网联跟驰环境下车辆抬头显示信息呈现策略研究.pdf

摘要

摘要

网联跟驰环境下车辆抬头显示信息呈现策略研究

随着车载技术的不断发展，汽车人机交互方式以及交互内容正在发生革命性

的变化。目前，车载人机交互内容正从单一的车辆状态信息逐渐进化为包括车辆

状态、辅助驾驶和娱乐等复杂信息，抬头显示（HUD，HeadupDisplay）技术也

逐步应用到家用汽车。各大汽车生产厂商为了追求驾驶辅助功能的提升及视觉上

的效果，不断地丰富HUD显示功能。在复杂道路环境中驾驶人不仅需要处理外

部复杂的交通环境，还需理解HUD信息的表征含义，这导致驾驶人脑负荷急剧

增加，使得驾驶人对于驾驶环境的变化较难及时做出正确的反应，极易引发交通

事故。本文将视觉注意分配作为约束，对考虑动态道路环境复杂度的车载AR-

HUD自适应策略进行研究。

首先，本文建立跟驰动态道路环境复杂度量化模型。基于跟驰行为谱选定修

正碰撞裕度倒数、横向摆动系数、速度不稳定系数3种复杂度量化指标，初步建

立模型。在驾驶模拟器上搭建不同复杂程度的跟驰场景并安排被试人员执行跟驰

驾驶任务，采集前车位置、前车车速、自车位置和自车车速等驾驶数据。计算复

杂度量化指标具体数值并使用熵权法确定指标权重，建立跟驰动态道路环境复杂

度量化模型。采用NASA-TLX量表对驾驶人驾驶负荷进行量化，用以验证模型

的准确性。结果表明模型量化结果与驾驶人驾驶负荷呈显著相关，证明了模型构

建的有效性。

其次，建立HUD界面复杂度量化模型。根据眼动追踪模型分析驾驶人识认

HUD信息的眼动过程并选择扫描路径时间和平均凝视时间作为眼动模型指标，

根据眼动指标分析了HUD界面复杂度影响因素。统计现有HUD显示信息以及

分析网联环境下的超视距信息，在驾驶模拟器上进行HUD仿真，采集被试人员

对不同HUD界面识认时的眼动行为，分析眼动指标随影响因素变化的规律并建

立二者的关系模型。以眼动时间代表HUD界面复杂度，建立HUD界面复杂度

量化模型，实现对单一元素以及多个元素的HUD界面复度量化。

最后，制定跟驰自适应HUD显示策略。利用TICC算法对获取的驾驶数据

进行分割聚类，划分驾驶场景，并对各场景进行驾驶状态和动态道路环境复杂度

等级分析。根据各场景的特点设计对应HUD界面显示内容，确定HUD信息重

要度排序以及HUD界面复杂度限制值，在保证满足不同场景所需驾驶信息的同

时控制各场景车内信息与车外环境的总复杂度。根据显示策略建立跟驰自适应

I

吉林大学硕士学位论文

HUD显示系统，通过模糊综合评价法对该系统进行评价，验证了系统的可用性，

为车辆人机交互自适应策略研究提供了理论依据。

关键词：

道路交通安全；动态道路环境复杂度；跟驰；HUD界面复杂度；HUD自适

应策略

II

ABSTRACT

ABSTRACT

ResearchonInformationPresentationStrategyofVehicleHead-up

DisplayinConnectedCar-followingEnvironment

Withthecontinuousdevelopmentofvehicletechnology,thewayofhuman-

computerinteractionandinteractivecontentareundergoingrevolutionarychanges.At

present,thecontentofon-boardhuman-computerinteractionisgraduallyevolving

fromasinglevehiclestatusinforma