车内控制器的复杂性对任务性能影响研究

朱辉 陈玮

摘 要：车辆的智能功能导致控制界面的复杂性提升，文章旨在建立一种评估车内控制器复杂性的模型，并探讨复杂性与任务绩效之间的关系。研究框架通过三个复杂维度（功能、行为、结构）和控制器相关变量组成，通过10辆车和 91名參与者进行了用户实验，用回归分析方法检验测量变量与感知控制器复杂度之间的关系，结果证明两者之间存在相关性。功能维度变量的增加导致感知复杂性水平的增加，而行为维度变量不是统计上显著的预测因子。结构变量根据变量的特征表现出不同的结果。实验结果表明，任务性能与感知的复杂性水平呈负相关，同时满意度随着复杂性的增加而降低，并为管理车内控制器的复杂性提供了理论依据。

关键词：语音信号分离;盲源分离技术;离散时间小波变换;独量分类分析

中图分类号：TP393 文献标识码：A 文章编号：1001-5922（2021）06-0161-04

Abstract：The intelligent function of the vehicle leads to the increase of the complexity of the control interface. This paper aims to build a model to evaluate the complexity of the controller in the vehicle and explore the relationship between complexity and task performance. The research framework is composed of three complex dimensions （function， behavior， structure） and controller related variables， and user experiments are carried out by 10 cars and 91 participants. Regression analysis method is used to test the relationship between measurement variables and perceived controller complexity， and the results show that there is a correlation between them. The increase of functional dimension variables leads to the increase of perceived complexity， while behavioral dimension variables are not statistically significant predictors. Structural variables show different results according to their characteristics. The experimental results show that the task performance is negatively correlated with the perceived complexity level， and the satisfaction decreases with the increase of complexity， which provides a theoretical basis for the management of the complexity of the controller in the vehicle.

Key words：speech signal separation; blind source separation technology; discrete time wavelet transform; independent classification analysis

0 引言

由于信息和网络技术的发展，车辆系统已经变得足够智能，为驾驶员提供许多方便的功能，如车载信息系统等，虽然各种智能功能为驾驶员提供了驾驶的方便，但也有明显的缺点，比如车载界面越来越复杂[1]。特别是，许多物理控制器和接口组件被用于操作车载信息系统，导致对驾驶员执行驾驶和非驾驶相关任务的认知需求增加。这一现象必然会对驾驶性能产生负面影响。虽然以证明增加复杂性会对驾驶安全产生负面影响，但很少有研究来评估控制器的复杂性。此外，在以往的研究中，对车内控制器复杂度的评估存在一些局限性，首先，研究人员通常关注单个界面设计因素，虽然这些评估的结果提供了信息，但是复杂性需要从整体的角度进行评估，因为多个设计因素不可避免地是相互关联的;第二，很少有研究试图确定界面设计变量与车辆环境的主观评价之间的关系，因此，通过开发统计模型来评估车载接口的复杂性，并研究了感知控制器复杂度与操作员任务性能之间的关系。

1 相关研究

1.1 车载界面相关研究

在开发新车辆的过程中考虑物理接口组件是很重要的，因为会显著地影响可用性和用户体验。因此，相关研究人员对从小型和简单设备到系统接口进行了广泛的研究和评估[2]。特别是，以用户为中心的设计方法，如启发式、用户测试和访谈等方式已广泛地运用于对界面的评价，对于小型设备（如智能手机），使用原型或实物模型测试界面组件或形式因素的效果相对容易。然而，将这些方法应用到大型和复杂的接口是困难的，因此，研究者通常采用双任务方法来检验界面设计组件的效果[3]。这些方法是有效和重要的，因为主要任务的执行与驾驶安全密切相关，虽然可以根据对单个变量的研究结果来研究单个变量的影响和设计界面，但不能忽视变量之间交互的附加影响，这些影响可能会对驾驶造成意外结果。

定量建模方法弥补了这些缺陷，帮助研究人员评估两个以上变量的影响并比较不同的系统。此外，基于变量级别检测变化相对容易，因此，大量的研究使用基于可测量参数的定量建模方法来评估人类行为或车辆环境中界面组件的感知，如满意度、视觉复杂度[4]，司机姿势[5]。在本文中，开发并验证了一个定量模型来评估车内控制器的复杂性。

1.2 人类因素的复杂性研究

在人类因素和人类系统交互领域进行了几类复杂性研究，可分为理论研究和实践研究。前者包括涉及复杂性定义、复杂性类型和影响复杂性的因素的研究，而后者侧重于基于复杂性的设计、复杂性度量和量化，以及复杂性与人类性能之间的相互关系。每个主题都与其他主题相关，例如，根据复杂性的定义选择复杂度因子。这些因素提供了基于复杂的设计、定量研究和人类绩效研究的基本概念信息。一般来说，复杂性有几种不同的定义，它们基于与特定领域相关的重要特征，因为很难在单个句子中定义复杂性。对于人的因素，根据人与系统之间交互的焦点，可以定义不同的复杂性类型。例如，可将复杂性分为客观和主观复杂性，目标复杂性是基于技术设计的特性或面向情境的因素，如任务复杂性、过程复杂性和人机界面（HMI）复杂性等;主观复杂性指的是人类操作员如何主观地感知和意识到复杂性的程度，比如感知的复杂性。也可以根据目标的特征将复杂性分为非行为复杂性和行为复杂性，关于非行为复杂性的研究传统上关注于特定系统的状态，如计算复杂性、软件复杂性和物理系统复杂性，而对行为复杂性的研究试图解决心理和行为问题，包括感知、认知和动作复杂性。根据这些定义和复杂性的类型，选择了各种因素。Lee等人[6]试图解释感知视觉复杂性与三个因素之间的关系：数量、多样性和关系。

1.3 控制器接口设计

为了评估车载控制器的复杂性，应该从系统的角度分析接口特性。由于大量设备和大量信息的存在，有必要对用户面临的情况进行结构化分析。因此，根据系统的方法和目的，基于抽象层次划分系统的功能方面。设计了基于功能-行为-结构（Function–Behavior–Structure，FBS）框架，其中功能是设计的目的，也就是它的目的论;行为指的是可从结构派生的属性，而结构指的是工件的元素及其相互关系。FBS框架比较系统接口的期望行为及其结构，此过程将系统结构转换为描述，FBS框架不仅可以分析用户界面，而且在结构上也可以分析复杂性。定义了分析车载控制器复杂性所需的功能、行为和结构组件。功能复杂性组件包括与各种功能相關的界面设计变量，行为复杂性组件描述了影响人机行为的界面设计变量，结构复杂性组件包括基本的物理用户界面设计变量。

2 研究方法

2.1 研究框架

为了评估车载控制器的复杂性，本文开发并验证了一个研究模型。在相关研究的基础上，收集并选择了车内界面设计变量作为自变量来开发复杂模型。研究的参与者评估了每辆车的复杂性分数，这些分数作为模型的因变量;参与者在这个过程中执行控制任务，并根据他们的经验进行评估。根据得到的数据建立了一个统计模型，通过分析控制任务性能之间的相关性，验证了所建立模型的有效性。

2.2 实验设计

参与者：招募了92名参与者（男41岁，女51岁），年龄在20～71岁（平均43.56岁，SD=12.50岁）。所有参与者都必须持有有效的驾驶执照，以及他们自己或家人经常驾驶的车辆。那些有驾照但不经常开车的人被排除在外，所有参与者在驾驶过程中没有任何视觉上的困难，并且自由移动他们的手来执行控制任务时没有任何不便[7-9]。

设备：实际车辆需要考虑以下标准，首先，汽车品牌仅限于国内制造商;其次，考虑具有各种车内控制器和接口配置的车辆。结果，我们实际使用了10辆不同的汽车：两辆紧凑型汽车、两辆运动型多功能车和六辆轿车。

任务：为了研究感知的控制器复杂度，要求参与者使用车载控制器执行任务，如图1所示。

因此，实验参与者完成了两类任务。一类是娱乐相关的任务：包括打开/关闭音频系统的电源，在FM/AM模式之间切换，调优无线电频率，控制音量，以及改变音频/CD播放模式。与空调有关的工作包括：打开/关闭前/后挡风玻璃防冻层，改变空气循环方式，控制温度，控制风量。

2.3 实现过程

首先，实验组织者解释了整个实验过程。在实验开始前，参与者填写了一份书面表格，给出了知情同意，并提供了与他们的年龄、性别和驾驶经验有关的人口统计信息。参与者被告知，如果他们对实验感到不舒服，他们可以随时退出。在准备之后，参与者完成指定的任务，然后填写一组问卷，这是对感知复杂性的评估。一半的参与者先完成娱乐任务，另一半先完成与空调有关的任务。图1显示了实验环境，实验车辆的顺序被随机化以消除学习效果和疲劳的可能性。最后对车载控制器进行了快速访谈，整个过程耗时约为90min，图2为整个实验过程。

2.4 数据收集

（1）界面设计变量。本章将研究范围限制在方向盘的控制器和车辆的中心筋膜上。3名不同的研究人员评估了每辆车的界面设计变量，首先创建了一个准则来规范测量过程。在指导方针的基础上，3位研究人员独立测量了所有车辆的变量数据，以减少误差的可能性。在分别测量变量之后，比较了这三组数据以确定值，如表2所示为10辆车的测量变量的最小值、最大值和平均值。

（2）主观复杂性评估。本文收集参与者的主观复杂度评估数据，建立控制器复杂度的统计模型。采用问卷调查法对复杂性进行评价，并在前人研究的基础上制定问卷项目，本问卷旨在评估三项控制器复杂度及一项满意度。评估复杂度的项目如下：①总体而言，车辆的控制器过于复杂，无法执行任务;②车辆的控制器难以使用;③车辆的控制界面设计简单。

（3）任务绩效。使用摄像机记录实验过程来验证任务的性能，采用基于视频图像计算任务性能。首先，使用以下标准对任务成功进行分类：如果参与者完成一项任务的时间超过了15s，根据之前研究得出的驱动信息系统的15s规则，该任务被认为是失败的。此外，如果任务的目标没有实现，即使参与者在15s内完成任务，任务也被归类为失败。所有的任务都被分为成功或失败，根据结果，计算每辆车的成功率。

2.5 实验结果

使用任务成功率作为任务性能度量，平均任务成功率相对较高，因为任务由所有车辆提供的一般功能组成。然而，单因素方差分析显示，车辆间任务成功率存在显著差异（F = 17.73，p<0.01），为了检验这些差异，本文使用三向方差分析年龄、性别和复杂性水平组对任务成功率的影响，结果证实年龄和复杂性水平组的影响显著，而性别影响不显著。男性和女性的平均成功率分别为0.89和0.86。按年龄划分的平均成功率如下：20多岁的参与者为0.94;30多岁的参与者为0.92;40多岁的参与者为0.87;50多岁的参与者为0.79;60多岁的参与者为0.75。高复杂度组平均成功率为0.82，低复杂度组平均成功率为0.92。每对变量之间的交互作用效果显著，但三个变量之间的交互作用效果不显著，如图3显示了任务性能的差异对比。

3 结语

首先，本研究扩展了现有的有关人机交互和人为因素领域的复杂性研究。虽然研究人员多年来一直关注复杂性研究，但研究领域是有限的（例如，视觉复杂性和任务复杂性）。因此，文章的研究可以让研究者更深入地研究复杂性;其次，基于FBS框架选择了导致复杂性的因素，并测试了这些变量对控制器复杂度的影响，通过这个过程，验证了现有知识和FBS框架在接口开发和设计理论中的适用性。最后，基于所建立的模型和快速访谈的结果，通过调查性实验验证了车内控制器的复杂度对驾驶员执行任务时的困难关系。

参考文献

[1]Hwangbo H， Lee S C， Ji Y G. Complexity Overloaded in Smart Car： How to Measure Complexity of In-vehicle Displays and Controls[C]// The， International Conference， 2016：81-86.

[2]P.A. Hancock，B.D. Sawyer，S. Stafford.The effects of display size on performance[J]. Ergonomics， 2015，58（3）：337-54.

[3]Large David R，Crundall Elizabeth， Burnett Gary，et al. Driving without wings： The effect of different digital mirror locations on the visual behaviour， performance and opinions of drivers.[J]. Applied Ergonomics， 2016， 55：138-148.

[4] Hwangbo H， Lee S C， Ji Y G. Complexity Overloaded in Smart Car： How to Measure Complexity of In-vehicle Displays and Controls？[C]// The， International Conference， 2016：81-86.

[5]Park Jangwoon，Ebert Sheila M，Reed Matthew P，et al.Statistical Models for Predicting Automobile Driving Postures for Men and Women Including Effects of Age.[J]. Human Factors， 2016， 58（2）：261-278.

[6]Lee，Hwangbo，Ji. Perceived Visual Complexity of In-Vehicle Information Display and Its Effects on Glance Behavior and Preferences[J]. International Journal of Human-Computer Interaction， 2016， 32（8）：654-664.

[7]侯進森.基于单电机低速纯电动汽车整车控制器的研究[D].聊城：聊城大学，2018.

[8]朱园园.纯电动汽车自动起步控制策略研究[D].长沙：湖南大学，2017.

[9]王江.基于语音识别技术的智能车载系统的设计与实现[D].北京：中国科学院大学（中国科学院工程管理与信息技术学院），2017.