探索人类的行为机制，从而改进新技术

在名古屋大学未来社会创新学院，这些具有前瞻性思维的研究人员正在探索人类的行为机制，从而改进新技术。 

背景

在名古屋大学未来社会创新学院，人机界面和人类特征研究所（ HMI and Human Characteristics Research Division ）致力于探究人类和智能系统之间的交互设计，以实现新型移动接口和服务。这些研究人员正通过对驾驶员驾驶行为的分析实现这一愿景。眼动追踪解决方案使他们能够在不受干扰的情况下识别驾驶员的关键注视动作。 

研究方法

在日本，老年驾驶者造成的交通事故越来越定义。最重要的是，汽车对他们在日常生活中持续的独立性变得越来越重要。为此，名古屋大学未来社会创新院利用一项研究提出了一种驾驶员辅助系统，该系统支持老年汽车用户，并促使他们提高整体驾驶水平。 

在这项眼动追踪研究中，名古屋大学实验室收集了30名年龄在50岁到76岁之间的男性和女性司机的数据，观察他们在驾驶模拟器中接近十字路口停车标志时的表现。这些数据能够显示视觉信息处理能力、注意分配功能和视野大小。 

研究人员试验了三种不同的驾驶辅助方式：声音、视觉和机器人。这些辅助应用集成在驾驶模拟器中，并配备了Tobii Pro X2-30眼动仪。模拟器呈现了老年人事故高发的驾驶场景，不同辅助功能提供通过危险区域的驾驶指导。驾驶模拟过程中使用眼动追踪设备记录眼动数据，以了解司机的注意力分配情况。 

研究结论 

总体而言，研究结果表明，与最初的假设相反，机器人辅助在鼓励安全驾驶行为和预防事故方面最有效。这一模式是最明显的，侵入性最低的，也是大多数老年司机最能接受的。机器人辅助模式下注视点最集中。而注视时间对应的持续时间非常短，这意味着相似的动因并不一定会导致巨大的驾驶干扰。 

语音辅助对老年司机的帮助最小，尽管研究者认为它最容易被注意到。它导致了最分散的注视模式，可能表明司机无法理解所提供的信息，只能通过本能地搜索以找到来源。 

相关出版物 

Takahiro Tanaka, Kazuhiro Fujikake, Takashi Yonekawa, Misako Yamagishi, Makoto Inagami, Fumiya Kinoshita, Hirofumi Aoki, Hitoshi Kanamori (2018). 

Study on Driver Agent based on Analysis of Driving Instruction Data - Driver Agent for Encouraging Safe Driving Behavior (1)

Takahiro Tanaka, Kazuhiro Fujikake, Takashi Yonekawa, Makoto Inagami, Fumiya Kinoshita, Hirofumi Aoki, Hitoshi Kanamori (2018).

Effect of Difference in Form of Driving Support Agent to Driver’s Acceptability - Driver Agent for Encouraging Safe Driving Behavior (2)

Takahiro Tanaka, Kazuhiro Fujikake, Yuki Yoshihara, Nihan Karatas, Hirofumi Aoki, Hitoshi Kanamori (2020)

Preliminary Study for Feasibility of Driver Agent in Actual Car Environment -Driver Agent for Encouraging Safe Driving Behavior (3)

Takahiro Tanaka, Kazuhiro Fujikake, Yuki Yoshihara, Nihan Karatas, Kan Shimazaki, Hirohumi Aoki, Hitoshi Kanamori (2020).

Analysis of Distraction and Driving Behavior Improvement Using a Driving Support Agent for Elderly and Non-Elderly Drivers on Public Roads