车载信息系统的评价研究中，主要采用三种实验方法，分别是自然驾驶研究（Naturalistic Driving Study）、实路操作测试（Field Operational Test）和驾驶模拟器（Driving Simulator） 自然驾驶研究是驾...
车载信息系统的评价研究中，主要采用三种实验方法，分别是自然驾驶研究（Naturalistic Driving Study）、实路操作测试（Field Operational Test）和驾驶模拟器（Driving Simulator）
自然驾驶研究是驾驶人驾驶自己的车辆在实际道路上行驶，整个实验周期较长且实验过程的数据记录是在不干扰驾驶人正常驾驶的前提下进行的，其目的是获取最贴近驾驶人自然生活的驾驶行为数据。自然驾驶研究(NDS)提供了一个独特的机会来研究驾驶员在现实世界中的行为和表现，以及实际驾驶过程中的后果和风险。为了实现对驾驶数据的采集，会在不干扰驾驶人正常驾驶且在保护驾驶人隐私的前提下，在车上安装传感器等设备采集车辆动力学、车辆位置、驾驶人行为等数据和行车过程的音视频。如弗吉尼亚理工大学交通研究所(VTTI)开发的NDS研究方法，该方法引入了传感器、雷达、摄像头等硬件设备。在实验过程中自动且连续地采集车速、加速度、GPS位置坐标。自然驾驶研究的方法被广泛应用在驾驶人行为相关的研究中，比如驾驶行为分类（激进的、正常的、谨慎的驾驶风格）[1]、驾驶分心研究[2]、疲劳和醉酒驾驶相关研究[3]，跟车模型的评估[4]。自然驾驶研究的主要优点是它能够获取到较长时间范围内（至少一个月）驾驶人日常驾驶行为数据，这是使用模拟驾驶所不能达到的。此外，数据是在驾驶人自己的车辆中，在日常驾驶中记录的。上述实验条件消除了驾驶者因感觉被观察或处于测试环境而调整其行为的可能性。
在车载信息系统的评价研究中，将驾驶人合理控制车辆运行作为首要任务，将其余的驾驶人活动归类为次级任务（例如，接打电话、与车载信息系统进行交互、吃东西等）。由于自然驾驶研究采用真实的车辆在实际道路上行驶，所以其采集的驾驶相关数据近似于驾驶人真实情况。但是，由于驾驶人和驾驶环境的不确定性，导致使用该方法评估车载信息系统时存在局限性。首先，驾驶人在自然驾驶实验过程中没有过多约束，导致其在完成驾驶任务时不够专注。除此之外，实际驾驶环境复杂，其它交通参与者对于驾驶人行为的存在干扰。在探究车载信息系统对驾驶表现的影响时，以上两种不确定性无法排除，导致无法明确仅由人机交互所带来的驾驶干扰。在基于自然驾驶研究的车机交互评价中，现有研究将其融入到多种次级任务中共同研究[5]。另一方面，由于驾驶安全性和伦理问题等限制调节，使车载信息系统可用性评价的范围缩小[6]。在自然驾驶实验中，考虑到驾驶安全性，通过车载信息系统完成复杂且高负荷的次级任务是不合理的。如前面所提到，在不可控的真实交通环境中，自然驾驶研究首先要保证驾驶人的安全并记录和同步人、车、环境相关数据。在实验后也需将有用的数据片段从庞大的数据集中分离。整个实验过程是复杂且耗时的。
实路操作测试（FOT）是较大规模的测试项目，其主要用于评估汽车相关解决方案（如导航和交通信息系统、驾驶辅助系统）的效率、质量、鲁棒性和接受度。实路操作测试要求测试在实际道路上完成，与自然驾驶研究不同的是，前者在封闭的实验场地中完成而后者的实验环境、驾驶路线取决于被试者的个人习惯。与驾驶模拟器相比，实路操作测试的优势在于驾驶过程中没有实验人员在车内，并且所记录的数据能够反应真实条件下的驾驶行为。但是，为了保证实验结果的真实性，实路操作测试的实验场景设置需要大量的人力、物力，实验的成本较高。
驾驶模拟器作为更安全、方便的实验方法来评估车载信息系统。驾驶模拟器主要包括简易的座舱模拟器（显示器、电脑、外接游戏方向盘、踏板），开放式座舱模拟器（改造的实车座舱、投影仪等外接设备），多自由度全景交通安全驾驶模拟器（多自由的模拟舱、舱内360°环幕、切割的汽车座舱）。在驾驶模拟器研究中，驾驶人在虚拟的场景中驾驶模拟车辆。驾驶人对车辆的控制是通过外接的方向盘、踏板实现。这些硬件设备将数据传输至负责场景运行的服务器，最终服务器根据输入数据，将相应的场景显示给驾驶人。驾驶模拟器的优点主要体现在安全、高效、可重复、自由度高。首先驾驶人在模拟场景中驾驶车辆，以避免在自然驾驶研究（NDS）和实路操作测试（FOT）实验中可能发生的碰撞危险。在模拟场景中，驾驶人可以立即开始实验，节省了实际车载采集设备的时间，且实验场景可以随时重置以便于重复实验。最后，对于场景搭建的自由度，实验人员可以根据软件内建模也可通过扫描的方式还原实际驾驶场景。其中特定的触发事件也很容易创建和重复。除此之外，场景中道路设置的自由度也较高，可以根据实验需求设计车道数、道路坡度、道路铺装类型、道路附着系数等。不同驾驶模拟器的复杂程度和成本相差甚远，可以根据其成本粗略地分类为简单的单显示器电脑模拟器、多显示器电脑模拟器、投影式环幕模拟器、拟真的多自由度模拟器。以显示器完成场景呈现的驾驶模拟器来说，由于显示器位置设置不合理，导致其视场角与真实驾驶场景的视场角（FOV）存在显著差异。视场角的差异体现在驾驶人在模拟驾驶与真实驾驶过程中对速度感知的差异。在驾驶过程中，眼前虚拟场景的视场角越接近真实道路环境的视场角，驾驶人对速度的感知越接近真实体验。对于显示器为视觉载体的驾驶模拟器，其所提供的视场角低于真实环境，导致驾驶人感觉模拟场景中的速度感较弱，即在模拟驾驶时显示的车速高于真实的视觉速度体验[7]。由于屏幕所能够提供的视觉有限，采用环幕和投影组合的方式使得场景的视场角更接近真实情况。虽然投影环幕式驾驶模拟器在视觉上可以解决视场角的差异问题，但是目前的驾驶模拟器都面临着同样一个难题：模拟驾驶产生的晕动症。在模拟驾驶过程中，驾驶人多处于静止状态，运动的场景会给部分驾驶人带来眩晕感。目前，多自由度驾驶模拟器并搭配体感算法是减轻晕动症的主要方法。多自由度驾驶模拟器提供多个方向上的加速度，体感算法将模拟器产生的加速度与模拟场景进行匹配，最终从视觉和身体感官上接近真实驾驶感受。
在车载信息系统的评价研究中，与自然驾驶研究方法对比，使用驾驶模拟器可以支持评价新兴的车载信息系统原型和更深入地评价该系统的设计因素。比如有学者使用驾驶模拟器来评估新设计的环保-安全的人机交互系统给驾驶人带来的分心影响[8]。由于采用可定制化的模拟驾驶座舱，实验人员可以在原来中控位置安装设计的交互设备，所以驾驶模拟器提供更高自由度的实验设计空间。但是与实际车辆交互设备相比，HMI的设计角度、相对位置、以及其它人体工程学相关参数很难做到与实车完全一致，这也是目前使用驾驶模拟器研究车载信息系统的主要局限性。对于眼动数据采集，驾驶模拟器由于在室内搭建，其光照环境是可控的，可以利用眼动数据来研究车载信息系统给驾驶人带来的视觉分心。比如，Grahn通过开放式台架的驾驶模拟器，将交互系统深入剖分，研究触屏尺寸、UI设计、次级任务类型对于驾驶人视觉负荷的影响[9]。但是，也有研究指出，模拟驾驶实验通常忽略了驾驶员在从事分散注意力的次级任务时的选择[10]。这对于驾驶人自定进度（self-paced）的次级任务尤其相关，例如设置导航目的地的任务。从上述研究的结果中可以看出，驾驶员不会随机地与导航系统交互，而是更倾向于他们认为“安全”且负荷占用不高的某些情况，例如当车辆处于静止或低速行驶状态。
综合来说，驾驶模拟器更加适合前瞻性的车载信息系统的评价研究。与自然驾驶研究（NDS）、实路操作测试（FOT）相比，其优势主要体现在实验过程中的高效性、安全性、实验的可重复性、实验设计的灵活度和评价指标的深度，但是该方法也存在无法完全还原实车交互系统的局限性。
[1] Feng F, Ba O S, Sayer J R, et al. Can vehicle longitudinal jerk be used to identify aggressive drivers? An examination using naturalistic driving data[J]. Accid Anal Prev, 2017.
[2] A M Y, A O A O, A S I, et al. Detection of driver engagement in secondary tasks from observed naturalistic driving behavior – ScienceDirect[J]. Accident Analysis & Prevention, 2017, 106:385-391.
[3] Al-Sultan S, Al-Bayatti A H, Zedan H. Context-Aware Driver Behavior Detection System in Intelligent Transportation Systems[J]. IEEE Transactions on Vehicular Technology, 2013, 62(9):4264-4275.
[4] Tawfeek M H, Basyouny K E. A perceptual forward collision warning model using naturalistic driving data[J]. Canadian Journal of Civil Engineering, 2018, 45(10):899-907.
[5] Young K L, Osborne R, Grzebieta R, et al. Using naturalistic driving data to examine how drivers share attention when engaging in secondary tasks[J]. Safety Science, 2020, 129:104841.
[6] Santos J, Merat N, Mouta S, et al. The interaction between driving and in-vehicle information systems[J]. Transportation Research Part F Psychology & Behaviour, 2015, 8(2):135-146.
[7] PALMER, Stephen E. Vision Science: Photons to Phenomenology[J]. Quarterly Review of Biology, 1999, 77(4):233-234.
[8] Xiaomeng, Li, Atiyeh, et al. Effects of an in-vehicle eco-safe driving system on drivers glance behaviour.[J]. Accident Analysis & Prevention, 2018.
[9] Grahn H, Kujala T. Impacts of Touch Screen Size, User Interface Design, and Subtask Boundaries on In-Car Tasks Visual Demand and Driver Distraction[J]. International Journal of Human-Computer Studies, 2020, 142:102467.
[10] Metz B, Schoch S, Just M, et al. How do drivers interact with navigation systems in real life conditions? [J]. Transportation Research Part F Traffic Psychology & Behaviour, 2014, 24(MAY):146-157.
