Qt商业版 | 智能汽车人机交互界面（HMI）发展趋势以及智能管家系统设计案例分享
在过去几年时间里，车载中控多媒体系统的人机交互设计更加倾向于智能手机模式的拷贝。越来越多的App、互联网接入内容与服务、传统机械控制的数字化是核心。而在液晶仪表/智能中控的界面设计上，由于ADAS系统的数据输出，自适应巡航控制、变道辅助、盲区预警以及车辆周边环境数据构成当前人机界面设计的一部分。然而，其存在的问题也不少，于是乎时不时有新闻报道某某新能源L2级自动驾驶车发生了碰撞事故。我们以国内某新能源品牌的热销车型为例，功能逻辑混乱是车主对辅助驾驶功能的主要评价。比如，晴好天气、道路标线清晰，但车道保持功能却时不时不能识别。此外，在高速行驶中，在启用ACC+LKA（LCA）的情况下，如果前方出现静止物体，车辆会持续加速，直到逼近安全距离临界点才开始刹车。而在日常的操作过程中，在加速时车道保持功能会强烈干扰方向盘的正常转向操作，这也被很多用户调侃：有一股莫名的力量总是试图抢夺你的方向盘。这些状况，实际上也是很多量产系统的常见问题之一。除了系统本身的功能逻辑设计、感知系统的缺陷等等因素，人机交互的友好性实际上也是弥补用户体验差的关键要素。显然，用户的期望非常高，这意味着汽车制造商必须在人机界面设计上，围绕以用户为中心来进行座舱与ADAS交互的融合设计，并充分利用座舱交互的现有技术。再加上已经导入多年的语音交互、手势交互以及HUD等新的显示媒介，舱内HMI设计的复杂度急剧上升。如何过滤无效数据、帮助驾驶员更好地理解系统，并与之无缝互动、建立统一的简洁且直观的人机界面设计标准，将交互困惑降到最低，并且优先考虑安全性，成为HMI设计的主要趋势。而消费者对智能汽车的期望比以往任何时候都要高。这其中，除了传统意义上的内饰材料、信息娱乐系统、触摸屏、语音交互等功能外，更多的用户希望能够对辅助驾驶技术有更全面的了解，更安全地驾驶车辆，并追求更舒适、更个性化的操控。在哈曼公司看来，下一代人机界面的出现无疑是有必要的。汽车制造商需要开发全新的HMI交互设计，以建立与汽车智能化之间的信任关系。
所以，随着智能驾驶等级的提升，人机交互成为融合的关键点。HMI将不再仅仅是表面上的吸引力，而是成为整车软件解决方案的关键要素之一。没有控制就没有信任，系统和驾驶员之间的信任将是自动驾驶真正规模化落地的基石。同时，随着座舱底层硬件的算力升级，以及汽车制造商对于软件定义汽车和用户体验升级的需要，提供逼真的可视化HMI交互功能也将越来越受到重视。当前，随着汽车网联化的发展，车辆的配置功能越来越多，服务资源也越来越丰富，在满足人们出行需求的同时，也提供了更多的舒适性、娱乐性与便利性选择。然而，汽车服务功能的增多，会给驾驶员带来一些困扰或使车辆驾驶增加一定的风险，例如用户对功能配置的学习和使用的时间成本增加，以及行车过程中的非驾驶类操作导致驾驶安全性下降等。基于以上需求背景，有工程师应用Qt高效设计了智能汽车的智能管家系统框架方案——基于实时场景分析和不同场景下对用户需求预判进行功能服务推荐，包括用户在使用车辆过程中的数据采集、场景分析、功能服务匹配与推荐。该系统通过云、终端能力结合，将智能网联汽车功能服务、车辆驾乘场景以及用户操作习惯进行个性化关联，利用车联网大数据实时分析，判断当前车辆所处场景，并进行关联功能服务的主动推荐，从而提升了车辆智能化与用户驾乘体验，确保驾驶便利性、安全性。本推荐系统设计主要由车移动终端、汽车远程服务平台（TSP）、大数据云平台3部分组成系统框架，如图1所示。车移动终端主要包括车载多媒体主机（HU）、车载无线通讯终端（TBOX）、车身控制模块（BCM）及其他与车辆功能服务相关的电子控制单元（ECU）。TBOX按照TSP平台配置的采集信号文件，将全球定位系统（GPS）数据、心跳包数据、控制器局域网络（CAN）数据发送至TSP服务端，接收来自TSP平台下发的推送编码指令，并将编码传递至HU端；HU的本地存储单元根据编码序号判断当前的推送服务，并将相关服务以语音合成技术（TTS）、信息（Message）、人机交互（HMI）或系统弹窗（Popup）的形式进行主动人机交互，根据用户判断结果或直接发送执行请求至BCM模块，BCM模块根据请求执行相应命令。此外，用户交互及动作执行结果也将通过TBOX上传至TSP平台和大数据平台。TSP平台主要用于下发配置信号文件至TBOX，并将TBOX上传的大数据，以及用户账号信息发送至大数据平台。同时，将大数据平台计算的结果与车辆关联的功能服务进行匹配，并将匹配的功能服务以编码指令形式下发至TBOX，从而实现功能服务推荐。大数据平台接收TSP同步的车辆数据，对数据信息进行收集、存储、分析、数据建模等数据处理任务，判断车辆及驾驶员当前所处场景，并建立基于不同账号(ID)的用户画像，包括功能使用偏好、习惯等，如音乐收听类型。最终将计算结果输出至TSP平台。系统业务流程设计，如图2所示，主要包括数据获取、数据存储与标准化、大数据建模分析、功能服务资源匹配、交互与执行5部分。车辆启动后，在通讯模块TBOX向TSP平台发送登录请求，二者建立基于4G网络的无线通讯连接，与此同时，TSP向TBOX下发配置文件，其中包括TBOX需采集上传的信号类型及频率等参数。用户在驾驶、使用车辆时，车内各ECU工作产生的信号，通过CAN网络进行实时交互、传递，同时，TBOX与**连接，实时获取、解析车辆信号，并根据TBOX与TSP通信协议将数据加密，经网络通讯方式向TSP服务器发送，TSP服务器解密后即获得车辆实时状态数据以及用户操作、使用数据。TSP平台对接收的数据包进行解析，记录数据上传信息，再次加密后同步至大数据平台，大数据平台将接收到的数据包进行解析，随后对数据进行清洗治理工作，剔除空数据、无效数据等异常数据后，最终实现对数据的标准化管理与存储。根据时效性要求，大数据分析模型可分为实时模型与离线模型2种，实时模型主要针对工况、环境及故障等实时场景或需求的分析，离线模型主要针对用户画像、基于用户账号ID的习惯特征等用户标签类别的分析。具体搭建过程主要有以下3部分。不同场景定义，在车辆数据中会有一定的差异，通过分析具体的业务场景，并结合获取的数据情况，构建并计算出用于不同场景分析的特征变量，并生成数据集。对数据集中的特征变量进行证据权重（WOE）、信息价值（IV）、多重共线性等分析，新构建特征或者找出影响分类关键变量，用于后续对模型的训练。通过以上步骤中得到的含有标签的数据集，将此数据集按照比例划分成训练集和测试集。使用训练集对逻辑回归模型进行训练，用测试集验证模型的准确性。推荐系统资源匹配原则主要为：相似场景下同一资源具有相似的匹配度、相似人群下同一资源具有相似的匹配度、相似资源对于同一用户具有相似的匹配度，以及不同用户对于功能服务的使用偏好或习惯，从而实现场景与资源匹配、用户群与资源匹配、资源与用户匹配。本设计方案中所述功能服务资源包括：车辆自身功能配置资源（如空调、座椅设置）、内容资源（如新闻、音乐）、服务资源（如洗车、停车）、定制信息（如故障处置引导、热门活动）等。大数据平台将数据模型计算的结果回传至TSP平台。TSP平台根据计算结果判断是否符合服务推送条件，如符合条件，则根据大数据计算结果与车辆相关的功能服务进行匹配，并生成特定推荐编码指令下发至车移动终端。推荐系统实时分析、判断用户及车辆所处场景，并基于功能服务资源的匹配，通过车联网平台向车辆TBOX通信模块输出推荐指令，TBOX将TSP平台下发的推荐编码指令进行解析，并将指令内容分发至HU或其他关联ECU执行模块，与此同时，HU以HMI、TTS、消息提示等形式主动提示并向用户进行主动推荐交互，并根据用户反馈情况，调用推荐的功能服务资源或终止本次推荐，如图3所示。此外，TBOX将继续收集用户对于推荐消息的接收情况并回传系统，系统可据此调整推荐资源的推荐策略与优先级以优化推荐体验。该方案综合利用车联网、大数据、主动交互等技术，设计了一种个性化、场景化的智能网联汽车功能服务推荐系统。系统支持采集车辆终端的用户行为、后端服务器日志、业务数据及第三方等多方数据源，进一步分析车辆驾乘场景与用户使用偏好，并将丰富多样的车辆配置、功能服务以场景化、个性化方式进行关联，最终以多模联动的形式进行主动推荐与交互。该系统的应用为用户提供了高效的功能服务使用方式，降低了用户对于车辆功能服务的学习、使用成本，对提升车辆智能化水平、驾乘体验与驾驶安全性，具有重要意义。东软集团副总裁兼东软汽车电子解决方案事业本部常务副总经理孟令军表示：“如何解决提升人机界面（HMI）体验、缩短上市时间和降低成本之间的矛盾一直是汽车电子行业的重大挑战，尤其是近来OEM厂商也开始高度关注数字体验。我们一直密切关注Qt的技术，并注意到Qt近年来在汽车行业取得了显著进步，特别是在功能安全领域。我们很高兴与Qt合作，并期待为我们的客户提供优质的产品。”由于Qt软件开放源代码，东软充分掌握了整个开发过程的自**。且Qt极为灵活，用户只需编写一次代码即可在任何平台上运行。东软还能通过此次合作，接触Qt全球开发专家和从业者社区，并享受出色的Qt专业技术服务。Qt公司执行副总裁Juhapekka Niemi表示：“我们很高兴看到东软选择Qt作为中国汽车市场的数字仪表开发技术。Qt正在成为领先的仪表开发技术，包括先进的2D和3D功能以及集成设计工具。Qt不仅适用于低端硬件解决方案，同样适用于非常复杂的高端硬件，这些硬件可支持未来数字座舱所需的高级功能。”注：本文素材来源于网络。如有侵权，请联系我司；如需转载，请注明出处和链接，谢谢！ 著作权归作者所有，欢迎分享，未经许可，不得转载
首次发布时间：2022-11-15
最近编辑：2年前
