Simple Science

La science de pointe expliquée simplement

# Informatique# Interaction homme-machine# Robotique

Comprendre la confiance dans les véhicules automatisés

Cette étude identifie des profils de confiance qui façonnent l'expérience des utilisateurs dans les véhicules autonomes.

― 8 min lire


Profils de confiance dansProfils de confiance dansles véhicules autonomesutilisateurs de véhicules automatisés.confiance essentielles chez lesUne étude révèle les dynamiques de
Table des matières

La Confiance est super importante pour la sécurité et l'acceptation des Véhicules automatisés (AV). Si les gens ne font pas confiance aux AV, ils seront moins enclins à les utiliser. Cette recherche explore comment créer des Profils de confiance qui peuvent personnaliser l’expérience des conducteurs dans les AV. L'étude a été réalisée à l'aide d'un simulateur de conduite où les participants devaient prendre le contrôle du véhicule dans différentes situations. On a regardé des facteurs comme les niveaux de confiance, la Personnalité et les Émotions pendant ces prises de contrôle.

Pourquoi la confiance est importante dans les véhicules automatisés

Les véhicules automatisés ont le potentiel de changer notre façon de voyager en rendant ça plus sûr et plus efficace. Mais la confiance est essentielle pour encourager les gens à les utiliser. Sans confiance, beaucoup seront réticents à adopter la technologie. Donc, concevoir des AV pour bâtir la confiance est crucial pour leur acceptation.

Différentes études ont examiné la confiance dans les systèmes automatisés et identifié les éléments clés qui l'influencent, comme la transparence, la fiabilité et la performance. Par exemple, quand un AV fonctionne correctement et sans problèmes, les participants sont plus enclins à lui faire confiance. De plus, donner des infos claires sur l'état de l'AV peut renforcer la confiance.

Cependant, comprendre comment les différences individuelles impactent la confiance dans les AV a été moins étudié. Des facteurs comme l'âge, l'expérience de conduite et la personnalité sont importants mais souvent négligés dans les recherches précédentes.

Le rôle des émotions dans la confiance

Établir la confiance dans les AV ne se résume pas à des faits ; les émotions jouent un rôle majeur. Les sentiments des gens peuvent déterminer s'ils font confiance à un véhicule. Bien que certaines études aient abordé ce sujet, il faut plus de recherches pour comprendre comment les différentes émotions affectent les niveaux de confiance.

Par exemple, des émotions positives peuvent favoriser la confiance en faisant sentir aux gens qu'ils sont en sécurité. Des recherches montrent que quand les gens se sentent bien, ils sont plus susceptibles de faire confiance aux AV. En revanche, des émotions négatives comme la peur et l'anxiété peuvent diminuer la confiance. Comprendre ces réponses émotionnelles est essentiel pour améliorer la conception des AV.

Dynamiques de confiance et différences individuelles

Beaucoup d'études existantes se concentrent sur la mesure de la confiance à un moment donné, ce qui ne donne pas une image complète. On doit examiner comment la confiance évolue dans le temps et dans différentes circonstances. Certaines recherches ont identifié différents schémas de confiance, mais peu a été fait sur la façon dont les caractéristiques individuelles affectent ces dynamiques.

Dans cette recherche, on a regardé de près comment des facteurs comme les traits de personnalité, les émotions et les expériences passées façonnent les profils de confiance. On voulait voir si on pouvait créer des profils de confiance basés sur ces caractéristiques.

Le design de l'étude

Pour explorer les profils de confiance, on a réalisé une expérience avec un simulateur de conduite. On a recruté des participants qui conduisaient pendant qu'on mesurait plusieurs facteurs liés à la confiance. Ça incluait la confiance globale, les traits de personnalité et les émotions ressenties pendant les tâches de conduite.

L'étude avait trois conditions clés : une condition de contrôle où tout se passait comme prévu, une condition de fausse alarme avec quelques erreurs, et une condition de manquement où l'AV a raté des alertes importantes. On a utilisé ces différences pour évaluer comment elles affectaient les niveaux de confiance des participants.

Mesurer la confiance

Les participants ont participé à différents scénarios de conduite et ont été invités à évaluer leur confiance dans l'AV toutes les 25 secondes. Ils ont aussi rempli des questionnaires qui évaluaient leurs traits de personnalité et leur confiance générale dans les AV. Ces données nous ont aidés à comprendre les différents profils de confiance qui ont émergé.

Grâce à des techniques d'apprentissage automatique, on a pu analyser les données et identifier trois profils de confiance distincts parmi les participants : les croyants, les oscillateurs et les non-croyants.

Profils de confiance expliqués

  1. Croyants :

    • Ce groupe montrait un niveau de confiance élevé tout au long de l'expérience, se sentant constamment en confiance dans les capacités de l'AV. Ils étaient moins affectés par les émotions négatives et avaient tendance à voir les AV comme sûrs et fiables. Leurs réponses émotionnelles reflétaient une forte croyance dans l'AV, renforçant leur confiance au fil du temps.
  2. Oscillateurs :

    • Les participants de ce profil ont connu des niveaux de confiance fluctuants. Ils avaient généralement une confiance modérée qui changeait en fonction des expériences récentes avec l'AV. Ils signalaient à la fois une haute confiance et du scepticisme à différents moments de l'expérience. Quand le véhicule performait bien, leur confiance augmentait, mais les expériences négatives la réduisaient rapidement.
  3. Non-croyants :

    • Ce groupe affichait le niveau de confiance le plus bas envers l'AV. Ils étaient souvent sceptiques et ne déléguaient pas facilement le contrôle au véhicule. Leurs réponses émotionnelles étaient fortement influencées par des sentiments de peur et d'anxiété, les rendant plus critiques de la performance de l'AV.

Importance de la personnalité et des émotions

On a aussi examiné comment les traits de personnalité sont liés à ces profils de confiance. Les tests ont révélé que l'amabilité, par exemple, différait significativement selon les profils. Les croyants avaient tendance à être plus amicaux, tandis que les non-croyants étaient plus critiques envers l'AV.

En regardant les émotions, on a trouvé des différences significatives dans ce que ressentaient les participants dans chaque profil de confiance. Les croyants ressentaient plus d'émotions positives, tandis que les non-croyants éprouvaient souvent peur et anxiété. Cette connexion entre émotions et niveaux de confiance souligne le besoin de conceptions de véhicules qui prennent en compte les réponses émotionnelles.

Validation des profils de confiance

Pour s'assurer que nos profils de confiance identifiés étaient précis, on a utilisé une méthode appelée régression logistique multinomiale pour valider nos résultats. Cette technique nous a permis de voir à quel point on pouvait prédire différents profils de confiance en fonction des comportements et des caractéristiques des participants.

Les résultats ont montré une haute précision dans nos prédictions. Certains facteurs, comme le type de situation (contrôle, fausse alarme ou manquement) et les émotions individuelles, étaient les plus significatifs pour distinguer les profils de confiance.

Implications pour la conception des AV

Les résultats de cette étude ont plusieurs implications pour la conception des AV. Comprendre que les conducteurs tombent dans différents profils de confiance peut aider les fabricants à créer des systèmes qui répondent mieux aux besoins de leurs utilisateurs.

  • Pour les croyants : Les conceptions devraient se concentrer sur l'amélioration des fonctionnalités qui augmentent la confiance, comme une communication claire sur l'état de l'AV et des fonctionnalités de sécurité intégrées.

  • Pour les non-croyants : Fournir des ressources éducatives et une formation efficace peut aider à augmenter la compréhension et à réduire l'anxiété face à l'utilisation des AV. La transparence sur le fonctionnement du système sera aussi cruciale pour dissiper les inquiétudes.

  • Pour les oscillateurs : Ces conducteurs ont besoin d'expériences constantes et fiables pour maintenir leur confiance. Des systèmes adaptatifs qui réagissent à leurs niveaux de confiance peuvent aider à ajuster l'automatisation en conséquence.

Limitations et recherches futures

Malgré les précieuses idées tirées de l'étude, il y a des limites à considérer. La recherche a été réalisée à l'aide d'un simulateur de bureau, ce qui pourrait ne pas capturer complètement les expériences de conduite réelles. De plus, le groupe de participants était petit et relativement homogène, composé principalement d'étudiants universitaires.

Les études futures devraient explorer un plus large éventail de facteurs et inclure des groupes de participants plus diversifiés pour obtenir des perspectives plus larges. Tester les AV dans des scénarios réels plutôt que des simulations aidera aussi à valider davantage les résultats.

Conclusion

Cette recherche a examiné comment les niveaux de confiance varient entre les conducteurs de véhicules automatisés et identifié trois profils de confiance distincts : croyants, oscillateurs et non-croyants. L'étude a souligné l'importance des émotions et de la personnalité dans la formation de ces profils. En adaptant la conception des AV pour répondre aux besoins des différents profils de confiance, les fabricants peuvent promouvoir une plus grande acceptation et une utilisation plus sûre des véhicules automatisés à l'avenir.

Source originale

Titre: Building Trust Profiles in Conditionally Automated Driving

Résumé: Trust is crucial for ensuring the safety, security, and widespread adoption of automated vehicles (AVs), and if trust is lacking, drivers and the public may not be willing to use them. This research seeks to investigate trust profiles in order to create personalized experiences for drivers in AVs. This technique helps in better understanding drivers' dynamic trust from a persona's perspective. The study was conducted in a driving simulator where participants were requested to take over control from automated driving in three conditions that included a control condition, a false alarm condition, and a miss condition with eight takeover requests (TORs) in different scenarios. Drivers' dispositional trust, initial learned trust, dynamic trust, personality, and emotions were measured. We identified three trust profiles (i.e., believers, oscillators, and disbelievers) using a K-means clustering model. In order to validate this model, we built a multinomial logistic regression model based on SHAP explainer that selected the most important features to predict the trust profiles with an F1-score of 0.90 and accuracy of 0.89. We also discussed how different individual factors influenced trust profiles which helped us understand trust dynamics better from a persona's perspective. Our findings have important implications for designing a personalized in-vehicle trust monitoring and calibrating system to adjust drivers' trust levels in order to improve safety and experience in automated driving.

Auteurs: Lilit Avetisyan, Jackie Ayoub, X. Jessie Yang, Feng Zhou

Dernière mise à jour: 2023-06-28 00:00:00

Langue: English

Source URL: https://arxiv.org/abs/2306.16567

Source PDF: https://arxiv.org/pdf/2306.16567

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires