Detailansicht
A predictive processing account of the immediate and sustained effects of TOR-assertiveness in automated driving
Vanessa Kraut
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Philosophie und Bildungswissenschaft
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Joint-Degree Middle European interdisc. master prog. in Cognitive Science
Betreuer*in
Ronald Sladky
DOI
10.25365/thesis.77464
URN
urn:nbn:at:at-ubw:1-23969.67654.950786-6
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Durch die fortschreitende Entwicklung von Advanced Driving Assistance Systems (ADAS) wird die Interaktion von System und Lenker*innen zunehmend zu einem Sicherheitsfaktor. Der Autopilot in einem teil-automatisierten Fahrzeug ist zwar in der Lage alle Fahraufgaben selbständig auszuführen, jedoch obliegt den menschlichen Fahrer*innen die Verantwortung über die Systemüberwachung. Auf Aufforderung des Systems hin, müssen Lenker*innen zu jedem Zeitpunkt eine sichere Kontrollübernahme über das Fahrzeug gewährleisten können. In der vorliegenden Arbeit wurden die unmittelbaren und längerfristigen Auswirkungen von besonders nachdrücklichen Übernahmeaufforderungen (Englisch: Takeover Requests, abgekürzt: TORs) auf Fahrperformance und -stress untersucht. Zur Durchführung einer umfassenden Analyse werden im Zuge dieser Studie klassische User Research Methoden mit dem Kognitions-wissenschaftlichen Predictive Processing Framework kombiniert. Besonders nachdrückliche TORs, etwa laute, abrupte oder disruptive Töne, führen zu schnelleren Kontrollübernahmen, wie frühere Studien zeigen. Gleichzeitig können diese Art von Signalen erhöhten Stress und suboptimale Fahrperformance bedingen. In Ergänzung zur üblichen User Research Forschung, bietet das Predictive Processing Framework eine einzigartige Perspektive, wie Fahrer*innen mit den fluktuierenden mentalen und physischen Anforderungen in teil-automatisierten Fahrzeugen umgehen. Das Framework betrachtet das Gehirn als eine statistische Maschine, die innere Modelle mit Vorhersagen auf Basis von sensorischen Reizen kontinuierlich aktualisiert. Dies ermöglicht die Interpretation von sowohl reflexiven Reaktionen wie auch längerfristigen Entscheidungsprozessen von Fahrer*innen. Für diese Arbeit wurde ein Fahrsimulationsexperiment mit 31 Teilnehmer*innen durchgeführt, bei dem nachdrückliche und neutrale TORs präsentiert wurden. Im Zuge dessen wurden physiologische Reaktionen, Metriken für Fahrperformance und subjektive Stressbewertungen erfasst und analysiert. Die Ergebnisse zeigten, dass nachdrückliche Übernahmeaufforderungen zu schnelleren Reaktionszeiten und stärkeren Bremsreaktionen führen. Entgegen den Erwartungen wurden jedoch keine signifikanten Auswirkungen im Zeitraum nach der Übernahme beobachtet. Durch die Verknüpfung von Human-Computer Interaction und Kognitionswissenschaft leistet diese Arbeit einen Beitrag zur ADAS-Forschung, die das Ziel verfolgt, eine möglichst hohe Sicherheit und Benutzerfreundlichkeit in teilautomatisierten Fahrzeugen sicherzustellen.
Abstract
(Englisch)
As Advanced Driver Assistance Systems (ADAS) continue to evolve, the interaction between human drivers and automated systems becomes increasingly safety-critical, particularly during the transition of control from the system to the driver. This thesis investigates the immediate and sustained effects of assertiveness in takeover requests (TOR) on driver performance and stress. Through an experimental study, the impact of assertive TORs on drivers was researched quantitatively and qualitatively. A combination of classical user research methodologies and the predictive processing framework allowed it to perform a more comprehensive analysis. Previous driving automation studies suggest that assertive takeover requests, for instance, those delivered through loud, urgent, or disruptive auditory signals, can prompt faster driver reactions. However, these signals may increase stress, leading to a suboptimal driving performance. The key concepts of the predictive processing framework – while still underutilized in human factors research – offer a unique perspective on how drivers cope with fluctuating mental and physical demands in automated driving. By conceptualizing the mind as constantly generating and updating internal models in response to sensory inputs, this framework allows to understand drivers’ reflexive actions as well as their longer-term decision-making processes. A driving simulation experiment was conducted, in which assertive and non-assertive takeover requests were administered to 31 participants. Physiological responses, driving performance metrics, and self-reported stress were collected and analyzed. The results confirm that highly assertive TORs lead to faster reaction times and more forceful braking. Contrary to expectations, they did not significantly affect driver performance during the sustained driving period after the takeover. Finally, this thesis bridges methodologies of human-computer interaction and cognitive science, contributing to the body of research on ADAS interface design for enhancing safety and user experience in semi-automated vehicles.
Schlagwörter
Schlagwörter
(Deutsch)
Mensch-Computer Interaktion Usability Forschung Fahrperformance
Schlagwörter
(Englisch)
Human-Computer Interaction Predictive Processing Framework Advanced Driving Automation Assistance Takeover Quality
Autor*innen
Vanessa Kraut
Haupttitel (Englisch)
A predictive processing account of the immediate and sustained effects of TOR-assertiveness in automated driving
Publikationsjahr
2024
Umfangsangabe
v, 83 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Ronald Sladky
Klassifikation
08 Philosophie > 08.99 Philosophie. Sonstiges
AC Nummer
AC17401396
Utheses ID
73648
Studienkennzahl
UA | 066 | 013 | |