Die Bedeutung von Kameraperspektiven und Augmentierung zur Verbesserung der Mensch-Maschine-Schnittstelle im Hinblick auf die Wahrnehmungsfähigkeit von Remote Assistants unter eingeschränkten Sichtbedingungen

Kurzfassung

Automatisierte Fahrzeuge stellen eine Schlüsseltechnologie zur Verbesserung von Sicherheit und Effizienz im öffentlichen Verkehr dar, stoßen jedoch insbesondere im urbanen Mischverkehr an operative Grenzen. Remote Operators gewährleisten durch teleoperatives Eingreifen in kritischen Situationen die Funktionsfähigkeit hochautomatisierter Fahrzeuge. Während bisher vor allem technische Aspekte der Mensch-Maschine-Interaktion untersucht wurden, bleibt die benutzerzentrierte Schnittstelle zwischen Remote Operator und Fahrzeug weitgehend unerforscht. Diese Schnittstelle ist ein entscheidender Faktor für Sicherheit und Effizienz der Fernunterstützung. Diese Schnittstelle ist jedoch ein wesentlicher Faktor für die Sicherheit und Effizienz der Fernunterstützung. Diese Arbeit zielt darauf ab, die Wahrnehmung der Verkehrssituation durch den Remote Operator zu verbessern. Hierfür wird das Mensch-Maschine-Interaktionsdesign analysiert. Der Fokus liegt auf der Optimierung der visuellen Darstellung hochautomatisierter Shuttles durch gezielte Augmentierung und variierende Kameraperspektiven. In einem experimentellen 3×2-Within-Subjects-Design wurden die Kameraperspektiven (First-Person-View, Third-Person-View, Bird's-Eye-View) sowie die Aktivierung visueller Augmentierung (aktiviert vs. deaktiviert) variiert. Die Studie fand unter eingeschränkten Sichtbedingungen (Nebel) statt. 37 Probanden unterstützten ein hochautomatisiertes Shuttle in einer simulierten urbanen Linksabbiegesituation und trafen Freigabeentscheidungen. Die Ergebnisse demonstrieren, dass visuelle Augmentierung die subjektive Situational Awareness signifikant verbessert und die Kollisionsrate reduziert. Die Effekte der Kameraperspektiven waren heterogen. Sie wurden durch Augmentierung teilweise nivelliert. Insgesamt werden die Wirksamkeit visueller Augmentierung unter komplexen Bedingungen gestützt, während die Kameraeffekte nur teilweise gestützt wurden. Zukünftige Untersuchungen sollten die Effizienz der Kameraperspektiven in Abhängigkeit von Bedingungen und Kombinationen vertiefend analysieren. Zudem sollte geprüft werden, ob sich die Befunde auf weitere Szenarien und Bedingungen übertragen lassen.