自動駕駛車輛外部人機介面可見性分析研究
arXiv - Human-Computer InteractionJose Gonzalez-Belmonte, Jaerock Kwon
利用Unity模擬，首次量化不同車型在多場景下，行人能看到的車身部位，並提出兩個關鍵顯示區域建議。
AI 幫你先抓重點
AI 重點 1
行人視覺焦點集中於車輪、前擋板與頭燈，提示設計者應優先於此區域布置訊號。
滑鼠懸停看 AI 判斷理由
這些部位最易被行人注意，若將訊號放於此可大幅提升安全性，改變傳統車輛訊號設計思路。
AI 重點 2
利用Unity模擬可重複評估不同場景下的可見性，為未來自動車訊號規範提供可量化數據。
滑鼠懸停看 AI 判斷理由
此方法可在實際道路測試前快速驗證設計，降低成本與風險，對政策制定者與研發團隊皆有實務價值。
核心研究發現
- 1
行人最常看到的車身部位為車輪、前擋風玻璃前擋板和頭燈。
- 2
在不同車型、車位、車流量、相機位置與方向以及距離條件下，車輪、前擋板和頭燈的可見率最高。
- 3
建議在至少兩個區域（擋風玻璃、前擋板、側鏡）安裝顯示裝置，以提升行人可見性。
對教育工作者的啟發
本研究指出行人最常注意的車身部位為車輪、前擋板與頭燈，建議在這些區域安裝可視訊號或顯示裝置，以提升行人對自動車的辨識度。設計者可利用Unity模擬平台，在不同車型、車流量、相機角度與距離條件下，快速評估訊號可見性，並調整顯示位置與亮度，減少實地測試成本。對於交通政策制定者而言，研究提供了量化的可見性指標，可作為制定自動車外部訊號規範的科學依據。對於教育工作者，可將此模擬方法納入交通安全教育課程，讓學生透過互動式模擬了解行人視覺與車輛訊號設計的關聯，促進實務與理論的結合。
原始文獻資訊
- 英文標題：
- Analytical Study on the Exposedness of Potential Positions for External Human-Machine Interfaces
- 作者：
- Jose Gonzalez-Belmonte, Jaerock Kwon
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。