计算机 智能系统 外文翻译 外文文献 英文文献 学习型车辆导航系统_一个驾驶模拟器的初步调查.doc

学习型车辆导航系统： 一个驾驶模拟器的初步调查 Keith J. Oliver Gary E. Burnett 摘要 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