技术文章 | 无人驾驶中如何向行人传递车辆信息

一、车辆与行人的通信

在如今的交通中，驾驶员和其他道路使用者之间的通信对于保证有效的交通流是绝对必要的。具体而言，易受伤害的道路使用者（如行人）依赖与驾驶员的互动（眼神交流，手势等）来判断汽车运行状态。哥伦比亚大学2016年的一项研究表明，如何保证人车通信的有效性，将是自动驾驶质量验收的一大挑战。

在无人驾驶车辆是大势所趋的背景下，人们学习接受新的信号已成必然。然而，一项有700多名参与者的实验证明，由一些标准性组织如GTB、SAE和ISO提出的改变信号灯颜色的方式不能增加其对于行人判断信息的确定性。现阶段流行的两种可行通信方式是符号和LED线条，而符号主要分为两种方式。LED线条的成本更低，但行人无法直观地理解，且容易让其他道路使用者误判车辆行驶方向，从而导致事故。因此，本论文探讨了符号和LED线条作为无人驾驶车辆中最流行的车-人通信解决方案的直观性和易学性。

二、调查方法设计

我们将参与者随机分为两组。一组只看到来自（A）和（C）的信号，另一组只看到（B）和（C）的信号。在测试了技术适用性、注意力测试和色觉评估后，向参与者播放一段视频：在城市环境中，一辆汽车在斑马线上为行人停车，随后继续行驶。视频中车辆信号随组别改变而改变。参与者必须用开放式答案和相应的答案置信度来解释视频中的信息，并在五个车辆状态中进行选择。完成选择后，参与者会立即得知选择的正误，并且参加后续测试，对另外的一种信号进行判断。该在线调查持续48h，以保证参与者至少有一个睡眠阶段可以进行最佳学习。

总共有1176名参与者参加了调查，而在最后一次跟踪调查之前仍有283人参加。参与者的平均年龄为33.5岁，从16岁到73岁不等。48.5%的受试者为女性，51.5%为男性。45.3%的人生活在城市，41.1%的人生活在郊区。只有13.6%的人生活在农村地区。

三、调查结论

1.   直观性

三位独立评审员将参与者的开放性答案分为四类（对，部分对，错，不回答），以确定第一次接触情景的识别率。符号在第一次接触时比LED线条信号具有更高的识别率。假设第一次接触的识别率至少为66.7%，意味着交流是直观的（见ISO 9186-1989），只有符号A.2、A.3、B.2和B.3满足此要求。除了符号A.1/B.1外，参与者尤其不能直观地理解通过LED线条进行的通信。最后，SUS和TLX的结果表明，与LED线条相比，符号的直观性更高，识别符号所需的努力更少。

2.   易学性

车辆-行人通信的可学习性对于广泛理解车辆-行人通信非常重要。下图显示了识别率随时间或测量点的变化，表明比起LED线条信号，符号的识别率始终较高，且增长幅度比LED线条光更高。。

四、总结与展望

调查清楚地表明，车-人沟通是可以学习的，尤其是符号在直观性和可学习性方面有很大的优势。在所有情况下，相对于LED线条，符号的直观性都更高，这一点对于所有MPs都保持不变。虽然，符号显示出极好的学习率，但更实际和直接的实现将是利用现有的光功能。这是因为，对于上述所有方法，额外的光源是必要的，这会导致额外的成本。为了克服额外车灯的缺点，作者建议将现有的灯光进行空间或时间调制。