Loading…
Thumbnail Image

Kontextsensitive Personalisierung automotiver Benutzerschnittstellen

Entwicklung und Anwendung eines regelbasierten Verfahrens zur Erkennung situationsabhängiger Mensch-Maschine-Interaktionen

Rodriguez Garzon, Sandro

Moderne In-Car-Infotainment-Systeme verfügen aufgrund der in den letzten Jahren erzielten technologischen Fortschritte bei der Vernetzung von Fahrzeugen untereinander und mit dem Internet über eine Fülle neuer Funktionalitäten, die bisher ausschließlich Home-Entertainment-Systemen oder mobilen Computern wie beispielsweise Smartphones oder Tablets vorbehalten blieben. Die damit einhergehende Zunahme der Komplexität automotiver Benutzerschnittstellen stellt die Automobilhersteller jedoch vor die Herausforderung, neue und effiziente Bedienkonzepte zu entwickeln, die neben dem markenspezifischen Look-And-Feel auch die Integration der Benutzerschnittstelle bestehender mobiler Endgeräte oder auch die durch nachträgliche Installation von Applikationen ermöglichte individuelle Gestaltung der Benutzerschnittstelle berücksichtigen. Im Vordergrund der Untersuchungen dieser Forschungsarbeit steht daher insbesondere das Bedienkonzept der Personalisierung, welches sich mit der Anpassungsfähigkeit der Benutzerschnittstellen an die individuellen Bedürfnisse der Benutzer auseinandersetzt. Dazu wird ein neuartiges Verfahren zur Verarbeitung unterschiedlicher Sensordaten vorgestellt, welches es zukünftigen mobilen Systemen wie z.B. In-Car-Infotainment-Systemen ermöglicht, das situationsabhängige Benutzerverhalten implizit zu erfassen, automatisch auf Regelmäßigkeiten hin untersuchen zu lassen und die sich daraus ergebenden kontextsensitiven Bedienmuster als Ausgangsbasis für proaktive Adaptionen der Benutzerschnittstelle zu nutzen. Bei dem Verfahren werden erstmals bestimmte Methoden zur Erkennung sequentieller Muster und bekannte Techniken des nicht-überwachten Gruppierens innerhalb eines Prozesses gemeinsam angewendet, um in der Fülle von benutzer- und umgebungsspezifischen Sensordaten, ohne ein explizites Eingreifen durch den Benutzer, automatisiert ähnliche Sequenzen von Mensch-Maschine-Interaktionen zu erkennen. Unterstützt wird dieses als Dienst konzipierte Verfahren zur kontextsensitiven Personalisierung durch in Vorlagen zu definierende Regeln, die je nach Anwendungsfall bestimmen, welche spezifischen Mensch-Maschine-Interaktionen zu einer kontextsensitiven Personalisierung beitragen können, inwiefern aufgezeichnete Interaktionen zum Zweck der Prüfung auf Relevanz zusammengefasst werden und auf welche Art und Weise Situationen erkannt werden, in denen die ermittelten kontextsensitiven Präferenzen gegebenenfalls eine Modifikation der Benutzerschnittstelle auslösen. Vorgestellt werden - im Sinne eines Proof-of-Concepts - eine dazu passende prototypische automotive Benutzerschnittstelle, die mit Regeln versehenen Vorlagen und zwei unterschiedliche Formen der kontextsensitiven Personalisierung, welche beispielhaft in vier automotiven Bedienszenarien zum Einsatz kommen. Außerdem wird eine Methode der modellbasierten Simulation der interaktionsbezogenen Sensordaten präsentiert, mit der die über einen längeren Zeitraum stattfindende kontextsensitive Personalisierung zu Testzwecken im Labor simuliert werden kann. Ergänzt wird die Forschungsarbeit um eine detaillierte Beschreibung des Ablaufs und der Ergebnisse einer im Rahmen dieser Forschung erfolgten Benutzerevaluation, die auf Grundlage eines ebenfalls hier entworfenen Echtzeitsimulators für kontextuelle Informationen durchgeführt wurde. Die Benutzerevaluation diente unter anderem der Untersuchung der durch die kontextsensitive Personalisierung hervorgerufenen Ablenkung des Fahrers und der Bewertung der Attraktivität adaptiver Bestandteile einer automotiven Benutzerschnittstelle.
The technological progress of the last years regarding the connectivity between cars and between cars and the internet made it possible for modern in-car-infotainment systems to offer a wide range of new features that are formerly known from home entertainment systems or mobile computers like smartphones or tablets. Due to an accompanying increase of the complexity of automotive user interfaces, car manufactures are faced with the challenge to develop new and efficient interaction concepts. Thereby, the brand-specific look-and-feel, the integration of mobile devices as well as the user-specific design - which is imposed by the subsequent and user-triggered installation of applications - need to be considered. In particular, this study focuses on the interaction concept of personalization that deals with tailoring the user interfaces towards the individual needs of the users. Therefore, a novel method for the processing of various sensor data is introduced. It provides future mobile systems e.g. in-car-infotainment systems with the ability to capture the situation-dependent user behavior implicitly, to search for regular situation-dependent user behavior and to use the discovered contextual behavior patterns for the purpose of proactive user interface adaptations. For the first time, methods for the detection of sequential patterns and well-known techniques of unsupervised clustering are applied within a common process in order to find similar sequences of human-machine interactions within numerous user-specific and environment-specific sensor data and without the need of an explicit involvement of the user. The service-oriented method is supported by clearly defined rules which determine the way specific human-machine interactions affect the contextual personalization, how captured interactions are grouped to verify their relevance and how situations for the modification of the user interfaces get detected based on the identified contextual preferences. The rule templates and an appropriate prototypical automotive user interface are also introduced as a proof-of-concept along with an extension of the user interface with two different types of contextual personalizations which are adopted in 4 sample automotive use cases. Additionally, a model-based simulation for interaction-specific sensor data is presented. It allows within a lab environment to simulate long term contextual personalizations for the purpose of tests. Finally, this study is completed by a detailed description of the process and the results of an user evaluation. The user evaluation investigates the driver distraction - caused by the contextual personalization - and the overall attractiveness of the adaptive parts of an automotive user interface. It was conducted based on a real-time simulator for contextual sensor data that gets introduced as well.