本文档属于类型a（单篇原创研究论文），以下为学术报告内容：

《Crying Jaywalker! 通过多模态界面在自动驾驶汽车操作域中通知接管请求与关键事件》研究报告

一、作者与发表信息

本文由Filippo Gabriele Pratticò, Lorenzo Valente 和 Fabrizio Lamberti（均来自意大利都灵理工大学自动化与信息工程系）合作完成，发表于 2025年ACM智能用户界面国际会议（IUI ‘25）。

二、学术背景

科学领域：本研究属于人机交互（HCI）与自动驾驶汽车（Autonomous Vehicles, AVs）的交叉领域，聚焦SAE Level 3（L3）条件自动化驾驶下的驾驶接管请求（Take-Over Request, TOR）与关键事件（如行人闯红灯）的通知机制设计。
研究动机：L3自动驾驶允许驾驶员执行非驾驶相关任务（Non-Driving Related Tasks, NDRTs），但需在系统提示时接管车辆。现有研究多关注TOR通知，但对车辆自主处理的关键事件（如紧急制动）的同步通知缺乏探索。两者共存可能导致驾驶员混淆或反应延迟，威胁安全性。
研究目标：评估不同模态（视觉、听觉、多模态）在关键事件通知中的效果，探究其对TOR清晰度、紧急度感知的影响。

三、实验流程与方法

研究通过虚拟现实（VR）驾驶模拟器完成，分为以下步骤：

1. 实验设计

   • 五种通知条件：
     
     1. 基线（B）：无关键事件通知；
        
     2. 视觉（V）：使用增强现实挡风玻璃显示（AR-WSD）的3D边界框高亮行人；
        
     3. 听觉（S）：语音提示（“Braking! Jaywalker detected”）；
        
     4. 视觉+语音（VS）：V与S结合；
        
     5. 视觉+抽象音效（VA）：V结合非语音提示音。
        
   • TOR设计：统一采用多模态（视觉进度条+语音+抽象音效）通知，模拟系统故障或超出运行域（ODD）的场景。
     

2. 模拟系统开发

   • 硬件：HTC Vive Pro头显、六自由度运动平台（Atomic A3）、力反馈方向盘（Fanatec Clubsport）。
     
   • 软件：基于Unity引擎开发，集成虚拟城市场景“Windridge City”，优化帧率至90fps以减少晕动症。
     
   • NDRT任务：驾驶员观看TEDx演讲视频（占用视觉与听觉通道），系统在关键事件触发时暂停或降低视频音量。
     

3. 用户实验

   • 被试：24名持驾照≥3年的意大利母语者（男女比例15:9，平均年龄27.5岁）。
     
   • 流程：
     
     1. 熟悉阶段：5分钟无事件驾驶；
        
     2. 正式实验：拉丁方顺序平衡五种条件，每次驾驶约20分钟，包含3次TOR和4次行人事件；
        
     3. 数据收集：每次驾驶后填写问卷，评估信任度（7项Likert量表）、用户体验（UEQ+量表）、通知适当性（紧急度、清晰度等）。

4. 数据分析

   • 统计方法：Friedman检验（非参数）与Wilcoxon事后检验，效应量采用Cohen’s d。
     
   • 交互作用分析：通过双因素ANOVA检验关键事件与TOR通知的感知关联性。
     

四、主要结果

1. 信任度

   • VS条件显著提升整体信任（p=0.017, d=0.44）和系统可预测性（p=0.047, d=0.37），归因于“语音+视觉”的双通道信息强化。

2. 关键事件通知效果

   • 清晰度：VS最佳（p<0.001, d=4.3），显著优于单模态（如V的d=2.15）。语音解释（“what+why”）提升理解。
     
   • 紧急度：VS与VA最高（p<0.001），但VA伴随更高厌烦度（p=0.016, d=0.67），因抽象音效可能干扰NDRT。
     

3. 对TOR的间接影响

   • 紧急度感知：VS条件下TOR的紧急度评分降低（p=0.01, d=0.44），表明多模态关键事件通知可能削弱TOR的优先级感知。
     

4. 用户偏好

   • 综合排名：VS > S ≈ VA > V > B（p<0.001），但部分用户因VA的厌烦感倾向S（纯语音）。

五、结论与价值

• 科学价值：
  
  1. 验证了多模态界面（VS）在L3自动驾驶中平衡信息清晰度与紧急度的优势；
     
  2. 揭示了关键事件与TOR通知的竞争性关系，为HMI设计提供冲突管理依据。
     
• 应用价值：
  
  1. 建议车辆HMI采用“AR视觉+简洁语音”的复合通知，避免抽象音效；
     
  2. 需优化TOR的紧急感设计以抵消关键事件的干扰。
     

六、创新点

1. 首次系统评估关键事件与TOR通知的共存效应，填补了L3自动驾驶HMI的研究空白；
   
2. 高保真VR模拟系统：整合运动平台与空间音频，提升了生态效度；
   
3. 动态交互分析：通过双因素ANOVA揭示通知模态间的优先级竞争机制。
   

七、局限与展望

1. 局限性：未测试手持设备NDRT场景，且实验依赖模拟环境；
   
2. 未来方向：探索触觉反馈、更复杂事件类型（如多车交互），并在实车中验证效果。
   

本报告基于原文内容提炼，未添加个人观点。如需进一步细节（如统计表格或实验场景截图），可参考原文 supplementary materials。