Dissertationen zum Thema „Dangerousness of the driving situation“

The doctoral thesis analyses driver’s conduct while solving situations associated with crossing of pedestrians across the road in cases of various design of pedestrian crossings and at different conditions. The thesis deepens the knowledge of the human factor impact on the occurrence of a traffic accident involved vehicle and pedestrian and thesis also complements knowledge for the needs of the analysis of traffic accidents, especially in solving the pre collision phase and at assessment of possibilities for collision prevention by involved participants. The thesis deals with driver’s conduct, various models of the conduct as well as the thesis focuses on the visual perception, the process of information processing, the driver’s conduct and the reaction time. In terms of the solution suitable types of experiments were designed and implemented. Based on performed measurements a method of processing and evaluating data on drivers’ conduct was found as well as more significant data set was obtained for a detailed analysis of drivers' conduct in different driving situations. The assessed quantities of drivers' conduct were analysed with respect to the dangerousness of driving situations. For these purposes, the categories of the dangerousness of driving situations were defined (situations completely safe, with increased danger, dangerous and critical), into which the analysed driving situations were subsequently included. To enable the quantification of this classification of situations into the categories of the dangerousness, the coefficient of the dangerousness (so called K) was defined. From the detailed analysis of the obtained data, the limit values of this coefficient were determined, and these were subsequently verified using data from the solution of real traffic accidents. Concurrently the analysis verified the suitability of using this hazard coefficient in the analysis of traffic accidents, especially for a detailed assessment of the possibilities of collision prevention.

Abstract. Situation awareness is usually conceptualized as design and implementation principles for safety critical industries like aviation or military. Finland was one of the first countries in the world to establish an intelligent transport systems (ITS) strategy in 2009. Increasing the situation awareness in traffic is regarded as one of the means to implement the strategy. In the theoretical part of this thesis, we explore the use of situation awareness and context awareness in intelligent transport systems. Particularly, the thesis focuses on summarizing proper design and evaluation principles to provide situation awareness support for fuel efficient driving. These guidelines were exploited in implementing a mobile application, called Driving Coach Mobile Application in the practical part of the thesis. The purpose of the application is to provide awareness to the drivers about how they can save fuel. Driving Coach Mobile Application’s accordance of design and implementation principles to situation awareness support is validated by user study with simulated data focused on usability, usefulness and fuel efficiency awareness support. The results of this thesis can be used in fleet management planning, city planning as well as in personal driving, for example.Tilannetietoinen mobiilisovellus polttoainetaloudellisen ajamisen tueksi. Tiivistelmä. Turvallisuuskriittisissä teollisuuden osa-alueissa kuten ilmailussa tai sotilaallisessa toiminnassa, eri toimijoiden tilannetietoisuuden parantamiseen tähtäävät suunnittelu- sekä toteutusperiaatteet ovat olleet merkittävässä roolissa jo pitkään. Suomi oli maailman ensimmäisiä maita, jotka julkistivat älykkään liikenteen strategian jo vuonna 2009. Tilannetietoisuuden parantaminen liikenteessä on edelleen eräs tämän strategian toimeenpanomuoto. Tämän työn teoreettisessa osassa tutkitaan avulla tilannetietoisuuden sekä toimintatilanteesta tietoisuuden soveltamista älyliikenteessä. Erityisesti tarkastellaan suunnittelu- sekä evaluointiperiaatteita polttoainetalouden tehokkuuden lisäämiselle tilannetietoisuuden avulla. Työn käytännön osuudessa sovellettiin näitä periaatteita mobiilisovelluksen toteuttamiseksi. Mobiilisovellus tukee kuljettajien polttoainetehokkaampaa ajamista. Sovellus testattiin käytettävyyden, hyödyllisyyden sekä polttoainetehokkaan ajamisen tuen suhteen. Sovellusta voidaan käyttää esimerkiksi kaupunkisuunnittelussa, autokannan toiminnan tarkkailemisessa tai vaikka henkilökohtaisen ajotavan arvioinnissa.

Anger is generally considered to result from a combination of physiological arousal, individual evaluation and situational characteristics. However, within the driving context, anger has often, but not always, been considered from either a person-centred approach, examining the influence of trait factors and individual differences in driving anger, or from a situation-focussed perspective, considering anger as a response to the current driving situation. The research reported in this thesis aimed to investigate the role of the individual and the situation in how drivers experience and express anger while driving.

Research shows that anger has a negative impact on cognition due to the rumination effect and in the context of driving, anger negatively impacts situation awareness, driving performance, and road safety. In-vehicle agents are capable of mitigating the effects of anger and subsequent effects on driving behavior. Language is another important aspect that influences information processing and human behavior during social interactions. This thesis aims to explore the effects of the language of in-vehicle agents on angry drivers' situation awareness, driving performance, and subjective perception. The three conditions explored are the native language agent condition (Hindi or Chinese), secondary language agent condition (English), and no agent condition. Results indicate that driving performance is better in the case of the native language agent condition when compared to the no agent condition. Higher levels of situational awareness were affected by the agent condition, favoring the native language condition over the secondary language condition. The participants preferred native language agents over the other conditions and the perceived workload was higher in the no-agent condition than the native agent condition. Drivers also expressed the need to control the state of the in-vehicle agent. The study results have practical design implications and the results are expected to help foster future work in this domain.
Master of Science
People are deeply influenced by emotions. Anger while driving is shown to negatively impact people's perception and understanding of what is going on in the driving context and prediction about what will happen. As a result, this influences driving performance and road safety. Intelligent agents (such as Siri or Alexa) built into vehicles can help regulate the emotions of the drivers and can positively impact driving performance. Language is another important aspect that influences human behavior during social interactions. The current thesis aims to leverage the positive impacts of in-vehicle agents and language to design in-vehicle agent interactions capable of mitigating the negative effects of anger to ensure better driving performance and increased situation awareness. The three conditions explored are the native language agent condition (Hindi or Chinese), secondary language agent condition (English), and no agent condition. The effects on angry drivers' situation awareness, driving performance, and subjective perception are studied. Results indicate that the driving performance is better in the case of the native language agent condition when compared to the no agent condition. Participants preferred native language agents over the other conditions. People's understanding and prediction capability in the driving context was better in the native agent condition over the other conditions. The study results have practical design implications in designing in-vehicle agent interfaces and the results are expected to help foster future work.

The development of driver assistance and automated vehicle control is in process and finds its way more and more into urban traffic environments. Here, the complexity of traffic situations is highly challenging and requires system approaches to comprehend such situations. The key element is the process of situation assessment to identify critical situations in advance and derive adequate warning and intervention strategies. This thesis introduces a system approach to establish a situation assessment process with the focus on the prediction of the driver intention. The system design is based on the Situation Awareness model by Endsley. Further, a prediction algorithm is created using Hidden Markov Models. To define the parameters of the models, an existing database is used and previously analyzed to identify reasonable variables that indicate an intended driving direction while approaching the intersection. Here, vehicle dynamics are used instead of driver inputs to enable a further extension of the prediction, i.e.\\ to predict the driving intention of other vehicles detected by sensors. High prediction rates at temporal distances of several seconds before entering the intersection are accomplished. The prediction is integrated in a system for situation assessment including an intersection model. A Matlab tool is created with an interface to the vehicle CAN bus and the intersection modeling which uses digital map data to establish a representation of the intersection. To identify differences and similarities in the process of approaching an intersection dependent on the intersection shape and regulation, a naturalistic driving study is conducted. Here, the distance to the intersection and velocity is observed on driver inputs related to the upcoming intersection (leaving the gas pedal, pushing the brake, using the turn signal). The findings are used to determine separate prediction models dependent on shape and regulation of the upcoming intersection. The system runs in real-time and is tested in a real traffic environment
Die Entwicklung von Fahrerassistenz und automatisiertem Fahren ist in vollem Gange und entwickelt sich zunehmend in Richtung urbanen Verkehrsraum. Hier stellen besonders komplexe Verkehrssituationen sowohl für den Fahrer als auch für Assistenzsysteme eine Herausforderung dar. Zur Bewältigung dieser Situationen sind neue Systemansätze notwendig, die eine Situationsanalyse und -bewertung beinhalten. Dieser Prozess der Situationseinschätzung ist der Schlüssel zum Erkennen von kritischen Situationen und daraus abgeleiteten Warnungs- und Eingriffsstrategien. Diese Arbeit stellt einen Systemansatz vor, welcher den Prozess der Situationseinschätzung abbildet mit einem Fokus auf die Prädiktion der Fahrerintention. Das Systemdesign basiert dabei auf dem Situation Awareness Model von Endsley. Der Prädiktionsalgorithmus ist mit Hilfe von Hidden Markov Modellen umgesetzt. Zur Bestimmung der Modellparameter wurde eine existierende Datenbasis genutzt und zur Bestimmung von relevanten Variablen für die Prädiktion der Fahrtrichtung während der Kreuzungsannäherung analysiert. Dabei wurden Daten zur Fahrdynamik ausgewählt anstelle von Fahrereingaben um die Prädiktion später auf externe Fahrzeuge mittels Sensorinformationen zu erweitern. Es wurden hohe Prädiktionsraten bei zeitlichen Abständen von mehreren Sekunden bis zum Kreuzungseintritt erzielt. Die Prädiktion wurde in das System zur Situationseinschätzung integriert. Weiterhin beinhaltet das System eine statische Kreuzungsmodellierung. Dabei werden digitale Kartendaten genutzt um eine Repräsentation der Kreuzung und ihrer statischen Attribute zu erzeugen und die der Kreuzungsform entsprechenden Prädiktionsmodelle auszuwählen. Das Gesamtsystem ist als Matlab Tool mit einer Schnittstelle zum CAN Bus implementiert. Weiterhin wurde eine Fahrstudie zum natürlichen Fahrverhalten durchgeführt um mögliche Unterschiede und Gemeinsamkeiten bei der Annäherung an Kreuzungen in Abhängigkeit der Form und Regulierung zu identifizieren. Hierbei wurde die Distanz zur Kreuzung und die Geschwindigkeit bei Fahrereingaben im Bezug zur folgenden Kreuzung gemessen (Gaspedalverlassen, Bremspedalbetätigung, Blinkeraktivierung). Die Ergebnisse der Studie wurden genutzt um die Notwendigkeit verschiedener Prädiktionsmodelle in Abhängigkeit von Form der Kreuzung zu bestimmen. Das System läuft in Echtzeit und wurde im realen Straßenverkehr getestet

Vehicle-to-Vehicle communication is the key technology for achieving increased perception for automated vehicles where the communication allows virtual sensing with the use of sensors placed in other vehicles. In addition, this technology also allows recognising objects that are out-of-sight. This thesis presents a Trust System that allows a vehicle to make more reliable and robust decisions. The system evaluates the current situation and generates a Trust Index indicating the level of trust in the environment, the ego vehicle, and the other vehicles. Current research focuses on securing the communication between the vehicles themselves, but does not verify the content of the received data on a system level. The proposed Trust System evaluates the received data according to sensor accuracy, behaviour of other vehicles, and the perception of the local environment. The results show that the proposed method is capable of correctly identifying various situations and discusses how the Trust Index can be used to make more robust decisions.

Thesis (M.A.)--University of West Florida, 2009.
Submitted to the Dept. Of Psychology. Title from title page of source document. Document formatted into pages; contains 77 pages. Includes bibliographical references.

The effects of in-vehicle automation and driving assistant systems on the mental workload and situation awareness of drivers have been the interest of many studies; some of the implications of automation in such man-machine systems have been identified. Due to the introduction of advanced automated systems in agricultural machinery, farmers are currently working with semi-autonomous vehicles. A human factors perspective on the design of these systems will ensure safe and efficient operation of such man-machine systems. In this study, a systematic approach was utilized to address human factors issues associated with operating a semi-autonomous agricultural vehicle, and to provide design recommendations. The study was carried out in three stages. First, a task analysis was used to identify tasks associated with operating an agricultural vehicle and to select appropriate experimental variables. Next, a preliminary experiment was performed to validate the test procedure and measurement techniques. Finally, the main experiment was administered. Experiments were conducted using the Tractor Driving Simulator located in the Agricultural Ergonomics Laboratory at the University of Manitoba. Thirty young experienced tractor drivers participated in this study. The experiment investigated the effects of i) vehicle steering task automation (VSTA) and ii) implement control and monitoring task automation (ICMTA) on mental workload and situation awareness of drivers. It was found that ICMTA significantly affected situation awareness (and its underlying components) of the operator. The situation awareness of drivers increased as the automation support level increased, but the highest level of automation, where the participants were out of the task loop, resulted in low situation awareness, similar to the condition with no automation support. VSTA only reduced the attentional demand of the situation, one of the three components of the situation awareness, which had negative effect on overall situation awareness. Based on the results from a subjective mental workload measure, moderate levels of mental workload were reported when the participants were involved in the implement control and monitoring task loop. The highest level of ICMTA reduced the average mental workload by 18%. Reaction time of drivers and number of errors committed by drivers both decreased as the automation level increased.
October 2015

This study investigates the impact of peripheral visual information in alleviating motion sickness when engaging in non-driving tasks in fully automated driving. A peripheral visual feedforward system (PVFS) was designed providing information about the upcoming actions of the automated car in the periphery of the occupant’s attention. It was hypothesized that after getting the information from the PVFS, the users’ situation awareness is improved while motion sickness is prevented from developing. The PVFS was also assumed not to increase mental workload nor interrupt the performance of the non-driving tasks. The study was accomplished on an actual road using a Wizard of Oz technique deploying an instrumented car that behaved like a real fully automated car. The test rides using the current setup and methodology indicated high consistency in simulating the automated driving. Results showed that with PVFS, situation awareness was enhanced and motion sickness was lessened while mental workload was unchanged. Participants also indicated high hedonistic user experience with the PVFS. While providing peripheral information showed positive results, further study such as delivering richer information and active head movement are possibly needed.

La réalité augmentée (Augmented Reality ou AR) peut potentiellement changer significativement l’expérience utilisateur. Au contraire les applications sur Smartphone ou tablette, les technologies d’affichage tête haute (Head Up Display ouHUD) aujourd’hui sont capables de projeter localement sur une zone du pare-brise ou globalement sur tout le pare-brise. Le conducteur peut alors percevoir l’information directement dans son champ de vision. Ce ne sont pas que les informations basiques comme vitesse ou navigation, le système peut aussi afficher des aides, des indicateurs qui guident l’attention du conducteur vers les dangers possibles. Il existe alors un chalenge scientifique qui est de concevoir des visualisations d’interactions qui s’adaptent en fonction de l’observation de la scène mais aussi en fonction de l’observation du conducteur. Dans le contexte des systèmes d’alerte de collision avec les piétons (Pedestrian Collision Warning System ou PCWS), l’efficacité de la détection du piéton a atteint un niveau élevé grâce à la technologie de vision. Pourtant, les systèmes d’alerte ne s’adaptent pas au conducteur et à la situation, ils deviennent alors une source de distraction et sont souvent négligés par le conducteur. Pour ces raisons, ce travail de thèse consiste à proposer un nouveau concept de PCWS avec l’AR (nommé the AR-PCW system). Premièrement, nous nous concentrons sur l’étude de la conscience de la situation (Situation Awareness ou SA) du conducteur lorsqu’il y a un piéton présent devant le véhicule. Nous proposons une approche expérimentale pour collecter les données qui représentent l’attention du conducteur vis-à-vis du piéton (Driver Awareness of Pedestrian ou DAP) et l’inattention du conducteur vis-à-vis de celui-ci (Driver Unawareness of Pedestrian ou DUP). Ensuite, les algorithmes basées sur les charactéristiques, les modèles d’apprentissage basés sur les modèles discriminants (ex, Support Vector Machine ou SVM) ou génératifs (Hidden Markov Model ou HMM) sont proposés pour estimer le DUP et le DAP. La décision de notre AR-PCW system est effectivement basée sur ce modèle. Deuxièmement, nous proposons les aides ARs pour améliorer le DAP après une étude de l’état de l’art sur les ARs dans le contexte de la conduite automobile. La boite englobante autour du piéton et le panneau d’alerte de danger sont utilisés. Finalement, nous étudions expérimentalement notre système AR-PCW en analysant les effets des aides AR sur le conducteur. Un simulateur de conduite est utilisé et la simulation d’une zone HUD dans la scène virtuelle sont proposés. Vingt-cinq conducteurs de 2 ans de permis de conduite ont participé à l’expérimentation. Les situations ambigües sont créées dans le scénario de conduite afin d’analyser le DAP. Le conducteur doit suivre un véhicule et les piétons apparaissent à différents moments. L’effet des aides AR sur le conducteur est analysé à travers ses performances à réaliser la tâche de poursuite et ses réactions qui engendrent le DAP. Les résultats objectifs et subjectifs montrent que les aides AR sont capables d’améliorer le DAP défini en trois niveaux : perception, vigilance et anticipation. Ce travail de thèse a été financé sur une bourse ministère et a été réalisé dans le cadre des projets FUI18 SERA et Labex MS2T qui sont financé par le Gouvernement Français, à travers le programme « Investissement pour l’avenir » géré par le ANR (Référence ANR-11-IDEX-0004-02)
Augmented reality (AR) can potentially change the driver’s user experience in significant ways. In contrast of the AR applications on smart phones or tablets, the Head-Up-Displays (HUD) technology based on a part or all wind-shield project information directly into the field of vision, so the driver does not have to look down at the instrument which maybe causes to the time-critical event misses. Until now, the HUD designers try to show not only basic information such as speed and navigation commands but also the aids and the annotations that help the driver to see potential dangers. However, what should be displayed and when it has to be displayed are still always the questions in critical driving context. In another context, the pedestrian safety becomes a serious society problem when half of traffic accidents around the world are among pedestrians and cyclists. Several advanced Pedestrian Collision Warning Systems (PCWS) have been proposed to detect pedestrians using the on-board sensors and to inform the driver of their presences. However, most of these systems do not adapt to the driver’s state and can become extremely distracting and annoying when they detect pedestrian. For those reasons, this thesis focuses on proposing a new concept for the PCWS using AR (so called the AR-PCW system). Firstly, for the «When» question, the display decision has to take into account the driver’s states and the critical situations. Therefore, we investigate the modelisation of the driver’s awareness of a pedestrian (DAP) and the driver’s unawareness of a pedestrian (DUP). In order to do that, an experimental approach is proposed to observe and to collect the driving data that present the DAP and the DUP. Then, the feature-based algorithms, the data-driven models based on the discriminative models (e.g. Support Vector Machine) or the generative models (e.g. Hidden Markov Model) are proposed to recognize the DAP and the DUP. Secondly, for the «What» question, our proposition is inspired by the state-of-the-art on the AR in the driving context. The dynamic bounding-box surrounding the pedestrian and the static danger panel are used as the visual aids. Finally, in this thesis, we study experimentally the benefits and the costs of the proposed AR-PCW system and the effects of the aids on the driver. A fixed-based driving simulator is used. A limited display zone on screen is proposed to simulate the HUD. Twenty five healthy middle-aged licensed drivers in ambiguous driving scenarios are explored. Indeed, the heading-car following is used as the main driving task whereas twenty three pedestrians appear in the circuit at different moment and with different behaviors. The car-follow task performance and the awareness of pedestrian are then accessed through the driver actions. The objective results as well as the subjective results show that the visual aids can enhance the driver’s awareness of a pedestrian which is defined with three levels: perception, vigilance and anticipation. This work has been funded by a Ministry scholarship and was carried out in the framework of the FUI18 SERA project, and the Labex MS2T which is funded by the French Government, through the program ”Investments for the future” managed by the National Agency for Research (Reference ANR-11-IDEX-0004-02)

Le principe de la distraction au volant est de détourner l'attention du conducteur en phase de conduite en toute sécurité au profit d'une tâche concurrentielle. Le paradigme de la double tâche repose sur l’hypothèse que la distraction se traduit par une charge cognitive excessive et des ressources restreintes en termes d'attention. Pour combler les lacunes des travaux de recherche portant sur l’étude de la sécurité des conducteurs, cette thèse vise à découvrir les mécanismes de détection de la distraction cognitive visuelle à l'aide de signaux physiologiques. A cette fin, deux séries d'expérimentations ont été menées avec 18 participants. La première expérimentation avec 10 participants vise à évaluer les effets de la distraction et de la synchronisation des signaux de l’EEG. Pour l'analyse statistique, le test de Shapiro-Wilk et l'analyse de variance à deux facteurs ANOVA ont été utilisés. Les résultats indiquent que les deux tâches de distraction cognitive visuelle sont exécutées de façon séquentielle et que le temps de réaction est affecté par le passage d'une tâche à l'autre. Pour la deuxième expérimentation avec 8 participants, un système intégré a été créé en C++, qui implique un système CAVE à 4 parois, un simulateur de conduite utilisant le logiciel de simulation SCANeR, un simple casque EEG à 20 canaux (Enobio 20), un SMI de suivi oculaire et un logiciel BeGaze. Comme paramètres qualitatifs, les réponses aux questionnaires SSQ et NASA-TLX ont été utilisés pour évaluer les commentaires des utilisateurs. Comme paramètres quantitatifs, des solutions d’équations mathématiques, des mesures de mouvements oculaires, de signaux EEG et de performances de conduite ont été utilisées. Pour l'analyse des données, les logiciels Matlab et SPSS ont été utilisés et pour l'analyse statistique, le test Shapiro-Wilk et ANOVA à un facteur. Les résultats indiquent que l'expérience exige une capacité mentale plutôt qu'une capacité physique. Les fréquences de la bande delta dans le lobe frontal des signaux EEG n'ont pas d'impact significatif sur la différentiation entre conduite et distraction, mais les bandes delta et thêta au centre et au pariétal en ont. Les résultats ont également révélé que les fréquences des bandes thêta et alpha sont effectivement des caractéristiques importantes dans les deux expérimentations. Dans une tâche où le sujet peut contrôler quand il s'engage dans la tâche secondaire, la bande bêta a montré son importance d’un point de vue statistique, étant la seule capable de faire la distinction entre différents niveaux des tâches cognitives. La similitude la plus frappante entre les deux expérimentations est que certaines des caractéristiques statistiquement significatives se chevauchent entre les régions du cerveau. Par conséquent, une analyse comparative des techniques d'apprentissage machine (SVM-RFE c. les forêts aléatoires) dans la sélection des caractéristiques pertinentes des signaux EEG, en combinaison avec les valeurs de cohérence, a également été réalisée. Les résultats indiquent que, bien qu'en général, les forêts aléatoires donnent de meilleurs résultats que le séparateur SVM, le score F1 du SVM avec SVM-RFE montre les scores les plus élevés (0.90)
Driving distraction shift the attention away from safe driving towards a competing task. Dual task paradigm defines distraction in terms of excessive workload and limited attentional resources. To fill the gap in driver’s safety research, the thesis aims to uncover the mechanics of detecting visual cognitive distraction by using physiological signals. There are 2 sets of experiments conducted with 18 participants. The first experiment with 10 participants aims at evaluating the effects of distraction and synchronising EEG signals. For statistical analysis, Shapiro Wilk test and two-way ANOVA have been used. The results state that the two visual cognitive distraction tasks are performed sequentially and reaction time is affected by the switch. For the second experiment with 8 participants, an integrated system has been created in C++, which involves a 4-wall CAVE system, a driving simulator using SCANeR simulation software, a simple EEG headset with 20 channels (Enobio 20), SMI Eye tracker, BeGaze software. As qualitative methods, SSQ and NASA TLX have been used to evaluate user feedback. As quantitative methods, maths equations, eye movements, EEG signals, and driving performance have been used. For data analysis, Matlab and SPSS and for statistical analysis, Shapiro Wilk test and one-way ANOVA have been used. The results indicate that experiment demands mental capacity, rather than physical capacity. Delta band frequencies in frontal lobe of EEG signals do not have a significant impact on discriminating between driving and distraction, but delta and theta band at central and parietal do. The results also revealed that theta and alpha band frequencies are indeed an important features in both experiments. In a task where subject can control when they are engaging towards the secondary task, beta band showed its statistical importance being the only one able to discriminate up to different level of cognitive tasks. The most striking similarity between both experiments were, some of the statistically significant features are overlapped between brain regions. A comparative analysis of machine learning techniques (SVMs vs Random Forests) in selecting relevant features of EEG signals, referring to the coherence values, has also been conducted. Results indicate that although in general random forests perform better than SVM classifier, F1-score for SVM demonstrates the highest scores (0.90)

Avec ce travail, nous avons voulu mettre l'accent sur la validité externe des expérimentations et nous focaliser sur des situations dynamiques naturelles. Or dans ce type de situation, les traitements top-down, découlant des connaissances préalables et de l'objectif, guident préférentiellement l'allocation de l'attention, tandis que les traitements bottom-up (caractéristiques des entrées perceptives) ont une influence mineure. Ce travail est donc centré sur l'attention top-down. La situation choisie est une approche de carrefour en conduite automobile, les sous-tâches étudiées sont le contrôle du véhicule (la trajectoire) et la décision de s'arrêter ou non au carrefour. Deux objectifs opérationnels sont investigués à travers l'analyse des mouvements oculaires : 1/ distinguer les sous-tâches de contrôle du véhicule et de prise de décision, 2/ distinguer les processus de la sous-tâche de prise de décision. Pour chaque objectif, une approche qualitative puis quantitative sont explorées. Des techniques de classification supervisées ont notamment été utilisées pour distinguer les différents processus. Deux études ont été conduites afin de répondre à ces objectifs, une en simulateur de conduite et une en situation réelle de conduite, mettant toutes deux en scène des approches de carrefours
In this work, we focus on the external validity of experiments and on natural dynamic situations. In this type of situation, the top-down treatments resulting from prior knowledge and goal preferably guide the allocation of attention, while the bottom-up treatments (characteristics of perceptual input) play a minor role. This work is then focused on top-down attention. The chosen situation is an approach of driving crossroads, the studied subtasks are the control of vehicle (trajectory) and the decision to stop or not at the crossroads. Two operational objectives are investigated by analyzing eye movements: 1/ discriminating the vehicle's control and decision making subtasks, 2/ discriminating the process of the decision making subtask. For each objective, we explore a qualitative and quantitative approach. In particular, supervised techniques of classification have been used to distinguish the different processes. Two studies were conducted in order to meet these objectives, one with a driving simulator and one in a real situation of driving, both involving approaches to crossroads

Die vorliegende Arbeit beschreibt ein generisches Verfahren zur wahrscheinlichkeitsbasierten Erkennung von Fahrsituationen und Fahrmanövern für sicherheitsrelevante Fahrerassistenzsysteme. Fahrsituationen und Manöver unterliegen einer gewissen Unsicherheit basierend auf der unterschiedlichen Situationswahrnehmung bzw. Manöverdurchführung der Fahrzeugführer. Diese Unsicherheitskomponente wird in den Ansatz zur Situations- und Manövererkennung mit einbezogen. Ein weiterer Unsicherheitsaspekt beruht auf den ungenauen Umgebungsinformationen auf denen die Situations- und Manövererkennung basiert. Beide Unsicherheitsursachen sind völlig unabhängig voneinander und werden aus diesem Grund separat betrachtet und modelliert. Zur Modellierung dieser beiden Unsicherheitsaspekte bedient sich der vorgestellte Ansatz der Fuzzy-Theorie, der Theorie der probabilistischen Netzen sowie Verfahren zur Fehlerfortpflanzung und Sensitivitätsanalyse. Nach der theoretischen Vorstellung dieser Methodiken wird in der Arbeit detailliert auf den Einsatz und das Zusammenspiel der einzelnen Verfahren zur Erkennung der Fahrsituationen und Fahrmanöver eingegangen. Die Umsetzbarkeit des vorgestellten Verfahrens wird am Beispiel der Notbremssituation gezeigt. Die Notbremssituation setzt sich aus unterschiedlichen Teilsituationen und Manövern zusammen. Die Erkennung der einzelnen Situationen und Manöver sowie die Zusammenführung zur übergeordneten Notbremssituation wurden mit Hilfe des vorgestellten Verfahrens realisiert. Zur Evaluierung der Erkennungsgüte wurden sowohl Messdaten aus dem Straßenverkehr als auch realitätsnahe Daten, aufgezeichnet auf Versuchsstrecken, herangezogen
The present work describes a generic method for the probabilistic identification of driving situations and driving manoeuvres for safety relevant driver assistance systems. Driving situations and driving manoeuvres underlie a certain uncertainty based on the different situation perception and manoeuvre execution of the driver. This uncertainty component is considered in the approach for the situation and manoeuvre identification. An additional uncertainty aspect is based on the inaccurate environment information, the identification of driving situations and manoeuvres depend on. Both uncertainty aspects are completely independent and are considered and modelled separately for this reason. For modelling both of these uncertainty aspects the present approach is using the fuzzy theory, probabilistic networks, as well as methods for error propagation and sensitivity analysis. After introducing these techniques theoretically, the application and the interaction of the single methods to identify the driving situations and manoeuvres is described in detail. The practicability of the introduced proceeding is shown exemplarily on the emergency brake situation. The emergency brake situation consists of several situation and manoeuvre components. The identification of the single situations and manoeuvres as well as the combination to the higher emergency brake situation is realised with the introduced proceeding. Measuring data gathered on road traffic and close to reality data measured on a test track were used to evaluate the identification quality

Cette thèse en Cognitique se focalise sur la « Conception Centrée sur l'Humain » (Human Centred Design) de futures assistances à la conduite automobile, adaptées aux conducteurs âgés (ou Elderly Adapted Driver Assistance Systems).Pour ce faire, la démarche proposée repose sur une approche et une méthodologie pluridisciplinaire. Sur le plan ergonomique, il s'agit de mieux connaître les spécificitésde la population des conducteurs âgés, dans le but d'identifier des difficultés et des besoins en assistance. A cette fin, 76 conducteurs âgés (de 70 à 87 ans) ont conduitun véhicule instrumenté, immergé dans le trafic. Le corpus de données comporte2100 kilomètres de conduite et 1400 situations de conduite autoévaluées par lesconducteurs, complétés par 6 Focus Group (30 conducteurs âgés).Le second volet, relevant d'une démarche d'Ingénierie Cognitive, vise à concevoir et développer des fonctions de « monitorage » à partir du corpus de données. L'objectif est de disposer de modèles et de fonctions d'analyse temps-réel capables (1) de superviser l'activité de conduite des conducteurs âgés (2) en regard du contexte ou des risques situationnels, afin de (3) diagnostiquer des difficultés ou erreurs de conduite, à des fins d’adaptativité des assistances. Des fonctions de monitorage en lien avec les contrôles de base du véhicule (gestion de la vitesse, positionnement dans la voie et la gestion de l'espace inter-véhiculaire avant) sont développées. Sur cette base, des fonctions de monitorage plus intégrées pour l'aide aux franchissements d'intersections (Tourne-à-Gauche) et l'assistance à l'insertion sur voies rapides (et au changement de voie) sont également proposées
This thesis in Cognitics presents a Human Centered Design approach for thedevelopment of future driving assistance systems dedicated to elderly drivers orElderly Adapted Driver Assistance Systems (E-ADAS).To do so, this work relies on a multi-disciplinary approach for data collection andanalysis. Regarding Ergonomics, the aim is to better understand the specificrequirements of this population in order to identify their actual difficulties and actualneeds of assistance. In this frame, 76 drivers (aged from 70 to 87 years old) took partto an on-the-road experiment, driving an instrumented car. The dataset includes2100 km of ecological driving data and 1400 auto-evaluated driving situations,completed by 6 Focus Groups (involving 30 elderly drivers).The second part of this research, relying on Cognitive Engineering, explores thedesign and implementation of monitoring functions based on the aforementioneddataset. The objective is to have real-time models and analytical functions, able to:(1) supervise the driving activity as realized by an elderly driver, (2) taking in toconsideration the driving context or situational risks (3) in order to detect difficulties ordriving errors. Beyond this thesis, these diagnostics will have to be integrated inassistive systems to better adapt their support to the specific needs of elderly drivers.Specific monitoring functions related to basic vehicle control (speed management,lane positioning and headway regulation) are presented. Based on these results,integrated monitoring functions for intersection crossings in Left-Turn manoeuver,highway merging assistance, and, more broadly, lane change assistance areintroduced

Battery electric vehicles are becoming more common but still fall behind combustion engine cars in terms of driving range and charging time. The displayed driving range in electric vehicles' dashboard can be a volatile parameter suddenly dropping by 10-20\%, for instance when speed is increased. Which can result in a condition referred to as range anxiety . Hence it is interesting to observe more in detail how drivers behave and think in scenarios where range is important and the cars' available range can change drastically depending on the drivers driving style. Such scenarios are problematic to test in real traffic for practical and ethical reasons. In this article, without putting anyone at risk, we present a study using a VR driving simulator in a critical scenario with a substantial risk of running out of battery. Two separate groups (N=10) each drove on the same test track using two different range displays. One group had a typical range display showing the distance left to empty (out of battery) and the other group a novel and more transparent display. The novel display shows how speed is affecting the range. Both displays allow the driver to set a target driving range. The results indicate that the novel display allows for a more agile and adaptive driving style by changing between specific speeds rather than searching and "guessing" which speed is the most optimal as with typical range displays. Although, it can hide other affecting factors, such as acceleration and road height. Which was more prevalent amongst drivers who had to search and guess.
Batterielbilar blir allt vanligare men når inte riktigt upp till samma nivå som bilar med förbränningsmotorer när det handlar om räckvidd och laddtid. Den kvarstående körsträckan som visas i elbilars instrumentpanel kan vara en instabil variabel och plötsligt sjunka med 10-20%, när man till exempel ökar hastigheten. Vilket kan leda till ett tillstånd som kallas räckviddsångest . Därav intresset för att undersöka i detalj hur förare agerar och tänker i scenarier där räckvidd är extra viktigt och bilens kvarstående körsträcka kan ändras drastiskt beroende på körstil. Sådana scenarier är problematiska att testa ute i trafiken av både praktiska och etiska skäl. I denna artikel, utan att placera någon i en verklig riskfylld situation, presenterar vi en studie där en bilsimulator i VR används för att testa ett kritiskt scenario där risken för att strömmen tar slut är stor. Två separata grupper (N=10) körde samma sträcka fast med olika instrumentpaneler. Där den ena är mer konventionell och endast visar kvarstående körsträcka. Medan den andra är mer originell och visar hur hastighet påverkar kvarstående körsträcka. Båda instrumentpanelerna tillåter föraren att ställa in hur långt man vill köra. Resultaten indikerar på att den originella instrumentpanelen tillåter en mer agil och adaptiv körstil, genom att byta mellan specifika hastigheter istället för att leta och gissa vilken hastighet som är optimal, vilket skedde med den konventionella instrumentpanelen. Men den kan även dölja andra faktorer som påverkar körsträckan, såsom acceleration och höjdskillnader. Vilket  användare av den originella instrumentbrädan noterade i större utsträckning.

Les constructeurs automobiles sont tenus de respecter des minima sécuritaires vérifiés lors de crash-tests normalisés, d'où un nombre de scénarios de tests limité ne tenant pas compte des particularités individuelles. Ce mémoire propose d'évaluer le comportement humain réel en phase de pré-crash sur simulateur de conduite. L'expérimentation, intégrant un scénario d'accident difficilement évitable, a permis d'étudier le comportement de 76 conducteurs dont 40 sur simulateur dynamique. Pour ce groupe, 43 voies de mesures centrées sur le conducteur ont été intégrées au protocole. Parmi les résultats obtenus, on retiendra la possible détection précoce de l'accident, pour la moitié des conducteurs, sur la base de leur interaction avec le véhicule. Les manœuvres d’évitement amènent 25% des sujets à positionner l'avant-bras devant le volant au moment de l’impact. Cette situation peut compromettre l'efficacité des airbags, ce qui est vérifié sur banc statique, par le déploiement d'airbags face à un mannequin de type Hybrid III-50%. La projection du bras entraine un impact de 120g à la tête. De plus, l'intégration de membres supérieurs issus de SHPM montre que la situation provoque des fractures de l'avant-bras. Un modèle numérique a été conçu pour estimer les effets de la position atypique lors d'un crash frontal à 50km/h. L'accélération de la tête atteint 270g, synonyme de risques lésionnels élevés. Enfin, une modification technologique des airbags est proposée, basée sur l'hypothèse que la détection à distance peut permettre un déclenchement anticipé et plus lent des airbags. Testée expérimentalement et numériquement, cette évolution permet de respecter les critères lésionnels
Automakers are lawfully required to achieve a minimum level of security which is checked during standardized crash tests. This results in a limited number of scenarios, which do not take individual specificities into account. This dissertation evaluates real human behaviour during the pre-crash phase, by means of a driving simulator. The experiment, integrating an unavoidable accident, studied the behaviour of 76 drivers, of which 40 drivers on a dynamic simulator. Concerning this group, 43 acquisition channels dedicated to drivers were added. From the results, one can retain that the crash can be predicted for half of the drivers through the observation of their behaviour and their interaction with the car. Due to swerving manoeuvres, 25% of the drivers have their forearm just in front of the steering wheel at the time of crash. This situation may compromise the efficiency of the airbags, that is verified experimentally on a static bench, by the deployment of airbags in front of a Hybrid III-50% dummy. The throwing of the arm causes an impact of 120 g to the head. In a second stage, the integration of left upper limbs from PMHS reveals that the situation is likely to generate fractures in the forearm. A numerical model has been designed to estimate the consequences of the atypical position during a frontal crash at 50km/h. The head acceleration reaches 270 g, synonymous with high lesion risks. Finally, a technological modification of the airbags is proposed to reduce this risk. The assumption is made that the use of remote sensors technologies can allow an early detection of the crash and therefore slower triggering of airbags. Tested experimentally and then numerically, this technical evolution reduces the violence of the impact to respect the injury criteria

Die vorliegende Arbeit beschreibt ein generisches Verfahren zur wahrscheinlichkeitsbasierten Erkennung von Fahrsituationen und Fahrmanövern für sicherheitsrelevante Fahrerassistenzsysteme. Fahrsituationen und Manöver unterliegen einer gewissen Unsicherheit basierend auf der unterschiedlichen Situationswahrnehmung bzw. Manöverdurchführung der Fahrzeugführer. Diese Unsicherheitskomponente wird in den Ansatz zur Situations- und Manövererkennung mit einbezogen. Ein weiterer Unsicherheitsaspekt beruht auf den ungenauen Umgebungsinformationen auf denen die Situations- und Manövererkennung basiert. Beide Unsicherheitsursachen sind völlig unabhängig voneinander und werden aus diesem Grund separat betrachtet und modelliert. Zur Modellierung dieser beiden Unsicherheitsaspekte bedient sich der vorgestellte Ansatz der Fuzzy-Theorie, der Theorie der probabilistischen Netzen sowie Verfahren zur Fehlerfortpflanzung und Sensitivitätsanalyse. Nach der theoretischen Vorstellung dieser Methodiken wird in der Arbeit detailliert auf den Einsatz und das Zusammenspiel der einzelnen Verfahren zur Erkennung der Fahrsituationen und Fahrmanöver eingegangen. Die Umsetzbarkeit des vorgestellten Verfahrens wird am Beispiel der Notbremssituation gezeigt. Die Notbremssituation setzt sich aus unterschiedlichen Teilsituationen und Manövern zusammen. Die Erkennung der einzelnen Situationen und Manöver sowie die Zusammenführung zur übergeordneten Notbremssituation wurden mit Hilfe des vorgestellten Verfahrens realisiert. Zur Evaluierung der Erkennungsgüte wurden sowohl Messdaten aus dem Straßenverkehr als auch realitätsnahe Daten, aufgezeichnet auf Versuchsstrecken, herangezogen.
The present work describes a generic method for the probabilistic identification of driving situations and driving manoeuvres for safety relevant driver assistance systems. Driving situations and driving manoeuvres underlie a certain uncertainty based on the different situation perception and manoeuvre execution of the driver. This uncertainty component is considered in the approach for the situation and manoeuvre identification. An additional uncertainty aspect is based on the inaccurate environment information, the identification of driving situations and manoeuvres depend on. Both uncertainty aspects are completely independent and are considered and modelled separately for this reason. For modelling both of these uncertainty aspects the present approach is using the fuzzy theory, probabilistic networks, as well as methods for error propagation and sensitivity analysis. After introducing these techniques theoretically, the application and the interaction of the single methods to identify the driving situations and manoeuvres is described in detail. The practicability of the introduced proceeding is shown exemplarily on the emergency brake situation. The emergency brake situation consists of several situation and manoeuvre components. The identification of the single situations and manoeuvres as well as the combination to the higher emergency brake situation is realised with the introduced proceeding. Measuring data gathered on road traffic and close to reality data measured on a test track were used to evaluate the identification quality.

This master’s thesis is focused on elderly drivers‘ behavior in various traffic situations and its comparison with a group of drivers in their productive years. The first part of the thesis compiles the current state of knowledge of the matter with a focus on age-related changes in driver performance. The analytical part is dedicated to the evaluation of the data collected from test drive video recordings. The data is evaluated to determine time spent on risk area assessments and habits of the groups. The added value and possible limitations given by the methodology are evaluated in the final part of the thesis.

Fallstudien undersöker vad som får sjuksköterskor på akutmottagningen i Kalmar att fortsätta arbeta under den rådande covid-19 pandemin. Studien utgår från en induktiv ansats för att skapa en förståelse för det som undersökts. För att samla in empirisk data som grund för studien har fem kvalitativa intervjuer genomförts och tolkats. Under studien har det framkommit att det som får sjuksköterskorna att fortsätta arbeta har att göra med attribut som tillskrivs professionen. Gemenskapen i arbetsgruppen har varit central såväl som allmänhetens bekräftelse för professionen och dess betydelse. Dessutom har det varit av betydelse att kunna stänga av sina känslor för att orka fortsätta arbeta.
This case study examines the driving forces to work during the on-going covid-19 pandemic. The study proceeds from an inductive approach to create an understanding for the examined case. Five qualitative interviews have been made to collect empirical data to analyze. During the study it has emerged that attributes according to the profession are contributing to proceed the work. The connections in the workgroup have been significant as well as the acknowledgement of the public according to the profession. It has also been of major importance to disconnect the feelings to be able to proceed to work.

Das Ziel dieser Dissertation ist die systematische Entwicklung eines weiterführenden Konzeptes zur Fahrer-Fahrzeug Kooperation, dessen Tauglichkeit anhand empirischer Daten evaluiert und im Hinblick auf sein belegbares Potential in Bezug auf bestehende Ansätze bewertet werden soll.Da Annahmen und Prämissen der Mensch-Maschine-Interaktion den Ausgangspunkt bilden, beginnt die dezidierte Auseinandersetzung und begriffliche Differenzierung von Kooperation in eben diesem Kontext und führt folgerichtig zu einer definitorischen Abgrenzung gegenüber existierenden Ansätzen, der Forderung eines spezifischen Rollenverständnisses zur Interaktion sowie der Ableitung konzeptueller Grundbedingungen. Anschließend werden die strukturellen und prozeduralen Merkmale dieser spezifischen Interaktion herausgearbeitet und dazu benutzt, die generellen Attribute von Kooperation zwischen Fahrer und Fahrzeug zu identifizieren. Dafür wurden nachfolgend solche Indikatoren abgeleitet, vermittels derer der unterstellte Gewinn infolge der Kooperation von Fahrer und Fahrzeug kontrolliert und bewertet werden kann.Im Rahmen mehrerer Voruntersuchungen wurden Fahrsituationen identifiziert, die am meisten von einer kooperativen Interaktion zwischen Fahrer und Fahrzeug profitieren würden. Im Ergebnis wurden für die zwei Hauptuntersuchungen das „Überholen auf der Autobahn“ und das „Linksabbiegen auf innerstädtischen Straßen und Landstraßen mit Gegenverkehr“ als Fahrszenarien ausgewählt, die in jeweils einem eigenständigen Experiment mit alternativen Systemvarianten verglichen worden sind. Die Prüfung spezifischer Hypothesen wurde dabei in die prototypische Umgebung eines Fahrsimulators eingebettet. Abschließend werden in dieser Arbeit die Möglichkeiten zur Etablierung und Einbettung dieses Interaktionskonzeptes in den übergreifenden sozio-technischen Kontext aufgezeigt und zukünftige Perspektiven diskutiert.
The aim of this dissertation is to systematically develop a continuative concept of driver-automobile cooperation, to evaluate its suitability on the basis of empirical data, and to value its provable potential in relation to existing approaches.Assumptions and premises regarding the human-machine interaction constitute the starting point of this work. The decisive altercation and notional differentiation of cooperation are explained in just this context, leading logically to a definitional demarcation of existing approaches, the demand of a specific role understanding of the interaction as well as the derivation of conceptual basic conditions. The structural and procedural characteristics of this specific interaction are then elaborated upon and used to identify the general attributes of cooperation between driver and automobile. In the following, such indicators are derived by which the implied profit as a result of cooperation between driver and automobile can be controlled and valued. Within the framework of several preliminary investigations, those driving situations were identified that would profit most from a cooperative interaction between driver and automobile. As a result, the two driving scenarios "Overtaking on Highways" and "Turning Left on Urban and Country Roads with Oncoming Traffic" were utilized in the experiments. Both single scenarios have been compared in independent experiments with regard to alternative system variants. The prove of specific hypotheses was embedded in the prototypical surroundings of a driving simulator. Finally, the possibility of establishing and embedding this interaction concept into the overall socio-technical context will be presented, and future perspectives will be discussed.

Fahrerablenkung ist ein Begriff, der in den vergangen Jahren verstärkt in das Blickfeld der Öffentlichkeit geraten ist. Dies ist im Wesentlichen zurückzuführen auf die deutlich steigende Verbreitung und Nutzung von Fahrerinformationssystemen. Gleichzeitig führt die steigende Automatisierung im Fahrzeug dazu, dass dem Fahrer in seiner subjektiven Wahrnehmung mehr Ressourcen zur Verfügung stehen, um sich anderen Aktivitäten wie etwa Essen, Rauchen oder Telefonieren zuzuwenden. Die steigende Aktualität dieser Problematik wirft viele Fragen auf. Wie häufig tritt Fahrerablenkung auf? Welche Konsequenzen hat sie? Welche kognitiven Prozesse zeichnen für diese Konsequenzen verantwortlich? Und wie kann man Fahrerablenkung messen? Die vorliegende Dissertation besteht aus drei empirischen Beiträgen, sowie einer kurzen Einführung, die die grundlegenden Fragen und Befunde zum Thema Fahrerablenkung betrachtet. Das Augenmerk des ersten Beitrags liegt auf der Überprüfung theoretischer Annahmen zur Fahrerablenkung. Eine Vielzahl von Untersuchungen zeigt, dass sich kognitiv beanspruchende Zweitaufgaben negativ auf die Fahrleistung auswirken. Im vorliegenden Beitrag wird davon ausgegangen, dass dieser Effekt eine Folge von Interferenzen zwischen den Funktionen des Arbeitsgedächtnisses, die dazu dienen das Situationsmodell der Verkehrssituation aktuell zu halten, und den bearbeiteten Zweitaufgaben ist. Im Rahmen einer Simulatorstudie wurde diese Annahme überprüft. Es zeigte sich, dass die Probanden, die eine Zweitaufgabe ausführten, die speziell die Integration von neuen Informationen in das bestehende Situationsmodell behindern sollte, später auf antizipierbare kritische Ereignisse reagierten als Vergleichsgruppen. Im Gegensatz dazu ergaben sich für unvorhersehbare Ereignisse keine Unterschiede. Diese Ergebnisse weisen darauf hin, dass die negativen Effekte kognitiver Belastung tatsächlich auf Interferenzen mit spezifischen Arbeitsgedächtnisprozessen zurückzuführen sind. Die beiden weiteren Beiträge befassen sich mit messmethodischen Fragen in Bezug auf Fahrerablenkung. In Beitrag zwei wird die Lane Change Task (LCT) thematisiert, eine Labormethode zur Erfassung von Ablenkung. Aufgabe der Probanden ist die Steuerung eines virtuellen Fahrzeuges mittels Lenkrad, und dabei konkret die Ausführung von Spurwechseln, bei gleichzeitiger Bearbeitung von Zweitaufgaben. Trotz eines standardisierten Versuchsaufbaus sind allerdings starke Messvarianzen zwischen verschiedenen Testreihen zu beobachten. Der Übungsgrad der Versuchsteilnehmer wurde dabei als eine mögliche Ursache identifiziert. In zwei Experimenten wurde dieser Vermutungnachgegangen. Probanden bearbeiteten parallel zur LCT Zweitaufgaben verschiedener Schwierigkeitsstufen, nachdem sie zuvor trainiert wurden. Es konnte gezeigt werden, dass der Grad der Übung tatsächlich einen Einfluss auf die Spurwechselperformanz hat, und dass dieser Einfluss auch Monate später noch zu finden ist. Es ist jedoch zweifelhaft, dass dieser Effekt allein ursächlich für die zu beobachtenden Messvarianzen ist. Im dritten Beitrag wird die Critical Tracking Task (CTT) betrachtet, ein Verfahren, das im Kontext Fahrerablenkung bisher kaum Beachtung fand. Die CTT ist eine einfache Trackingaufgabe, welche vom Nutzer die Stabilisierung eines dynamischen, instabilen Elementes auf einem Bildschirm fordert. Die zur Bearbeitung der Aufgabe auszuführenden Tätigkeiten der kontinuierlichen visuellen Überwachung und manuellen Kontrolle sind grundsätzlich vergleichbar mit basalen Anforderungen der Fahraufgabe. Ziel war es, das Potenzial der CTT als Messverfahren von Fahrerablenkung durch Fahrerinformationssysteme zu überprüfen. Die Ergebnisse der vier durchgeführten Experimente, in denen sowohl künstliche als auch reale Aufgaben und Systeme bearbeitet und bedient wurden, legen den Schluss nahe, dass die CTT in der Tat in der Lage ist, das Ausmaß von Ablenkung ausgelöst durch Fahrerinformationssysteme zu quantifizieren.

Fahrerassistenzsysteme werden zunehmend in Fahrzeuge eingebaut mit dem Ziel, den Fahrer beim Fahren zu unterstützen, Fahrfehler zu vermeiden und damit die Fahrsicherheit zu erhöhen. Derzeit sind häufig Systeme im Einsatz, die den Fahrer vor bestimmten Sicherheitsrisiken warnen (z.B. vor einem unbeabsichtigten Verlassen der Fahrspur). Der Trend geht aber hin zu Systemen, die stärker ins Fahrgeschehen eingreifen und somit Teile der Fahraufgabe automatisieren (z.B. selbständig die Spurhaltung des Fahrzeugs übernehmen). Aus der Forschung zur Mensch-Maschine Interaktion ist jedoch bekannt, dass Automatisierung nicht zwangsläufig zur Erhöhung von Sicherheit führt, sondern dass sie vielmehr auch unerwünschte Nebeneffekte für Performanz und Sicherheit mit sich bringen kann in dem Maße, wie Menschen an die veränderten Aufgabenanforderungen adaptieren. Im Straßenverkehr wird insbesondere befürchtet, dass Fahrer sich zu stark auf Fahrerassistenzsysteme verlassen, sich teilweise aus der Fahraufgabe zurückziehen („abschalten“) und ihre Aufmerksamkeit fahrfremden Dingen widmen. Dies kann unter Umständen dazu führen, dass Fahrer im Falle von Systemfehlern oder –ausfällen nicht mehr in der Lage sind rechtzeitig und angemessen einzugreifen bzw. die Kontrolle über das Fahrzeug zu übernehmen. Ziel der Dissertation war es zu untersuchen, inwieweit sich die Involviertheit von Fahrern in die Fahraufgabe verändert je stärker sie durch ein Assistenzsystem unterstützt werden (d.h., je stärker das System Teile der Fahraufgabe automatisiert). Um dies zu untersuchen wurden zwei theoretische Konzepte herangezogen: a) das Verlassen der Fahrer (auf ein System) und b) das Situationsbewusstsein der Fahrer. Basierend auf einer umfassenden Analyse der Forschungsliteratur zum Thema Automatisierung wurde ein theoretisches Rahmenmodell entwickelt, welches Veränderungen in der Involviertheit des Fahrers in die Fahraufgabe auf menschliche Adaptationsprozesse auf verschiedenen Ebenen zurückführt, die sich in Folge der veränderten Aufgaben­anforderungen durch zunehmende Automatisierung ergeben. Dazu zählen Veränderungen in Einstellungen, sowie in kognitiven, energetischen, und motivationalen Prozessen. Um Veränderungen in diesen Prozessen zu untersuchen, wurde eine Vielzahl an objektiven und subjektiven Maßen erhoben. Hauptgegenstand der Dissertation ist eine umfangreiche Fahrsimulatorstudie im Fahrsimulator mit Bewegungsplattform bei VTI (Swedish National Road and Transport Research Institute) in Linköping, Schweden. Dabei kamen zwei Querführungsassistenzsysteme (ein Heading Control System und ein Lane Departure Warning System) zum Einsatz, die den Fahrer in unterschiedlichem Maße bei der Spurhaltung unterstützten. Im Gegensatz zu einem Großteil der bisherigen Studien wurden prozessorientierte Performanzmaße zur Erfassung des Verlassens der Fahrer auf die Assistenzsysteme und des Situationsbewusstseins der Fahrer verwendet. Das Verlassen der Fahrer auf die Querführungsassistenzsysteme wurde durch Blickverhaltensmaße über die Bereitschaft der Fahrer erfasst, ihre visuelle Aufmerksamkeit von der Straße ab hin zu einer Zweitaufgabe im Fahrzeuginnenraum zu wenden. Zur Messung des Situationsbewusstseins der Fahrer wurden Fahrverhaltensmaße herangezogen welche als Indikator für die Schnelligkeit und Abruptheit der Reaktionen der Fahrer auf unerwartete kritische Fahrsituationen dienten. Ein Hauptbefund der Dissertation war, dass die Fahrer sich signifikant im Ausmaß ihres Verlassens auf einen hohen Grad an Assistenz unterschieden. Diese interindividuelle Varianz im Verlassen der Fahrer auf einen hohen Grad an Assistenz konnte am besten durch das Vertrauen der Fahrer in das Querführungsassistenzsystem und ihr Aktivierungsniveau erklärt werden: Je höher das Vertrauen der Fahrer in das System und je geringer ihr Aktivierungsniveau, desto stärker verließen sie sich auf das System. Individuelle Fahrermerkmale (Fahrstil) erklärten einen signifikanten Anteil der Varianz im Vertrauen der Fahrer in die Spurhalteassistenzsysteme. (ersetzt wegen neuem Herausgeber)
Advanced driver assistance systems are increasingly built in vehicles with the aim to support drivers while driving, to reduce driver errors and thereby to increase traffic safety. At present, these systems are often designed to warn drivers of specific safety risks (e.g., of an imminent departure from the driving lane). However, there is a trend towards systems that more strongly intervene in driving and that hence, automate parts of the driving task (e.g., autonomously keep the vehicle within the driving lane). However, research on human-machine interaction has shown that automation does not necessarily increase safety, but that it may also lead to unanticipated side effects on performance and safety to the extent that humans adapt to the changing task demands. A major concern in road traffic is that drivers rely too heavily on driver assistance systems, become less actively involved in the driving task, and divert their attention to things unrelated to driving. Thus, in the case of system malfunctions or failures, drivers possibly may not be prepared to intervene timely and accordingly and to regain control over the vehicle, respectively. The aim of this dissertation was to investigate changes in drivers’ active engagement in the driving task as a function of the degree to which they are supported by a driver assistance system (i.e., as a function of the degree to which the system automates the driving task). Drivers’ active task engagement was studied by referring to two theoretical concepts: a) drivers’ reliance (on a system) and b) drivers’ situation awareness. Based on an extensive review of previous research on automation, a conceptual theoretical framework was developed that links changes in operators’ active task engagement to human adaptation processes on different levels in response to the changing task demands due to automation. Among them are changes in human attitudes as well as in cognitive, motivational and energetic processes. In order to determine the relative influence of these processes, a range of objective and subjective measures was collected. The essential part of the dissertation is an extensive driving simulator study in an advanced moving-base driving simulator at VTI (Swedish National Road and Transport Research Institute) in Linköping, Sweden. Two lateral support systems (a Heading Control system and a Lane Departure Warning system) were implemented which assisted drivers to different degrees in lane keeping. Contrary to most previous automation studies, drivers’ reliance on the lane keeping assistance systems and their situation awareness were studied by using process-oriented performance-based measures. Drivers’ reliance on the lane keeping assistance systems was assessed by eye glance behaviour measures indicating drivers’ preparedness to allocate their visual attention away from the road scene to an in-vehicle secondary task. Drivers’ situation awareness was assessed by behavioural measures of the latency and magnitude of drivers’ initial reactions to unexpected critical driving situations. A major finding of the study was that drivers differed significantly in their reliance on a high level of lane keeping assistance. This interindividual variance in drivers’ reliance on higher-level assistance could be best explained by drivers’ trust in the system and their energetic arousal: The greater drivers’ trust in the system and the lower their arousal, the more did they rely on the system. Individual driver variables (driving style) explained a significant proportion of the variance in drivers’ trust in the lane keeping assistance systems. (replaced because a new publisher)

Face à l’évolution rapide des technologies nécessaires à l’automatisation de la conduite au cours de ces dernières années, les grands constructeurs automobiles promettent la commercialisation de véhicules autonomes à l’horizon 2020. Cependant, la définition des interactions entre les systèmes de conduite automatisée et le conducteur au cours de la tâche de conduite reste une question ouverte. L'objectif de cette thèse est de concevoir, développer et évaluer des principes de coopération entre le conducteur et les systèmes de conduite automatisée. Compte tenu de la complexité d'un tel Système Homme-Machine, la thèse propose, en premier lieu une architecture de contrôle coopératif hiérarchique et deux principes de coopération généraux sur deux niveaux dans l’architecture qui serviront ensuite de base commune pour la conception des systèmes coopératifs développés pour les cas d’usages définis. Afin d’assurer une coopération efficace avec le conducteur dans un environnement de conduite dynamique, le véhicule autonome a besoin de comprendre la situation et de partager sa compréhension de la situation avec le conducteur. Pour cela, cette thèse propose un formalisme de représentation de la scène de conduite basé sur le repère de Frenet. Ensuite, une méthode de prédiction de trajectoire est également proposée. Sur la base de la détection de manœuvre et de l'estimation du jerk, cette méthode permet d’améliorer la précision de la trajectoire prédite comparée à celle déterminée par la méthode basée sur une hypothèse d'accélération constante. Dans la partie d’études de cas, deux principes de coopération sont mis en œuvre dans deux cas d’usage. Dans le premier cas de la gestion d’insertion sur autoroute, un système de contrôle longitudinal coopératif est conçu. Il comporte une fonction de planification de manœuvre et de génération de trajectoire basée sur la commande prédictive. En fonction du principe de coopération, ce système peut à la fois gérer automatiquement l’insertion d’un véhicule et donner la possibilité au conducteur de changer la décision du système. Dans le second cas d'usage qui concerne le contrôle de trajectoire et le changement de voie sur autoroute, le problème de partage du contrôle est formulé comme un problème d’optimisation sous contraintes qui est résolu en ligne en utilisant l’approche de la commande prédictive (MPC). Cette approche assure le transfert continu de l’autorité du contrôle entre le système et le conducteur en adaptant les pondérations dans la fonction de coût et en mettant en œuvre des contraintes dynamiques en ligne dans le modèle prédictif, tout en informant le conducteur des dangers potentiels grâce au retour haptique sur le volant. Les deux systèmes sont évalués à l’aide de tests utilisateur sur simulateur de conduite. En fonction des résultats des tests, cette thèse discute la question des facteurs humains et la perception de l'utilisateur sur les principes de coopération
Given rapid advancement of automated driving (AD) technologies in recent years, major car makers promise the commercialization of AD vehicles within one decade from now. However, how the automation should interact with human drivers remains an open question. The objective of this thesis is to design, develop and evaluate interaction principles for AD systems that can cooperate with a human driver. Considering the complexity of such a human-machine system, this thesis begins with proposing two general cooperation principles and a hierarchical cooperative control architecture to lay a common basis for interaction and system design in the defined use cases. Since the proposed principles address a dynamic driving environment involving manually driven vehicles, the AD vehicle needs to understand it and to share its situational awareness with the driver for efficient cooperation. This thesis first proposes a representation formalism of the driving scene in the Frenet frame to facilitate the creation of the spatial awareness of the AD system. An adaptive vehicle longitudinal trajectory prediction method is also presented. Based on maneuver detection and jerk estimation, this method yields better prediction accuracy than the method based on constant acceleration assumption. As case studies, this thesis implements two cooperation principles for two use cases respectively. In the first use case of highway merging management, this thesis proposes a cooperative longitudinal control framework featuring an ad-hoc maneuver planning function and a model predictive control (MPC) based trajectory generation for transient maneuvers. This framework can automatically handle a merging vehicle, and at the mean time it offers the driver a possibility to change the intention of the system. In another use case concerning highway lane positioning and lane changing, a shared steering control problem is formulated in MPC framework. By adapting the weight on the stage cost and implementing dynamic constraints online, the MPC ensures seamless control transfer between the system and the driver while conveying potential hazards through haptic feedback. Both of the designed systems are evaluated through user tests on driving simulator. Finally, human factors issue and user’s perception on these new interaction paradigms are discussed

The dissertation thesis deals mainly with determining of the duration that driver needs to assess the situation behind his vehicle at manoeuvers of turning and overtaking, based on the measurements made in real road traffic. These are common and frequent driving manoeuvers, which the driver performs while driving the vehicle in regular road traffic. For their safe execution the driver needs to have sufficient amount of information about the situation around the vehicle and especially behind the vehicle. This information can driver usually gain from devices for indirect vision, most often rear view mirrors. The time thus defined, suitable e.g for the needs of forensic engineering applications for the analysis of road accidents, has not been studied in detail yet. For the purpose of its determination, therefore, an extensive analysis of the current state of problematics related to the indirect vision from the vehicle was carried out. There were formulated influences on the time duration and with this related characteristics of humans as a part of the driver-vehicle-environment system in the thesis. The characteristics of human perception were investigated and the problematics of reaction time was discussed. Existing research focused on the duration of rear view mirrors glances was analyzed and possible methods of its measurement in detail were presented by author. Based on this, an experiment was designed and realized, the time necessary for rear view mirror glances was defined by the author. The results enable to quantify the time that the driver needs for assessing the situation behind the vehicle in connection of turning, overtaking and other driving manoeuvers when the driver needs to change the driving direction. The conclusions showed that the time needed to evaluate the situation behind the vehicle by means of the rear-view mirrors does not normally exceed duration 1 second.

Many functions that at one time could only be performed by humans can nowadays be carried out by machines. Automation impacts many areas of life including work, home, communication and mobility. In the driving context, in-vehicle automation is considered to provide solutions for environmental, economic, safety and societal challenges. However, automation changes the driving task and the human-machine interaction. Thus, the expected benefit of in-vehicle automation can be undermined by changes in drivers’ behaviour, i.e. behavioural adaptation. This PhD project focuses on motivational as well as higher cognitive processes underlying behavioural adaptation when interacting with in-vehicle automation. Motivational processes include the development of trust and acceptance, whereas higher cognitive processes comprise the learning process as well as the development of mental models and Situation Awareness (SA). As an example for in-vehicle automation, the advanced driver assistance system Adaptive Cruise Control (ACC) was investigated. ACC automates speed and distance control by maintaining a constant set cruising speed and automatically adjusting vehicle’s velocity in order to provide a specified distance to the preceding vehicle. However, due to sensor limitations, not every situation can be handled by the system and therefore driver intervention is required. Trust, acceptance and an appropriate mental model of the system functionality are considered key variables for adequate use and appropriate SA. To systematically investigate changes in motivational and higher cognitive processes, a driving simulator as well as an on-road study were carried out. Both of the studies were conducted using a repeated-measures design, taking into account the process character, i.e. changes over time. The main focus was on the development of trust, acceptance and the mental model of novice users when interacting with ACC. By now, only few studies have attempted to assess changes in higher level cognitive processes, due to methodological difficulties posed by the dynamic task of driving. Therefore, this PhD project aimed at the elaboration and validation of innovative methods for assessing higher cognitive processes, with an emphasis on SA and mental models. In addition, a new approach for analyzing big and heterogeneous data in social science was developed, based on the use of relational databases. The driving simulator study investigated the effect of divergent initial mental models of ACC (i.e., varying according to correctness) on trust, acceptance and mental model evolvement. A longitudinal study design was applied, using a two-way (3×3) repeated measures mixed design with a matched sample of 51 subjects. Three experimental groups received (1) a correct ACC description, (2) an incomplete and idealised account omitting potential problems, and (3) an incorrect description including non-occurring problems. All subjects drove a 56-km track of highway with an identical ACC system, three times, and within a period of 6 weeks. Results showed that after using the system, participants’ mental model of ACC converged towards the profile of the correct group. Non-experienced problems tended to disappear from the mental model network when they were not activated by experience. Trust and acceptance grew steadily for the correct condition. The same trend was observed for the group with non-occurring problems, starting from a lower initial level. Omitted problems in the incomplete group led to a constant decrease in trust and acceptance without recovery. This indicates that automation failures do not negatively affect trust and acceptance if they are known beforehand. During each drive, participants continuously completed a visual secondary task, the Surrogate Reference Task (SURT). The frequency of task completion was used as objective online-measure for SA, based on the principle that situationally aware driver would reduce the engagement in the secondary task if they expect potentially critical situations. Results showed that correctly informed drivers were aware of potential system limitations and reduced their engagement in the secondary task when such situations arose. Participants with no information about limitations became only aware after first encounter and reduced secondary task engagement in corresponding situations during subsequent trials. However, trust and acceptance in the system declined over time due to the unexpected failures. Non occurring limitations tended to drop from the mental model and resulted in reduced SA already in the second trial. The on-road study investigated the learning process, as well as the development of trust, acceptance and the mental model for interacting with ACC in real conditions. Research questions aimed to model the learning process in mathematical/statistical terms, examine moments and conditions when these processes stabilize, and assess how experience changes the mental model of the system. A sample of fifteen drivers without ACC experience drove a test vehicle with ACC ten consecutive times on the same route within a 2-month period. In contrast to the driving simulator study, all participants were fully trained in ACC functionality by reading the owner’s manual in the beginning. Results showed that learning, as well as the development of acceptance and trust in ACC follows the power law of learning, in case of comprehensive prior information on system limitations. Thus, the major part of the learning process occurred during the first interaction with the system and support in explaining the systems abilities (e.g. by tutoring systems) should therefore primarily be given during this first stage. All processes stabilized at a relatively high level after the fifth session, which corresponds to 185 km or 3.5 hours of driving. No decline was observable with ongoing system experience. However, in line with the findings from the simulator study, limitations that are not experienced tended to disappear from the mental model if they were not activated by experience. With regard to the validation of the developed methods for assessing mental models and SA, results are encouraging. The studies show that the mental model questionnaire is able to provide insights into the construction of mental models and the development over time. Likewise, the implicit measurement approach to assess SA online in the driving simulator is sensitive to user’s awareness of potentially critical situations. In terms of content, the results of the studies prove the enduring relevance of the initial mental model for the learning process, SA, as well as the development of trust, acceptance and a realistic mental model about automation capabilities and limitations. Given the importance of the initial mental model it is recommended that studies on system trust and acceptance should include, and attempt to control, users’ initial mental model of system functionality. Although the results showed that also incorrect and incomplete initial mental models converged by experience towards a realistic appreciation of system functionality, the more cognitive effort needed to update the mental model, the lower trust and acceptance. Providing an idealised description, which omits potential problems, only leads to temporarily higher trust and acceptance in the beginning. The experience of unexpected limitations results in a steady decrease in trust and acceptance over time. A trial-and-error strategy for in-vehicle automation use, without accompanying information, is therefore considered insufficient for developing stable trust and acceptance. If the mental model matches experience, trust and acceptance grow steadily following the power law of learning – regardless of the experience of system limitations. Provided that such events are known in advance, they will not cause a decrease in trust and acceptance over time. Even over-information about potential problems lowers trust and acceptance only in the beginning, and not in the long run. Potential problems should therefore not be concealed in over-idealised system descriptions; the more information given, the better, in the long run. However, limitations that are not experienced tend to disappear from the mental model. Therefore, it is recommended that users be periodically reminded of system limitations to make sure that corresponding knowledge becomes re-activated. Intelligent tutoring systems incorporated in automated systems could provide a solution. In the driving context, periodic reminders about system limitations could be shown via the multifunction displays integrated in most modern cars. Tutoring systems could also be used to remind the driver of the presence of specific in-vehicle automation systems and reveal their benefits
Viele Aufgaben, die ehemals von Menschen ausgeführt wurden, werden heute von Maschinen übernommen. Dieser Prozess der Automatisierung betrifft viele Lebensbereiche von Arbeit, Wohnen, Kommunikation bis hin zur Mobilität. Im Bereich des Individualverkehrs wird die Automatisierung von Fahrzeugen als Möglichkeit gesehen, zukünftigen Herausforderungen wirtschaftlicher, gesellschaftlicher und umweltpolitischer Art zu begegnen. Allerdings verändert Automatisierung die Fahraufgabe und die Mensch-Technik Interaktion im Fahrzeug. Daher können beispielsweise erwartete Sicherheitsgewinne automatisch agierender Assistenzsysteme durch Veränderungen im Verhalten des Fahrers geschmälert werden, was als Verhaltensanpassung (behavioural adaptation) bezeichnet wird. Dieses Dissertationsprojekt untersucht motivationale und höhere kognitive Prozesse, die Verhaltensanpassungen im Umgang mit automatisierten Fahrerassistenzsystemen zugrunde liegen. Motivationale Prozesse beinhalten die Entwicklung von Akzeptanz und Vertrauen in das System, unter höheren kognitiven Prozessen werden Lernprozesse sowie die Entwicklung von mentalen Modellen des Systems und Situationsbewusstsein (Situation Awareness) verstanden. Im Fokus der Untersuchungen steht das Fahrerassistenzsystem Adaptive Cruise Control (ACC) als ein Beispiel für Automatisierung im Fahrzeug. ACC regelt automatisch die Geschwindigkeit des Fahrzeugs, indem bei freier Fahrbahn eine eingestellte Wunschgeschwindigkeit und bei einem Vorausfahrer automatisch ein eingestellter Abstand eingehalten wird. Allerdings kann ACC aufgrund von Einschränkungen der Sensorik nicht jede Situation bewältigen, weshalb der Fahrer übernehmen muss. Für diesen Interaktionsprozess spielen Vertrauen, Akzeptanz und das mentale Modell der Systemfunktionalität eine Schlüsselrolle, um einen sicheren Umgang mit dem System und ein adäquates Situationsbewusstsein zu entwickeln. Zur systematischen Erforschung dieser motivationalen und kognitiven Prozesse wurden eine Fahrsimulatorstudie und ein Versuch im Realverkehr durchgeführt. Beide Studien wurden im Messwiederholungsdesign angelegt, um dem Prozesscharakter gerecht werden und Veränderungen über die Zeit erfassen zu können. Die Entwicklung von Vertrauen, Akzeptanz und mentalem Modell in der Interaktion mit ACC war zentraler Forschungsgegenstand beider Studien. Bislang gibt es wenige Studien, die kognitive Prozesse im Kontext der Fahrzeugführung untersucht haben, unter anderem auch wegen methodischer Schwierigkeiten in diesem dynamischen Umfeld. Daher war es ebenfalls Teil dieses Dissertationsprojekts, neue Methoden zur Erfassung höherer kognitiver Prozesse in dieser Domäne zu entwickeln, mit Fokus auf mentalen Modellen und Situationsbewusstsein. Darüber hinaus wurde auch ein neuer Ansatz für die Analyse großer und heterogener Datenmengen im sozialwissenschaftlichen Bereich entwickelt, basierend auf dem Einsatz relationaler Datenbanken. Ziel der der Fahrsimulatorstudie war die systematische Erforschung des Effekts von unterschiedlich korrekten initialen mentalen Modellen von ACC auf die weitere Entwicklung des mentalen Modells, Vertrauen und Akzeptanz des Systems. Eine Stichprobe von insgesamt 51 Probanden nahm an der Studie teil; der Versuch wurde als zweifaktorielles (3x3) gemischtes Messwiederholungsdesign konzipiert. Die 3 parallelisierten Versuchsgruppen zu je 17 Personen erhielten (1) eine korrekte Beschreibung des ACC, (2) eine idealisierte Beschreibung unter Auslassung auftretender Systemprobleme und (3) eine überkritische Beschreibung mit zusätzlichen Hinweisen auf Systemprobleme, die nie auftraten. Alle Teilnehmer befuhren insgesamt dreimal im Zeitraum von sechs Wochen dieselbe 56 km lange Autobahnstrecke im Fahrsimulator mit identischem ACC-System. Mit zunehmendem Einsatz des ACC zeigte sich im anfänglich divergierenden mentalen Modell zwischen den Gruppen eine Entwicklung hin zum mentalen Modell der korrekt informierten Gruppe. Nicht erfahrene Systemprobleme tendierten dazu, im mentalen Modell zu verblassen, wenn sie nicht durch Erfahrung reaktiviert wurden. Vertrauen und Akzeptanz stiegen stetig in der korrekt informierten Gruppe. Dieselbe Entwicklung zeigte sich auch in der überkritisch informierten Gruppe, wobei Vertrauen und Akzeptanz anfänglich niedriger waren als in der Bedingung mit korrekter Information. Verschwiegene Systemprobleme führten zu einer konstanten Abnahme von Akzeptanz und Vertrauen ohne Erholung in der Gruppe mit idealisierter Beschreibung. Diese Resultate lassen darauf schließen, dass Probleme automatisierter Systeme sich nicht zwingend negativ auf Vertrauen und Akzeptanz auswirken, sofern sie vorab bekannt sind. Bei jeder Fahrt führten die Versuchsteilnehmer zudem kontinuierlich eine visuell beanspruchende Zweitaufgabe aus, die Surrogate Reference Task (SURT). Die Frequenz der Zweitaufgabenbearbeitung diente als objektives Echtzeitmaß für das Situationsbewusstsein, basierend auf dem Ansatz, dass situationsbewusste Fahrer die Zuwendung zur Zweitaufgabe reduzieren wenn sie potentiell kritische Situationen erwarten. Die Ergebnisse zeigten, dass die korrekt informierten Fahrer sich potentiell kritischer Situationen mit möglichen Systemproblemen bewusst waren und schon im Vorfeld der Entstehung die Zweitaufgabenbearbeitung reduzierten. Teilnehmer ohne Informationen zu auftretenden Systemproblemen wurden sich solcher Situationen erst nach dem ersten Auftreten bewusst und reduzierten in entsprechenden Szenarien der Folgefahrten die Zweitaufgabenbearbeitung. Allerdings sanken Vertrauen und Akzeptanz des Systems aufgrund der unerwarteten Probleme. Erwartete, aber nicht auftretende Systemprobleme tendierten dazu, im mentalen Modell des Systems zu verblassen und resultierten in vermindertem Situationsbewusstsein bereits in der zweiten Fahrt. Im Versuch unter Realbedingungen wurden der Lernprozesses sowie die Entwicklung des mentalen Modells, Vertrauen und Akzeptanz von ACC im Realverkehr erforscht. Ziele waren die statistisch/mathematische Modellierung des Lernprozesses, die Bestimmung von Zeitpunkten der Stabilisierung dieser Prozesse und wie sich reale Systemerfahrung auf das mentale Modell von ACC auswirkt. 15 Versuchsteilnehmer ohne ACC-Erfahrung fuhren ein Serienfahrzeug mit ACC insgesamt 10-mal auf der gleichen Strecke in einem Zeitraum von 2 Monaten. Im Unterschied zur Fahrsimulatorstudie waren alle Teilnehmer korrekt über die ACC-Funktionen und Funktionsgrenzen informiert durch Lesen der entsprechenden Abschnitte im Fahrzeughandbuch am Beginn der Studie. Die Ergebnisse zeigten, dass der Lernprozess sowie die Entwicklung von Akzeptanz und Vertrauen einer klassischen Lernkurve folgen – unter der Bedingung umfassender vorheriger Information zu Systemgrenzen. Der größte Lernfortschritt ist am Beginn der Interaktion mit dem System sichtbar und daher sollten Hilfen (z.B. durch intelligente Tutorsysteme) in erster Linie zu diesem Zeitpunkt gegeben werden. Eine Stabilisierung aller Prozesse zeigte sich nach der fünften Fahrt, was einer Fahrstrecke von rund 185 km oder 3,5 Stunden Fahrzeit entspricht. Es zeigten sich keine Einbrüche in Akzeptanz, Vertrauen bzw. dem Lernprozess durch die gemachten Erfahrungen im Straßenverkehr. Allerdings zeigte sich – analog zur Fahrsimulatorstudie – auch in der Realfahrstudie ein Verblassen von nicht erfahrenen Systemgrenzen im mentalen Modell, wenn diese nicht durch Erfahrungen aktiviert wurden. Im Hinblick auf die Validierung der neu entwickelten Methoden zur Erfassung von mentalen Modellen und Situationsbewusstsein sind die Resultate vielversprechend. Die Studien zeigen, dass mit dem entwickelten Fragebogenansatz zur Quantifizierung des mentalen Modells Einblicke in Aufbau und Entwicklung mentaler Modelle gegeben werden können. Der implizite Echtzeit-Messansatz für Situationsbewusstsein im Fahrsimulator zeigt sich ebenfalls sensitiv in der Erfassung des Bewusstseins von Fahrern für potentiell kritische Situationen. Inhaltlich zeigen die Studien die nachhaltige Relevanz des initialen mentalen Modells für den Lernprozess sowie die Entwicklung von Situationsbewusstsein, Akzeptanz, Vertrauen und die weitere Ausformung eines realistischen mentalen Modells der Möglichkeiten und Grenzen automatisierter Systeme. Aufgrund dieser Relevanz wird die Einbindung und Kontrolle des initialen mentalen Modells in Studien zu automatisierten Systemen unbedingt empfohlen. Die Ergebnisse zeigen zwar, dass sich auch unvollständige bzw. falsche mentale Modelle durch Erfahrungslernen hin zu einer realistischen Einschätzung der Systemmöglichkeiten und -grenzen verändern, allerdings um den Preis sinkenden Vertrauens und abnehmender Akzeptanz. Idealisierte Systembeschreibungen ohne Hinweise auf mögliche Systemprobleme bringen nur anfänglich etwas höheres Vertrauen und Akzeptanz. Das Erleben unerwarteter Probleme führt zu einem stetigen Abfall dieser motivationalen Faktoren über die Zeit. Ein alleiniges Versuchs-Irrtums-Lernen für den Umgang mit automatisierter Assistenz im Fahrzeug ohne zusätzliche Information wird daher als nicht ausreichend für die Entwicklung stabilen Vertrauens und stabiler Akzeptanz betrachtet. Wenn das initiale mentale Modell den Erfahrungen entspricht, entwickeln sich Akzeptanz und Vertrauen gemäß einer klassischen Lernkurve – trotz erlebter Systemgrenzen. Sind diese potentiellen Probleme vorher bekannt, führen sie nicht zwingend zu einer Reduktion von Vertrauen und Akzeptanz. Auch zusätzliche überkritische Information vermindert Vertrauen und Akzeptanz nur am Beginn, aber nicht langfristig. Daher sollen potentielle Probleme in automatisierten Systemen nicht in idealisierten Beschreibungen verschwiegen werden – je präzisere Information gegeben wird, desto besser im langfristigen Verlauf. Allerdings tendieren nicht erfahrene Systemgrenzen zum Verblassen im mentalen Modell. Daher wird empfohlen, Nutzer regelmäßig an diese Systemgrenzen zu erinnern um die entsprechenden Facetten des mentalen Modells zu reaktivieren. In automatisierten Systemen integrierte intelligente Tutorsysteme könnten dafür eine Lösung bieten. Im Fahrzeugbereich könnten solche periodischen Erinnerungen an Systemgrenzen in Multifunktionsdisplays angezeigt werden, die mittlerweile in vielen modernen Fahrzeugen integriert sind. Diese Tutorsysteme können darüber hinaus auch auf die Präsenz eingebauter automatisierter Systeme hinweisen und deren Vorteile aufzeigen

碩士
國立中央大學
資訊工程研究所
93
Recently, people pay much attention on driving safety. To improve the driving safety, we used a camera mounted on the vehicle to capture road scenes for road and driving situation detection. The detection tasks in this study include lane marking detection, multi-lane estimation, lane marking classification, and front-vehicle distance estimation. The lane markings are detected by searching the optimal parameters of a defined lane model on the images. By restricting the yaw angle of the vehicles, the searching space can be reduced to achieve the real time requirement. The multiple lane estimation method estimates the adjacent lanes based on a restricted formula without any search. The lane markings are classified based on a proposed method of accumulating edge pixels. The tilt and pan angles of camera related to the world coordinate system can be inferred from the vanishing point of lane markings. The distance to a front vehicle is then estimated from the acquired tilt angle. The experimental results show that the proposed method can detect the current lane markings and adjacent lanes efficiently. The estimated distance and lane marking classification are good enough to provide more information to the drivers. The whole processing time of the proposed system is about 0.027 seconds in average on a 2.4 GHz Pentium-based personal computer.

碩士
國立雲林科技大學
工業工程與管理系
106
A 2 (traffic complexity: high and low load driving environment; within-subject) x 3 (driving condition: manual, automated driving-look landscape and automated driving-use smart phone; between-subject) was used for this experiment. 60 drivers participated in the current study (36 males). The average age was 23.1(SD=2.1). The results showed that drivers of automated driving-use smart phone spend the longest time except take-over request time, and the variances of steering wheel angle were the largest. Auditory SA1 and SA2 are better in low load driving environment. Auditory SA1 is better in automated driving-look landscape. The results of subjective rate showed that when driving in high load environment, cause people more negative feelings. The drivers of automated driving-use smart phone felt more anxiety. In summary, the results revealed that the driving behavior of the drivers look landscape when automated driving were about the same as manual drivers. Compared with using smart phone, automated driving-look landscape is more safe and feasible.

碩士
東海大學
工業設計學系
95
The elderly subject is one of the most popular topics around the social trend, and it contains all the areas of human living requirement. Because of the movement problem, especial for transportation tools using, the elderly suffer much frustration in daily life. In the present, about the elderly driving subjects most are about the population statistic and avoid dangerous, but this research expect to discuss it from more other aspects for the near future in Taiwan. The research area includes understanding the characteristics of the elderly driving, social perspective, and the response method in the present to understand the information about the elderly driving. Because the real elderly people in Taiwan now are not enough case to study this project, this research will implement the mature year people who are coming to elderly in near future to be the research subjects. And using the questionnaire to analyze and understand what they think about the elderly driving and the effect between each factor. To expect this research could clean out some of the points about the elderly driving in Taiwan. According this result, it could give some information resource and suggestion for latter research.

Thesis (Ph.D.)--York University, 2008. Graduate Programme in Psychology.
Typescript. Includes bibliographical references (leaves 229-251). Also available on the Internet. MODE OF ACCESS via web browser by entering the following URL: http://gateway.proquest.com/openurl?url_ver=Z39.88-2004&res_dat=xri:pqdiss&rft_val_fmt=info:ofi/fmt:kev:mtx:dissertation&rft_dat=xri:pqdiss:NR46015

碩士
國立雲林科技大學
工業工程與管理系
106
The objective of this study was to investigate driving behavior and SA (situation awareness) performance of different chronotypes in different time. In this research, the experiment design is 3 (drivers’ chronotypes : morningness, intermediate, eveningness ; between) x 3 (different periods: daylight, moonlight and midnight ; within). In this study we screening the people who is belong to morningness, intermediate and eveningness through MEQ (Morningness-Eveningness questionnaire), making use of the car driving simulator to design SA events and DA (divided attention) task. The BSSS-V (Brief Sensation Seeking Scale Form V) and DDDI (Dula dangerous driving index) was used as realizing their personality. After completing this experiment, subjects have to fill out the task load index to analysis their mental workload in different periods. The results of this study were that eveningness people have better performance at completing the DA task accurately and keeping in the designated lane in moonlight and midnight, morningness people have better performance in daylight. In terms of SA, eveningness people have better performance at SA test in visual in moonlight and midnight, morningness people have better performance in daylight. The intermediate people have better performance at SA test in auditory test. In terms of mental workload, eveningness people was more likely to feel stress when they were during the daylight period especially. Nowadays, there are only a few studies focus on the different chronotypes. We can extend this topic to other driving behavior, such as the causes and period of traffic accidents, traffic violation, personality of different chronotypes and so on. Furthermore, we can combine the auditory warning system with visual direction for the drivers to obtain directions and trends of information on the road accurately.

The development of driver assistance and automated vehicle control is in process and finds its way more and more into urban traffic environments. Here, the complexity of traffic situations is highly challenging and requires system approaches to comprehend such situations. The key element is the process of situation assessment to identify critical situations in advance and derive adequate warning and intervention strategies. This thesis introduces a system approach to establish a situation assessment process with the focus on the prediction of the driver intention. The system design is based on the Situation Awareness model by Endsley. Further, a prediction algorithm is created using Hidden Markov Models. To define the parameters of the models, an existing database is used and previously analyzed to identify reasonable variables that indicate an intended driving direction while approaching the intersection. Here, vehicle dynamics are used instead of driver inputs to enable a further extension of the prediction, i.e.\\ to predict the driving intention of other vehicles detected by sensors. High prediction rates at temporal distances of several seconds before entering the intersection are accomplished. The prediction is integrated in a system for situation assessment including an intersection model. A Matlab tool is created with an interface to the vehicle CAN bus and the intersection modeling which uses digital map data to establish a representation of the intersection. To identify differences and similarities in the process of approaching an intersection dependent on the intersection shape and regulation, a naturalistic driving study is conducted. Here, the distance to the intersection and velocity is observed on driver inputs related to the upcoming intersection (leaving the gas pedal, pushing the brake, using the turn signal). The findings are used to determine separate prediction models dependent on shape and regulation of the upcoming intersection. The system runs in real-time and is tested in a real traffic environment.:Contents List of Figures Acronyms 1 Introduction 1.1 Motivation 1.2 Outline 2 Fundamentals 2.1 Traffic Intersections 2.2 Situation Assessment 2.3 Prediction of Driver Intention 2.3.1 Methods Overview 2.3.2 Hidden Markov Models 2.4 Localization 3 Driving Behavior 3.1 Data Analysis 3.1.1 Data selection and processing 3.1.2 Results 3.1.3 Conclusion 3.2 Naturalistic Driving Study 3.2.1 Background 3.2.2 Methods 3.2.3 Results 3.2.4 Discussion and Conclusion 4 Prediction Algorithm 4.1 Framework 4.2 Input data 4.3 Evaluation 4.4 Validation 4.5 Conclusion 5 System Approach 5.1 Sensing 5.2 Situation analysis 5.3 Prediction 5.3.1 Implementation 5.3.2 Graphical User Interface (GUI) 5.3.3 Testing and Outlook 6 Conclusion and Outlook Bibliography
Die Entwicklung von Fahrerassistenz und automatisiertem Fahren ist in vollem Gange und entwickelt sich zunehmend in Richtung urbanen Verkehrsraum. Hier stellen besonders komplexe Verkehrssituationen sowohl für den Fahrer als auch für Assistenzsysteme eine Herausforderung dar. Zur Bewältigung dieser Situationen sind neue Systemansätze notwendig, die eine Situationsanalyse und -bewertung beinhalten. Dieser Prozess der Situationseinschätzung ist der Schlüssel zum Erkennen von kritischen Situationen und daraus abgeleiteten Warnungs- und Eingriffsstrategien. Diese Arbeit stellt einen Systemansatz vor, welcher den Prozess der Situationseinschätzung abbildet mit einem Fokus auf die Prädiktion der Fahrerintention. Das Systemdesign basiert dabei auf dem Situation Awareness Model von Endsley. Der Prädiktionsalgorithmus ist mit Hilfe von Hidden Markov Modellen umgesetzt. Zur Bestimmung der Modellparameter wurde eine existierende Datenbasis genutzt und zur Bestimmung von relevanten Variablen für die Prädiktion der Fahrtrichtung während der Kreuzungsannäherung analysiert. Dabei wurden Daten zur Fahrdynamik ausgewählt anstelle von Fahrereingaben um die Prädiktion später auf externe Fahrzeuge mittels Sensorinformationen zu erweitern. Es wurden hohe Prädiktionsraten bei zeitlichen Abständen von mehreren Sekunden bis zum Kreuzungseintritt erzielt. Die Prädiktion wurde in das System zur Situationseinschätzung integriert. Weiterhin beinhaltet das System eine statische Kreuzungsmodellierung. Dabei werden digitale Kartendaten genutzt um eine Repräsentation der Kreuzung und ihrer statischen Attribute zu erzeugen und die der Kreuzungsform entsprechenden Prädiktionsmodelle auszuwählen. Das Gesamtsystem ist als Matlab Tool mit einer Schnittstelle zum CAN Bus implementiert. Weiterhin wurde eine Fahrstudie zum natürlichen Fahrverhalten durchgeführt um mögliche Unterschiede und Gemeinsamkeiten bei der Annäherung an Kreuzungen in Abhängigkeit der Form und Regulierung zu identifizieren. Hierbei wurde die Distanz zur Kreuzung und die Geschwindigkeit bei Fahrereingaben im Bezug zur folgenden Kreuzung gemessen (Gaspedalverlassen, Bremspedalbetätigung, Blinkeraktivierung). Die Ergebnisse der Studie wurden genutzt um die Notwendigkeit verschiedener Prädiktionsmodelle in Abhängigkeit von Form der Kreuzung zu bestimmen. Das System läuft in Echtzeit und wurde im realen Straßenverkehr getestet.:Contents List of Figures Acronyms 1 Introduction 1.1 Motivation 1.2 Outline 2 Fundamentals 2.1 Traffic Intersections 2.2 Situation Assessment 2.3 Prediction of Driver Intention 2.3.1 Methods Overview 2.3.2 Hidden Markov Models 2.4 Localization 3 Driving Behavior 3.1 Data Analysis 3.1.1 Data selection and processing 3.1.2 Results 3.1.3 Conclusion 3.2 Naturalistic Driving Study 3.2.1 Background 3.2.2 Methods 3.2.3 Results 3.2.4 Discussion and Conclusion 4 Prediction Algorithm 4.1 Framework 4.2 Input data 4.3 Evaluation 4.4 Validation 4.5 Conclusion 5 System Approach 5.1 Sensing 5.2 Situation analysis 5.3 Prediction 5.3.1 Implementation 5.3.2 Graphical User Interface (GUI) 5.3.3 Testing and Outlook 6 Conclusion and Outlook Bibliography

Thesis (Ph.D.)--North Carolina State University, 2005.
Includes vita. Includes bibliographical references (p. 109-113). Also available online via the North Carolina State University Libraries website (http://www.lib.ncsu.edu/).

Thesis (Ph.D.)--York University, 1999. Graduate Programme in Psychology.
Typescript. Includes bibliographical references (leaves 99-120). Also available on the Internet. MODE OF ACCESS via web browser by entering the following URL: http://gateway.proquest.com/openurl?url_ver=Z39.88-2004&res_dat=xri:pqdiss&rft_val_fmt=info:ofi/fmt:kev:mtx:dissertation&rft_dat=xri:pqdiss:NQ39272

Forward Collision Alarms (FCA) intend to signal hazardous traffic situations and the need for an immediate corrective driver response. However, data of naturalistic driving studies revealed that approximately the half of all alarms activated by conventional FCA systems represented unnecessary alarms. In these situations, the alarm activation was correct according to the implemented algorithm, whereas the alarms led to no or only minimal driver responses. Psychological research can make an important contribution to understand drivers’ needs when interacting with driver assistance systems. The overarching objective of this thesis was to gain a systematic understanding of psychological factors and processes that influence drivers’ perceived need for assistance in potential collision situations. To elucidate under which conditions drivers perceive alarms as unnecessary, a theoretical framework of drivers’ subjective alarm evaluation was developed. A further goal was to investigate the impact of unnecessary alarms on drivers’ responses and acceptance. Four driving simulator studies were carried out to examine the outlined research questions. In line with the hypotheses derived from the theoretical framework, the results suggest that drivers’ perceived need for assistance is determined by their retrospective subjective hazard perception. While predictions of conventional FCA systems are exclusively based on physical measurements resulting in a time to collision, human drivers additionally consider their own manoeuvre intentions and those attributed to other road users to anticipate the further course of a potentially critical situation. When drivers anticipate a dissolving outcome of a potential conflict, they perceive the situation as less hazardous than the system. Based on this discrepancy, the system would activate an alarm, while drivers’ perceived need for assistance is low. To sum up, the described factors and processes cause drivers to perceive certain alarms as unnecessary. Although drivers accept unnecessary alarms less than useful alarms, unnecessary alarms do not reduce their overall system acceptance. While unnecessary alarms cause moderate driver responses in the short term, the intensity of responses decrease with multiple exposures to unnecessary alarms. However, overall, effects of unnecessary alarms on drivers’ alarm responses and acceptance seem to be rather uncritical. This thesis provides insights into human factors that explain when FCAs are perceived as unnecessary. These factors might contribute to design FCA systems tailored to drivers’ needs
Kollisionswarnungen sollen Fahrer auf gefährliche Situationen aufmerksam machen und ihnen die Notwendigkeit einer sofortigen Reaktion signalisieren. Feldstudien zeigten jedoch, dass etwa die Hälfte aller Warnungen, die von herkömmlichen Kollisionswarnsystemen ausgegeben wurden, als unnötig einzustufen sind. Diese Warnungen wurden zwar auf Grundlage des implementierten Algorithmus korrekterweise aktiviert, allerdings führten sie zu keinen oder nur geringen Fahrerreaktionen. Psychologische Forschung kann einen wichtigen Beitrag zum Verständnis des tatsächlichen Assistenzbedarfs der Fahrer im Umgang mit Fahrerassistenzsystemen leisten. Die vorliegende Arbeit untersuchte psychologische Faktoren und Prozesse, die Einfluss auf den wahrgenommenen Assistenzbedarf des Fahrers in potenziellen Kollisionssituationen haben. Um Bedingungen identifizieren zu können, unter denen Fahrer Warnungen als unnötig bewerten, wurde ein theoretisches Rahmenmodell entwickelt. Des Weiteren wurden die Auswirkungen unnötiger Warnungen auf die Reaktionen und die Akzeptanz der Fahrer untersucht. In diesem Rahmen wurden vier Fahrsimulatorstudien durchgeführt. Die Ergebnisse zeigten, dass der wahrgenommene Assistenzbedarf der Fahrer durch ihre subjektive Gefahrenwahrnehmung vorhergesagt wird. Während das System den weiteren Verlauf einer potenziell gefährlichen Situation ausschließlich anhand physikalischer Messungen vorhersagt, berücksichtigen Fahrer zusätzlich ihre eigenen Manöverintentionen und Intentionen, die sie anderen Verkehrsteilnehmern zuschreiben. Wenn Fahrer vorhersagen können, dass sich der potenzielle Konflikt im weiteren Verlauf auflösen wird, bewerten sie die Situation ungefährlicher als das System. Eine solche Diskrepanz führt dazu, dass das System eine Warnung ausgibt, obwohl der Assistenzbedarf des Fahrers gering ist. Dadurch wird die Warnung als unnötig bewertet. Darüber hinaus ist die Akzeptanz für unnötige Warnungen geringer als für nützliche, wobei dies keine Auswirkungen auf die Gesamtakzeptanz eines Kollisionswarnsystems hat. Während Fahrer zunächst moderat auf unnötige Warnungen reagieren, wird die Intensität ihrer Reaktionen mit wiederholtem Erleben unnötiger Warnungen geringer. Insgesamt scheinen die Auswirkungen unnötiger Alarme auf die Alarmreaktionen und die Akzeptanz der Fahrer jedoch eher unkritisch zu sein. Die Ergebnisse erklären, durch welche menschlichen Faktoren Fahrer Kollisionswarnungen als unnötig wahrnehmen. Diese Faktoren können dazu beitragen, Warnungen an den tatsächlichen Assistenzbedarf der Fahrer anzupassen

碩士
實踐大學
企業管理研究所
92
Due to the advantages of the advanced technology. The computers become popularized and the learning equipment has a great progress. The E-Learning which can break the limitation of time and space becomes to be popular. Simulator is a new training equipment for schools and corporations. It provides a real-like learning environment, for the one who can learning at any time, anywhere and any climate to learn as in the real-world. This research is mainly focused on the driving simulator of Taiwan Railway Bureau. It uses the research method of in-dept interview. It will probe the technology and how the user needed the simulator. By the way ,it will probe the request of learning and the methodology of training. For the organization of adult-training and content provider, it may provide them the method to develop the content or equipment for simulator which is fit to adult.

Prevê-se que a automatização venha a ter um papel cada vez mais ativo no nosso dia a dia. No ramo automóvel, em particular na condução,tem vindo a ser introduzidos automóveis que permitem uma condução semi automatizada (e.g. automóveis Tesla ou Google self-driving cars). Na maioria das vezes os condutores poderão dedicar-se a outras tarefas (e.g. leitura, ver filmes, trabalhar) ou simplesmente relaxar enquanto que a tarefa de conduzir será realizada autonomamente. Apesar desses avanços é necessário, ocasionalmente ou em situações mais complexas, que a condução seja realizada pelo condutor. Essa transição de controlo necessita que o condutor adquira Situation Awareness num reduzido período de tempo. É, portanto, crucial que o condutor esteja ciente do estado atual e do que está planeado acontecer nos momentos seguintes. Nesta dissertação, é proposto um cinto de segurança háptico que através de estímulos hápticos proporciona a obtenção da Situation Awareness enquanto o condutor está a realizar outra tarefa e o automóvel está a ser dirigido autonomamente. O cinto de segurança háptico foi avaliado com utilizadores num ambiente virtual em vários cenários de teste tendo sido feita a comparação com a não utilização de cinto de segurança háptico e verificado que a sua utilização traz melhorias significativas principalmente no tempo de reação e parece indicar uma tendência de melhoria na ação tomada aquando da passagem de controlo. Verificou-se ainda através da avaliação por parte dos participantes que o feedback háptico enviado ao pelo cinto de segurança háptico é intuitivo o suficiente para que seja facilmente percetível pelo condutor.
Automation is expected to play an increasingly active role in our daily lives. In the automotive industry, particularly in the driving sector, cars that allow semi-automated driving are being released (e.g. Tesla cars or Google self-driving cars). Most of the time, drivers can dedicate themselves to other tasks (for example, reading, movies, work) or simply relax while the driving task will be performed automatically. Despite these advances, it is necessary, occasionally or in more complex situations, that driving be performed by the driver. This transition of control requires the driver to acquire Situation Awareness in a short period of time. It is therefore crucial that the driver is aware of the current state and what is planned to happen in the following moments. In this dissertation, a haptic belt is proposed which, through haptic stimuli, provides the Situation Awareness while the driver is performing an other task and the car is being driven autonomously. The haptic belt was evaluated with users in a virtual environment in various test scenarios and a comparison was made with the non-use of a haptic belt and verified that its use brings significant improvements mainly in the reaction time and seems to indicate a tendency for improvement in the action taken during the control passage. It was also verified through the evaluation by the participants that the haptic feedback sent to the by the haptic belt is intuitive enough to be easily perceived by the driver.

Fahrerassistenzsysteme werden zunehmend in Fahrzeuge eingebaut mit dem Ziel, den Fahrer beim Fahren zu unterstützen, Fahrfehler zu vermeiden und damit die Fahrsicherheit zu erhöhen. Derzeit sind häufig Systeme im Einsatz, die den Fahrer vor bestimmten Sicherheitsrisiken warnen (z.B. vor einem unbeabsichtigten Verlassen der Fahrspur). Der Trend geht aber hin zu Systemen, die stärker ins Fahrgeschehen eingreifen und somit Teile der Fahraufgabe automatisieren (z.B. selbständig die Spurhaltung des Fahrzeugs übernehmen). Aus der Forschung zur Mensch-Maschine Interaktion ist jedoch bekannt, dass Automatisierung nicht zwangsläufig zur Erhöhung von Sicherheit führt, sondern dass sie vielmehr auch unerwünschte Nebeneffekte für Performanz und Sicherheit mit sich bringen kann in dem Maße, wie Menschen an die veränderten Aufgabenanforderungen adaptieren. Im Straßenverkehr wird insbesondere befürchtet, dass Fahrer sich zu stark auf Fahrerassistenzsysteme verlassen, sich teilweise aus der Fahraufgabe zurückziehen („abschalten“) und ihre Aufmerksamkeit fahrfremden Dingen widmen. Dies kann unter Umständen dazu führen, dass Fahrer im Falle von Systemfehlern oder –ausfällen nicht mehr in der Lage sind rechtzeitig und angemessen einzugreifen bzw. die Kontrolle über das Fahrzeug zu übernehmen. Ziel der Dissertation war es zu untersuchen, inwieweit sich die Involviertheit von Fahrern in die Fahraufgabe verändert je stärker sie durch ein Assistenzsystem unterstützt werden (d.h., je stärker das System Teile der Fahraufgabe automatisiert). Um dies zu untersuchen wurden zwei theoretische Konzepte herangezogen: a) das Verlassen der Fahrer (auf ein System) und b) das Situationsbewusstsein der Fahrer. Basierend auf einer umfassenden Analyse der Forschungsliteratur zum Thema Automatisierung wurde ein theoretisches Rahmenmodell entwickelt, welches Veränderungen in der Involviertheit des Fahrers in die Fahraufgabe auf menschliche Adaptationsprozesse auf verschiedenen Ebenen zurückführt, die sich in Folge der veränderten Aufgaben­anforderungen durch zunehmende Automatisierung ergeben. Dazu zählen Veränderungen in Einstellungen, sowie in kognitiven, energetischen, und motivationalen Prozessen. Um Veränderungen in diesen Prozessen zu untersuchen, wurde eine Vielzahl an objektiven und subjektiven Maßen erhoben. Hauptgegenstand der Dissertation ist eine umfangreiche Fahrsimulatorstudie im Fahrsimulator mit Bewegungsplattform bei VTI (Swedish National Road and Transport Research Institute) in Linköping, Schweden. Dabei kamen zwei Querführungsassistenzsysteme (ein Heading Control System und ein Lane Departure Warning System) zum Einsatz, die den Fahrer in unterschiedlichem Maße bei der Spurhaltung unterstützten. Im Gegensatz zu einem Großteil der bisherigen Studien wurden prozessorientierte Performanzmaße zur Erfassung des Verlassens der Fahrer auf die Assistenzsysteme und des Situationsbewusstseins der Fahrer verwendet. Das Verlassen der Fahrer auf die Querführungsassistenzsysteme wurde durch Blickverhaltensmaße über die Bereitschaft der Fahrer erfasst, ihre visuelle Aufmerksamkeit von der Straße ab hin zu einer Zweitaufgabe im Fahrzeuginnenraum zu wenden. Zur Messung des Situationsbewusstseins der Fahrer wurden Fahrverhaltensmaße herangezogen welche als Indikator für die Schnelligkeit und Abruptheit der Reaktionen der Fahrer auf unerwartete kritische Fahrsituationen dienten. Ein Hauptbefund der Dissertation war, dass die Fahrer sich signifikant im Ausmaß ihres Verlassens auf einen hohen Grad an Assistenz unterschieden. Diese interindividuelle Varianz im Verlassen der Fahrer auf einen hohen Grad an Assistenz konnte am besten durch das Vertrauen der Fahrer in das Querführungsassistenzsystem und ihr Aktivierungsniveau erklärt werden: Je höher das Vertrauen der Fahrer in das System und je geringer ihr Aktivierungsniveau, desto stärker verließen sie sich auf das System. Individuelle Fahrermerkmale (Fahrstil) erklärten einen signifikanten Anteil der Varianz im Vertrauen der Fahrer in die Spurhalteassistenzsysteme. (ersetzt wegen neuem Herausgeber)
Advanced driver assistance systems are increasingly built in vehicles with the aim to support drivers while driving, to reduce driver errors and thereby to increase traffic safety. At present, these systems are often designed to warn drivers of specific safety risks (e.g., of an imminent departure from the driving lane). However, there is a trend towards systems that more strongly intervene in driving and that hence, automate parts of the driving task (e.g., autonomously keep the vehicle within the driving lane). However, research on human-machine interaction has shown that automation does not necessarily increase safety, but that it may also lead to unanticipated side effects on performance and safety to the extent that humans adapt to the changing task demands. A major concern in road traffic is that drivers rely too heavily on driver assistance systems, become less actively involved in the driving task, and divert their attention to things unrelated to driving. Thus, in the case of system malfunctions or failures, drivers possibly may not be prepared to intervene timely and accordingly and to regain control over the vehicle, respectively. The aim of this dissertation was to investigate changes in drivers’ active engagement in the driving task as a function of the degree to which they are supported by a driver assistance system (i.e., as a function of the degree to which the system automates the driving task). Drivers’ active task engagement was studied by referring to two theoretical concepts: a) drivers’ reliance (on a system) and b) drivers’ situation awareness. Based on an extensive review of previous research on automation, a conceptual theoretical framework was developed that links changes in operators’ active task engagement to human adaptation processes on different levels in response to the changing task demands due to automation. Among them are changes in human attitudes as well as in cognitive, motivational and energetic processes. In order to determine the relative influence of these processes, a range of objective and subjective measures was collected. The essential part of the dissertation is an extensive driving simulator study in an advanced moving-base driving simulator at VTI (Swedish National Road and Transport Research Institute) in Linköping, Sweden. Two lateral support systems (a Heading Control system and a Lane Departure Warning system) were implemented which assisted drivers to different degrees in lane keeping. Contrary to most previous automation studies, drivers’ reliance on the lane keeping assistance systems and their situation awareness were studied by using process-oriented performance-based measures. Drivers’ reliance on the lane keeping assistance systems was assessed by eye glance behaviour measures indicating drivers’ preparedness to allocate their visual attention away from the road scene to an in-vehicle secondary task. Drivers’ situation awareness was assessed by behavioural measures of the latency and magnitude of drivers’ initial reactions to unexpected critical driving situations. A major finding of the study was that drivers differed significantly in their reliance on a high level of lane keeping assistance. This interindividual variance in drivers’ reliance on higher-level assistance could be best explained by drivers’ trust in the system and their energetic arousal: The greater drivers’ trust in the system and the lower their arousal, the more did they rely on the system. Individual driver variables (driving style) explained a significant proportion of the variance in drivers’ trust in the lane keeping assistance systems. (replaced because a new publisher)

Many functions that at one time could only be performed by humans can nowadays be carried out by machines. Automation impacts many areas of life including work, home, communication and mobility. In the driving context, in-vehicle automation is considered to provide solutions for environmental, economic, safety and societal challenges. However, automation changes the driving task and the human-machine interaction. Thus, the expected benefit of in-vehicle automation can be undermined by changes in drivers’ behaviour, i.e. behavioural adaptation. This PhD project focuses on motivational as well as higher cognitive processes underlying behavioural adaptation when interacting with in-vehicle automation. Motivational processes include the development of trust and acceptance, whereas higher cognitive processes comprise the learning process as well as the development of mental models and Situation Awareness (SA). As an example for in-vehicle automation, the advanced driver assistance system Adaptive Cruise Control (ACC) was investigated. ACC automates speed and distance control by maintaining a constant set cruising speed and automatically adjusting vehicle’s velocity in order to provide a specified distance to the preceding vehicle. However, due to sensor limitations, not every situation can be handled by the system and therefore driver intervention is required. Trust, acceptance and an appropriate mental model of the system functionality are considered key variables for adequate use and appropriate SA. To systematically investigate changes in motivational and higher cognitive processes, a driving simulator as well as an on-road study were carried out. Both of the studies were conducted using a repeated-measures design, taking into account the process character, i.e. changes over time. The main focus was on the development of trust, acceptance and the mental model of novice users when interacting with ACC. By now, only few studies have attempted to assess changes in higher level cognitive processes, due to methodological difficulties posed by the dynamic task of driving. Therefore, this PhD project aimed at the elaboration and validation of innovative methods for assessing higher cognitive processes, with an emphasis on SA and mental models. In addition, a new approach for analyzing big and heterogeneous data in social science was developed, based on the use of relational databases. The driving simulator study investigated the effect of divergent initial mental models of ACC (i.e., varying according to correctness) on trust, acceptance and mental model evolvement. A longitudinal study design was applied, using a two-way (3×3) repeated measures mixed design with a matched sample of 51 subjects. Three experimental groups received (1) a correct ACC description, (2) an incomplete and idealised account omitting potential problems, and (3) an incorrect description including non-occurring problems. All subjects drove a 56-km track of highway with an identical ACC system, three times, and within a period of 6 weeks. Results showed that after using the system, participants’ mental model of ACC converged towards the profile of the correct group. Non-experienced problems tended to disappear from the mental model network when they were not activated by experience. Trust and acceptance grew steadily for the correct condition. The same trend was observed for the group with non-occurring problems, starting from a lower initial level. Omitted problems in the incomplete group led to a constant decrease in trust and acceptance without recovery. This indicates that automation failures do not negatively affect trust and acceptance if they are known beforehand. During each drive, participants continuously completed a visual secondary task, the Surrogate Reference Task (SURT). The frequency of task completion was used as objective online-measure for SA, based on the principle that situationally aware driver would reduce the engagement in the secondary task if they expect potentially critical situations. Results showed that correctly informed drivers were aware of potential system limitations and reduced their engagement in the secondary task when such situations arose. Participants with no information about limitations became only aware after first encounter and reduced secondary task engagement in corresponding situations during subsequent trials. However, trust and acceptance in the system declined over time due to the unexpected failures. Non occurring limitations tended to drop from the mental model and resulted in reduced SA already in the second trial. The on-road study investigated the learning process, as well as the development of trust, acceptance and the mental model for interacting with ACC in real conditions. Research questions aimed to model the learning process in mathematical/statistical terms, examine moments and conditions when these processes stabilize, and assess how experience changes the mental model of the system. A sample of fifteen drivers without ACC experience drove a test vehicle with ACC ten consecutive times on the same route within a 2-month period. In contrast to the driving simulator study, all participants were fully trained in ACC functionality by reading the owner’s manual in the beginning. Results showed that learning, as well as the development of acceptance and trust in ACC follows the power law of learning, in case of comprehensive prior information on system limitations. Thus, the major part of the learning process occurred during the first interaction with the system and support in explaining the systems abilities (e.g. by tutoring systems) should therefore primarily be given during this first stage. All processes stabilized at a relatively high level after the fifth session, which corresponds to 185 km or 3.5 hours of driving. No decline was observable with ongoing system experience. However, in line with the findings from the simulator study, limitations that are not experienced tended to disappear from the mental model if they were not activated by experience. With regard to the validation of the developed methods for assessing mental models and SA, results are encouraging. The studies show that the mental model questionnaire is able to provide insights into the construction of mental models and the development over time. Likewise, the implicit measurement approach to assess SA online in the driving simulator is sensitive to user’s awareness of potentially critical situations. In terms of content, the results of the studies prove the enduring relevance of the initial mental model for the learning process, SA, as well as the development of trust, acceptance and a realistic mental model about automation capabilities and limitations. Given the importance of the initial mental model it is recommended that studies on system trust and acceptance should include, and attempt to control, users’ initial mental model of system functionality. Although the results showed that also incorrect and incomplete initial mental models converged by experience towards a realistic appreciation of system functionality, the more cognitive effort needed to update the mental model, the lower trust and acceptance. Providing an idealised description, which omits potential problems, only leads to temporarily higher trust and acceptance in the beginning. The experience of unexpected limitations results in a steady decrease in trust and acceptance over time. A trial-and-error strategy for in-vehicle automation use, without accompanying information, is therefore considered insufficient for developing stable trust and acceptance. If the mental model matches experience, trust and acceptance grow steadily following the power law of learning – regardless of the experience of system limitations. Provided that such events are known in advance, they will not cause a decrease in trust and acceptance over time. Even over-information about potential problems lowers trust and acceptance only in the beginning, and not in the long run. Potential problems should therefore not be concealed in over-idealised system descriptions; the more information given, the better, in the long run. However, limitations that are not experienced tend to disappear from the mental model. Therefore, it is recommended that users be periodically reminded of system limitations to make sure that corresponding knowledge becomes re-activated. Intelligent tutoring systems incorporated in automated systems could provide a solution. In the driving context, periodic reminders about system limitations could be shown via the multifunction displays integrated in most modern cars. Tutoring systems could also be used to remind the driver of the presence of specific in-vehicle automation systems and reveal their benefits.:Table of contents LIST OF FIGURES I LIST OF TABLES II LIST OF ABBREVIATIONS III ACKNOWLEDGEMENTS IV SUMMARY V ZUSAMMENFASSUNG VIII 1 INTRODUCTION 12 2 THEORETICAL BACKGROUND 14 2.1 BEHAVIOURAL ADAPTATION AND HIGHER COGNITIVE PROCESSES 14 2.2 VEHICLE AUTOMATION AND ADAPTIVE CRUISE CONTROL 17 2.3 MENTAL MODELS 20 2.3.1 Definition 20 2.3.2 Mental model construction and update 20 2.3.3 Discussion of existing measures 21 2.3.4 Development of the mental model questionnaire 23 2.4 SITUATION AWARENESS 24 2.4.1 Definition 24 2.4.2 Relationship between mental models and Situation Awareness 26 2.4.3 Situation Awareness as comprehension process 27 2.4.4 Discussion of existing measures 27 2.4.5 Development of the Situation Awareness measurement technique 29 2.5 LEARNING, ACCEPTANCE AND TRUST IN AUTOMATION 30 2.5.1 Power law of learning 30 2.5.2 Acceptance 31 2.5.3 Trust in automation 31 2.5.4 Related research on learning, acceptance and trust in ACC 32 3 OVERALL RESEARCH QUESTIONS 34 4 OVERALL METHODOLOGICAL CONSIDERATIONS 35 4.1 DRIVING SIMULATOR STUDIES AND ON-ROAD TESTS 35 4.2 DATABASE-FRAMEWORK FOR DATA STORAGE AND ANALYSIS 37 5 DRIVING SIMULATOR STUDY 42 5.1 AIMS AND RESEARCH QUESTIONS 42 5.2 METHOD AND MATERIAL 43 5.2.1 Sampling and participants 43 5.2.2 Research design and procedure 44 5.2.3 Facilities and driving simulator track 45 5.2.4 Secondary task SURT 46 5.2.5 System description 46 5.2.6 Dependent variables trust, acceptance and mental model 47 5.2.7 Contrast analysis 48 5.3 RESULTS 49 5.3.1 Mental model 49 5.3.2 Trust and acceptance 51 5.3.3 Situation Awareness 52 5.4 DISCUSSION 56 6 ON-ROAD STUDY 59 6.1 AIMS AND RESEARCH QUESTIONS 59 6.2 METHOD AND MATERIAL 59 6.2.1 Research design and procedure 59 6.2.2 Sampling and participants 60 6.2.3 Facilities and apparatus 60 6.2.4 Dependent variables mental model, trust, acceptance, learning and ACC usage 62 6.3 RESULTS 63 6.3.1 ACC usage 63 6.3.2 Trust and acceptance 64 6.3.3 Learning 65 6.3.4 Mental model 67 6.4 DISCUSSION 68 7 GENERAL DISCUSSION AND CONCLUSIONS 70 7.1 THEORETICAL AND PRACTICAL CONSIDERATIONS 70 7.2 METHODOLOGICAL CONSIDERATIONS 71 7.3 LIMITATIONS AND DIRECTIONS FOR FUTURE RESEARCH 74 8 REFERENCES 76 9 APPENDIX 88 9.1 QUESTIONNAIRES USED IN THE DRIVING SIMULATOR STUDY 88 9.1.1 Original German version 88 9.1.2 English translation 91 9.2 ACC DESCRIPTIONS USED IN THE DRIVING SIMULATOR STUDY 94 9.2.1 Correct description 94 9.2.2 Incomplete description 95 9.2.3 Incorrect description 96 9.3 SCHEMATIC OVERVIEW OF THE DRIVING SIMULATOR TRACK 97 9.4 QUESTIONNAIRES USED IN THE ON-ROAD STUDY 99 9.4.1 Original German version 99 9.4.2 English translation 103 9.5 SEMINAR PROGRAMME: DATABASES AS ANALYSIS TOOL IN SOCIAL SCIENCE 107 9.6 CURRICULUM VITAE AND PUBLICATIONS 109
Viele Aufgaben, die ehemals von Menschen ausgeführt wurden, werden heute von Maschinen übernommen. Dieser Prozess der Automatisierung betrifft viele Lebensbereiche von Arbeit, Wohnen, Kommunikation bis hin zur Mobilität. Im Bereich des Individualverkehrs wird die Automatisierung von Fahrzeugen als Möglichkeit gesehen, zukünftigen Herausforderungen wirtschaftlicher, gesellschaftlicher und umweltpolitischer Art zu begegnen. Allerdings verändert Automatisierung die Fahraufgabe und die Mensch-Technik Interaktion im Fahrzeug. Daher können beispielsweise erwartete Sicherheitsgewinne automatisch agierender Assistenzsysteme durch Veränderungen im Verhalten des Fahrers geschmälert werden, was als Verhaltensanpassung (behavioural adaptation) bezeichnet wird. Dieses Dissertationsprojekt untersucht motivationale und höhere kognitive Prozesse, die Verhaltensanpassungen im Umgang mit automatisierten Fahrerassistenzsystemen zugrunde liegen. Motivationale Prozesse beinhalten die Entwicklung von Akzeptanz und Vertrauen in das System, unter höheren kognitiven Prozessen werden Lernprozesse sowie die Entwicklung von mentalen Modellen des Systems und Situationsbewusstsein (Situation Awareness) verstanden. Im Fokus der Untersuchungen steht das Fahrerassistenzsystem Adaptive Cruise Control (ACC) als ein Beispiel für Automatisierung im Fahrzeug. ACC regelt automatisch die Geschwindigkeit des Fahrzeugs, indem bei freier Fahrbahn eine eingestellte Wunschgeschwindigkeit und bei einem Vorausfahrer automatisch ein eingestellter Abstand eingehalten wird. Allerdings kann ACC aufgrund von Einschränkungen der Sensorik nicht jede Situation bewältigen, weshalb der Fahrer übernehmen muss. Für diesen Interaktionsprozess spielen Vertrauen, Akzeptanz und das mentale Modell der Systemfunktionalität eine Schlüsselrolle, um einen sicheren Umgang mit dem System und ein adäquates Situationsbewusstsein zu entwickeln. Zur systematischen Erforschung dieser motivationalen und kognitiven Prozesse wurden eine Fahrsimulatorstudie und ein Versuch im Realverkehr durchgeführt. Beide Studien wurden im Messwiederholungsdesign angelegt, um dem Prozesscharakter gerecht werden und Veränderungen über die Zeit erfassen zu können. Die Entwicklung von Vertrauen, Akzeptanz und mentalem Modell in der Interaktion mit ACC war zentraler Forschungsgegenstand beider Studien. Bislang gibt es wenige Studien, die kognitive Prozesse im Kontext der Fahrzeugführung untersucht haben, unter anderem auch wegen methodischer Schwierigkeiten in diesem dynamischen Umfeld. Daher war es ebenfalls Teil dieses Dissertationsprojekts, neue Methoden zur Erfassung höherer kognitiver Prozesse in dieser Domäne zu entwickeln, mit Fokus auf mentalen Modellen und Situationsbewusstsein. Darüber hinaus wurde auch ein neuer Ansatz für die Analyse großer und heterogener Datenmengen im sozialwissenschaftlichen Bereich entwickelt, basierend auf dem Einsatz relationaler Datenbanken. Ziel der der Fahrsimulatorstudie war die systematische Erforschung des Effekts von unterschiedlich korrekten initialen mentalen Modellen von ACC auf die weitere Entwicklung des mentalen Modells, Vertrauen und Akzeptanz des Systems. Eine Stichprobe von insgesamt 51 Probanden nahm an der Studie teil; der Versuch wurde als zweifaktorielles (3x3) gemischtes Messwiederholungsdesign konzipiert. Die 3 parallelisierten Versuchsgruppen zu je 17 Personen erhielten (1) eine korrekte Beschreibung des ACC, (2) eine idealisierte Beschreibung unter Auslassung auftretender Systemprobleme und (3) eine überkritische Beschreibung mit zusätzlichen Hinweisen auf Systemprobleme, die nie auftraten. Alle Teilnehmer befuhren insgesamt dreimal im Zeitraum von sechs Wochen dieselbe 56 km lange Autobahnstrecke im Fahrsimulator mit identischem ACC-System. Mit zunehmendem Einsatz des ACC zeigte sich im anfänglich divergierenden mentalen Modell zwischen den Gruppen eine Entwicklung hin zum mentalen Modell der korrekt informierten Gruppe. Nicht erfahrene Systemprobleme tendierten dazu, im mentalen Modell zu verblassen, wenn sie nicht durch Erfahrung reaktiviert wurden. Vertrauen und Akzeptanz stiegen stetig in der korrekt informierten Gruppe. Dieselbe Entwicklung zeigte sich auch in der überkritisch informierten Gruppe, wobei Vertrauen und Akzeptanz anfänglich niedriger waren als in der Bedingung mit korrekter Information. Verschwiegene Systemprobleme führten zu einer konstanten Abnahme von Akzeptanz und Vertrauen ohne Erholung in der Gruppe mit idealisierter Beschreibung. Diese Resultate lassen darauf schließen, dass Probleme automatisierter Systeme sich nicht zwingend negativ auf Vertrauen und Akzeptanz auswirken, sofern sie vorab bekannt sind. Bei jeder Fahrt führten die Versuchsteilnehmer zudem kontinuierlich eine visuell beanspruchende Zweitaufgabe aus, die Surrogate Reference Task (SURT). Die Frequenz der Zweitaufgabenbearbeitung diente als objektives Echtzeitmaß für das Situationsbewusstsein, basierend auf dem Ansatz, dass situationsbewusste Fahrer die Zuwendung zur Zweitaufgabe reduzieren wenn sie potentiell kritische Situationen erwarten. Die Ergebnisse zeigten, dass die korrekt informierten Fahrer sich potentiell kritischer Situationen mit möglichen Systemproblemen bewusst waren und schon im Vorfeld der Entstehung die Zweitaufgabenbearbeitung reduzierten. Teilnehmer ohne Informationen zu auftretenden Systemproblemen wurden sich solcher Situationen erst nach dem ersten Auftreten bewusst und reduzierten in entsprechenden Szenarien der Folgefahrten die Zweitaufgabenbearbeitung. Allerdings sanken Vertrauen und Akzeptanz des Systems aufgrund der unerwarteten Probleme. Erwartete, aber nicht auftretende Systemprobleme tendierten dazu, im mentalen Modell des Systems zu verblassen und resultierten in vermindertem Situationsbewusstsein bereits in der zweiten Fahrt. Im Versuch unter Realbedingungen wurden der Lernprozesses sowie die Entwicklung des mentalen Modells, Vertrauen und Akzeptanz von ACC im Realverkehr erforscht. Ziele waren die statistisch/mathematische Modellierung des Lernprozesses, die Bestimmung von Zeitpunkten der Stabilisierung dieser Prozesse und wie sich reale Systemerfahrung auf das mentale Modell von ACC auswirkt. 15 Versuchsteilnehmer ohne ACC-Erfahrung fuhren ein Serienfahrzeug mit ACC insgesamt 10-mal auf der gleichen Strecke in einem Zeitraum von 2 Monaten. Im Unterschied zur Fahrsimulatorstudie waren alle Teilnehmer korrekt über die ACC-Funktionen und Funktionsgrenzen informiert durch Lesen der entsprechenden Abschnitte im Fahrzeughandbuch am Beginn der Studie. Die Ergebnisse zeigten, dass der Lernprozess sowie die Entwicklung von Akzeptanz und Vertrauen einer klassischen Lernkurve folgen – unter der Bedingung umfassender vorheriger Information zu Systemgrenzen. Der größte Lernfortschritt ist am Beginn der Interaktion mit dem System sichtbar und daher sollten Hilfen (z.B. durch intelligente Tutorsysteme) in erster Linie zu diesem Zeitpunkt gegeben werden. Eine Stabilisierung aller Prozesse zeigte sich nach der fünften Fahrt, was einer Fahrstrecke von rund 185 km oder 3,5 Stunden Fahrzeit entspricht. Es zeigten sich keine Einbrüche in Akzeptanz, Vertrauen bzw. dem Lernprozess durch die gemachten Erfahrungen im Straßenverkehr. Allerdings zeigte sich – analog zur Fahrsimulatorstudie – auch in der Realfahrstudie ein Verblassen von nicht erfahrenen Systemgrenzen im mentalen Modell, wenn diese nicht durch Erfahrungen aktiviert wurden. Im Hinblick auf die Validierung der neu entwickelten Methoden zur Erfassung von mentalen Modellen und Situationsbewusstsein sind die Resultate vielversprechend. Die Studien zeigen, dass mit dem entwickelten Fragebogenansatz zur Quantifizierung des mentalen Modells Einblicke in Aufbau und Entwicklung mentaler Modelle gegeben werden können. Der implizite Echtzeit-Messansatz für Situationsbewusstsein im Fahrsimulator zeigt sich ebenfalls sensitiv in der Erfassung des Bewusstseins von Fahrern für potentiell kritische Situationen. Inhaltlich zeigen die Studien die nachhaltige Relevanz des initialen mentalen Modells für den Lernprozess sowie die Entwicklung von Situationsbewusstsein, Akzeptanz, Vertrauen und die weitere Ausformung eines realistischen mentalen Modells der Möglichkeiten und Grenzen automatisierter Systeme. Aufgrund dieser Relevanz wird die Einbindung und Kontrolle des initialen mentalen Modells in Studien zu automatisierten Systemen unbedingt empfohlen. Die Ergebnisse zeigen zwar, dass sich auch unvollständige bzw. falsche mentale Modelle durch Erfahrungslernen hin zu einer realistischen Einschätzung der Systemmöglichkeiten und -grenzen verändern, allerdings um den Preis sinkenden Vertrauens und abnehmender Akzeptanz. Idealisierte Systembeschreibungen ohne Hinweise auf mögliche Systemprobleme bringen nur anfänglich etwas höheres Vertrauen und Akzeptanz. Das Erleben unerwarteter Probleme führt zu einem stetigen Abfall dieser motivationalen Faktoren über die Zeit. Ein alleiniges Versuchs-Irrtums-Lernen für den Umgang mit automatisierter Assistenz im Fahrzeug ohne zusätzliche Information wird daher als nicht ausreichend für die Entwicklung stabilen Vertrauens und stabiler Akzeptanz betrachtet. Wenn das initiale mentale Modell den Erfahrungen entspricht, entwickeln sich Akzeptanz und Vertrauen gemäß einer klassischen Lernkurve – trotz erlebter Systemgrenzen. Sind diese potentiellen Probleme vorher bekannt, führen sie nicht zwingend zu einer Reduktion von Vertrauen und Akzeptanz. Auch zusätzliche überkritische Information vermindert Vertrauen und Akzeptanz nur am Beginn, aber nicht langfristig. Daher sollen potentielle Probleme in automatisierten Systemen nicht in idealisierten Beschreibungen verschwiegen werden – je präzisere Information gegeben wird, desto besser im langfristigen Verlauf. Allerdings tendieren nicht erfahrene Systemgrenzen zum Verblassen im mentalen Modell. Daher wird empfohlen, Nutzer regelmäßig an diese Systemgrenzen zu erinnern um die entsprechenden Facetten des mentalen Modells zu reaktivieren. In automatisierten Systemen integrierte intelligente Tutorsysteme könnten dafür eine Lösung bieten. Im Fahrzeugbereich könnten solche periodischen Erinnerungen an Systemgrenzen in Multifunktionsdisplays angezeigt werden, die mittlerweile in vielen modernen Fahrzeugen integriert sind. Diese Tutorsysteme können darüber hinaus auch auf die Präsenz eingebauter automatisierter Systeme hinweisen und deren Vorteile aufzeigen.:Table of contents LIST OF FIGURES I LIST OF TABLES II LIST OF ABBREVIATIONS III ACKNOWLEDGEMENTS IV SUMMARY V ZUSAMMENFASSUNG VIII 1 INTRODUCTION 12 2 THEORETICAL BACKGROUND 14 2.1 BEHAVIOURAL ADAPTATION AND HIGHER COGNITIVE PROCESSES 14 2.2 VEHICLE AUTOMATION AND ADAPTIVE CRUISE CONTROL 17 2.3 MENTAL MODELS 20 2.3.1 Definition 20 2.3.2 Mental model construction and update 20 2.3.3 Discussion of existing measures 21 2.3.4 Development of the mental model questionnaire 23 2.4 SITUATION AWARENESS 24 2.4.1 Definition 24 2.4.2 Relationship between mental models and Situation Awareness 26 2.4.3 Situation Awareness as comprehension process 27 2.4.4 Discussion of existing measures 27 2.4.5 Development of the Situation Awareness measurement technique 29 2.5 LEARNING, ACCEPTANCE AND TRUST IN AUTOMATION 30 2.5.1 Power law of learning 30 2.5.2 Acceptance 31 2.5.3 Trust in automation 31 2.5.4 Related research on learning, acceptance and trust in ACC 32 3 OVERALL RESEARCH QUESTIONS 34 4 OVERALL METHODOLOGICAL CONSIDERATIONS 35 4.1 DRIVING SIMULATOR STUDIES AND ON-ROAD TESTS 35 4.2 DATABASE-FRAMEWORK FOR DATA STORAGE AND ANALYSIS 37 5 DRIVING SIMULATOR STUDY 42 5.1 AIMS AND RESEARCH QUESTIONS 42 5.2 METHOD AND MATERIAL 43 5.2.1 Sampling and participants 43 5.2.2 Research design and procedure 44 5.2.3 Facilities and driving simulator track 45 5.2.4 Secondary task SURT 46 5.2.5 System description 46 5.2.6 Dependent variables trust, acceptance and mental model 47 5.2.7 Contrast analysis 48 5.3 RESULTS 49 5.3.1 Mental model 49 5.3.2 Trust and acceptance 51 5.3.3 Situation Awareness 52 5.4 DISCUSSION 56 6 ON-ROAD STUDY 59 6.1 AIMS AND RESEARCH QUESTIONS 59 6.2 METHOD AND MATERIAL 59 6.2.1 Research design and procedure 59 6.2.2 Sampling and participants 60 6.2.3 Facilities and apparatus 60 6.2.4 Dependent variables mental model, trust, acceptance, learning and ACC usage 62 6.3 RESULTS 63 6.3.1 ACC usage 63 6.3.2 Trust and acceptance 64 6.3.3 Learning 65 6.3.4 Mental model 67 6.4 DISCUSSION 68 7 GENERAL DISCUSSION AND CONCLUSIONS 70 7.1 THEORETICAL AND PRACTICAL CONSIDERATIONS 70 7.2 METHODOLOGICAL CONSIDERATIONS 71 7.3 LIMITATIONS AND DIRECTIONS FOR FUTURE RESEARCH 74 8 REFERENCES 76 9 APPENDIX 88 9.1 QUESTIONNAIRES USED IN THE DRIVING SIMULATOR STUDY 88 9.1.1 Original German version 88 9.1.2 English translation 91 9.2 ACC DESCRIPTIONS USED IN THE DRIVING SIMULATOR STUDY 94 9.2.1 Correct description 94 9.2.2 Incomplete description 95 9.2.3 Incorrect description 96 9.3 SCHEMATIC OVERVIEW OF THE DRIVING SIMULATOR TRACK 97 9.4 QUESTIONNAIRES USED IN THE ON-ROAD STUDY 99 9.4.1 Original German version 99 9.4.2 English translation 103 9.5 SEMINAR PROGRAMME: DATABASES AS ANALYSIS TOOL IN SOCIAL SCIENCE 107 9.6 CURRICULUM VITAE AND PUBLICATIONS 109