基于EEG的汽车AR-HUD界面评估与优化研究

作     者：赵智虎 

作者单位：齐鲁工业大学 

学位级别：硕士

导师姓名：苏珂

授予年度：2024年

学科分类：12[管理学] 07[理学] 08[工学] 0711[理学-系统科学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 082304[工学-载运工具运用工程] 081104[工学-模式识别与智能系统] 080401[工学-精密仪器及机械] 080204[工学-车辆工程] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0823[工学-交通运输工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：EEG AR-HUD 人机交互 界面优化设计 麻雀搜索算法 

摘      要：人机界面是人与机器互动的重要媒介,是连接人与机器系统的重要桥梁。设计良好的人机界面能显著提升用户的工作效率,减少操作失误。尤其在汽车AR-HUD(Augmented Reality-Head Up Display)系统中,高质量的人机界面设计不仅能改善用户体验,还能提高驾驶安全。因此,本文以汽车AR-HUD人机界面作为研究对象,对其界面提示图标及布局方式展开评估与优化研究,提出了一种基于脑电技术(EEG)与视觉特性的人机界面评估与优化方法。 具体地,利用Python爬虫技术在各大网络平台对现有AR-HUD人机交互界面进行收集与整理得到界面样本集;通过对AR-HUD界面样本中的提示图标元素进行提取、分类与归一化处理,建立界面提示图标样本集。 评估方面:首先,利用深度访谈法获取界面提示图标评价指标;其次,基于评价指标利用熵权法对提示图标样本集进行评分与筛选,得到优势图标样本集;然后,以优势图标样本为刺激材料,进行脑电认知实验并采集脑电数据;最后,对脑电信号进行频谱、时频及时域分析,评估筛选优势图标样本得到最佳提示图标。 优化方面:首先,通过分解AR-HUD界面功能区域,分析驾驶员视觉特性及界面信息重要度,结合界面布局原则中的相关性和简洁性准则,构建了基于驾驶员视觉特性的AR-HUD界面布局多目标优化数学模型;其次,将模拟退火算法思想引入麻雀搜索算法中,提出一种基于模拟退火-麻雀搜索算法(SA-SSA)的混合智能优化算法,以提高对多目标优化数学模型的求解效率与准确性,得到最优界面图标元素坐标值;然后,将评估结果与优化结果相结合,完成对汽车AR-HUD人机界面的评估与优化设计。 为验证界面优化效果,利用E-Prime软件对优化前后的界面进行认知行为评估实验。结果显示,优化后的界面能显著减少驾驶员的认知反应时间(-235ms),提高反应的正确率(+9.3%),有效提升了驾驶员应对突发状况的能力和信息获取的效率。