KomfoPilot—Comfortable Automated Driving

Beggiato, Matthias; Hartwich, Franziska; Roßner, Patrick; Dettmann, André; Enhuber, Stephan; Pech, Timo; Gesmann-Nuissl, Dagmar; Mößner, Klaus; Bullinger, Angelika C.; Krems, Josef F.

doi:10.1007/978-3-030-45131-8_2

Cited by 18 publications

(13 citation statements)

References 44 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…This is coherent with previous results stating that 5 drivers most often preferred a defensive driving style (Strauch et al, 2019;Yusof et al, 2016). Nevertheless, other studies found no main effect of the driving style, comparing familiar (i.e., close to own manual style) vs. unfamiliar style or familiar vs. defensive vs. dynamic driving styles (Beggiato et al, 2020). In some case, automated driving had to anticipate and execute actions earlier than the driver would have done (i.e., letting a wider safe distance while overtaking) to get the same declared level of trust (Abe et al, 2018).…”

Section: Introductionmentioning

confidence: 96%

How the initial level of trust in automated driving impacts drivers’ behaviour and early trust construction

Manchon

Bueno

Navarro

2022

Transportation Research Part F: Traffic Psychology and Behaviou

View full text Add to dashboard Cite

Section: Introductionmentioning

confidence: 96%

How the initial level of trust in automated driving impacts drivers’ behaviour and early trust construction

Manchon

Bueno

Navarro

2022

Transportation Research Part F: Traffic Psychology and Behaviou

View full text Add to dashboard Cite

“…Zahlreiche aktuelle Projekte und damit verbundene Arbeiten im Bereich der Forschung zum automatisierten Fahren widmen sich zwar der Erfassung von Fahrern, insbesondere zur sicheren Gestaltung von Prozessen der Übergabe der Fahrzeugkontrolle z. B. für SAE 3 Anwendungsszenarien[38][39][40], oder einer komfortablen Gestaltung der Aufgabenverteilung beim Zusammenwirken von Fahrer und Fahrzeug[41]. Die explizite Zielstellung der Verbesserung des affektiven Erlebens von Menschen bei der Nutzung von automatisierten Systemen, zur Gewährleistung von Akzeptanz und Vertrauen, durch Berücksichtigung grundlegender Bedürfnisse auf individueller Ebene, wie dem BVZW, wird dagegen in der Forschung bisher kaum adressiert.…”

unclassified

Subjektive Sicherheit zur Steigerung der Akzeptanz des automatisierten und vernetzten Fahrens

Drewitz

Wilbrink

Oehl

et al. 2021

Forsch Ingenieurwes

View full text Add to dashboard Cite

ZusammenfassungEin wichtiger Faktor für die Akzeptanz und damit die Verbreitung automatisierten und vernetzten Fahrens (AVF) ist der Grad der subjektiven Unsicherheit (Ungewissheit), den Nutzende bei der Interaktion mit automatisierten Fahrzeugen empfinden. Subjektive Unsicherheiten treten immer dann auf, wenn Personen aufgrund fehlender Erfahrung oder fehlender Informationen nicht in der Lage sind, den weiteren Verlauf einer Situation oder zukünftige Ereignisse vorherzusagen. Treten bei der Nutzung automatisierter Fahrzeuge solche Unsicherheiten auf, wird die Herausbildung von Vertrauen und damit von Akzeptanz für diese Technologie durch die Unsicherheit begleitende negative Emotionen beeinträchtigt. Im Rahmen des Projekts AutoAkzept (Automatisierung ohne Unsicherheit zur Erhöhung der Akzeptanz Automatisierten und Vernetzten Fahrens) wurden Lösungen für nutzerfokussierte Automatisierung entwickelt, die Fahrzeuginsassen in den Mittelpunkt der Systementwicklung stellen. Nutzerfokussierte Systeme berücksichtigen in der Mensch-Maschine-Interaktion zwei grundlegende menschliche Bedürfnisse, das Bedürfnis, zu verstehen (need to understand) und das Bedürfnis, verstanden zu werden (need to be understood). Dazu setzen nutzerfokussierte Systeme verschiedene Sensoren ein, um subjektive Unsicherheiten und ihre Einflussfaktoren in Echtzeit zu erkennen, diese Informationen mit Kontextdaten zu integrieren und Anpassungen vorzunehmen, die subjektive Unsicherheiten reduzieren. Die systemischen Anpassungen nutzerfokussierter Systeme folgen dabei einem ganzheitlichen Ansatz und berücksichtigen die Ebenen der Fahrzeugführung, der Interieuranpassung und Informationsdarbietung sowie der Zielführung. Durch die Reduzierung oder Vermeidung subjektiver Unsicherheiten unterstützen die Entwicklungen des Projekts eine positive, komfortable Benutzererfahrung und tragen zur Erhöhung der Akzeptanz von AVF bei. Die Arbeit präsentiert hierzu Forschungsergebnisse von AutoAkzept zu den Themen Zustands- und Aktivitätsmodellierung von Nutzenden sowie bedarfsgerechte Adaptionsstrategien, die einzelne Lösungsbausteine für die Umsetzung nutzerfokussierter Automation bilden.

show abstract

“…Therefore, complex driving scenarios contain a comparably high likelihood of passenger discomfort in autonomous driving (cf. [19,20]). Second, perceived discomfort differs between individuals.…”

Section: Handset Control Datamentioning

confidence: 99%

An Integrated Model for User State Detection of Subjective Discomfort in Autonomous Vehicles

et al. 2021

Self Cite

View full text Add to dashboard Cite

The quickly rising development of autonomous vehicle technology and increase of (semi-) autonomous vehicles on the road leads to an increased demand for more sophisticated human–machine-cooperation approaches to improve trust and acceptance of these new systems. In this work, we investigate the feeling of discomfort of human passengers while driving autonomously and the automatic detection of this discomfort with several model approaches, using the combination of different data sources. Based on a driving simulator study, we analyzed the discomfort reports of 50 participants for autonomous inner city driving. We found that perceived discomfort depends on the driving scenario (with discomfort generally peaking in complex situations) and on the passenger (resulting in interindividual differences in reported discomfort extend and duration). Further, we describe three different model approaches on how to predict the passenger discomfort using data from the vehicle’s sensors as well as physiological and behavioral data from the passenger. The model’s precision varies greatly across the approaches, the best approach having a precision of up to 80%. All of our presented model approaches use combinations of linear models and are thus fast, transparent, and safe. Lastly, we analyzed these models using the SHAP method, which enables explaining the models’ discomfort predictions. These explanations are used to infer the importance of our collected features and to create a scenario-based discomfort analysis. Our work demonstrates a novel approach on passenger state modelling with simple, safe, and transparent models and with explainable model predictions, which can be used to adapt the vehicles’ actions to the needs of the passenger.

show abstract

KomfoPilot—Comfortable Automated Driving

Cited by 18 publications

References 44 publications

How the initial level of trust in automated driving impacts drivers’ behaviour and early trust construction

How the initial level of trust in automated driving impacts drivers’ behaviour and early trust construction

Subjektive Sicherheit zur Steigerung der Akzeptanz des automatisierten und vernetzten Fahrens

An Integrated Model for User State Detection of Subjective Discomfort in Autonomous Vehicles

Contact Info

Product

Resources

About