2外文翻译.docx
《2外文翻译.docx》由会员分享，可在线阅读，更多相关《2外文翻译.docx（15页珍藏版）》请在冰豆网上搜索。
2外文翻译
本科毕业设计外文翻译
（2011届）
题目：
停车场智能诱导系统设计与实现
学生姓名吴衍
指导教师王奔
专业班级计算机0701班
所在学院国际学院
提交日期2011年2月
学习型车辆导航系统：
一个驾驶模拟器的初步调查
KeithJ.Oliver&GaryE.Burnett
摘要
车辆导航系统的目的是通过驾驶任务的自动化元素来减少驾驶员的脑力工作量。
其关注度已经被提高，然而，其长期使用可能造成不可预见的问题，包括抑制识别地图的发展。
驾驶模拟器的研究发现，通过使用一个新奇的学习型的导航系统有望改善这种影响。
该系统的用户界面提供了一些有一个变化范围的附加功能，包括地标，指南针方向，和以前驾驶过的通过视觉和听觉指导说明的路线。
据发现，和那些使用基本导航的系统相比，学习型系统的用户表现出对驾驶路线更好的记忆。
当然这也暗示他们需要规划出该区域更好的识别地图。
初步分析表明，和基本系统相比，学习型系统没有更多视觉上的要求。
类别和主题描述
H.1.2[模式和原则]用户/机系统-人为因素，人类的信息处理。
H.5.2[信息接口和演示]：
用户接口-用户中心设计，图形用户界面（GUI）。
常用术语
设计实验人为因素
关键字
车辆导航卫星导航汽车导航识别地图司机分心司机负担
1.介绍
车辆导航系统是移动计算机设备日益普及的例子。
欧洲联盟2007年的一次民意调查发现，高达35%的公民，大约1.59亿人，目前正在使用或打算购买导航系统[6]。
这些设备使驾驶路线选择的关键任务自动化，同时支持随后路线的机变任务-通过及时发布轮转的指令。
到目前为止，移动的人机交互在用户界面上的研究专注于生提出指导方案来解决实用和效率的问题以及他们和导航有效性和驾驶性能等的联系[10，17]。
几个研究人员已经提高了对车辆导航设备信任的长期影响特别是对移动方式和航行不确定性的影响方面的关注[18]。
在这些领域一个关键的行为定为能力，随着时间的推移，将开发一个准确的拥有大规模环境的心理表示。
这种内部表示通常称为识别地图（参见[13]此术语的评论）。
开发识别地图能力是一项提高运输效率和可能拥有社会与心理学效益的重要技能。
这些可能包括对到达目的地进行选择和为其提供指示的能力[4]。
此外，开发准确和全面的识别地图将授权司机找到不包括在导航系统的数据库位置（例如地区或特定的建筑物），或当导航系统发生故障恢复任务。
早前在这所大学的一个研究寻求在驾驶模拟器的可控环境内对真实城镇识别地图构成领域的探索[4]。
连同以往的研究[1,11]，有明确的证据表明驾驶员在一个地区的空间学习受到一个简单轮转导航系统使用的负面影响。
有几个可能的原因包括对环境低水准的关注，简化和缩短导航做决定的时间尺度和使用导航系统招致的限定压力。
早前的研究提出了一个学习型导航系统，用以寻求对驾驶空间知识的发展，以及尽量减少航行的不确定性。
这个可以让司机通过系统从经常旅行的路线或地区迈向一个独立点。
目前的文献已经描述了这种概念的初步评估。
独特的研究旨在探讨导航学习和工作量的关系。
工作量和视觉需求是至关重要的考虑因素。
司机的工作量也和航行的不确定性有关。
导航系统最初可能对工作量的减少有作用，但是，减缓识别地图的发展，可能隐瞒一个已被研究地区的工作量的下降。
这种关系的探讨可能会引导未来设计的重要指标。
2.方法
这项研究是学科间的实验，用16个参与者，12男4女。
参与者的大部分年龄在21-30岁之间。
3个年龄超过此范围，1个低于此范围（平均年龄是25.4，范围是17-53之间）。
12个是经验丰富的司机（超过两年的经验）。
10个自认为是优秀的驾驶员，6个自认为不是。
2.1驾驶模拟器
实验利用一个固定起点，普通的逼真度，驾驶模拟器，位于英国诺丁汉大学的一个混合真实实验室（图1）。
参与者被随机分配，使其中8个用基本指导行驶路线，8个用学习型导航系统行驶路线。
参与者在行驶过程中将被录像，这样就可以肉眼分析行为，以及评估两个系统的在视觉上的要求。
图1模拟器
2.2虚拟城镇
参与者在虚拟城镇行驶的三条线路显示如图2，3，4。
线路可以选择在多个点上重叠或交叉。
路线上10个连接处中有8个可被至少一条线路共享，有4个被3条线路都共享。
路线所覆盖的区域大概有75%被两条或以上的路线共享。
图2线路1
图3线路2
图4线路3
人们希望，这种设计将促进该地区综合知识的发展。
在现实生活环境中识别地图的方式包括大量的时间和多样的环境的暴露。
时间短是本实验一个潜在的限制。
仔细设计线路，试图在相对较短的时间尺度内提供最大的曝光率来克服这个问题。
此外，一些独特的地标，包括公共房屋、教堂和快餐店，被放置在主要路口，或者连接处，沿着路线可以从远处看到的位置，以及和其他地标的连接处（见图5）。
这是为了使他们可以把沿线的参考点用作定点装置来使用。
图5在城镇中，驾驶员对地标的视点
2.3导航系统设计
在审查了导航系统设计和识别地图发展的文献之后，决定制作两个接口作为比较。
基本的导航系统将展现距离转变期间的信息，就像一个交界处的设计视窗（类似大多数商用系统）。
学习型系统将包括一些被建议能让识别地图发展变的容易的功能[8，12]。
这些功能包括沿线地标，指南针方向，和最突出的已行驶路线（由显示屏上的轮胎标记表示）。
最突出的已行驶路线的目的是要加强三条线路在识别地图中一体化的学习进程。
两个系统都将提供视觉和听觉的导航。
导航系统的制作的原型由微软的PowerPoint演示文稿构成。
这些要在一台笔记本电脑上运行并在驾驶模拟器中央控制台的一个12英寸的屏幕上显示（参见图6和7）。
声音是通过一个仪表板后面的扬声器发出。
演示文稿由实验者控制，通过一个“绿野仙踪”的方法在路线上相同点处对每个参与者提供指令操作，以规范他们的实验。
听觉命令能记录一个女性声音，并在每一个新的屏幕显示的同时播放出来。
语言命令也是同样的对于每个导航系统除了学习型系统包括参考的界碑，如下：
•基本导航–“50码右转”
•学习型导航–“在教堂处50码右转”
这些消息演示了在每一种情况下通过转向指令的界碑参考。
此前的研究表明了这样的表达顺序在促进识别地图发展方面更有效[12]。
图6基本导航界面
图7学习型导航界面
2.4测量识别地图发展
识别地图的发展已经得到了地理学家，城市规划者和心理学家的研究和讨论[13]。
如同所有的心理过程一样关于心理表现形式的发展和他们采取的方式存在不确定性和不认可性。
识别地图的发展没有单一的接受过程所能替代，因而难以界定和衡量它。
然而，一个对大型环境空间知识的发展广泛引用的模型详尽的描述了三个阶段的发展。
起点或者地标知识转移到线路知识，并达到研究或知识结构的顶点。
获得的调查知识能使一个人准确地估计笔直方向以及到看不见位置的距离，并计划出到新的目的地的路线[19]。
三阶段模式已被广泛用作研究与测量识别地图的方法。
用来试图测量识别地图发展的方法包括素描图分析，现场和线路识别测试，交叉线路定点任务和练习要求参与者重复他们以前旅行的路线[4，7，9]。
2.4.1地标知识
为了测试这项研究在虚拟城市的地标收回，给参与者提供了8个场景卡，其中4个他们已经在城镇里看到，4个没看到。
要求他们根据是否还记得这些场景把4个场景分成两类。
这些场景卡作为看到的一个或多个城镇地标用作行使路线知识的练习。
参与者要是将每个场景正确分类的话就会获得一个积分。
线路3的场景卡
积分
正确识别在线路上
﹢1
正确识别不在线路上
﹢1
不正确识别在线路上
－1
不正确识别不在线路上
－1
最多3个正确排序
﹢1
最多4个正确排序
﹢2
最多5个正确排序
﹢3
2.4.2线路知识
场景排序工作被用来衡量第三条线路行驶的记忆。
参与者被提供了九个场景卡。
7个场景拥有最后路线，两个场景不在城镇内。
第一个和最后一个场景在正确的位置上。
这是给参与者指出他们剩余的路线。
他们被要求对剩余的7个场景卡进行正确的排序除了他们没有看到的任何部分。
这次实验记录用到的方法如表1所示。
表1线路知识排序
最多可能有10个积分如果所有的卡被正确识别和顺序排列放置。
计分方法已经考虑了其他对卡进行空间识别分类研究所使用的方法[4，7，9]。
这种计分方法被认为是一个可接受的方法用有序的数据标明记忆线路以及线路上可见的地标。
3个或3个以被正确的排序就可以获得积分。
正确排序两个卡片没有得分，因为这被视为是可能发生的偶然事件。
2.4.3测量知识
草图的演习用来试图衡量对于两个接口的用户所取得的测量知识水平。
要求参与者在一张A4纸上画出了在三条路线上行驶所到地区的地图。
他们被要求包含他们能记忆的尽可能多的道路和地标，并用短语注明地标。
他们有尽可能需要的时间去做这件事。
参与者所画的草图将用如下这些元素标号记录储存：
•地标－城镇中存在的绘制符号
•交点－绘制的交叉路口，和地标有正确联系
•路径线段－正确绘制地图的线段（例如通过一个正确道路设计连接两个位置∕地标）
•地标方位－一个单独的地标对于其他地标的正确方位
据分析，由于主题间存在很高的变化性，草图的定性分析变的十分困难[2]。
和其他许多草图研究一样，我们期待用阿普尔亚德法对草图进行分类。
这种草图分类法分为空间的（显示地形和布局的知识）和连续的（显示更多的线性知识）两大主要种类。
阿普尔亚德法基于连接性给出一种复杂的升序进一步分为五大类。
然而，试图根据这种分类自由绘制地图是困难的，也有些主观。
因此，决定增加一条措施就是两个独立陪审团将这项研究的其他措施是这项研究交由两个独立的评审团进行实际评估。
这取决于草图对需要游览虚拟城镇游客的用处有多大。
虽然这只是一个主观的措施，但它至少涉及现实生活中的所使用的导航草图的绘制。
2.5问卷调查
最后要求参与者完成一份问卷调查。
要求有个人详细资料（年龄，性别，驾驶经验等），以及参与者对自己导航能力的评估。
要求学习型系统的用户提供一个对系统各个组件功能的主观评估，以便帮助他们发展城镇设计想象描绘图。
3.结果
3.1线路和地标知识
这个线路知识任务的得分显示了一个高水平的变动，给参与者指出一个宽广的性能范围。
这反映出许多参与者认为实验很有挑战性。
只有7个参与者成功对超过两个场景正确排序，只有一个人排序对了四个。
没有人完全排序正确。
地标知识测试的成绩更好。
有13个参与者正确识别了8个卡片中的6个及以上，只有一个人少于4个。
表2显示了使用基本导航系统和学习型系统两组的平均得分。
两组对于线路知识测试的结果明显不同（2.1和5.1相比较）。
用非参数Mann-Whitney检验分析透露出具有意义的统计差异性：
U（15）=11.5；p<0.05：
结尾是2。
对于地标知识的测试学习型系统的用户的平均得分更高，但这不是当分析一个独立抽样t测试时统计的意义（p=0.063）。
表2导航分组得分
基本系统（n=8）
学习型系统（n=8）
练习
平均得分
SD
平均得分
SD
线路知识
2.1
2.7
5.1
2.1
地标知识
5.3
1.8
6.8
1.0
线路知识测试成绩对于驾驶经验的影响，Mann-Whitney测试表明了其对经验丰富的驾驶员之间的分数有显着差异（P=0.029），但对于经验不足的司机没有意义（P=0.683）。
3.2草图和测量知识
图8和9给出了两个参与者所画草图的例子，包括一些错综复杂宽广范围标注和绘制项目的符号。
表3展示了这些草图中的元素符号获得的平均得分。
平均来说学习型系统用户除了路径线段其它类别得分都比较高。
这一类别的得分通常较低，两组的平均得分是一样的。
对t测试的分析透露差别没有到达一个有意义的统计水平（地标数符号p=0.062，地标对于其他地标的方位数符号p=0.21）。
表3草图－问卷调查分析
基本系统（n=8）
学习型系统（n=8）
量度
平均得分
SD
平均得分
SD
地标数
3.1
2.3
4.9
0.8
交点数
1.3
1.8
1.6
1.6
路径线段数
1.1
1.0
1.1
1.4
地标方位
1.0
1.3
1.9
1.4
总共
6.5
9.5
图8基本系统用户绘制的草图
图9学习型系统用户绘制的草图
草图的定性评估也实行和阿普尔亚德[3]和独立评审团共同设计的类别模块的比较。
这些方法表明，在一定程度上，参与者使用学习型系统能画出更复杂的地图。
8个用户中的5个要画空间地图，3个要画连续地图。
当这些地图被两个独立陪审团按顺序放置后，有5张地图排在使用学习型系统的参与者所绘制的8张地图之上。
值得注意的是得分最佳的测量由使用学习型系统的参与者绘制，而3个最差的是由基本导航系统的用户绘制。
定性分析指出对学习型系统会有一定影响，高可变性地图使定性显示变的困难。
3.3视觉需求
事后对每个参与者的录像进行分析，通过测量扫视行为来比较两个界面以达到视觉需求。
ISO对扫视的定义有详细的说明：
从他们在道路上看到一个物体直到他们将视线转移回前方花费的时间。
用到的量度有扫视频率，扫视持续时间和扫视分配（花在看导航显示屏的时间所占旅程时间的百分比）。
参与者之间有高度的变化。
一些参与者比起其他人在扫视显示屏上花费较多的时间，以及花费较长时间用来学习。
例如，看显示屏花费时间所占旅程百分比从只有4.16%到超过30%。
表4显示了关于这些量度和这些所使用系统得出的平均值。
表4视觉需求分组比较
量度
基本系统（n=8）
学习型系统（n=8）
平均分
SD
平均分
SD
扫视数量
20.50
7.03
17.75
3.96
扫视持续时间（秒）
0.82
0.29
0.91
0.29
扫视分配%
15.58
6.56
14.90
7.80
学习型系统的扫视数量和扫视分配平均值比较低。
然而扫视持续时间的平均值却要稍稍高一些。
统计分析（用独立样本t测验）表明两个组别的任何量度之间没有明显的差异。
有趣的是，当扫视量度和大量经验丰富的参与者相比较却能发现扫视数量和驾驶经验之间有明显的差异：
t（14）=2.2；p<0.05，结尾是2。
这个表明扫视行为主要的影响是参与者的驾驶经验。
驾驶经验不足的司机视线更加频繁的偏离道路，其平均持续时间更长（占线路时间的18.6%和14.1相比）。
然而，少量的经验不足的司机作为样本（4）使结论并不可靠，进一步说明需要更大的研究。
3.4主观数据
来自参与者的主观反馈表明地标在促进学习能力的提高方面的评价很高。
回答调查问卷的第三个问题：
“评价你在导航信息中找到的不同项目的好处符合你心中游览的城镇设计想象图。
地标是学习型系统导航中唯一获得一致高分的功能（参见表5）。
表5调查问卷（Q3）
导航功能
参与者的平均评价1－6
（1=完全没用，6=非常有用）
转向距离
2.75
先前线路的轮胎印记
2.63
地标
5.63
指南针方向
2.63
4.讨论
从这个初步的研究结果表明，那些使用学习型系统的参与者展现出对线路更好的记忆，甚至在一个相对较短的时间揭露之后。
事实证明地标识别测试没有巨大的区别（例如，两组都获得了相类似的地标知识），可能表明增加的线路知识不仅由识别技巧构成，而且还包括线路学习的一个因素。
对于经验丰富的司机（拥有驾照两年以上）所得的结果看起来更显著。
这可能是因为经验不足的司机不太了解外部环境和较少关注道路场景。
通过对备份中浏览行为的证据调查结果显示，缺乏经验的司机视线离开道路更频繁并且持续较长时间。
以往的研究发现，识别地图的发展存在许多因素。
这些明显的导航能力和驾驶经验是重要的，扮演一个比性别更加重要的角色[9，11]。
样品的大小和局限性不允许让这些因素在研究中保持平整。
对由这些因素引起的变量的全面分析包括对每个导航组中的每个因素进行比较。
取少量数量作为样本显得不可靠，但是可能有一些分析还是可行的。
性别和报告导航能力被认为是无明显差异的。
初步研究提出了一些关于徐习性系统最有利于促进空间学习的功能的问题。
参与者的反馈表明这些地标在提高方便学习的能力是值得的。
另外一些特性（轮胎印记和指南针方向）不被认为是有用的因素。
然而，不像地标导航一样这些特性没有出现在听觉指示方向上。
可能在显示屏上单独实现他们显得影响力太微弱。
相反，他们可能会带来更多长期的影响，对一些特殊的用户。
两个用户认为轮胎印记非常有用，一个用户认为指南针方向信息很有用。
参与者报告说，当转弯信息添加了地标后，感觉更加确定在哪里转弯以及更少犯导航的错误了。
这支持了以往关于车辆导航系统地标用处的研究[5，14，15]。
只有两个参与者在驾驶试验中犯了两个及以上的错误并且他们用的都是基本导航系统。
早期研究员假设识别要求很低从而提供了简单的行驶路程结果导致性息处理水平很低。
作为替代方案，要求环境中的地标设置的结果是信息处理能力处在一个持续增加的水平以及对回收有所改善。
使用学习型系统的小组所绘制的草图通常更加复杂，拥有独立陪审团制定的更高要求以提供有用的导航援助。
这种定性证据支持学习型导航增加了空间知识的理论。
当然这不是决定性的，因为在某些情况下很难对所绘制的草图进行分析。
对扫视习惯的分析表明两种系统在视觉要求上没有明显的区别。
抛开事实来说学习型系统包括更多需要考虑的信息。
（地标，轮胎印记和指南针方向要像转变方向和距离一样展示出来。
）这些信息可能没有足够的视觉要求，参与者能很快学会辨别他们找到的有用的特性。
事实证明在三条线路中展示的扫视数下降了。
导航涉及的地标要求司机判定这些环境中的地标，把他们的注意力直接转移到道路场景上。
这个研究中的证据表明给导航接口增加了一些支持识别地图发展的特性后不会给使用这些接口的司机增加工作负担。
随着时间的推移，更好的识别地图会减少导航的不确定性，也会看到工作负担减少的结果
5.总结和展望
这是一个短期、小规模的研究，但它展示了一个学习型车辆导航系统提高识别地图发展过程的潜力。
导航系统短时间内降低导航不确定性以及长期提升识别地图形成的观念非常具有吸引力。
现在对设计的隐含方面下大量的结论还言之过早，但可以做一些建议。
学习型系统的接口不应该依靠距离来单独转变信息。
人们一般很难判定准确的距离，这个和别人一起的研究已经证明了界碑在提出指导和促进学习方面的价值。
地标在定义和永久性上的实际困难不该成为对结果有好处的障碍。
当局亦应考虑周全，给予潜在用户广泛的经验和能力。
界面可以携带报导以往的经验和现有的知识用以改变导航对研究过程很有效。
本研究中的虚拟城镇由开放的整洁的风景和一些特殊的地标构成。
进一步的工作是研究学习型系统在更逼真的城市景观环境下的影响。
和现实生活中的安置环境的比较研究也是必要的。
进一步的研究也旨在较长一段时间的学习过程中探讨，来比较系统不同特性的相关影响。
随着导航设备越来越广泛的使用，可移动人机交互的研究将扮演一个越来越重要的角色，用以确保接口设计不仅有效是用而且不受有害影响的约束。
确保用于导航系统的接口在较长时间内尽量减少工作量（特备是有关视觉的使用）。
这不仅涉及车辆，还有其他的移动设备，如手机和个人数字助理，为此，导航应用正变得可用。
6.参考文献
[1]Adler,J.L.（2001）Investigatingtheeffectsofrouteguidanceandtrafficadvisoriesonroutechoicebehaviour,InTransportationResearch.PartC,vol.9,1-14.NewYork:
PergamonPress.
[2]Aginsky,V.,Harris,C.,Rensink,R.andBeusmans,J.（1997）Twostrategiesforlearningarouteinadrivingsimulator,InJournalofEnvironmentalPsychology17,317-331.
[3]Appleyard,D.A.（1970）Stylesandmethodsofstructuringacity.EnvironmentandBehaviour,2,100-116.
[4]Burnett,G.E.andLee,K.（2005）Theeffectofvehiclenavigationsystemsontheformationofcognitivemaps,InTrafficandTransportPsychology:
TheoryandApplication（pp.407-418）.Elsevier.
[5]Burnett,G.E.andPorter,J.M.（2002）,AnempiricalevaluationoftheuseofdistanceversuslandmarkinformationwithintheHuman-MachineInterfacetovehiclenavigationsystems.InD.DeWaard,K.A.Brookhuis,C.M.WeikartandA.Tofetti（Eds）HumanFactorsinTransportation,CommunicationandtheWorkplace.Masastrict,TheNetherlands:
ShakerPublishing（pp.49-64）.
[6]Eurobarometerreport（2007）GeneralpublicsurveyontheEuropeanGalileoProgramme:
http:
//ec.europa.eu/dgs/energy_transport/galileo/documents/doc/2007_06_04_galileo_eurobarometer_analytical_report_en.pdf（Viewed31stJanuary2008）.
[7]Evans,G.W.,Skorpanich,A.,Garling,T.,Bryant,K.J.,andBresolin,B.（1984）Theeffectsofpathwayconfiguration,landmarksandstressonenvironmentalcognition,JournalofEnvironmentalPsychology,4,323-335.
[8]Golledge,R.G（1999）Wayfindingbehavior:
cognitivemappingandotherspatialprocesses.Baltimore:
JohnsHopkinsUniversityPress
[9]Golledge,R.G.,Ruggles,A.J.,Pellegrino,J.WandGale,N.D,（1993）IntegratingRouteKnowledgeinanUnfamiliarNeighborhood:
Alongand
升级会员 