司机注意力分散力量研究：车内触摸屏交互视觉需求的可解释预测

Jan, 2023

司机注意力分散力量研究：车内触摸屏交互视觉需求的可解释预测

On the Forces of Driver Distraction: Explainable Predictions for the Visual Demand of In-Vehicle Touchscreen Interactions

PDF

Patrick Ebel, Christoph Lingenfelder, Andreas Vogelsang

TL;DR本文利用大量自然驾驶数据和机器学习方法，预测车内触摸屏界面的可视需求和驾驶员视觉关注分配的影响因素，并提供局部和全局的解释说明，以帮助设计师评估当前设计并更好地预测和理解其对未来设计所可能产生的影响。

Abstract

With modern infotainment systems, drivers are increasingly tempted to engage in secondary tasks while driving. Since distracted driving is already one of the main causes of fatal accidents, in-vehicle touchscreen Human-Machine Interfaces (HMIs) must be as little distracting as possible. To ensure that these systems are safe to use, they undergo elaborate and

in-vehicle touchscreens driver distraction machine learning visual attention shapley additive explanation

发现论文，激发创造

车内界面对环境引发的认知负荷适应

通过用户研究自然化次要任务的数据，我们提出使用根据驾驶员心理负荷自适应变化的车载 HMIs 来减少由 HMIs 引起的人为干扰，并避免车祸的发生。

Oct, 2022

增强现实辅助界面对高度自主驾驶汽车驾驶员目标感知的影响

使用增强现实技术作为用户界面的驾驶辅助系统，通过突出道路上的潜在危险物，帮助驾驶员改善在部分自动驾驶汽车中的情境感知能力，通过人机交互实验获得实验结果以提供设计指南。

Jun, 2022

将解释引入自动驾驶车辆的人机界面以提升信任和情景感知

自动驾驶汽车中人工智能的可解释性和人机界面对于建立信任起到重要作用，因此本研究探讨了可解释性人机系统的作用，提出了一种评估用户对自动驾驶行为的信任的情境感知框架，并通过实验证明了相关的经验结果。

Apr, 2024

使用机器学习改进驾驶员疲劳和注意力分散的自动检测

通过使用基于视觉和基于机器学习的方法，同时检测疲劳和注意力分散的行为，以提高智能车辆系统的驾驶行为监测能力并获得更准确和时间更短的结果。

Jan, 2024

通过模态和视角分析的实时驾驶员监控系统

该研究提出了一种实时检测驾驶人行为的新方法，通过研究不同的感知模态发现红外视频在检测中更具有信息量，并通过多分类技术扩展 DAD 数据集。

Oct, 2022

采用卷积神经网络集成的驾驶员分心识别

研究利用深度学习和卷积神经网络进行驾驶员分心检测，提供了一个包含更多分心姿态的公共数据集，并提出了一种可靠的基因加权集成方法，可以在现实环境中实现 84.64％分类准确率。

Jan, 2019

视觉 - 语言模型能从自然视频中识别分心驾驶员的行为

提出了一种基于 CLIP 的驾驶员活动识别方法，该方法可以从自然驾驶图像和视频中识别驾驶员分心行为，并具有零样本迁移和面向任务的微调的特点。

Jun, 2023

通过可视化因果关注实现自动驾驶车辆的可解释性学习

本研究探讨了可解释的自动驾驶车辆中使用视觉解释的方法，使乘客、保险公司、执法机构和开发人员能够理解神经网络控制模型的行为，该模型采用了视觉关注模型进行训练，并应用因果过滤步骤来确定哪些输入区域实际上影响了输出。该方法在三个数据集上进行了有效性研究，证明了其在自动驾驶行为和人类驾驶行为中的应用价值。

Mar, 2017

使用 RGB-D 传感器进行驾驶员分心检测和识别

基于 Kinect 和计算机视觉技术，构建了一个有效的模块，用于检测驾驶员注意力分散和识别分散类型，每个子模块独立获得并可用于其他类型的推理，如疲劳检测，并可用于实际汽车系统。

Feb, 2015

驶向包容性：重新审视自主驾驶车辆的车内交互

本论文通过全面的文献综述，提出了关于自动驾驶汽车中车内人机交互的现状，重点关注包容性和可访问性。论文的目标是检验自动驾驶汽车中包容性人机交互的用户中心设计原则，评估现有人机交互系统，并鉴定能够提升乘客体验的新兴技术。最后，提出了一个全面的车内体验设计框架，考虑了所有乘客的需求，包括残疾人或其他辅助性需求，以确保所有乘客能够安全舒适地使用这些车辆。

Jan, 2024