Die Wahrnehmung und Verarbeitung fahrrelevanter Informationen ist eine wesentliche Voraussetzung dafür, dass Fahrer ihr Fahrzeug sicher und ohne Gefährdung der eigenen Person wie auch anderer Verkehrsteilnehmer steuern und die Fahraufgabe effizient ausführen können. Mit den Prozessen der Wahrnehmung und Verarbeitung fahrrelevanter Informationen beschäftigt sich das vieldiskutierte Konzept des Fahrsituationsbewusstseins (Gelau & Krems, 2009), das die Bedeutung dieser Informationen für eine valide Bewertung und Antizipation des Verkehrsgeschehens sowie darauf aufbauend für die angemessene Handlungsplanung und -ausführung betont (Baumann & Krems 2007; Durso, Rawson & Girotto, 2007; Endsley, 1995; Gugerty, 1997, in press). Somit bildet die Auseinandersetzung mit dem Konzept der Fahrrelevanz von Verkehrselementen eine Voraussetzung dafür, die kognitiven Prozesse, die in der Ausführung der Fahraufgabe benötigt werden, untersuchen und verstehen zu können. Auf diesen Überlegungen aufbauend, hatte diese Arbeit folgende Schwerpunkte, die sich der Beschreibung und Erfassung des Konzepts der Fahrrelevanz sowie der Anwendung dieses Konzepts widmeten. Ein Schwerpunkt dieser Arbeit war es, Eigenschaften und Merkmale der Verkehrsumwelt zu bestimmen, die einen Einfluss darauf haben, wie wichtig ein Verkehrselement für die sichere Ausführung der Fahraufgabe wahrgenommen wird. Ist es beispielsweise für die Bewältigung der Fahraufgabe bedeutsam, ob das Verhalten anderer Verkehrsteilnehmer vorhergesagt werden kann, in welcher Entfernung sie sich zum Fahrer befinden oder wie schnell sie fahren? Der zweite Schwerpunkt dieser Arbeit konzentrierte sich darauf zu prüfen, ob das Konzept der Fahrrelevanz von Verkehrselementen als Bestimmungsgröße in Definitionen der Komplexität von Verkehrssituationen (siehe z.B. Elvik, 2004; Fastenmeier, 1995a) verwendet werden kann. Unterscheidet sich der Komplexitätsgrad von Verkehrssituationen in Abhängigkeit davon, wie viele fahrrelevante Elemente in den Verkehrssituationen gegeben sind? Mit dem dritten Schwerpunkt widmete sich diese Arbeit der Frage, ob das Konzept der Fahrrelevanz verwendet werden kann, um Unterschiede zwischen erfahrenen und unerfahrenen Fahrern im Fahrverhalten zu erklären. Speziell wurde die Annahme geprüft, dass zwar unerfahrene wie erfahrene Fahrer über relevantes Aufgabenwissen verfügen, unerfahrene Fahrer allerdings auf dieses Wissen in der konkreten Anwendung der Fahraufgabe schlechter zurückgreifen können als Fahrer, die auf eine umfangreiche Fahrpraxis zurückblicken (in Anlehnung an Feltovich, Prietula & Ericsson, 2006; Stokes, Kemper & Kite, 1997). In fünf Untersuchungen wurde diesen Fragen nachgegangen. In Untersuchung I betrachteten erfahrene Fahrer Videosequenzen des Straßenverkehrs und bewerteten, wie wichtig verschiedene Verkehrselemente für das sichere Bewältigen der Fahraufgabe sind. Anhand dieser Bewertungen wurden Merkmale der Verkehrsumwelt bzw. der Elemente selbst identifiziert, die die Fahrrelevanzausprägungen dynamischer Elemente erklären können. In Ergänzung wurden in Untersuchung II die Bewertungen unerfahrener Fahrer der Fahrrelevanz von Verkehrselementen erhoben und mit den Bewertungen der erfahrenen Fahrer aus Untersuchung I verglichen. In Untersuchung III bewältigten erfahrene Fahrer einfache und komplexe Situationen in einem Fahrsimulator. Die Situationskomplexität wurde auf Basis hoher oder geringer Fahrrelevanzausprägungen der in den Situationen enthaltenen dynamischen Elemente variiert. In der Manipulation der Elemente wurde dabei auf die in der ersten Untersuchung identifizierten Merkmale zurückgegriffen. Beispielsweise variierte das Merkmal Entfernung zum Verkehrselement, d.h. Situationen umfassten fahrrelevante Elemente, die u.a. eine kurze Entfernung zum Fahrer aufwiesen, oder wenig relevante Elemente, die sich entsprechend in großer Entfernung zum Fahrer befanden. Erfasst wurden die Wichtigkeit der Elemente für sicheres Fahren, die Beanspruchung, Fahr- sowie Blickverhalten der Fahrer. Darauf aufbauend wurde Untersuchung IV konzipiert und durchgeführt. Die Manipulation der Situationskomplexität erfolgte hier gestuft in insgesamt acht Varianten, was eine genauere Analyse der Verhaltensparameter bezüglich des Einflusses einzelner Merkmale der Verkehrsumwelt auf die Fahrrelevanz von Elementen ermöglichte. Abschließend wurden im Fahrsimulator in Untersuchung V das Wissen um fahrrelevante Informationen und die Anwendung dieses Wissens von erfahrenen und unerfahrenen Fahrern erfasst und miteinander verglichen. Im Rahmen dieser Untersuchungen wurde eine Systematik von Merkmalen der Verkehrsumwelt entwickelt, deren Verwendung es ermöglicht, die Fahrrelevanz dynamischer Elemente des Straßenverkehrs zu bestimmen. Mit dieser Systematik ist es gelungen, das Konzept der Fahrrelevanz inhaltlich zu fassen und zu präzisieren. Weiterhin wurde die Anwendbarkeit des Konzepts der Fahrrelevanz als Bestimmungsgröße der Komplexität von Verkehrssituationen experimentell überprüft und bestätigt. Demnach beeinflusst die Fahrrelevanz von Verkehrselementen den Komplexitätsgrad von Verkehrssituationen. Je mehr fahrrelevante Elemente eine Situation in den Untersuchungen umfasste, umso stärker passten die Fahrer ihr Verhalten an die steigenden Anforderungen dieser Situation an. Sie zeigten somit ein Verhalten, das aufgrund früherer Untersuchungen für Verkehrssituationen mit zunehmender Komplexität erwartet wurde (z.B. Chapman & Underwood, 1998). Mit der Verwendung des Konzepts der Fahrrelevanz konnte weiterhin bestätigt werden, dass keine bedeutsamen Unterschiede in der Bewertung der Fahrrelevanz von Verkehrselementen zwischen erfahrenen und unerfahrenen Fahrern bestehen. Nichtsdestotrotz wird dieses Wissen auf verschiedene Weise von Fahrern mit hoher oder geringer Fahrerfahrung während der aktiven Ausführung der Fahraufgabe umgesetzt. Erfahrene Fahrer passten ihr Verhalten in den Untersuchungen flexibel an die spezifischen Anforderungen einer Verkehrssituation an, wohingegen unerfahrene Fahrer weniger adaptiv, zum Teil starr und situationsunabhängig reagierten (siehe auch Underwood, Chapman, Brocklehurst, Underwood & Crundall, 2003). Zusammenfassend ermöglichte diese Arbeit, das Konzept der Fahrrelevanz von Verkehrselementen inhaltlich zu präzisieren sowie eine Grundlage für die Erfassung des Konzepts zur Verfügung zu stellen. Die Anwendbarkeit des Konzepts der Fahrrelevanz konnte darüber hinaus im Zusammenhang mit der Komplexität von Verkehrssituationen sowie im Vergleich des Fahrverhaltens erfahrener und unerfahrener Fahrer untersucht und bestätigt werden. / The perception and correct interpretation of information relevant for driving is necessary to handle a car efficiently and safely without posing danger to other road users as well as oneself. The much discussed concept of drivers’ situation awareness (e.g., Gelau & Krems, 2009) is concerned with the processes of perception and interpretation of driving relevant information (e.g., Baumann & Krems 2007; Durso, Rawson, & Girotto, 2007; Endsley, 1995; Gugerty, 1997, in press). The related theories emphazise the importance of this information for anticipating traffic situations and, therewith, for selecting an appropriate action. Thus, the examination of the relevance of selected traffic elements for the driving task is a prerequisite to understand the cognitive processes required for driving. Therefore, one goal of the present paper was to identify attributes of the traffic environment that influence the perception on how relevant a respective element of a traffic situation is for safe driving. Will it make a difference for drivers whether the behavior of other road users is predictable, whether other road users are in close range, or whether they move very fast? The second goal was to investigate whether the relevance concept can be used as a determinant for definitions of traffic complexity (e.g., Elvik, 2004; Fastenmeier, 1995a). Does the complexity of a traffic situation depend on how many elements relevant for driving this situation comprises? The third goal of this research was to examine the question of whether the relevance concept can be used to explain differences in the behavior of experienced and inexperienced drivers. Even though both experienced and inexperienced drivers have similar knowledge about the relevance of traffic elements for driving the latter are less able to use that knowledge adequately while actively operating a car, which in turn may lead to differences in perception of and coping with a certain traffic situation (e.g., Feltovich, Prietula, & Ericsson, 2006; Stokes, Kemper, & Kite, 1997). Five studies were conducted to reach these goals. In study I experienced drivers watched video clips of traffic situations. The participants judged how relevant different elements are for safe driving. The judgements were then used to identify attributes of the traffic environment or the specific elements themselves that might moderate their relevance. Complementary, inexperienced drivers performed the same judgement task in study II. Subsequently, their estimations of the relevance of traffic elements were compared with the estimations of the experienced drivers. Drivers of study III navigated through simple and complex traffic situations in a driving simulator. Complexity varied regarding the number of elements relevant for driving in a given situation, whereas the elements’ relevance was manipulated by using the previously identified attributes of the traffic environment. For example the attributes distance or predictability of other road users were manipulated. Thus, situations with elements relevant for driving (e.g., a close car or an unpredictable person) could be compared to situations with elements less relevant (e.g., a distant car or a predictable person). The importance of the elements for driving, workload, driving behavior as well as gaze behavior were measured. In study IV, the manipulation of complexity resulted in eight conditions that allowed for a detailed examination of the influence of the various attributes on the relevance of the elements. Finally in study V, experienced and inexperienced drivers were compared regarding their knowledge about the relevance of elements for driving as well as the application of this knowledge while operating driving scenarios in the simulator. One result of this research was the development of a taxonomy of attributes of the traffic environment. With the application of the taxonomy the relevance of traffic elements can be defined and, thus, the relevance concept was further specified. Furthermore, driving task relevance of traffic elements was confirmed as a predicting factor of traffic complexity. According to the attained results, the number of elements relevant for driving influences the complexity of traffic situations. The drivers adapted to an increasing number of relevant elements in the investigated traffic situations and the associated extended demands – an expected behavior similar to findings of former studies on traffic complexity (e.g., Chapman & Underwood, 1998). Finally, as predicted, participants of varying driving experience did not differ significantly in their knowledge about the relevance of traffic elements. However, experienced and inexperienced drivers used this knowledge in different ways while actively performing the driving task. Experienced drivers adapted their behavior flexibly to the demands of the traffic situation differing in the number of elements relevant for driving. In contrast, inexperienced drivers behaved less adaptive and more rigid, i.e., independently from the demands originating from a traffic situation (cp., Underwood, Chapman, Brocklehurst, Underwood & Crundall, 2003). Summarizing, the reported research specifies the concept of the relevance of traffic elements for driving with regard to content and provides a basis for the capture of the concept. Furthermore, the applicability of the relevance concept was tested and validated regarding traffic situation complexity as well as in driving behavior comparisons of experienced and inexperienced drivers.

Die Wahrnehmung und Verarbeitung fahrrelevanter Informationen ist eine wesentliche Voraussetzung dafür, dass Fahrer ihr Fahrzeug sicher und ohne Gefährdung der eigenen Person wie auch anderer Verkehrsteilnehmer steuern und die Fahraufgabe effizient ausführen können. Mit den Prozessen der Wahrnehmung und Verarbeitung fahrrelevanter Informationen beschäftigt sich das vieldiskutierte Konzept des Fahrsituationsbewusstseins (Gelau & Krems, 2009), das die Bedeutung dieser Informationen für eine valide Bewertung und Antizipation des Verkehrsgeschehens sowie darauf aufbauend für die angemessene Handlungsplanung und -ausführung betont (Baumann & Krems 2007; Durso, Rawson & Girotto, 2007; Endsley, 1995; Gugerty, 1997, in press). Somit bildet die Auseinandersetzung mit dem Konzept der Fahrrelevanz von Verkehrselementen eine Voraussetzung dafür, die kognitiven Prozesse, die in der Ausführung der Fahraufgabe benötigt werden, untersuchen und verstehen zu können. Auf diesen Überlegungen aufbauend, hatte diese Arbeit folgende Schwerpunkte, die sich der Beschreibung und Erfassung des Konzepts der Fahrrelevanz sowie der Anwendung dieses Konzepts widmeten. Ein Schwerpunkt dieser Arbeit war es, Eigenschaften und Merkmale der Verkehrsumwelt zu bestimmen, die einen Einfluss darauf haben, wie wichtig ein Verkehrselement für die sichere Ausführung der Fahraufgabe wahrgenommen wird. Ist es beispielsweise für die Bewältigung der Fahraufgabe bedeutsam, ob das Verhalten anderer Verkehrsteilnehmer vorhergesagt werden kann, in welcher Entfernung sie sich zum Fahrer befinden oder wie schnell sie fahren? Der zweite Schwerpunkt dieser Arbeit konzentrierte sich darauf zu prüfen, ob das Konzept der Fahrrelevanz von Verkehrselementen als Bestimmungsgröße in Definitionen der Komplexität von Verkehrssituationen (siehe z.B. Elvik, 2004; Fastenmeier, 1995a) verwendet werden kann. Unterscheidet sich der Komplexitätsgrad von Verkehrssituationen in Abhängigkeit davon, wie viele fahrrelevante Elemente in den Verkehrssituationen gegeben sind? Mit dem dritten Schwerpunkt widmete sich diese Arbeit der Frage, ob das Konzept der Fahrrelevanz verwendet werden kann, um Unterschiede zwischen erfahrenen und unerfahrenen Fahrern im Fahrverhalten zu erklären. Speziell wurde die Annahme geprüft, dass zwar unerfahrene wie erfahrene Fahrer über relevantes Aufgabenwissen verfügen, unerfahrene Fahrer allerdings auf dieses Wissen in der konkreten Anwendung der Fahraufgabe schlechter zurückgreifen können als Fahrer, die auf eine umfangreiche Fahrpraxis zurückblicken (in Anlehnung an Feltovich, Prietula & Ericsson, 2006; Stokes, Kemper & Kite, 1997). In fünf Untersuchungen wurde diesen Fragen nachgegangen. In Untersuchung I betrachteten erfahrene Fahrer Videosequenzen des Straßenverkehrs und bewerteten, wie wichtig verschiedene Verkehrselemente für das sichere Bewältigen der Fahraufgabe sind. Anhand dieser Bewertungen wurden Merkmale der Verkehrsumwelt bzw. der Elemente selbst identifiziert, die die Fahrrelevanzausprägungen dynamischer Elemente erklären können. In Ergänzung wurden in Untersuchung II die Bewertungen unerfahrener Fahrer der Fahrrelevanz von Verkehrselementen erhoben und mit den Bewertungen der erfahrenen Fahrer aus Untersuchung I verglichen. In Untersuchung III bewältigten erfahrene Fahrer einfache und komplexe Situationen in einem Fahrsimulator. Die Situationskomplexität wurde auf Basis hoher oder geringer Fahrrelevanzausprägungen der in den Situationen enthaltenen dynamischen Elemente variiert. In der Manipulation der Elemente wurde dabei auf die in der ersten Untersuchung identifizierten Merkmale zurückgegriffen. Beispielsweise variierte das Merkmal Entfernung zum Verkehrselement, d.h. Situationen umfassten fahrrelevante Elemente, die u.a. eine kurze Entfernung zum Fahrer aufwiesen, oder wenig relevante Elemente, die sich entsprechend in großer Entfernung zum Fahrer befanden. Erfasst wurden die Wichtigkeit der Elemente für sicheres Fahren, die Beanspruchung, Fahr- sowie Blickverhalten der Fahrer. Darauf aufbauend wurde Untersuchung IV konzipiert und durchgeführt. Die Manipulation der Situationskomplexität erfolgte hier gestuft in insgesamt acht Varianten, was eine genauere Analyse der Verhaltensparameter bezüglich des Einflusses einzelner Merkmale der Verkehrsumwelt auf die Fahrrelevanz von Elementen ermöglichte. Abschließend wurden im Fahrsimulator in Untersuchung V das Wissen um fahrrelevante Informationen und die Anwendung dieses Wissens von erfahrenen und unerfahrenen Fahrern erfasst und miteinander verglichen. Im Rahmen dieser Untersuchungen wurde eine Systematik von Merkmalen der Verkehrsumwelt entwickelt, deren Verwendung es ermöglicht, die Fahrrelevanz dynamischer Elemente des Straßenverkehrs zu bestimmen. Mit dieser Systematik ist es gelungen, das Konzept der Fahrrelevanz inhaltlich zu fassen und zu präzisieren. Weiterhin wurde die Anwendbarkeit des Konzepts der Fahrrelevanz als Bestimmungsgröße der Komplexität von Verkehrssituationen experimentell überprüft und bestätigt. Demnach beeinflusst die Fahrrelevanz von Verkehrselementen den Komplexitätsgrad von Verkehrssituationen. Je mehr fahrrelevante Elemente eine Situation in den Untersuchungen umfasste, umso stärker passten die Fahrer ihr Verhalten an die steigenden Anforderungen dieser Situation an. Sie zeigten somit ein Verhalten, das aufgrund früherer Untersuchungen für Verkehrssituationen mit zunehmender Komplexität erwartet wurde (z.B. Chapman & Underwood, 1998). Mit der Verwendung des Konzepts der Fahrrelevanz konnte weiterhin bestätigt werden, dass keine bedeutsamen Unterschiede in der Bewertung der Fahrrelevanz von Verkehrselementen zwischen erfahrenen und unerfahrenen Fahrern bestehen. Nichtsdestotrotz wird dieses Wissen auf verschiedene Weise von Fahrern mit hoher oder geringer Fahrerfahrung während der aktiven Ausführung der Fahraufgabe umgesetzt. Erfahrene Fahrer passten ihr Verhalten in den Untersuchungen flexibel an die spezifischen Anforderungen einer Verkehrssituation an, wohingegen unerfahrene Fahrer weniger adaptiv, zum Teil starr und situationsunabhängig reagierten (siehe auch Underwood, Chapman, Brocklehurst, Underwood & Crundall, 2003). Zusammenfassend ermöglichte diese Arbeit, das Konzept der Fahrrelevanz von Verkehrselementen inhaltlich zu präzisieren sowie eine Grundlage für die Erfassung des Konzepts zur Verfügung zu stellen. Die Anwendbarkeit des Konzepts der Fahrrelevanz konnte darüber hinaus im Zusammenhang mit der Komplexität von Verkehrssituationen sowie im Vergleich des Fahrverhaltens erfahrener und unerfahrener Fahrer untersucht und bestätigt werden. / The perception and correct interpretation of information relevant for driving is necessary to handle a car efficiently and safely without posing danger to other road users as well as oneself. The much discussed concept of drivers’ situation awareness (e.g., Gelau & Krems, 2009) is concerned with the processes of perception and interpretation of driving relevant information (e.g., Baumann & Krems 2007; Durso, Rawson, & Girotto, 2007; Endsley, 1995; Gugerty, 1997, in press). The related theories emphazise the importance of this information for anticipating traffic situations and, therewith, for selecting an appropriate action. Thus, the examination of the relevance of selected traffic elements for the driving task is a prerequisite to understand the cognitive processes required for driving. Therefore, one goal of the present paper was to identify attributes of the traffic environment that influence the perception on how relevant a respective element of a traffic situation is for safe driving. Will it make a difference for drivers whether the behavior of other road users is predictable, whether other road users are in close range, or whether they move very fast? The second goal was to investigate whether the relevance concept can be used as a determinant for definitions of traffic complexity (e.g., Elvik, 2004; Fastenmeier, 1995a). Does the complexity of a traffic situation depend on how many elements relevant for driving this situation comprises? The third goal of this research was to examine the question of whether the relevance concept can be used to explain differences in the behavior of experienced and inexperienced drivers. Even though both experienced and inexperienced drivers have similar knowledge about the relevance of traffic elements for driving the latter are less able to use that knowledge adequately while actively operating a car, which in turn may lead to differences in perception of and coping with a certain traffic situation (e.g., Feltovich, Prietula, & Ericsson, 2006; Stokes, Kemper, & Kite, 1997). Five studies were conducted to reach these goals. In study I experienced drivers watched video clips of traffic situations. The participants judged how relevant different elements are for safe driving. The judgements were then used to identify attributes of the traffic environment or the specific elements themselves that might moderate their relevance. Complementary, inexperienced drivers performed the same judgement task in study II. Subsequently, their estimations of the relevance of traffic elements were compared with the estimations of the experienced drivers. Drivers of study III navigated through simple and complex traffic situations in a driving simulator. Complexity varied regarding the number of elements relevant for driving in a given situation, whereas the elements’ relevance was manipulated by using the previously identified attributes of the traffic environment. For example the attributes distance or predictability of other road users were manipulated. Thus, situations with elements relevant for driving (e.g., a close car or an unpredictable person) could be compared to situations with elements less relevant (e.g., a distant car or a predictable person). The importance of the elements for driving, workload, driving behavior as well as gaze behavior were measured. In study IV, the manipulation of complexity resulted in eight conditions that allowed for a detailed examination of the influence of the various attributes on the relevance of the elements. Finally in study V, experienced and inexperienced drivers were compared regarding their knowledge about the relevance of elements for driving as well as the application of this knowledge while operating driving scenarios in the simulator. One result of this research was the development of a taxonomy of attributes of the traffic environment. With the application of the taxonomy the relevance of traffic elements can be defined and, thus, the relevance concept was further specified. Furthermore, driving task relevance of traffic elements was confirmed as a predicting factor of traffic complexity. According to the attained results, the number of elements relevant for driving influences the complexity of traffic situations. The drivers adapted to an increasing number of relevant elements in the investigated traffic situations and the associated extended demands – an expected behavior similar to findings of former studies on traffic complexity (e.g., Chapman & Underwood, 1998). Finally, as predicted, participants of varying driving experience did not differ significantly in their knowledge about the relevance of traffic elements. However, experienced and inexperienced drivers used this knowledge in different ways while actively performing the driving task. Experienced drivers adapted their behavior flexibly to the demands of the traffic situation differing in the number of elements relevant for driving. In contrast, inexperienced drivers behaved less adaptive and more rigid, i.e., independently from the demands originating from a traffic situation (cp., Underwood, Chapman, Brocklehurst, Underwood & Crundall, 2003). Summarizing, the reported research specifies the concept of the relevance of traffic elements for driving with regard to content and provides a basis for the capture of the concept. Furthermore, the applicability of the relevance concept was tested and validated regarding traffic situation complexity as well as in driving behavior comparisons of experienced and inexperienced drivers.

Zur Beurteilung der Rolle von menschlichen Faktoren bei Eisenbahnunfällen wurden 41 Untersuchungsberichte der Bundesstelle für Eisenbahnunfalluntersuchung einer strukturierten Inhaltsanalyse unterzogen und die Handlungen von Fahrdienstleitern (Fdl) und Triebfahrzeugführern (Tf) in Kategorien zu Fehlerklassifikationen nach Reason und Ebenen des Situationsbewusstseins nach Endsley eingeteilt. Darauf aufbauend wurden Hypothesen abgeleitet, welche in einem Online-Fragebogen untersucht wurden. Es wurde dabei mit Einstichproben t-Tests gegen durch Expertenwissen definierte Cutoff-Werte festgestellt, dass das Sicherheitsklima unter Fdl und Tf niedrig ist, dass Fdl Fahrstraßen zu früh auflösen, dass Fdl Hilfssperren bewusst nicht immer anbringen, dass Fdl Fahrwegprüfungen durch Hinsehen nicht mit angemessener Sorgfalt durchführen, dass Tf sich nach Zwangsbremsungen nicht an die Vorgaben halten, dass Tf nicht alle für sie geltenden Signale wahrnehmen und dass Tf bewusst schneller als erlaubt fahren. Mit einem Zweistichproben-t-Test wurde getestet, ob die meisten Fehler von Fdl und Tf auf der Ebene der Wahrnehmung nach Endsley im Vergleich zu den Ebenen des Verständnisses und der Projektion passieren, lieferte aber kein signifikantes Ergebnis. Es konnte herausgearbeitet werden, dass in Deutschland im Bereich der Unfallanalyse Verbesserungspotenziale bestehen und sich dabei an anderen Hochrisikobranchen orientiert werden kann.:1 Motivation ........................................................................................................... 9 2 Theorie: Fehler und Sicherheit im System Bahn .......................................... 10 2.1 Fehlerdefinition nach Reason................................................................ 10 2.2 Situationsbewusstsein nach Endsley.................................................... 12 2.3 Theorie der wissenschaftlichen Fragebogenerstellung und Statistischen Analyse.............................................................................. 13 2.4 Sicherheitskultur und Sicherheitsklima............................................... 15 2.5 Sicherheit im System Bahn .................................................................... 16 2.6 Bedeutung des Menschen im System Bahn ......................................... 17 2.7 Abstraktionen von Sicherheit und Fehlern im System Bahn............. 19 2.8 Selbstschutz vor Fehlern ........................................................................ 21 2.9 Ziel der Untersuchungsberichte der Bundesstelle für Eisenbahnunfalluntersuchung (BEU).................................................... 22 3 Methodik dieser Arbeit.................................................................................... 24 3.1 Vorgehen .................................................................................................. 24 3.2 Ergebnisse der Analyse ........................................................................... 27 3.2.1 Auswertung nach Reason ................................................................ 28 3.2.2 Auswertung Situationsbewusstsein ................................................ 31 3.2.3 Mangelhafte Fahrwegprüfung ......................................................... 32 3.2.4 Unzeitiges Umstellen von Weichen................................................. 33 3.2.5 Hilfssperren....................................................................................... 34 3.2.6 Kommunikation, Funkdisziplin, Team-SA und Notrufe ................. 35 3.2.7 Frühzeitiges Auflösen von Fahrstraßen .......................................... 38 3.2.8 Geschwindigkeitsüberschreitungen................................................ 38 3.2.9 Verhalten von Tf nach Zwangsbremsungen................................... 39 3.2.10 Wahrnehmung von und Vorbeifahrt an Halt zeigenden Signalen 40 3.2.11 Auswertung der Zwischenberichte.................................................. 40 3.2.12 Einsatzdauer auf dem Stellwerk als Kriterium für die Wahrscheinlichkeit einer unsicheren Handlung ............................ 41 3.2.13 Sicherheitsklima................................................................................ 41 4 Fragebogenerstellung ...................................................................................... 42 4.1 Hypothesenbildung................................................................................. 42 4.2 Frageformen und Antwortmöglichkeiten ............................................ 42 4.3 Ablauf der Befragung.............................................................................. 43 4.4 Anzahl der Items pro Hypothese........................................................... 44 4.5 Rekrutierung............................................................................................ 44 4.6 Beschreibung der Stichprobe................................................................. 46 4.7 Gütekriterien des Fragebogens ............................................................. 47 4.7.1 Bewertung der Objektivität.............................................................. 47 4.7.2 Bewertung der Reliabilität................................................................ 47 4.7.3 Bewertung der Validität.................................................................... 49 4.8 Vorgehen zur Auswertung der Hypothesen......................................... 50 4.9 Bestimmung der Cutoff-Werte .............................................................. 50 5 Auswertung Fragebogen.................................................................................. 53 6 Diskussion der Ergebnisse............................................................................... 56 6.1 Handlungen von Fdl ................................................................................ 56 6.1.1 Frühzeitiges Auflösen von Fahrstraßen .......................................... 56 6.1.2 Hilfssperren....................................................................................... 56 6.1.3 Fahrwegprüfungen durch Hinsehen ............................................... 57 6.2 Handlungen von Tf .................................................................................. 58 6.2.1 Wahrnehmung von Signalen ........................................................... 58 6.3 Sicherheitsklima...................................................................................... 59 6.4 Regeln zur Selbstüberwachung ............................................................. 60 6.5 Fehler auf der Wahrnehmungsebene ................................................... 60 6.6 Weitere Analysebereiche ....................................................................... 60 6.6.1 Störungsmeldungen bei Alttechnik................................................. 60 6.6.2 Verstöße im ESTW............................................................................. 61 6.7 Bewertung der Datengrundlage............................................................ 61 7 Fazit .................................................................................................................... 65

Incident detection is a key component in real-time traffic management systems that allows efficient response plan generation and decision making by means of risk alerts at critical affected sections in the network. State-of-the-art incident detection techniques traditionally require: i) good quality data from closely located sensor pairs, ii) a minimum of two reliable measurements from the flow- occupancy-speed triad, and iii) supervised adjustment of thresholds that will trigger anomalous traffic states. Despite such requirements may be reasonably achieved in simulated scenarios, real-time downstream applications rarely work under such ideal conditions and must deal with low reliability data, missing measurements, and scarcity of curated incident labelled datasets, among other challenges. This paper proposes an unsupervised technique based on univariate timeseries anomaly detection for computationally efficient incident detection in real-world scenarios. Such technique is proved to successfully work when only flow measurements are available, and to dynamically adjust thresholds that adapt to changes in the supply. Moreover, results show good performance with low-reliability and missing data.

Fahrerablenkung ist ein Begriff, der in den vergangen Jahren verstärkt in das Blickfeld der Öffentlichkeit geraten ist. Dies ist im Wesentlichen zurückzuführen auf die deutlich steigende Verbreitung und Nutzung von Fahrerinformationssystemen. Gleichzeitig führt die steigende Automatisierung im Fahrzeug dazu, dass dem Fahrer in seiner subjektiven Wahrnehmung mehr Ressourcen zur Verfügung stehen, um sich anderen Aktivitäten wie etwa Essen, Rauchen oder Telefonieren zuzuwenden. Die steigende Aktualität dieser Problematik wirft viele Fragen auf. Wie häufig tritt Fahrerablenkung auf? Welche Konsequenzen hat sie? Welche kognitiven Prozesse zeichnen für diese Konsequenzen verantwortlich? Und wie kann man Fahrerablenkung messen? Die vorliegende Dissertation besteht aus drei empirischen Beiträgen, sowie einer kurzen Einführung, die die grundlegenden Fragen und Befunde zum Thema Fahrerablenkung betrachtet. Das Augenmerk des ersten Beitrags liegt auf der Überprüfung theoretischer Annahmen zur Fahrerablenkung. Eine Vielzahl von Untersuchungen zeigt, dass sich kognitiv beanspruchende Zweitaufgaben negativ auf die Fahrleistung auswirken. Im vorliegenden Beitrag wird davon ausgegangen, dass dieser Effekt eine Folge von Interferenzen zwischen den Funktionen des Arbeitsgedächtnisses, die dazu dienen das Situationsmodell der Verkehrssituation aktuell zu halten, und den bearbeiteten Zweitaufgaben ist. Im Rahmen einer Simulatorstudie wurde diese Annahme überprüft. Es zeigte sich, dass die Probanden, die eine Zweitaufgabe ausführten, die speziell die Integration von neuen Informationen in das bestehende Situationsmodell behindern sollte, später auf antizipierbare kritische Ereignisse reagierten als Vergleichsgruppen. Im Gegensatz dazu ergaben sich für unvorhersehbare Ereignisse keine Unterschiede. Diese Ergebnisse weisen darauf hin, dass die negativen Effekte kognitiver Belastung tatsächlich auf Interferenzen mit spezifischen Arbeitsgedächtnisprozessen zurückzuführen sind. Die beiden weiteren Beiträge befassen sich mit messmethodischen Fragen in Bezug auf Fahrerablenkung. In Beitrag zwei wird die Lane Change Task (LCT) thematisiert, eine Labormethode zur Erfassung von Ablenkung. Aufgabe der Probanden ist die Steuerung eines virtuellen Fahrzeuges mittels Lenkrad, und dabei konkret die Ausführung von Spurwechseln, bei gleichzeitiger Bearbeitung von Zweitaufgaben. Trotz eines standardisierten Versuchsaufbaus sind allerdings starke Messvarianzen zwischen verschiedenen Testreihen zu beobachten. Der Übungsgrad der Versuchsteilnehmer wurde dabei als eine mögliche Ursache identifiziert. In zwei Experimenten wurde dieser Vermutungnachgegangen. Probanden bearbeiteten parallel zur LCT Zweitaufgaben verschiedener Schwierigkeitsstufen, nachdem sie zuvor trainiert wurden. Es konnte gezeigt werden, dass der Grad der Übung tatsächlich einen Einfluss auf die Spurwechselperformanz hat, und dass dieser Einfluss auch Monate später noch zu finden ist. Es ist jedoch zweifelhaft, dass dieser Effekt allein ursächlich für die zu beobachtenden Messvarianzen ist. Im dritten Beitrag wird die Critical Tracking Task (CTT) betrachtet, ein Verfahren, das im Kontext Fahrerablenkung bisher kaum Beachtung fand. Die CTT ist eine einfache Trackingaufgabe, welche vom Nutzer die Stabilisierung eines dynamischen, instabilen Elementes auf einem Bildschirm fordert. Die zur Bearbeitung der Aufgabe auszuführenden Tätigkeiten der kontinuierlichen visuellen Überwachung und manuellen Kontrolle sind grundsätzlich vergleichbar mit basalen Anforderungen der Fahraufgabe. Ziel war es, das Potenzial der CTT als Messverfahren von Fahrerablenkung durch Fahrerinformationssysteme zu überprüfen. Die Ergebnisse der vier durchgeführten Experimente, in denen sowohl künstliche als auch reale Aufgaben und Systeme bearbeitet und bedient wurden, legen den Schluss nahe, dass die CTT in der Tat in der Lage ist, das Ausmaß von Ablenkung ausgelöst durch Fahrerinformationssysteme zu quantifizieren.

Fahrerablenkung ist ein Begriff, der in den vergangen Jahren verstärkt in das Blickfeld der Öffentlichkeit geraten ist. Dies ist im Wesentlichen zurückzuführen auf die deutlich steigende Verbreitung und Nutzung von Fahrerinformationssystemen. Gleichzeitig führt die steigende Automatisierung im Fahrzeug dazu, dass dem Fahrer in seiner subjektiven Wahrnehmung mehr Ressourcen zur Verfügung stehen, um sich anderen Aktivitäten wie etwa Essen, Rauchen oder Telefonieren zuzuwenden. Die steigende Aktualität dieser Problematik wirft viele Fragen auf. Wie häufig tritt Fahrerablenkung auf? Welche Konsequenzen hat sie? Welche kognitiven Prozesse zeichnen für diese Konsequenzen verantwortlich? Und wie kann man Fahrerablenkung messen? Die vorliegende Dissertation besteht aus drei empirischen Beiträgen, sowie einer kurzen Einführung, die die grundlegenden Fragen und Befunde zum Thema Fahrerablenkung betrachtet. Das Augenmerk des ersten Beitrags liegt auf der Überprüfung theoretischer Annahmen zur Fahrerablenkung. Eine Vielzahl von Untersuchungen zeigt, dass sich kognitiv beanspruchende Zweitaufgaben negativ auf die Fahrleistung auswirken. Im vorliegenden Beitrag wird davon ausgegangen, dass dieser Effekt eine Folge von Interferenzen zwischen den Funktionen des Arbeitsgedächtnisses, die dazu dienen das Situationsmodell der Verkehrssituation aktuell zu halten, und den bearbeiteten Zweitaufgaben ist. Im Rahmen einer Simulatorstudie wurde diese Annahme überprüft. Es zeigte sich, dass die Probanden, die eine Zweitaufgabe ausführten, die speziell die Integration von neuen Informationen in das bestehende Situationsmodell behindern sollte, später auf antizipierbare kritische Ereignisse reagierten als Vergleichsgruppen. Im Gegensatz dazu ergaben sich für unvorhersehbare Ereignisse keine Unterschiede. Diese Ergebnisse weisen darauf hin, dass die negativen Effekte kognitiver Belastung tatsächlich auf Interferenzen mit spezifischen Arbeitsgedächtnisprozessen zurückzuführen sind. Die beiden weiteren Beiträge befassen sich mit messmethodischen Fragen in Bezug auf Fahrerablenkung. In Beitrag zwei wird die Lane Change Task (LCT) thematisiert, eine Labormethode zur Erfassung von Ablenkung. Aufgabe der Probanden ist die Steuerung eines virtuellen Fahrzeuges mittels Lenkrad, und dabei konkret die Ausführung von Spurwechseln, bei gleichzeitiger Bearbeitung von Zweitaufgaben. Trotz eines standardisierten Versuchsaufbaus sind allerdings starke Messvarianzen zwischen verschiedenen Testreihen zu beobachten. Der Übungsgrad der Versuchsteilnehmer wurde dabei als eine mögliche Ursache identifiziert. In zwei Experimenten wurde dieser Vermutungnachgegangen. Probanden bearbeiteten parallel zur LCT Zweitaufgaben verschiedener Schwierigkeitsstufen, nachdem sie zuvor trainiert wurden. Es konnte gezeigt werden, dass der Grad der Übung tatsächlich einen Einfluss auf die Spurwechselperformanz hat, und dass dieser Einfluss auch Monate später noch zu finden ist. Es ist jedoch zweifelhaft, dass dieser Effekt allein ursächlich für die zu beobachtenden Messvarianzen ist. Im dritten Beitrag wird die Critical Tracking Task (CTT) betrachtet, ein Verfahren, das im Kontext Fahrerablenkung bisher kaum Beachtung fand. Die CTT ist eine einfache Trackingaufgabe, welche vom Nutzer die Stabilisierung eines dynamischen, instabilen Elementes auf einem Bildschirm fordert. Die zur Bearbeitung der Aufgabe auszuführenden Tätigkeiten der kontinuierlichen visuellen Überwachung und manuellen Kontrolle sind grundsätzlich vergleichbar mit basalen Anforderungen der Fahraufgabe. Ziel war es, das Potenzial der CTT als Messverfahren von Fahrerablenkung durch Fahrerinformationssysteme zu überprüfen. Die Ergebnisse der vier durchgeführten Experimente, in denen sowohl künstliche als auch reale Aufgaben und Systeme bearbeitet und bedient wurden, legen den Schluss nahe, dass die CTT in der Tat in der Lage ist, das Ausmaß von Ablenkung ausgelöst durch Fahrerinformationssysteme zu quantifizieren.

Many functions that at one time could only be performed by humans can nowadays be carried out by machines. Automation impacts many areas of life including work, home, communication and mobility. In the driving context, in-vehicle automation is considered to provide solutions for environmental, economic, safety and societal challenges. However, automation changes the driving task and the human-machine interaction. Thus, the expected benefit of in-vehicle automation can be undermined by changes in drivers’ behaviour, i.e. behavioural adaptation. This PhD project focuses on motivational as well as higher cognitive processes underlying behavioural adaptation when interacting with in-vehicle automation. Motivational processes include the development of trust and acceptance, whereas higher cognitive processes comprise the learning process as well as the development of mental models and Situation Awareness (SA). As an example for in-vehicle automation, the advanced driver assistance system Adaptive Cruise Control (ACC) was investigated. ACC automates speed and distance control by maintaining a constant set cruising speed and automatically adjusting vehicle’s velocity in order to provide a specified distance to the preceding vehicle. However, due to sensor limitations, not every situation can be handled by the system and therefore driver intervention is required. Trust, acceptance and an appropriate mental model of the system functionality are considered key variables for adequate use and appropriate SA. To systematically investigate changes in motivational and higher cognitive processes, a driving simulator as well as an on-road study were carried out. Both of the studies were conducted using a repeated-measures design, taking into account the process character, i.e. changes over time. The main focus was on the development of trust, acceptance and the mental model of novice users when interacting with ACC. By now, only few studies have attempted to assess changes in higher level cognitive processes, due to methodological difficulties posed by the dynamic task of driving. Therefore, this PhD project aimed at the elaboration and validation of innovative methods for assessing higher cognitive processes, with an emphasis on SA and mental models. In addition, a new approach for analyzing big and heterogeneous data in social science was developed, based on the use of relational databases. The driving simulator study investigated the effect of divergent initial mental models of ACC (i.e., varying according to correctness) on trust, acceptance and mental model evolvement. A longitudinal study design was applied, using a two-way (3×3) repeated measures mixed design with a matched sample of 51 subjects. Three experimental groups received (1) a correct ACC description, (2) an incomplete and idealised account omitting potential problems, and (3) an incorrect description including non-occurring problems. All subjects drove a 56-km track of highway with an identical ACC system, three times, and within a period of 6 weeks. Results showed that after using the system, participants’ mental model of ACC converged towards the profile of the correct group. Non-experienced problems tended to disappear from the mental model network when they were not activated by experience. Trust and acceptance grew steadily for the correct condition. The same trend was observed for the group with non-occurring problems, starting from a lower initial level. Omitted problems in the incomplete group led to a constant decrease in trust and acceptance without recovery. This indicates that automation failures do not negatively affect trust and acceptance if they are known beforehand. During each drive, participants continuously completed a visual secondary task, the Surrogate Reference Task (SURT). The frequency of task completion was used as objective online-measure for SA, based on the principle that situationally aware driver would reduce the engagement in the secondary task if they expect potentially critical situations. Results showed that correctly informed drivers were aware of potential system limitations and reduced their engagement in the secondary task when such situations arose. Participants with no information about limitations became only aware after first encounter and reduced secondary task engagement in corresponding situations during subsequent trials. However, trust and acceptance in the system declined over time due to the unexpected failures. Non occurring limitations tended to drop from the mental model and resulted in reduced SA already in the second trial. The on-road study investigated the learning process, as well as the development of trust, acceptance and the mental model for interacting with ACC in real conditions. Research questions aimed to model the learning process in mathematical/statistical terms, examine moments and conditions when these processes stabilize, and assess how experience changes the mental model of the system. A sample of fifteen drivers without ACC experience drove a test vehicle with ACC ten consecutive times on the same route within a 2-month period. In contrast to the driving simulator study, all participants were fully trained in ACC functionality by reading the owner’s manual in the beginning. Results showed that learning, as well as the development of acceptance and trust in ACC follows the power law of learning, in case of comprehensive prior information on system limitations. Thus, the major part of the learning process occurred during the first interaction with the system and support in explaining the systems abilities (e.g. by tutoring systems) should therefore primarily be given during this first stage. All processes stabilized at a relatively high level after the fifth session, which corresponds to 185 km or 3.5 hours of driving. No decline was observable with ongoing system experience. However, in line with the findings from the simulator study, limitations that are not experienced tended to disappear from the mental model if they were not activated by experience. With regard to the validation of the developed methods for assessing mental models and SA, results are encouraging. The studies show that the mental model questionnaire is able to provide insights into the construction of mental models and the development over time. Likewise, the implicit measurement approach to assess SA online in the driving simulator is sensitive to user’s awareness of potentially critical situations. In terms of content, the results of the studies prove the enduring relevance of the initial mental model for the learning process, SA, as well as the development of trust, acceptance and a realistic mental model about automation capabilities and limitations. Given the importance of the initial mental model it is recommended that studies on system trust and acceptance should include, and attempt to control, users’ initial mental model of system functionality. Although the results showed that also incorrect and incomplete initial mental models converged by experience towards a realistic appreciation of system functionality, the more cognitive effort needed to update the mental model, the lower trust and acceptance. Providing an idealised description, which omits potential problems, only leads to temporarily higher trust and acceptance in the beginning. The experience of unexpected limitations results in a steady decrease in trust and acceptance over time. A trial-and-error strategy for in-vehicle automation use, without accompanying information, is therefore considered insufficient for developing stable trust and acceptance. If the mental model matches experience, trust and acceptance grow steadily following the power law of learning – regardless of the experience of system limitations. Provided that such events are known in advance, they will not cause a decrease in trust and acceptance over time. Even over-information about potential problems lowers trust and acceptance only in the beginning, and not in the long run. Potential problems should therefore not be concealed in over-idealised system descriptions; the more information given, the better, in the long run. However, limitations that are not experienced tend to disappear from the mental model. Therefore, it is recommended that users be periodically reminded of system limitations to make sure that corresponding knowledge becomes re-activated. Intelligent tutoring systems incorporated in automated systems could provide a solution. In the driving context, periodic reminders about system limitations could be shown via the multifunction displays integrated in most modern cars. Tutoring systems could also be used to remind the driver of the presence of specific in-vehicle automation systems and reveal their benefits. / Viele Aufgaben, die ehemals von Menschen ausgeführt wurden, werden heute von Maschinen übernommen. Dieser Prozess der Automatisierung betrifft viele Lebensbereiche von Arbeit, Wohnen, Kommunikation bis hin zur Mobilität. Im Bereich des Individualverkehrs wird die Automatisierung von Fahrzeugen als Möglichkeit gesehen, zukünftigen Herausforderungen wirtschaftlicher, gesellschaftlicher und umweltpolitischer Art zu begegnen. Allerdings verändert Automatisierung die Fahraufgabe und die Mensch-Technik Interaktion im Fahrzeug. Daher können beispielsweise erwartete Sicherheitsgewinne automatisch agierender Assistenzsysteme durch Veränderungen im Verhalten des Fahrers geschmälert werden, was als Verhaltensanpassung (behavioural adaptation) bezeichnet wird. Dieses Dissertationsprojekt untersucht motivationale und höhere kognitive Prozesse, die Verhaltensanpassungen im Umgang mit automatisierten Fahrerassistenzsystemen zugrunde liegen. Motivationale Prozesse beinhalten die Entwicklung von Akzeptanz und Vertrauen in das System, unter höheren kognitiven Prozessen werden Lernprozesse sowie die Entwicklung von mentalen Modellen des Systems und Situationsbewusstsein (Situation Awareness) verstanden. Im Fokus der Untersuchungen steht das Fahrerassistenzsystem Adaptive Cruise Control (ACC) als ein Beispiel für Automatisierung im Fahrzeug. ACC regelt automatisch die Geschwindigkeit des Fahrzeugs, indem bei freier Fahrbahn eine eingestellte Wunschgeschwindigkeit und bei einem Vorausfahrer automatisch ein eingestellter Abstand eingehalten wird. Allerdings kann ACC aufgrund von Einschränkungen der Sensorik nicht jede Situation bewältigen, weshalb der Fahrer übernehmen muss. Für diesen Interaktionsprozess spielen Vertrauen, Akzeptanz und das mentale Modell der Systemfunktionalität eine Schlüsselrolle, um einen sicheren Umgang mit dem System und ein adäquates Situationsbewusstsein zu entwickeln. Zur systematischen Erforschung dieser motivationalen und kognitiven Prozesse wurden eine Fahrsimulatorstudie und ein Versuch im Realverkehr durchgeführt. Beide Studien wurden im Messwiederholungsdesign angelegt, um dem Prozesscharakter gerecht werden und Veränderungen über die Zeit erfassen zu können. Die Entwicklung von Vertrauen, Akzeptanz und mentalem Modell in der Interaktion mit ACC war zentraler Forschungsgegenstand beider Studien. Bislang gibt es wenige Studien, die kognitive Prozesse im Kontext der Fahrzeugführung untersucht haben, unter anderem auch wegen methodischer Schwierigkeiten in diesem dynamischen Umfeld. Daher war es ebenfalls Teil dieses Dissertationsprojekts, neue Methoden zur Erfassung höherer kognitiver Prozesse in dieser Domäne zu entwickeln, mit Fokus auf mentalen Modellen und Situationsbewusstsein. Darüber hinaus wurde auch ein neuer Ansatz für die Analyse großer und heterogener Datenmengen im sozialwissenschaftlichen Bereich entwickelt, basierend auf dem Einsatz relationaler Datenbanken. Ziel der der Fahrsimulatorstudie war die systematische Erforschung des Effekts von unterschiedlich korrekten initialen mentalen Modellen von ACC auf die weitere Entwicklung des mentalen Modells, Vertrauen und Akzeptanz des Systems. Eine Stichprobe von insgesamt 51 Probanden nahm an der Studie teil; der Versuch wurde als zweifaktorielles (3x3) gemischtes Messwiederholungsdesign konzipiert. Die 3 parallelisierten Versuchsgruppen zu je 17 Personen erhielten (1) eine korrekte Beschreibung des ACC, (2) eine idealisierte Beschreibung unter Auslassung auftretender Systemprobleme und (3) eine überkritische Beschreibung mit zusätzlichen Hinweisen auf Systemprobleme, die nie auftraten. Alle Teilnehmer befuhren insgesamt dreimal im Zeitraum von sechs Wochen dieselbe 56 km lange Autobahnstrecke im Fahrsimulator mit identischem ACC-System. Mit zunehmendem Einsatz des ACC zeigte sich im anfänglich divergierenden mentalen Modell zwischen den Gruppen eine Entwicklung hin zum mentalen Modell der korrekt informierten Gruppe. Nicht erfahrene Systemprobleme tendierten dazu, im mentalen Modell zu verblassen, wenn sie nicht durch Erfahrung reaktiviert wurden. Vertrauen und Akzeptanz stiegen stetig in der korrekt informierten Gruppe. Dieselbe Entwicklung zeigte sich auch in der überkritisch informierten Gruppe, wobei Vertrauen und Akzeptanz anfänglich niedriger waren als in der Bedingung mit korrekter Information. Verschwiegene Systemprobleme führten zu einer konstanten Abnahme von Akzeptanz und Vertrauen ohne Erholung in der Gruppe mit idealisierter Beschreibung. Diese Resultate lassen darauf schließen, dass Probleme automatisierter Systeme sich nicht zwingend negativ auf Vertrauen und Akzeptanz auswirken, sofern sie vorab bekannt sind. Bei jeder Fahrt führten die Versuchsteilnehmer zudem kontinuierlich eine visuell beanspruchende Zweitaufgabe aus, die Surrogate Reference Task (SURT). Die Frequenz der Zweitaufgabenbearbeitung diente als objektives Echtzeitmaß für das Situationsbewusstsein, basierend auf dem Ansatz, dass situationsbewusste Fahrer die Zuwendung zur Zweitaufgabe reduzieren wenn sie potentiell kritische Situationen erwarten. Die Ergebnisse zeigten, dass die korrekt informierten Fahrer sich potentiell kritischer Situationen mit möglichen Systemproblemen bewusst waren und schon im Vorfeld der Entstehung die Zweitaufgabenbearbeitung reduzierten. Teilnehmer ohne Informationen zu auftretenden Systemproblemen wurden sich solcher Situationen erst nach dem ersten Auftreten bewusst und reduzierten in entsprechenden Szenarien der Folgefahrten die Zweitaufgabenbearbeitung. Allerdings sanken Vertrauen und Akzeptanz des Systems aufgrund der unerwarteten Probleme. Erwartete, aber nicht auftretende Systemprobleme tendierten dazu, im mentalen Modell des Systems zu verblassen und resultierten in vermindertem Situationsbewusstsein bereits in der zweiten Fahrt. Im Versuch unter Realbedingungen wurden der Lernprozesses sowie die Entwicklung des mentalen Modells, Vertrauen und Akzeptanz von ACC im Realverkehr erforscht. Ziele waren die statistisch/mathematische Modellierung des Lernprozesses, die Bestimmung von Zeitpunkten der Stabilisierung dieser Prozesse und wie sich reale Systemerfahrung auf das mentale Modell von ACC auswirkt. 15 Versuchsteilnehmer ohne ACC-Erfahrung fuhren ein Serienfahrzeug mit ACC insgesamt 10-mal auf der gleichen Strecke in einem Zeitraum von 2 Monaten. Im Unterschied zur Fahrsimulatorstudie waren alle Teilnehmer korrekt über die ACC-Funktionen und Funktionsgrenzen informiert durch Lesen der entsprechenden Abschnitte im Fahrzeughandbuch am Beginn der Studie. Die Ergebnisse zeigten, dass der Lernprozess sowie die Entwicklung von Akzeptanz und Vertrauen einer klassischen Lernkurve folgen – unter der Bedingung umfassender vorheriger Information zu Systemgrenzen. Der größte Lernfortschritt ist am Beginn der Interaktion mit dem System sichtbar und daher sollten Hilfen (z.B. durch intelligente Tutorsysteme) in erster Linie zu diesem Zeitpunkt gegeben werden. Eine Stabilisierung aller Prozesse zeigte sich nach der fünften Fahrt, was einer Fahrstrecke von rund 185 km oder 3,5 Stunden Fahrzeit entspricht. Es zeigten sich keine Einbrüche in Akzeptanz, Vertrauen bzw. dem Lernprozess durch die gemachten Erfahrungen im Straßenverkehr. Allerdings zeigte sich – analog zur Fahrsimulatorstudie – auch in der Realfahrstudie ein Verblassen von nicht erfahrenen Systemgrenzen im mentalen Modell, wenn diese nicht durch Erfahrungen aktiviert wurden. Im Hinblick auf die Validierung der neu entwickelten Methoden zur Erfassung von mentalen Modellen und Situationsbewusstsein sind die Resultate vielversprechend. Die Studien zeigen, dass mit dem entwickelten Fragebogenansatz zur Quantifizierung des mentalen Modells Einblicke in Aufbau und Entwicklung mentaler Modelle gegeben werden können. Der implizite Echtzeit-Messansatz für Situationsbewusstsein im Fahrsimulator zeigt sich ebenfalls sensitiv in der Erfassung des Bewusstseins von Fahrern für potentiell kritische Situationen. Inhaltlich zeigen die Studien die nachhaltige Relevanz des initialen mentalen Modells für den Lernprozess sowie die Entwicklung von Situationsbewusstsein, Akzeptanz, Vertrauen und die weitere Ausformung eines realistischen mentalen Modells der Möglichkeiten und Grenzen automatisierter Systeme. Aufgrund dieser Relevanz wird die Einbindung und Kontrolle des initialen mentalen Modells in Studien zu automatisierten Systemen unbedingt empfohlen. Die Ergebnisse zeigen zwar, dass sich auch unvollständige bzw. falsche mentale Modelle durch Erfahrungslernen hin zu einer realistischen Einschätzung der Systemmöglichkeiten und -grenzen verändern, allerdings um den Preis sinkenden Vertrauens und abnehmender Akzeptanz. Idealisierte Systembeschreibungen ohne Hinweise auf mögliche Systemprobleme bringen nur anfänglich etwas höheres Vertrauen und Akzeptanz. Das Erleben unerwarteter Probleme führt zu einem stetigen Abfall dieser motivationalen Faktoren über die Zeit. Ein alleiniges Versuchs-Irrtums-Lernen für den Umgang mit automatisierter Assistenz im Fahrzeug ohne zusätzliche Information wird daher als nicht ausreichend für die Entwicklung stabilen Vertrauens und stabiler Akzeptanz betrachtet. Wenn das initiale mentale Modell den Erfahrungen entspricht, entwickeln sich Akzeptanz und Vertrauen gemäß einer klassischen Lernkurve – trotz erlebter Systemgrenzen. Sind diese potentiellen Probleme vorher bekannt, führen sie nicht zwingend zu einer Reduktion von Vertrauen und Akzeptanz. Auch zusätzliche überkritische Information vermindert Vertrauen und Akzeptanz nur am Beginn, aber nicht langfristig. Daher sollen potentielle Probleme in automatisierten Systemen nicht in idealisierten Beschreibungen verschwiegen werden – je präzisere Information gegeben wird, desto besser im langfristigen Verlauf. Allerdings tendieren nicht erfahrene Systemgrenzen zum Verblassen im mentalen Modell. Daher wird empfohlen, Nutzer regelmäßig an diese Systemgrenzen zu erinnern um die entsprechenden Facetten des mentalen Modells zu reaktivieren. In automatisierten Systemen integrierte intelligente Tutorsysteme könnten dafür eine Lösung bieten. Im Fahrzeugbereich könnten solche periodischen Erinnerungen an Systemgrenzen in Multifunktionsdisplays angezeigt werden, die mittlerweile in vielen modernen Fahrzeugen integriert sind. Diese Tutorsysteme können darüber hinaus auch auf die Präsenz eingebauter automatisierter Systeme hinweisen und deren Vorteile aufzeigen.

Fahrerassistenzsysteme werden zunehmend in Fahrzeuge eingebaut mit dem Ziel, den Fahrer beim Fahren zu unterstützen, Fahrfehler zu vermeiden und damit die Fahrsicherheit zu erhöhen. Derzeit sind häufig Systeme im Einsatz, die den Fahrer vor bestimmten Sicherheitsrisiken warnen (z.B. vor einem unbeabsichtigten Verlassen der Fahrspur). Der Trend geht aber hin zu Systemen, die stärker ins Fahrgeschehen eingreifen und somit Teile der Fahraufgabe automatisieren (z.B. selbständig die Spurhaltung des Fahrzeugs übernehmen). Aus der Forschung zur Mensch-Maschine Interaktion ist jedoch bekannt, dass Automatisierung nicht zwangsläufig zur Erhöhung von Sicherheit führt, sondern dass sie vielmehr auch unerwünschte Nebeneffekte für Performanz und Sicherheit mit sich bringen kann in dem Maße, wie Menschen an die veränderten Aufgabenanforderungen adaptieren. Im Straßenverkehr wird insbesondere befürchtet, dass Fahrer sich zu stark auf Fahrerassistenzsysteme verlassen, sich teilweise aus der Fahraufgabe zurückziehen („abschalten“) und ihre Aufmerksamkeit fahrfremden Dingen widmen. Dies kann unter Umständen dazu führen, dass Fahrer im Falle von Systemfehlern oder –ausfällen nicht mehr in der Lage sind rechtzeitig und angemessen einzugreifen bzw. die Kontrolle über das Fahrzeug zu übernehmen. Ziel der Dissertation war es zu untersuchen, inwieweit sich die Involviertheit von Fahrern in die Fahraufgabe verändert je stärker sie durch ein Assistenzsystem unterstützt werden (d.h., je stärker das System Teile der Fahraufgabe automatisiert). Um dies zu untersuchen wurden zwei theoretische Konzepte herangezogen: a) das Verlassen der Fahrer (auf ein System) und b) das Situationsbewusstsein der Fahrer. Basierend auf einer umfassenden Analyse der Forschungsliteratur zum Thema Automatisierung wurde ein theoretisches Rahmenmodell entwickelt, welches Veränderungen in der Involviertheit des Fahrers in die Fahraufgabe auf menschliche Adaptationsprozesse auf verschiedenen Ebenen zurückführt, die sich in Folge der veränderten Aufgaben­anforderungen durch zunehmende Automatisierung ergeben. Dazu zählen Veränderungen in Einstellungen, sowie in kognitiven, energetischen, und motivationalen Prozessen. Um Veränderungen in diesen Prozessen zu untersuchen, wurde eine Vielzahl an objektiven und subjektiven Maßen erhoben. Hauptgegenstand der Dissertation ist eine umfangreiche Fahrsimulatorstudie im Fahrsimulator mit Bewegungsplattform bei VTI (Swedish National Road and Transport Research Institute) in Linköping, Schweden. Dabei kamen zwei Querführungsassistenzsysteme (ein Heading Control System und ein Lane Departure Warning System) zum Einsatz, die den Fahrer in unterschiedlichem Maße bei der Spurhaltung unterstützten. Im Gegensatz zu einem Großteil der bisherigen Studien wurden prozessorientierte Performanzmaße zur Erfassung des Verlassens der Fahrer auf die Assistenzsysteme und des Situationsbewusstseins der Fahrer verwendet. Das Verlassen der Fahrer auf die Querführungsassistenzsysteme wurde durch Blickverhaltensmaße über die Bereitschaft der Fahrer erfasst, ihre visuelle Aufmerksamkeit von der Straße ab hin zu einer Zweitaufgabe im Fahrzeuginnenraum zu wenden. Zur Messung des Situationsbewusstseins der Fahrer wurden Fahrverhaltensmaße herangezogen welche als Indikator für die Schnelligkeit und Abruptheit der Reaktionen der Fahrer auf unerwartete kritische Fahrsituationen dienten. Ein Hauptbefund der Dissertation war, dass die Fahrer sich signifikant im Ausmaß ihres Verlassens auf einen hohen Grad an Assistenz unterschieden. Diese interindividuelle Varianz im Verlassen der Fahrer auf einen hohen Grad an Assistenz konnte am besten durch das Vertrauen der Fahrer in das Querführungsassistenzsystem und ihr Aktivierungsniveau erklärt werden: Je höher das Vertrauen der Fahrer in das System und je geringer ihr Aktivierungsniveau, desto stärker verließen sie sich auf das System. Individuelle Fahrermerkmale (Fahrstil) erklärten einen signifikanten Anteil der Varianz im Vertrauen der Fahrer in die Spurhalteassistenzsysteme. (ersetzt wegen neuem Herausgeber) / Advanced driver assistance systems are increasingly built in vehicles with the aim to support drivers while driving, to reduce driver errors and thereby to increase traffic safety. At present, these systems are often designed to warn drivers of specific safety risks (e.g., of an imminent departure from the driving lane). However, there is a trend towards systems that more strongly intervene in driving and that hence, automate parts of the driving task (e.g., autonomously keep the vehicle within the driving lane). However, research on human-machine interaction has shown that automation does not necessarily increase safety, but that it may also lead to unanticipated side effects on performance and safety to the extent that humans adapt to the changing task demands. A major concern in road traffic is that drivers rely too heavily on driver assistance systems, become less actively involved in the driving task, and divert their attention to things unrelated to driving. Thus, in the case of system malfunctions or failures, drivers possibly may not be prepared to intervene timely and accordingly and to regain control over the vehicle, respectively. The aim of this dissertation was to investigate changes in drivers’ active engagement in the driving task as a function of the degree to which they are supported by a driver assistance system (i.e., as a function of the degree to which the system automates the driving task). Drivers’ active task engagement was studied by referring to two theoretical concepts: a) drivers’ reliance (on a system) and b) drivers’ situation awareness. Based on an extensive review of previous research on automation, a conceptual theoretical framework was developed that links changes in operators’ active task engagement to human adaptation processes on different levels in response to the changing task demands due to automation. Among them are changes in human attitudes as well as in cognitive, motivational and energetic processes. In order to determine the relative influence of these processes, a range of objective and subjective measures was collected. The essential part of the dissertation is an extensive driving simulator study in an advanced moving-base driving simulator at VTI (Swedish National Road and Transport Research Institute) in Linköping, Sweden. Two lateral support systems (a Heading Control system and a Lane Departure Warning system) were implemented which assisted drivers to different degrees in lane keeping. Contrary to most previous automation studies, drivers’ reliance on the lane keeping assistance systems and their situation awareness were studied by using process-oriented performance-based measures. Drivers’ reliance on the lane keeping assistance systems was assessed by eye glance behaviour measures indicating drivers’ preparedness to allocate their visual attention away from the road scene to an in-vehicle secondary task. Drivers’ situation awareness was assessed by behavioural measures of the latency and magnitude of drivers’ initial reactions to unexpected critical driving situations. A major finding of the study was that drivers differed significantly in their reliance on a high level of lane keeping assistance. This interindividual variance in drivers’ reliance on higher-level assistance could be best explained by drivers’ trust in the system and their energetic arousal: The greater drivers’ trust in the system and the lower their arousal, the more did they rely on the system. Individual driver variables (driving style) explained a significant proportion of the variance in drivers’ trust in the lane keeping assistance systems. (replaced because a new publisher)

Advanced driver assistance systems are increasingly built in vehicles with the aim to support drivers while driving, to reduce driver errors and thereby to increase traffic safety. At present, these systems are often designed to warn drivers of specific safety risks (e.g., of an imminent departure from the driving lane). However, there is a trend towards systems that more strongly intervene in driving and that hence, automate parts of the driving task (e.g., autonomously keep the vehicle within the driving lane). However, research on human-machine interaction has shown that automation does not necessarily increase safety, but that it may also lead to unanticipated side effects on performance and safety to the extent that humans adapt to the changing task demands. A major concern in road traffic is that drivers rely too heavily on driver assistance systems, become less actively involved in the driving task, and divert their attention to things unrelated to driving. Thus, in the case of system malfunctions or failures, drivers possibly may not be prepared to intervene timely and accordingly and to regain control over the vehicle, respectively. The aim of this dissertation was to investigate changes in drivers’ active engagement in the driving task as a function of the degree to which they are supported by a driver assistance system (i.e., as a function of the degree to which the system automates the driving task). Drivers’ active task engagement was studied by referring to two theoretical concepts: a) drivers’ reliance (on a system) and b) drivers’ situation awareness. Based on an extensive review of previous research on automation, a conceptual theoretical framework was developed that links changes in operators’ active task engagement to human adaptation processes on different levels in response to the changing task demands due to automation. Among them are changes in human attitudes as well as in cognitive, motivational and energetic processes. In order to determine the relative influence of these processes, a range of objective and subjective measures was collected. The essential part of the dissertation is an extensive driving simulator study in an advanced moving-base driving simulator at VTI (Swedish National Road and Transport Research Institute) in Linköping, Sweden. Two lateral support systems (a Heading Control system and a Lane Departure Warning system) were implemented which assisted drivers to different degrees in lane keeping. Contrary to most previous automation studies, drivers’ reliance on the lane keeping assistance systems and their situation awareness were studied by using process-oriented performance-based measures. Drivers’ reliance on the lane keeping assistance systems was assessed by eye glance behaviour measures indicating drivers’ preparedness to allocate their visual attention away from the road scene to an in-vehicle secondary task. Drivers’ situation awareness was assessed by behavioural measures of the latency and magnitude of drivers’ initial reactions to unexpected critical driving situations. A major finding of the study was that drivers differed significantly in their reliance on a high level of lane keeping assistance. This interindividual variance in drivers’ reliance on higher-level assistance could be best explained by drivers’ trust in the system and their energetic arousal: The greater drivers’ trust in the system and the lower their arousal, the more did they rely on the system. Individual driver variables (driving style) explained a significant proportion of the variance in drivers’ trust in the lane keeping assistance systems. / Fahrerassistenzsysteme werden zunehmend in Fahrzeuge eingebaut mit dem Ziel, den Fahrer beim Fahren zu unterstützen, Fahrfehler zu vermeiden und damit die Fahrsicherheit zu erhöhen. Derzeit sind häufig Systeme im Einsatz, die den Fahrer vor bestimmten Sicherheitsrisiken warnen (z.B. vor einem unbeabsichtigten Verlassen der Fahrspur). Der Trend geht aber hin zu Systemen, die stärker ins Fahrgeschehen eingreifen und somit Teile der Fahraufgabe automatisieren (z.B. selbständig die Spurhaltung des Fahrzeugs übernehmen). Aus der Forschung zur Mensch-Maschine Interaktion ist jedoch bekannt, dass Automatisierung nicht zwangsläufig zur Erhöhung von Sicherheit führt, sondern dass sie vielmehr auch unerwünschte Nebeneffekte für Performanz und Sicherheit mit sich bringen kann in dem Maße, wie Menschen an die veränderten Aufgabenanforderungen adaptieren. Im Straßenverkehr wird insbesondere befürchtet, dass Fahrer sich zu stark auf Fahrerassistenzsysteme verlassen, sich teilweise aus der Fahraufgabe zurückziehen („abschalten“) und ihre Aufmerksamkeit fahrfremden Dingen widmen. Dies kann unter Umständen dazu führen, dass Fahrer im Falle von Systemfehlern oder –ausfällen nicht mehr in der Lage sind rechtzeitig und angemessen einzugreifen bzw. die Kontrolle über das Fahrzeug zu übernehmen. Ziel der Dissertation war es zu untersuchen, inwieweit sich die Involviertheit von Fahrern in die Fahraufgabe verändert je stärker sie durch ein Assistenzsystem unterstützt werden (d.h., je stärker das System Teile der Fahraufgabe automatisiert). Um dies zu untersuchen wurden zwei theoretische Konzepte herangezogen: a) das Verlassen der Fahrer (auf ein System) und b) das Situationsbewusstsein der Fahrer. Basierend auf einer umfassenden Analyse der Forschungsliteratur zum Thema Automatisierung wurde ein theoretisches Rahmenmodell entwickelt, welches Veränderungen in der Involviertheit des Fahrers in die Fahraufgabe auf menschliche Adaptationsprozesse auf verschiedenen Ebenen zurückführt, die sich in Folge der veränderten Aufgaben­anforderungen durch zunehmende Automatisierung ergeben. Dazu zählen Veränderungen in Einstellungen, sowie in kognitiven, energetischen, und motivationalen Prozessen. Um Veränderungen in diesen Prozessen zu untersuchen, wurde eine Vielzahl an objektiven und subjektiven Maßen erhoben. Hauptgegenstand der Dissertation ist eine umfangreiche Fahrsimulatorstudie im Fahrsimulator mit Bewegungsplattform bei VTI (Swedish National Road and Transport Research Institute) in Linköping, Schweden. Dabei kamen zwei Querführungsassistenzsysteme (ein Heading Control System und ein Lane Departure Warning System) zum Einsatz, die den Fahrer in unterschiedlichem Maße bei der Spurhaltung unterstützten. Im Gegensatz zu einem Großteil der bisherigen Studien wurden prozessorientierte Performanzmaße zur Erfassung des Verlassens der Fahrer auf die Assistenzsysteme und des Situationsbewusstseins der Fahrer verwendet. Das Verlassen der Fahrer auf die Querführungsassistenzsysteme wurde durch Blickverhaltensmaße über die Bereitschaft der Fahrer erfasst, ihre visuelle Aufmerksamkeit von der Straße ab hin zu einer Zweitaufgabe im Fahrzeuginnenraum zu wenden. Zur Messung des Situationsbewusstseins der Fahrer wurden Fahrverhaltensmaße herangezogen welche als Indikator für die Schnelligkeit und Abruptheit der Reaktionen der Fahrer auf unerwartete kritische Fahrsituationen dienten. Ein Hauptbefund der Dissertation war, dass die Fahrer sich signifikant im Ausmaß ihres Verlassens auf einen hohen Grad an Assistenz unterschieden. Diese interindividuelle Varianz im Verlassen der Fahrer auf einen hohen Grad an Assistenz konnte am besten durch das Vertrauen der Fahrer in das Querführungsassistenzsystem und ihr Aktivierungsniveau erklärt werden: Je höher das Vertrauen der Fahrer in das System und je geringer ihr Aktivierungsniveau, desto stärker verließen sie sich auf das System. Individuelle Fahrermerkmale (Fahrstil) erklärten einen signifikanten Anteil der Varianz im Vertrauen der Fahrer in die Spurhalteassistenzsysteme.

Many functions that at one time could only be performed by humans can nowadays be carried out by machines. Automation impacts many areas of life including work, home, communication and mobility. In the driving context, in-vehicle automation is considered to provide solutions for environmental, economic, safety and societal challenges. However, automation changes the driving task and the human-machine interaction. Thus, the expected benefit of in-vehicle automation can be undermined by changes in drivers’ behaviour, i.e. behavioural adaptation. This PhD project focuses on motivational as well as higher cognitive processes underlying behavioural adaptation when interacting with in-vehicle automation. Motivational processes include the development of trust and acceptance, whereas higher cognitive processes comprise the learning process as well as the development of mental models and Situation Awareness (SA). As an example for in-vehicle automation, the advanced driver assistance system Adaptive Cruise Control (ACC) was investigated. ACC automates speed and distance control by maintaining a constant set cruising speed and automatically adjusting vehicle’s velocity in order to provide a specified distance to the preceding vehicle. However, due to sensor limitations, not every situation can be handled by the system and therefore driver intervention is required. Trust, acceptance and an appropriate mental model of the system functionality are considered key variables for adequate use and appropriate SA. To systematically investigate changes in motivational and higher cognitive processes, a driving simulator as well as an on-road study were carried out. Both of the studies were conducted using a repeated-measures design, taking into account the process character, i.e. changes over time. The main focus was on the development of trust, acceptance and the mental model of novice users when interacting with ACC. By now, only few studies have attempted to assess changes in higher level cognitive processes, due to methodological difficulties posed by the dynamic task of driving. Therefore, this PhD project aimed at the elaboration and validation of innovative methods for assessing higher cognitive processes, with an emphasis on SA and mental models. In addition, a new approach for analyzing big and heterogeneous data in social science was developed, based on the use of relational databases. The driving simulator study investigated the effect of divergent initial mental models of ACC (i.e., varying according to correctness) on trust, acceptance and mental model evolvement. A longitudinal study design was applied, using a two-way (3×3) repeated measures mixed design with a matched sample of 51 subjects. Three experimental groups received (1) a correct ACC description, (2) an incomplete and idealised account omitting potential problems, and (3) an incorrect description including non-occurring problems. All subjects drove a 56-km track of highway with an identical ACC system, three times, and within a period of 6 weeks. Results showed that after using the system, participants’ mental model of ACC converged towards the profile of the correct group. Non-experienced problems tended to disappear from the mental model network when they were not activated by experience. Trust and acceptance grew steadily for the correct condition. The same trend was observed for the group with non-occurring problems, starting from a lower initial level. Omitted problems in the incomplete group led to a constant decrease in trust and acceptance without recovery. This indicates that automation failures do not negatively affect trust and acceptance if they are known beforehand. During each drive, participants continuously completed a visual secondary task, the Surrogate Reference Task (SURT). The frequency of task completion was used as objective online-measure for SA, based on the principle that situationally aware driver would reduce the engagement in the secondary task if they expect potentially critical situations. Results showed that correctly informed drivers were aware of potential system limitations and reduced their engagement in the secondary task when such situations arose. Participants with no information about limitations became only aware after first encounter and reduced secondary task engagement in corresponding situations during subsequent trials. However, trust and acceptance in the system declined over time due to the unexpected failures. Non occurring limitations tended to drop from the mental model and resulted in reduced SA already in the second trial. The on-road study investigated the learning process, as well as the development of trust, acceptance and the mental model for interacting with ACC in real conditions. Research questions aimed to model the learning process in mathematical/statistical terms, examine moments and conditions when these processes stabilize, and assess how experience changes the mental model of the system. A sample of fifteen drivers without ACC experience drove a test vehicle with ACC ten consecutive times on the same route within a 2-month period. In contrast to the driving simulator study, all participants were fully trained in ACC functionality by reading the owner’s manual in the beginning. Results showed that learning, as well as the development of acceptance and trust in ACC follows the power law of learning, in case of comprehensive prior information on system limitations. Thus, the major part of the learning process occurred during the first interaction with the system and support in explaining the systems abilities (e.g. by tutoring systems) should therefore primarily be given during this first stage. All processes stabilized at a relatively high level after the fifth session, which corresponds to 185 km or 3.5 hours of driving. No decline was observable with ongoing system experience. However, in line with the findings from the simulator study, limitations that are not experienced tended to disappear from the mental model if they were not activated by experience. With regard to the validation of the developed methods for assessing mental models and SA, results are encouraging. The studies show that the mental model questionnaire is able to provide insights into the construction of mental models and the development over time. Likewise, the implicit measurement approach to assess SA online in the driving simulator is sensitive to user’s awareness of potentially critical situations. In terms of content, the results of the studies prove the enduring relevance of the initial mental model for the learning process, SA, as well as the development of trust, acceptance and a realistic mental model about automation capabilities and limitations. Given the importance of the initial mental model it is recommended that studies on system trust and acceptance should include, and attempt to control, users’ initial mental model of system functionality. Although the results showed that also incorrect and incomplete initial mental models converged by experience towards a realistic appreciation of system functionality, the more cognitive effort needed to update the mental model, the lower trust and acceptance. Providing an idealised description, which omits potential problems, only leads to temporarily higher trust and acceptance in the beginning. The experience of unexpected limitations results in a steady decrease in trust and acceptance over time. A trial-and-error strategy for in-vehicle automation use, without accompanying information, is therefore considered insufficient for developing stable trust and acceptance. If the mental model matches experience, trust and acceptance grow steadily following the power law of learning – regardless of the experience of system limitations. Provided that such events are known in advance, they will not cause a decrease in trust and acceptance over time. Even over-information about potential problems lowers trust and acceptance only in the beginning, and not in the long run. Potential problems should therefore not be concealed in over-idealised system descriptions; the more information given, the better, in the long run. However, limitations that are not experienced tend to disappear from the mental model. Therefore, it is recommended that users be periodically reminded of system limitations to make sure that corresponding knowledge becomes re-activated. Intelligent tutoring systems incorporated in automated systems could provide a solution. In the driving context, periodic reminders about system limitations could be shown via the multifunction displays integrated in most modern cars. Tutoring systems could also be used to remind the driver of the presence of specific in-vehicle automation systems and reveal their benefits.:Table of contents LIST OF FIGURES I LIST OF TABLES II LIST OF ABBREVIATIONS III ACKNOWLEDGEMENTS IV SUMMARY V ZUSAMMENFASSUNG VIII 1 INTRODUCTION 12 2 THEORETICAL BACKGROUND 14 2.1 BEHAVIOURAL ADAPTATION AND HIGHER COGNITIVE PROCESSES 14 2.2 VEHICLE AUTOMATION AND ADAPTIVE CRUISE CONTROL 17 2.3 MENTAL MODELS 20 2.3.1 Definition 20 2.3.2 Mental model construction and update 20 2.3.3 Discussion of existing measures 21 2.3.4 Development of the mental model questionnaire 23 2.4 SITUATION AWARENESS 24 2.4.1 Definition 24 2.4.2 Relationship between mental models and Situation Awareness 26 2.4.3 Situation Awareness as comprehension process 27 2.4.4 Discussion of existing measures 27 2.4.5 Development of the Situation Awareness measurement technique 29 2.5 LEARNING, ACCEPTANCE AND TRUST IN AUTOMATION 30 2.5.1 Power law of learning 30 2.5.2 Acceptance 31 2.5.3 Trust in automation 31 2.5.4 Related research on learning, acceptance and trust in ACC 32 3 OVERALL RESEARCH QUESTIONS 34 4 OVERALL METHODOLOGICAL CONSIDERATIONS 35 4.1 DRIVING SIMULATOR STUDIES AND ON-ROAD TESTS 35 4.2 DATABASE-FRAMEWORK FOR DATA STORAGE AND ANALYSIS 37 5 DRIVING SIMULATOR STUDY 42 5.1 AIMS AND RESEARCH QUESTIONS 42 5.2 METHOD AND MATERIAL 43 5.2.1 Sampling and participants 43 5.2.2 Research design and procedure 44 5.2.3 Facilities and driving simulator track 45 5.2.4 Secondary task SURT 46 5.2.5 System description 46 5.2.6 Dependent variables trust, acceptance and mental model 47 5.2.7 Contrast analysis 48 5.3 RESULTS 49 5.3.1 Mental model 49 5.3.2 Trust and acceptance 51 5.3.3 Situation Awareness 52 5.4 DISCUSSION 56 6 ON-ROAD STUDY 59 6.1 AIMS AND RESEARCH QUESTIONS 59 6.2 METHOD AND MATERIAL 59 6.2.1 Research design and procedure 59 6.2.2 Sampling and participants 60 6.2.3 Facilities and apparatus 60 6.2.4 Dependent variables mental model, trust, acceptance, learning and ACC usage 62 6.3 RESULTS 63 6.3.1 ACC usage 63 6.3.2 Trust and acceptance 64 6.3.3 Learning 65 6.3.4 Mental model 67 6.4 DISCUSSION 68 7 GENERAL DISCUSSION AND CONCLUSIONS 70 7.1 THEORETICAL AND PRACTICAL CONSIDERATIONS 70 7.2 METHODOLOGICAL CONSIDERATIONS 71 7.3 LIMITATIONS AND DIRECTIONS FOR FUTURE RESEARCH 74 8 REFERENCES 76 9 APPENDIX 88 9.1 QUESTIONNAIRES USED IN THE DRIVING SIMULATOR STUDY 88 9.1.1 Original German version 88 9.1.2 English translation 91 9.2 ACC DESCRIPTIONS USED IN THE DRIVING SIMULATOR STUDY 94 9.2.1 Correct description 94 9.2.2 Incomplete description 95 9.2.3 Incorrect description 96 9.3 SCHEMATIC OVERVIEW OF THE DRIVING SIMULATOR TRACK 97 9.4 QUESTIONNAIRES USED IN THE ON-ROAD STUDY 99 9.4.1 Original German version 99 9.4.2 English translation 103 9.5 SEMINAR PROGRAMME: DATABASES AS ANALYSIS TOOL IN SOCIAL SCIENCE 107 9.6 CURRICULUM VITAE AND PUBLICATIONS 109 / Viele Aufgaben, die ehemals von Menschen ausgeführt wurden, werden heute von Maschinen übernommen. Dieser Prozess der Automatisierung betrifft viele Lebensbereiche von Arbeit, Wohnen, Kommunikation bis hin zur Mobilität. Im Bereich des Individualverkehrs wird die Automatisierung von Fahrzeugen als Möglichkeit gesehen, zukünftigen Herausforderungen wirtschaftlicher, gesellschaftlicher und umweltpolitischer Art zu begegnen. Allerdings verändert Automatisierung die Fahraufgabe und die Mensch-Technik Interaktion im Fahrzeug. Daher können beispielsweise erwartete Sicherheitsgewinne automatisch agierender Assistenzsysteme durch Veränderungen im Verhalten des Fahrers geschmälert werden, was als Verhaltensanpassung (behavioural adaptation) bezeichnet wird. Dieses Dissertationsprojekt untersucht motivationale und höhere kognitive Prozesse, die Verhaltensanpassungen im Umgang mit automatisierten Fahrerassistenzsystemen zugrunde liegen. Motivationale Prozesse beinhalten die Entwicklung von Akzeptanz und Vertrauen in das System, unter höheren kognitiven Prozessen werden Lernprozesse sowie die Entwicklung von mentalen Modellen des Systems und Situationsbewusstsein (Situation Awareness) verstanden. Im Fokus der Untersuchungen steht das Fahrerassistenzsystem Adaptive Cruise Control (ACC) als ein Beispiel für Automatisierung im Fahrzeug. ACC regelt automatisch die Geschwindigkeit des Fahrzeugs, indem bei freier Fahrbahn eine eingestellte Wunschgeschwindigkeit und bei einem Vorausfahrer automatisch ein eingestellter Abstand eingehalten wird. Allerdings kann ACC aufgrund von Einschränkungen der Sensorik nicht jede Situation bewältigen, weshalb der Fahrer übernehmen muss. Für diesen Interaktionsprozess spielen Vertrauen, Akzeptanz und das mentale Modell der Systemfunktionalität eine Schlüsselrolle, um einen sicheren Umgang mit dem System und ein adäquates Situationsbewusstsein zu entwickeln. Zur systematischen Erforschung dieser motivationalen und kognitiven Prozesse wurden eine Fahrsimulatorstudie und ein Versuch im Realverkehr durchgeführt. Beide Studien wurden im Messwiederholungsdesign angelegt, um dem Prozesscharakter gerecht werden und Veränderungen über die Zeit erfassen zu können. Die Entwicklung von Vertrauen, Akzeptanz und mentalem Modell in der Interaktion mit ACC war zentraler Forschungsgegenstand beider Studien. Bislang gibt es wenige Studien, die kognitive Prozesse im Kontext der Fahrzeugführung untersucht haben, unter anderem auch wegen methodischer Schwierigkeiten in diesem dynamischen Umfeld. Daher war es ebenfalls Teil dieses Dissertationsprojekts, neue Methoden zur Erfassung höherer kognitiver Prozesse in dieser Domäne zu entwickeln, mit Fokus auf mentalen Modellen und Situationsbewusstsein. Darüber hinaus wurde auch ein neuer Ansatz für die Analyse großer und heterogener Datenmengen im sozialwissenschaftlichen Bereich entwickelt, basierend auf dem Einsatz relationaler Datenbanken. Ziel der der Fahrsimulatorstudie war die systematische Erforschung des Effekts von unterschiedlich korrekten initialen mentalen Modellen von ACC auf die weitere Entwicklung des mentalen Modells, Vertrauen und Akzeptanz des Systems. Eine Stichprobe von insgesamt 51 Probanden nahm an der Studie teil; der Versuch wurde als zweifaktorielles (3x3) gemischtes Messwiederholungsdesign konzipiert. Die 3 parallelisierten Versuchsgruppen zu je 17 Personen erhielten (1) eine korrekte Beschreibung des ACC, (2) eine idealisierte Beschreibung unter Auslassung auftretender Systemprobleme und (3) eine überkritische Beschreibung mit zusätzlichen Hinweisen auf Systemprobleme, die nie auftraten. Alle Teilnehmer befuhren insgesamt dreimal im Zeitraum von sechs Wochen dieselbe 56 km lange Autobahnstrecke im Fahrsimulator mit identischem ACC-System. Mit zunehmendem Einsatz des ACC zeigte sich im anfänglich divergierenden mentalen Modell zwischen den Gruppen eine Entwicklung hin zum mentalen Modell der korrekt informierten Gruppe. Nicht erfahrene Systemprobleme tendierten dazu, im mentalen Modell zu verblassen, wenn sie nicht durch Erfahrung reaktiviert wurden. Vertrauen und Akzeptanz stiegen stetig in der korrekt informierten Gruppe. Dieselbe Entwicklung zeigte sich auch in der überkritisch informierten Gruppe, wobei Vertrauen und Akzeptanz anfänglich niedriger waren als in der Bedingung mit korrekter Information. Verschwiegene Systemprobleme führten zu einer konstanten Abnahme von Akzeptanz und Vertrauen ohne Erholung in der Gruppe mit idealisierter Beschreibung. Diese Resultate lassen darauf schließen, dass Probleme automatisierter Systeme sich nicht zwingend negativ auf Vertrauen und Akzeptanz auswirken, sofern sie vorab bekannt sind. Bei jeder Fahrt führten die Versuchsteilnehmer zudem kontinuierlich eine visuell beanspruchende Zweitaufgabe aus, die Surrogate Reference Task (SURT). Die Frequenz der Zweitaufgabenbearbeitung diente als objektives Echtzeitmaß für das Situationsbewusstsein, basierend auf dem Ansatz, dass situationsbewusste Fahrer die Zuwendung zur Zweitaufgabe reduzieren wenn sie potentiell kritische Situationen erwarten. Die Ergebnisse zeigten, dass die korrekt informierten Fahrer sich potentiell kritischer Situationen mit möglichen Systemproblemen bewusst waren und schon im Vorfeld der Entstehung die Zweitaufgabenbearbeitung reduzierten. Teilnehmer ohne Informationen zu auftretenden Systemproblemen wurden sich solcher Situationen erst nach dem ersten Auftreten bewusst und reduzierten in entsprechenden Szenarien der Folgefahrten die Zweitaufgabenbearbeitung. Allerdings sanken Vertrauen und Akzeptanz des Systems aufgrund der unerwarteten Probleme. Erwartete, aber nicht auftretende Systemprobleme tendierten dazu, im mentalen Modell des Systems zu verblassen und resultierten in vermindertem Situationsbewusstsein bereits in der zweiten Fahrt. Im Versuch unter Realbedingungen wurden der Lernprozesses sowie die Entwicklung des mentalen Modells, Vertrauen und Akzeptanz von ACC im Realverkehr erforscht. Ziele waren die statistisch/mathematische Modellierung des Lernprozesses, die Bestimmung von Zeitpunkten der Stabilisierung dieser Prozesse und wie sich reale Systemerfahrung auf das mentale Modell von ACC auswirkt. 15 Versuchsteilnehmer ohne ACC-Erfahrung fuhren ein Serienfahrzeug mit ACC insgesamt 10-mal auf der gleichen Strecke in einem Zeitraum von 2 Monaten. Im Unterschied zur Fahrsimulatorstudie waren alle Teilnehmer korrekt über die ACC-Funktionen und Funktionsgrenzen informiert durch Lesen der entsprechenden Abschnitte im Fahrzeughandbuch am Beginn der Studie. Die Ergebnisse zeigten, dass der Lernprozess sowie die Entwicklung von Akzeptanz und Vertrauen einer klassischen Lernkurve folgen – unter der Bedingung umfassender vorheriger Information zu Systemgrenzen. Der größte Lernfortschritt ist am Beginn der Interaktion mit dem System sichtbar und daher sollten Hilfen (z.B. durch intelligente Tutorsysteme) in erster Linie zu diesem Zeitpunkt gegeben werden. Eine Stabilisierung aller Prozesse zeigte sich nach der fünften Fahrt, was einer Fahrstrecke von rund 185 km oder 3,5 Stunden Fahrzeit entspricht. Es zeigten sich keine Einbrüche in Akzeptanz, Vertrauen bzw. dem Lernprozess durch die gemachten Erfahrungen im Straßenverkehr. Allerdings zeigte sich – analog zur Fahrsimulatorstudie – auch in der Realfahrstudie ein Verblassen von nicht erfahrenen Systemgrenzen im mentalen Modell, wenn diese nicht durch Erfahrungen aktiviert wurden. Im Hinblick auf die Validierung der neu entwickelten Methoden zur Erfassung von mentalen Modellen und Situationsbewusstsein sind die Resultate vielversprechend. Die Studien zeigen, dass mit dem entwickelten Fragebogenansatz zur Quantifizierung des mentalen Modells Einblicke in Aufbau und Entwicklung mentaler Modelle gegeben werden können. Der implizite Echtzeit-Messansatz für Situationsbewusstsein im Fahrsimulator zeigt sich ebenfalls sensitiv in der Erfassung des Bewusstseins von Fahrern für potentiell kritische Situationen. Inhaltlich zeigen die Studien die nachhaltige Relevanz des initialen mentalen Modells für den Lernprozess sowie die Entwicklung von Situationsbewusstsein, Akzeptanz, Vertrauen und die weitere Ausformung eines realistischen mentalen Modells der Möglichkeiten und Grenzen automatisierter Systeme. Aufgrund dieser Relevanz wird die Einbindung und Kontrolle des initialen mentalen Modells in Studien zu automatisierten Systemen unbedingt empfohlen. Die Ergebnisse zeigen zwar, dass sich auch unvollständige bzw. falsche mentale Modelle durch Erfahrungslernen hin zu einer realistischen Einschätzung der Systemmöglichkeiten und -grenzen verändern, allerdings um den Preis sinkenden Vertrauens und abnehmender Akzeptanz. Idealisierte Systembeschreibungen ohne Hinweise auf mögliche Systemprobleme bringen nur anfänglich etwas höheres Vertrauen und Akzeptanz. Das Erleben unerwarteter Probleme führt zu einem stetigen Abfall dieser motivationalen Faktoren über die Zeit. Ein alleiniges Versuchs-Irrtums-Lernen für den Umgang mit automatisierter Assistenz im Fahrzeug ohne zusätzliche Information wird daher als nicht ausreichend für die Entwicklung stabilen Vertrauens und stabiler Akzeptanz betrachtet. Wenn das initiale mentale Modell den Erfahrungen entspricht, entwickeln sich Akzeptanz und Vertrauen gemäß einer klassischen Lernkurve – trotz erlebter Systemgrenzen. Sind diese potentiellen Probleme vorher bekannt, führen sie nicht zwingend zu einer Reduktion von Vertrauen und Akzeptanz. Auch zusätzliche überkritische Information vermindert Vertrauen und Akzeptanz nur am Beginn, aber nicht langfristig. Daher sollen potentielle Probleme in automatisierten Systemen nicht in idealisierten Beschreibungen verschwiegen werden – je präzisere Information gegeben wird, desto besser im langfristigen Verlauf. Allerdings tendieren nicht erfahrene Systemgrenzen zum Verblassen im mentalen Modell. Daher wird empfohlen, Nutzer regelmäßig an diese Systemgrenzen zu erinnern um die entsprechenden Facetten des mentalen Modells zu reaktivieren. In automatisierten Systemen integrierte intelligente Tutorsysteme könnten dafür eine Lösung bieten. Im Fahrzeugbereich könnten solche periodischen Erinnerungen an Systemgrenzen in Multifunktionsdisplays angezeigt werden, die mittlerweile in vielen modernen Fahrzeugen integriert sind. Diese Tutorsysteme können darüber hinaus auch auf die Präsenz eingebauter automatisierter Systeme hinweisen und deren Vorteile aufzeigen.:Table of contents LIST OF FIGURES I LIST OF TABLES II LIST OF ABBREVIATIONS III ACKNOWLEDGEMENTS IV SUMMARY V ZUSAMMENFASSUNG VIII 1 INTRODUCTION 12 2 THEORETICAL BACKGROUND 14 2.1 BEHAVIOURAL ADAPTATION AND HIGHER COGNITIVE PROCESSES 14 2.2 VEHICLE AUTOMATION AND ADAPTIVE CRUISE CONTROL 17 2.3 MENTAL MODELS 20 2.3.1 Definition 20 2.3.2 Mental model construction and update 20 2.3.3 Discussion of existing measures 21 2.3.4 Development of the mental model questionnaire 23 2.4 SITUATION AWARENESS 24 2.4.1 Definition 24 2.4.2 Relationship between mental models and Situation Awareness 26 2.4.3 Situation Awareness as comprehension process 27 2.4.4 Discussion of existing measures 27 2.4.5 Development of the Situation Awareness measurement technique 29 2.5 LEARNING, ACCEPTANCE AND TRUST IN AUTOMATION 30 2.5.1 Power law of learning 30 2.5.2 Acceptance 31 2.5.3 Trust in automation 31 2.5.4 Related research on learning, acceptance and trust in ACC 32 3 OVERALL RESEARCH QUESTIONS 34 4 OVERALL METHODOLOGICAL CONSIDERATIONS 35 4.1 DRIVING SIMULATOR STUDIES AND ON-ROAD TESTS 35 4.2 DATABASE-FRAMEWORK FOR DATA STORAGE AND ANALYSIS 37 5 DRIVING SIMULATOR STUDY 42 5.1 AIMS AND RESEARCH QUESTIONS 42 5.2 METHOD AND MATERIAL 43 5.2.1 Sampling and participants 43 5.2.2 Research design and procedure 44 5.2.3 Facilities and driving simulator track 45 5.2.4 Secondary task SURT 46 5.2.5 System description 46 5.2.6 Dependent variables trust, acceptance and mental model 47 5.2.7 Contrast analysis 48 5.3 RESULTS 49 5.3.1 Mental model 49 5.3.2 Trust and acceptance 51 5.3.3 Situation Awareness 52 5.4 DISCUSSION 56 6 ON-ROAD STUDY 59 6.1 AIMS AND RESEARCH QUESTIONS 59 6.2 METHOD AND MATERIAL 59 6.2.1 Research design and procedure 59 6.2.2 Sampling and participants 60 6.2.3 Facilities and apparatus 60 6.2.4 Dependent variables mental model, trust, acceptance, learning and ACC usage 62 6.3 RESULTS 63 6.3.1 ACC usage 63 6.3.2 Trust and acceptance 64 6.3.3 Learning 65 6.3.4 Mental model 67 6.4 DISCUSSION 68 7 GENERAL DISCUSSION AND CONCLUSIONS 70 7.1 THEORETICAL AND PRACTICAL CONSIDERATIONS 70 7.2 METHODOLOGICAL CONSIDERATIONS 71 7.3 LIMITATIONS AND DIRECTIONS FOR FUTURE RESEARCH 74 8 REFERENCES 76 9 APPENDIX 88 9.1 QUESTIONNAIRES USED IN THE DRIVING SIMULATOR STUDY 88 9.1.1 Original German version 88 9.1.2 English translation 91 9.2 ACC DESCRIPTIONS USED IN THE DRIVING SIMULATOR STUDY 94 9.2.1 Correct description 94 9.2.2 Incomplete description 95 9.2.3 Incorrect description 96 9.3 SCHEMATIC OVERVIEW OF THE DRIVING SIMULATOR TRACK 97 9.4 QUESTIONNAIRES USED IN THE ON-ROAD STUDY 99 9.4.1 Original German version 99 9.4.2 English translation 103 9.5 SEMINAR PROGRAMME: DATABASES AS ANALYSIS TOOL IN SOCIAL SCIENCE 107 9.6 CURRICULUM VITAE AND PUBLICATIONS 109