随着自动驾驶技术的完善,驾驶控制权在多数驾驶场景中逐步由驾驶系统接管,驾驶员在行车过程中有更多机会执行读书、上网等非驾驶任务(non-driving-related tasks,NDRTs)
[1]。虽然这些非驾驶任务有助于提升乘车的舒适性与体验,但也可能削弱驾驶员对外部交通环境及车辆运行状态的感知能力。一旦系统遇到无法处理的潜在危险场景(即若车辆未能及时采取主动操作避让,则存在碰撞风险
[2]),需驾驶员及时接管控制权并进行避让操作,若此时驾驶员的注意力尚未从非驾驶任务中有效切换,极易导致反应迟缓或操作失误,严重威胁行车安全。为及时帮助驾驶员完成任务切换,车载信息系统(in-vehicle information system,IVIS)作为智能驾驶环境中关键的信息感知与交互平台,通过有效的信息提示手段对驾驶员实施唤醒干预
[3],引导驾驶员迅速聚焦当前道路环境与车辆动态。
车载信息系统可通过视觉、听觉等多种形式向驾驶员提供信息提示
[4]。相比之下,语音提示无须占用视觉通道,信息传达及时明确,不仅有助于提升驾驶员对系统的信任感
[5],还能向驾驶员播报路面环境和驾驶行为,提高驾驶员驾驶过程中的情境感知
[6],帮助驾驶员第一时间对前方紧急事件作出快速反应并采取应对措施
[7]。因此,研究车载信息系统语音提示对驾驶员情境感知能力的影响,对于提升自动驾驶安全性具有重要意义。然而,尽管语音提示在提升驾驶员情境感知方面展现出一定优势,传统语音提示仍普遍存在情感表达不足、交互自然性欠缺的问题。随着语音合成技术的不断进步,语音系统逐渐实现风格多样化,使车载信息系统能够根据驾驶员的个体偏好提供不同语音形象的提示信息,此举有望通过增强语音交互的自然性与亲和力,进一步提高驾驶员的信息接收效率与情境感知水平。
汽车语音形象指用户通过车载信息系统的声音、语调以及语言选择,判断出的人格或角色的心理形象。这种心理形象的形成,源于人类能够从语音中蕴含的丰富社会性信息,如性别、年龄与性格特质,迅速识别和感知说话者的个性特征
[8]。相较于传统语音提示存在情感表达不足的问题,在驾驶场景中,驾驶员倾向于使用个性化语音形象的语音提示
[9]。Zhou等
[10]研究表明,在疲劳驾驶情境下,驾驶员更倾向于与具有个性化特征的语音进行交互,这类语音能够根据驾驶员的疲劳状态和情绪变化调整语调与内容,从而提供情感支持与心理唤醒效果。在此背景下,研究者开始关注车载信息系统中语音形象对驾驶员情境感知与驾驶行为的影响。Yoo等
[11]探讨了语音形象中的主导性特征,发现主导性语音在手动驾驶情境下更能有效提升驾驶员的情境感知,而在自动驾驶条件中,服从性语音更有助于增强驾驶员对系统的信任感。Braun等
[12]进一步从语音人格匹配角度出发,设计了“朋友、恋人、阿姨、管家”4种语音角色,结果表明:当语音形象与用户性格相匹配时,驾驶员在信任度和驾驶体验上均表现更优。除主导性与匹配性外,语音形象的语言风格与情感语调也显著影响驾驶行为。Wong等
[13]研究发现,自信型语音风格有助于驾驶员更迅速识别紧急情况并做出反应,使用“必须”“立即”等表达的高自信语句,相较于“建议”“如果可能”等低自信措辞,更能提升驾驶员的风险识别效率。Guo等
[14]研究发现,具有情绪化语调的语音提示能够有效增强驾驶员的注意力集中,通过营造紧迫与紧张的情境氛围,促使驾驶员更迅速地获取关键信息并掌控车辆,从而降低发生事故的概率。
综上所述,随着车载信息系统语音交互风格的不断丰富及其社会属性的逐渐增强,车载信息系统已不再只是单纯的信息播报工具,而是逐渐演变为具有人格化特征的交互主体。现有研究更多关注语音提示的内容设计、呈现时机及模态特征,而对语音形象这一社会化线索的关注相对不足。在智能驾驶场景下,当驾驶员执行不同沉浸度的非驾驶任务时,车载信息系统的语音形象是否会影响驾驶员对潜在危险信息的感知、理解尚缺乏系统研究。因此,将聚焦潜在危险场景中的车载语音提示,探究信息提示的语音形象设置对处于不同沉浸度的非驾驶任务状态下驾驶员情境感知能力的影响,研究成果可为车载信息系统的语音交互设计提供参考,助力推动交通安全领域的创新与发展。
1 研究方法
通过比较驾驶员在执行不同沉浸程度的非驾驶任务的情境下,车载信息系统采用不同语音形象播报危险提示时,驾驶员识别危险场景的反应时间、兴趣区注视总持续时间和情境感知问卷得分,探究不同语音形象的危险提示对处于执行不同沉浸程度的非驾驶任务状态下驾驶员情境感知能力的影响。实验一共包括两个自变量:语音形象和非驾驶任务的沉浸程度。因变量为反应时间、兴趣区注视总持续时间和情境感知问卷得分。
1.1 参试者
该实验在北京招募18名(9男、9女)年龄在20~30岁且已获取驾照的在校学生参与此次实验研究,平均年龄24.1岁,裸眼或矫正视力均在1.0以上,无色盲,色弱,听觉障碍。实验选取在校学生群体的原因与目的是:在校学生对车载信息系统的了解更为完善,并且他们的感知、认知能力较强,能够较为准确的反映驾驶员在听到车载信息系统的语音提示后,驾驶过程的情境感知变化。
1.2 实验平台
实验采用E-Prime实验平台进行程序编制。为增强自动驾驶模拟的沉浸感,实验选用一块具备1 920×1080 px分辨率和144Hz刷新率的主屏幕作为驾驶界面,测试材料为4段时长各2 min的真实驾驶视频。两台扬声器置于主屏幕下方,用于播放车载信息系统的危险信息提示。在主屏幕右侧水平桌面上放置一台8.3英寸iPad(1 in=2.54 cm),用于参试者执行非驾驶任务;键盘纵向放置于左侧,用于参试者在识别危险事件后快速按下空格键作出反应。本实验采用眼动仪进行眼动追踪,实验全程通过Ergo LAB人机环境同步平台实现程序控制与数据记录。实验设施与环境布局如
图1所示。
1.3 实验变量
1.3.1 自变量
实验采用双因素设计(2×2),研究语音形象(支配者和个人助理)和非驾驶任务的沉浸程度(低沉浸和高沉浸)对驾驶员情境感知能力的影响。在语音形象设置中,支配者被定义为以获取控制权为目的的个体形象,语音风格强调权威性并带有一定压迫感
[15];而个人助理形象则源于社会亲和力理论(social affiliation theory),其表达方式更为温和与亲切
[16]。这两类语音形象可通过语音特征在听觉层面进行识别与区分。与个人助理相比,支配者语音表现出语速快,音调低,响度高,说话降调(语句末尾声调下降),语气严肃
[11,17]。人声通过配音熊软件调节参数生成,具体参数通过分贝仪和Python音频处理库Librosa和Parselmouth进行测量,如
表1所示。
非驾驶任务的沉浸程度指驾驶员在执行非主要驾驶任务时,视觉、认知资源的不同调节投入,沉浸程度越高,意味着驾驶员越专注
[18]。根据感官资源的投入不同设置两种沉浸程度:低沉浸(浏览童话故事书)和高沉浸(玩俄罗斯方块游戏)。
1.3.2 因变量
研究的因变量包括反应时间、兴趣区注视总持续时间以及情境感知问卷得分。反应时间指参试者在语音提示结束后至识别出潜在危险场景所耗费的时间,通过参试者按下空格键标记反应时间。反应时间被用于评估驾驶员从听觉输入结束到危险识别之间的反应效率。兴趣区注视总持续时间在本实验中被定义为从语音提示结束后至视频结束的5 s时间内,参试者对主屏幕活动区域的总持续注视时间,用于衡量驾驶员在脱离非驾驶任务时对驾驶场景关键区域的视觉关注程度
[19]。
尽管眼动追踪技术在推测个体视觉注意方面具有良好效果,但对于更高层次的情境感知的认知加工(如对系统行为理解和预测)可能存在一定局限
[19]。为全面评估驾驶员的情境感知水平,采用情境感知全局评估技术(situation awareness global assessment technique,SAGAT)并结合改编的问卷对情境感知能力进行量化评估。情境感知问卷基于情境感知的智能代理透明度
[20]和具体驾驶场景进行设计。每段驾驶场景播放完毕后,参试者需完成4道选择题,每题包含1个正确选项和3个干扰项。
1.3.3 控制变量
为精准控制实验中的视觉信息呈现,选用真实驾驶环境下拍摄的模拟视频作为实验材料。为确保实验结果的内部效度,所选四段视频在危险事件的显著性、危险出现的空间位置,及其出现时间点等关键变量上进行严格控制。车载信息系统中的语音提示内容依据视频中车辆的实际行驶行为进行设定。为排除不同语音内容在信息表达上的差异对实验结果的潜在干扰,对各场景语音提示的信息长度进行了统一控制。在正式实验前,采用问卷方式对语音提示的易理解性
[21]进行了预测试(样本数=8),测试结果如
表2所示。分析结果显示,不同语句在理解难度上无显著性差异(
P=0.692>0.05),表明语音提示内容在语义负荷上具有一致性。语音提示统一在每段视频播放至1 min 55 s时结束,5 s后车辆开始做出避让反应,此时视频正好在2 min时结束。
1.4 实验流程
本实验采用个别施测的方式进行。参试者进入实验室后,首先填写个人基本信息,由主试讲解实验流程,并进行练习实验,熟悉操作环境与任务要求。练习完成后,参试者阅读实验指导语,确认理解无误后开始正式实验。正式实验前,参试者需佩戴眼动仪,按下空格键开始实验流程并执行相对应沉浸程度的非驾驶任务。
实验共包含四段具有潜在危险的驾驶场景视频,每段视频时长为2 min。在每段视频接近结束时设有一个潜在危险事件,车载信息系统根据该情境播报车辆即将采取的避让驾驶行为。语音提示于视频进行至1 min 55 s时结束。参试者需在语音提示结束后,一旦发现危险事件立即按下空格键进行确认。视频播放结束后将切换至空白页面,参试者需完成该段场景对应的情境感知问卷,具体流程如
图2所示。每个场景之间安排5 min休息,以减少疲劳干扰,所有参试者需完成四段视频实验任务。
2 实验结果
2.1 描述性统计
表3汇总了驾驶员在不同语音形象的危险提示及非驾驶任务沉浸度条件下的反应时间、兴趣区注视总持续时间及情境感知问卷得分。为更直观呈现两种因素对驾驶员情境感知能力的影响,
图3对各实验条件下的三项指标进行了可视化呈现,便于观察变量间的差异趋势。
在反应时间方面,使用支配者语音形象时,驾驶员发现危险的反应时间普遍短于使用个人助理语音形象。在个人助理语音条件下,低沉浸条件下的平均反应时间为2.49 s(SD=0.79),高沉浸条件下为2.92 s(SD=0.76);而在支配者语音条件下,低沉浸条件下的平均反应时间为2.10 s(SD=0.59),高沉浸条件下为2.36 s(SD=0.67)。由此可见,无论沉浸程度高低,支配者语音均有助于驾驶员更快地发现危险。此外,低沉浸条件下的反应时间均短于高沉浸条件,表明非驾驶任务的高沉浸程度可能在一定程度上延迟了驾驶员对危险的察觉。
在兴趣区注视总持续时间方面,使用个人助理语音形象时,驾驶员的兴趣区注视总持续时间更长,其中低沉浸条件(M=3.48, SD=0.52)与高沉浸条件(M=3.51, SD=0.80)之间差异较小;而在支配者语音形象下驾驶员的兴趣区注视总持续时间相对较短,其中低沉浸条件(M=2.98, SD=0.51)明显短于高沉浸条件(M=3.34, SD=0.82)。总体来看,相比个人助理语音,支配者语音形象对兴趣区的注视总持续时间较短,且低沉浸条件的注视时间普遍短于高沉浸条件。
在情境感知问卷得分方面,支配者语音形象在得分上整体优于个人助理语音形象。在高沉浸条件下,支配者语音形象的得分(M=3.44, SD=0.62)与个人助理语音形象的得分(M=2.94, SD=0.73)相差较大,呈现出一致的得分优势。
2.2 指标差异
在分析各自变量水平下的因变量结果是否具备显著差异或交互作用前,首先对实验数据结果展开方差齐性及正态分布检验。方差齐性检验方面,发现危险的反应时间的
P为0.581,兴趣区注视总持续时间的
P为0.245,情境感知问卷得分的
P为0.549,符合方差齐性(
P>0.05)。正态分布检验方面,采用K-S检验,得出反应时间的
P为0.200,兴趣区注视总持续时间的
P为0.200,符合正态分布(
P>0.05),而情境感知问卷得分的
P为0.001,不符合正态分布(
P<0.05)。接下来以语音形象和非驾驶任务的沉浸程度为自变量,反应时间、兴趣区注视总持续时间为因变量进行双因素方差分析,具体结果如
表4所示。而情境感知问卷得分在进行双因素方差分析的同时,为进一步验证分析结果的稳健性,采用Bootstrap重抽样方法(重抽样次数
n=5 000)对情境感知问卷得分的差异进行了补充检验。具体结果如
表5所示。
针对驾驶员发现危险的反应时间,
表4的双因素方差分析结果表明,语音形象和非驾驶任务的沉浸程度对驾驶员发现危险时的反应时长均存在显著影响,且两者之间无显著交互作用。其中,语音形象主效应显著[
F(1, 68)=8.173,
P=0.006],支配者语音形象的驾驶员反应时间(
M=2.23 s)显著短于个人助理语音形象(
M=2.70 s)。非驾驶任务沉浸程度的主效应也达到显著水平[
F(1, 68)=4.274,
P=0.043],低沉浸条件的驾驶员反应时间(
M=2.29 s)显著短于高沉浸条件(
M=2.64 s)。但语音形象与沉浸程度的交互效应不显著[
F(1, 68)=0.250,
P=0.618],表明语音形象和非驾驶任务的沉浸程度对驾驶员反应时间的影响是相互独立的。
在兴趣区注视总持续时间方面,
表4的分析结果显示,仅语音形象对兴趣区注视总持续时间的主效应显著[
F(1, 68)=4.253,
P=0.043],支配者语音形象的兴趣区注视总持续时间(
M=3.16 s)显著短于个人助理语音形象(
M=3.49 s)。而非驾驶任务的沉浸程度的主效应未达到显著水平[
F(1, 68)=1.487,
P=0.227],同时,语音形象与非驾驶任务的沉浸程度的交互效应也未达到显著水平[
F(1, 68)=1.029,
P=0.314],表明两因素对兴趣区注视总持续时间的影响不存在显著的交互作用。
在情境感知问卷得分方面,根据
表5双因素方差结果显示,语音形象对得分存在显著主效应[
F(1, 68)=4.997,
P=0.029],支配者语音形象的得分高于个人助理语音形象。沉浸程度的主效应并不显著[
F(1, 68)=3.577,
P=0.063],但低沉浸条件下的得分略高于高沉浸条件。语音形象与沉浸程度两者间的交互效应依旧不显著[
F(1, 68)=0.739,
P=0.393]。Bootstrap结果进一步验证了上述发现,语音形象的主效应差异均值为0.366,95%置信区间为[0.049,0.675],不包含0,结果稳定;沉浸程度的主效应差异均值为-0.306,95%置信区间为[-0.625, 0.031],虽包含0,但上限接近0,呈现边缘显著趋势;交互效应的差异均值为-0.277,95%置信区间为[-0.933, 0.359],包含0,说明该交互效应缺乏稳定性,与ANOVA结果一致。
3 分析与讨论
通过驾驶员在不同语音形象的危险提示及非驾驶任务沉浸度条件下的反应时间、兴趣区注视总持续时间及情境感知问卷得分,系统地比较了支配者和个人助理语音形象的危险提示对执行不同沉浸度非驾驶任务的参试者情境感知能力的影响。
通过
表3和
表4的反应时间差异,发现执行低沉浸非驾驶任务的参试者对危险场景的反应时间显著短于执行高沉浸非驾驶任务,这一差异验证了本研究中关于沉浸程度设置的有效性。高沉浸非驾驶任务(如玩俄罗斯方块)占用了更多的视觉和认知资源,增加了驾驶员注意力切换的认知负担和时间成本,从而延长了驾驶员对道路危险信息的识别和反应过程,需要更长的时间恢复情境意识
[22]。而低沉浸非驾驶任务(如看故事书)所需资源相对较少,驾驶员可以更迅速地将注意力转移到对危险场景的感知,加快对危险的感知效率
[23]。进一步分析发现,在不同沉浸程度的非驾驶任务条件下,使用支配者语音形象的驾驶员对危险场景的反应时间显著短于使用个人助理语音形象。这表明支配者语音形象能够更有效地引导驾驶员的注意力,提升驾驶员发现危险场景的反应速度。支配者语音形象通常具备更强的自信感、指令性和压迫感,能够在任务执行过程中提供明确并且权威性的导向性提示,有助于提升驾驶员对危险的感知效率。这与Wong等
[13]的研究结果类似,Wong等
[13]通过比较自信与不自信两种语言风格,发现自信的语言风格可以帮助驾驶员更快地识别紧急情况并做出相应反应。相较于Wong
[13]实验中仅体现自信特征的语言风格,支配者语音形象在自信的语言风格的基础上进一步叠加了压迫感,可能更能激发驾驶员的任务紧迫性,加快感知效率。
在兴趣区注视总持续时间方面,结果表明在不同沉浸程度的非驾驶任务条件下,支配者语音形象下的驾驶员在危险场景中的兴趣区注视持续时间显著短于个人助理语音形象(
表3和
表4)。结合使用支配者语音形象的发现危险场景的反应时间短可以看出,注视时间的越长并不完全代表情境感知能力越高。Yang等
[24]研究表明,仅有较长的兴趣区注视持续时间,并不能说明驾驶员能够形成更高水平的情境感知。这一“看而未见”的现象
[19]与Souto等
[25]提出的任务驱动眼动注意机制有关,支配者语音形象可能通过强化任务驱动注意力,减少了驾驶员在视觉搜索上的盲目性,根据语音提示的相关信息对外部环境进行更快的搜索和对信息的加工,而非单纯依赖于长时间的视觉扫描。
针对情境感知问卷得分,通过
表3和
表5的得分差异,发现在不同沉浸程度的非驾驶任务条件下支配者语音形象下驾驶员的情境感知问卷总得分显著高于个人助理语音形象。进一步分析各问题得分差异可知,不同语音形象在情境SAT
3(预测)与具体场景信息的得分差异较大,而SAT
1(行为)和SAT
2(原因)的得分差异相对较小,这可能与车载信息系统播报的提示信息结构有关。以危险提示信息“右侧行人闯入,即将刹车,待行人走后右拐”为例,研究中,语音提示内容的呈现顺序为:首先说明“原因层面”(即为什么执行该行为),随后描述“行为层面”(做什么),最后呈现“预测层面”(避让之后将做什么)。根据首因效应理论
[26],信息呈现初期,驾驶员的注意资源较为充足,加工效果较好,后续信息受认知资源衰减和环境干扰的影响,容易出现记忆衰减现象。因此,可能造成不同语音形象在SAT
1(行为)和SAT
2(理解)的得分差异较小,但根据SAT
3(预测)与具体场景信息的得分差异较大,反映出支配者语音形象在驾驶员认知资源逐渐耗竭的情况下,仍能够凭借其语音特征促进驾驶员对车载信息系统播报内容的优先加工与快速提取,高效完成对车辆行为的预测和具体环境信息的感知。Zhang
[27]研究发现,当车载语音系统以具有权威性和主导性的语气、以“驾驶监督者”身份发布指令时,能够强化信息的传递效果,使听者更容易接受来自主导性语气的相关信息。借鉴该理论,在车载语音交互中,支配者语气不仅传达出更强的权威性与决策导向,也更易获得驾驶员的接受,提升其对后续复杂信息的加工。
值得注意的是,虽然非驾驶任务的沉浸程度并未对兴趣区注视持续时间和情境感知问卷得分产生显著影响,但低沉浸条件下的注视时间持续时间更短、得分更高,显示出高沉浸非驾驶任务可能在一定程度上削弱了驾驶员的情境感知能力(
表3~
表5)。由于实验过程中对危险提示的内容、持续时间及显著性等变量进行了严格控制,确保了驾驶员在完成注意力切换后所接收到的信息输入与加工条件基本一致,因此可初步排除非研究变量对情境感知能力的影响。在此基础上,推测该结果可能与两项指标所反映的认知阶段特性有关。反应时间主要体现驾驶员对危险的感知及视觉资源的转移效率,而非对信息的深层加工。相比之下,兴趣区注视持续时间与情境感知问卷得分更多反映的是信息加工的后续阶段,如对关键区域的关注及对车载信息系统播报的危险提示内容的再加工。结合实验结果,推测沉浸程度对感知与视觉资源转换阶段的影响较为显著,但对后续信息加工阶段的干扰相对有限,因此在这两个指标上未表现出统计学上的显著性差异。
4 结论
(1)无论沉浸程度高低,支配者语音形象在反应时间、兴趣区注视总持续时间以及情境感知问卷得分方面均优于个人助理语音形象。结果表明,使用支配者语音形象的危险信息提示能够更加有效地促进驾驶员对潜在危险的感知与危险提示内容的加工,提升驾驶员在驾驶过程中的整体情境感知。
(2)未来的研究将进一步拓展语音形象的种类,并在更复杂或更具冲突性的任务情境中,系统性地探讨不同语音形象与任务类型之间的匹配关系。该研究有望为车载信息系统中语音提示的个性化与情境适配提供理论支持,推动语音交互设计在功能性与用户体验层面的协同优化,从而在多样化驾驶情境下更有效地辅助驾驶员,提升驾驶安全性与交互体验。
PDF
(6115KB)
