Human-Machine Interface Evaluation Using EEG in Driving Simulator

自动驾驶车辆被描绘成为交通运输的未来，促进更安全的驾驶只是其中众多好处之一。然而，由于人类驾驶员角色不断变化，用户很容易感到困惑，对其责任知之甚少。作为自动化和人类之间的桥梁，人机界面（HMI）对驾驶安全至关重要。本研究在静态驾驶模拟器中进行。开发了三种HMI设计，发现在使用NASA-TLX和主观透明度测试时，心理负荷存在显著差异。在整个研究中应用了脑电图以确定是否可以通过EEG的频谱功率分析发现心理负荷的差异。结果表明，需要进行更多的研究来确定EEG的频谱功率对心理负荷的有效性，但是本研究开发的三种界面设计可以作为未来研究评估心理生理测量有效性的坚实基础。该研究得到了Marie Sklodowska-Curie行动、创新培训网络（ITN）、SHAPE-IT的支持，资助号为860410，发表日期为[2023年7月27日]，DOI为[10.1109/IV55152.2023.10186567]。

研究人员试图解决自动驾驶车辆中人机界面（HMI）的问题，即如何设计一个有效的界面来降低驾驶员的认知负荷和提高驾驶安全性。

研究开发了三种不同的人机界面设计，并使用NASA-TLX和主观透明度测试发现它们之间存在显著的认知负荷差异。同时，研究还使用脑电图（EEG）的频谱分析来确定认知负荷的差异。

研究使用静态驾驶模拟器进行实验，并使用了脑电图、NASA-TLX和主观透明度测试等多种方法来评估人机界面设计的效果。研究结果表明，这三种界面设计可以为未来评估心理生理测量效果的研究提供一个坚实的基础。

近年来，自动驾驶车辆中的人机界面设计已经成为研究的热点。相关研究包括：“Automated Driving: Human Factors Issues and Implications for the Transport System”和“Human factors in the age of connected and automated driving”。