automation, drivers' roles transition from active operators to passive system supervisors, affecting their behaviour and cognitive processes. This study addresses the attentional resource allocation and subjective cognitive load during manual, SAE Level 2, and SAE Level 3 driving in a realistic environment. An experiment was conducted on a test track with 30 participants using a prototype automated vehicle. While driving, participants were subjected to a passive auditory oddball task and their electroencephalogram was recorded. The study analysed the amplitude of the P3a event-related potential component elicited by novel environmental stimuli, an objective measure of attentional resource allocation. The subjective cognitive load was assessed using the NASA Task Load Index. Results showed no significant difference in subjective cognitive load between manual and Level 2 driving, but a decrease in subjective cognitive load in Level 3 driving. The P3a amplitude was highest during manual driving, indicating increased attentional resource allocation to environmental sounds compared to Level 2 and Level 3 driving. This may suggest that during automated driving, drivers allocate fewer attentional resources to processing environmental information. It remains unclear whether the decreased processing of environmental stimuli in automated driving is due to top-down attention control (leading to attention withdrawal) or bottom-up competition for resources induced by cognitive load. This study provides novel empirical evidence on resource allocation and subjective cognitive load in automated driving. The findings highlight the importance of managing drivers' attention and cognitive load with implications for enhancing automation safety and the design of user interfaces.
Autoren: Nikol Figalová, Hans-Joachim Bieg, Julian Elias Reiser, Yuan-Cheng Liu, Martin Baumann, Lewis Chuang, Olga Pollatos
Letzte Aktualisierung: 2023-11-10 00:00:00
Sprache: English
Quell-URL: https://arxiv.org/abs/2306.08477
Quell-PDF: https://arxiv.org/pdf/2306.08477
Lizenz: https://creativecommons.org/licenses/by/4.0/
Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.
Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.
Referenz Links
- https://www.latex-project.org/lppl.txt
- https://doi.org/10.17632/yyndyf8wxb.1
- https://doi.org/10.1145/3406324.3425896
- https://news.sky.com/story/police-in-germany-chase-tesla-for-15-minutes-after-driver-turns-on-autopilot-and-goes-to-sleep-12778306
- https://theintercept.com/2023/01/10/tesla-crash-footage-autopilot/
- https://github.com/sccn/labstreaminglayer
- https://github.com/xdf-modules/xdf-EEGLAB