Efectos de las condiciones ambientales y de carretera en la aceptación tecnológica de los vehículos autónomos y en la experiencia usuario
DOI:
https://doi.org/10.65234/interaccion.77Palabras clave:
Aceptación tecnológica, Conciencia situacional, Estudios de usuario, Experiencia de usuario, Realidad virtual, Vehículos autónomosResumen
Diferentes avances han aparecido con la nueva era tecnológica y la transformación digital, destacándose los vehículos autónomos (VAs). La creciente visibilidad de estos ha dado paso a diversas investigaciones sobre la aceptación y percepción de esta tecnología, sin embargo, en muchas de estas, los participantes se basan únicamente en una creencia preconcebida ya que la mayoría no ha conducido o tenido contacto con este tipo de vehículo, debido a que los estudios de prueba con VAs reales son caros, peligrosos y poco éticos. La realidad virtual surge como una posible solución a este problema, ya que proporciona un entorno realista, seguro y controlado, en el que se pueden implementar diferentes situaciones viales y meteorológicas. En este artículo se presenta un diseño de investigación preliminar, basado en el Modelo de Aceptación de la Tecnología (TAM), que busca evaluar e inferir el nivel de aceptación de los VAs, así como el comportamiento de los usuarios a la hora de utilizarlos e interactuar con ellos. El estudio se basa en una simulación virtual inmersiva de un VA, donde el usuario es expuesto a una situación de riesgo en la que el vehículo es incapaz de reconocer el carril debido a dificultades meteorológicas.
Referencias
Administración Nacional de Seguridad del Tráfico en las Carreteras. (2022). Vehículos Automatizados para la Seguridad. Obtenido de NHTSA: https://www.nhtsa.gov/es/tecnologia-e-innovacion/vehiculos-automatizados-para-la-seguridad
Baltodano, S., Sibi, S., Martelaro, N., Gowda, N., & Ju, W. (2015). The RRADS Platform: A Real Road Autonomous Driving Simulator. Proceedings of the 7th International Conference on Automotive User Interfaces and Interactive Vehicular Applications (AutomotiveUI ’15) (págs. 281–288). Nottingham, United Kingdom: Association for Computing Machinery, New York, NY, USA. DOI: https://doi.org/10.1145/2799250.2799288
Boisclair, J. (2021). 2017 Kia Soul EV 3D Model. Institut de recherche sur l'hydrogène (IRH) de l'Université du Québec à Trois-Rivières, Trois-Rivières.
Davis, F. D. (1989). Perceived Usefulness, Perceived Ease of Use, and User Acceptance of Information Technology. MIS Quarterly, 13(3), 319-340. doi:10.2307/249008 DOI: https://doi.org/10.2307/249008
Edmonds, E. (25 de Febrero de 2021). AAA: Today’s Vehicle Technology Must Walk So Self- Driving Cars Can Run. Obtenido de AAA Newsroom: https://newsroom.aaa.com/2021/02/aaa-todays-vehicle-technology-must-walk-so-self-driving-cars-can-run/
Hewlett-Packard Development Company L.P. (2021). HP Reverb G2 Omnicept Edition. Obtenido de https://www.hp.com/us-en/vr/reverb-g2-vr-headset-omnicept-edition.html
Isidore, C. (2016). 75% de los conductores le tienen miedo a los vehículos autónomos. Obtenido de CNN: https://cnnespanol.cnn.com/2016/03/09/75-de-los-conductores-le-tienen-miedo-a-los-vehiculos-autonomos/
Jin, Z., Swedish, T., & Raskar, R. (2018). 3d traffic simulation for autonomous vehicles in unity and python. arXiv preprint arXiv:1810.12552
Johnson-Roberson, M., Barto, C., Mehta, R., Sridhar, S. N., Rosaen, K., & Vasudevan, R. (2016). Driving in the matrix: Can virtual worlds replace human-generated annotations for real world tasks? . arXiv preprint arXiv:1610.01983. DOI: https://doi.org/10.1109/ICRA.2017.7989092
Ko, Y., Lee, Y., Azam, S., Munir, F., Jeon, M., & Pedrycz, W. (2021). Key Points Estimation and Point Instance Segmentation Approach for Lane Detection. IEEE Transactions on Intelligent Transportation Systems, 1-10. doi:10.1109/TITS.2021.3088488 DOI: https://doi.org/10.1109/TITS.2021.3088488
Koul, S., & Eydgahi, A. (2018). Utilizing Technology Acceptance Model (TAM) for driverless car technology Adoption. Journal of technology management & innovation, 13(12), 37 – 46. DOI: https://doi.org/10.4067/S0718-27242018000400037
Lmhpoly. (13 de Diciembre de 2021). How to Make a Falling Snow in Unity. Obtenido de YouTube: https://youtu.be/4wzubisvcyI
Logitech. (2015). Logitech G920/G29. Obtenido de https://www.logitechg.com/en-us/products/driving/driving-force-racing-wheel.html
Mohammed, A. S., Amamou, A., Ayevide, F. K., Kelouwani, S., Agbossou, K., & Zioui, N. (2020). The Perception System of Intelligent Ground Vehicles in All Weather Conditions: A Systematic Literature Review. Sensors, 20, 22. doi:10.3390/s20226532 DOI: https://doi.org/10.3390/s20226532
Narote, S. P., Bhujbal, P. N., Narote, A. S., & Dhane, D. M. (2018). A review of recent advances in lane detection and departure warning system. Pattern Recognition, 73, 216-234. DOI: https://doi.org/10.1016/j.patcog.2017.08.014
Nascimento, A. M., Queiroz, A. C., Vismari, L. F., Bailenson, J. N., Cugnasca, P. S., Junior, J. B., & Almeida, J. R. (2019). The Role of Virtual Reality in Autonomous Vehicles’ Safety. 2019 IEEE International Conference on Artificial Intelligence and Virtual Reality (AIVR), (págs. 50– 57). doi:10.1109/AIVR46125.2019.00017 DOI: https://doi.org/10.1109/AIVR46125.2019.00017
Nees, M. A. (2016). Acceptance of Self-driving Cars: An Examination of Idealized versus Realistic Portrayals with a Self- driving Car Acceptance Scale. Proceedings of the Human Factors and Ergonomics Society Annual Meeting, 60, págs. 1449–1453. doi:10.1177/1541931213601332 DOI: https://doi.org/10.1177/1541931213601332
Penmetsa, P., Hudnall, M., & Nambisan, S. (2019). Potential safety benefits of lane departure prevention technology. IATSS Research, 43(1), 21-26. doi:10.1016/j.iatssr.2018.08.002 DOI: https://doi.org/10.1016/j.iatssr.2018.08.002
Pillai, A. (2017). Virtual Reality based Study to Analyse Pedestrian Attitude towards Autonomous Vehicles. Master’s thesis. Aalto University. School of Science. Obtenido de http://urn.fi/URN:NBN:fi:aalto-201710307409
Prochitecture. (2019). OpenStreetMap and Terrain for Blender. Obtenido de https://prochitecture.gumroad.com/l/blender-osm
Riegler, A., Riener, A., & Holzmann, C. (2021). A Systematic Review of Virtual Reality Applications for Automated Driving: 2009–2020. Frontiers in Human Dynamics., 3(689856), 1-29. DOI: https://doi.org/10.3389/fhumd.2021.689856
Rödel, C., Stadler, S., Meschtscherjakov, A., & Tscheligi, M. (2014). Towards Autonomous Cars: The Effect of Autonomy Levels on Acceptance and User Experience. Proceedings of the 6th International Conference on Automotive User Interfaces and Interactive Vehicular Applications (AutomotiveUI ’14). (págs. 1-8). Seattle, WA, USA: Association for Computing Machinery, New York, NY, USA. doi:10.1145/2667317.2667330 DOI: https://doi.org/10.1145/2667317.2667330
Sportillo, D., Paljic, A., & Ojeda, L. (2018). Get ready for automated driving using virtual reality. Accident Analysis & Prevention, 118, 102-113. DOI: https://doi.org/10.1016/j.aap.2018.06.003
Tang, J., Li, S., & Liu, P. (2021). A review of lane detection methods based on deep learning. Pattern Recognition, 111, 107623. doi:10.1016/j.patcog.2020.107623 DOI: https://doi.org/10.1016/j.patcog.2020.107623
Tran, T. T., Parker, C., & Tomitsch, M. (2021). A Review of Virtual Reality Studies on Autonomous Vehicle–Pedestrian Interaction. IEEE Transactions on Human-Machine Systems, 51(6), 641–652. doi:10.1109/THMS.2021.3107517 DOI: https://doi.org/10.1109/THMS.2021.3107517
Zou, X., O’Hern, S., Ens, B., Coxon, S., Mater, P., Chow, R., . . . Vu, H. L. (2021). On-road virtual reality autonomous vehicle (VRAV) simulator: An empirical study on user experience. Transportation Research Part C: Emerging Technologies, 126, 103090. doi:10.1016/j.trc. 2021.103090 DOI: https://doi.org/10.1016/j.trc.2021.103090
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2022 Revista de la Asociación Interacción Persona Ordenador (AIPO)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
