Return to search

Supporting Older Drivers through Emerging In-Vehicle Technologies: Performance-Related Aspects and User Acceptance: Supporting Older Drivers through Emerging In-Vehicle Technologies:Performance-Related Aspects and User Acceptance

In the course of the current demographic change, the proportion of the population aged 65 and older is projected to steadily increase in many countries of the world (UN DESA Population Division, 2015). The ageing society is reflected in an increasing number of older road users (Koppel & Berecki-Gisolf, 2015), especially considering the growing need for older adults to maintain individual mobility (Eby & Molnar, 2012). This development raises new issues of transportation research, since age-related changes in mobility patterns as well as sensory, cognitive, and motor functions reduce older adults’ traffic safety (Polders, Vlahogianni, Leopold, & Durso, 2015). Accordingly, new strategies to aid older drivers and their mobility needs are required, which could potentially be provided by emerging in-vehicle technologies (Karthaus & Falkenstein, 2016).
The overall aim of present dissertation project was to evaluate whether in-vehicle technologies that appear promising to support older drivers can actually contribute to their individual mobility, which requires an improvement in aspects related to driving performance as well as the acceptance of such systems in this age group. Therefore, contact-analogue head-up displays (also labelled as Augmented Reality Displays, ARDs) and highly automated driving were selected as two exemplary technologies, representing completely different levels of driving automation and accordingly different approaches to support drivers. The ARD-technology represents a technical implementation approach for IVIS and therefore an example for Automation Level 0 (no automation; SAE International, 2014) by helping the driver to execute the driving task manually through useful information. In contrast, the HAD-technology aims at supporting the driver by taking over the driving task, which corresponds to Automation Level 4 (high automation; SAE International, 2014). Despite these different approaches, both technologies were previously assumed to have a strong potential to support especially older drivers (Meyer & Deix, 2014; Polders et al., 2015; Rusch et al., 2013; Schall et al., 2013).
Three empirical studies were conducted to examine performance- and acceptance-related aspects of both technologies. All studies were carried out with a group of older drivers (maximum age range: 65 85 years) and a younger comparison group (maximum age range: 25-45 years) representing the ‘average’ (i.e. young, but experienced) driver in order to identify age-specific results.
Focusing on performance-related aspects of the ARD-technology, Study I represents a reaction time experiment conducted in a driving simulator. One age-specific beneficial function of such an ARD is to provide prior information about approaching complex traffic situations, which addresses older drivers’ tendency to process multiple information successively (serially) rather than simultaneously (parallel) (Davidse, Hagenzieker, van Wolffelaar, & Brouwer, 2009; Küting & Krüger, 2002). Therefore, the aim of this study was to examine the effects of an ARD providing prior information about approaching intersections on drivers’ speed and accuracy of perceiving these intersections, which is considered a necessary precondition for a safe driving performance (Crundall & Underwood, 2011). Based on concerns about the counterproductive effects of presenting information via an ARD, especially in cases of inaccurate information, system failures were included in this examination. The ARD-information aided drivers from both age groups in identifying more relevant aspects of the intersections without increasing response time, indicating the potential of the system to support both older and younger drivers in complex traffic situations. Experiencing system failures (i.e. inaccurate information) did offset this positive effect for the study’s duration, particularly for older drivers. This might be because it was difficult to ignore inaccurate prior information due to their presentation via an ARD.
Study II represents a driving simulator study on acceptance-related aspects of an ARD providing prior information about approaching intersections. This study focused on the effects of system experience on drivers’ acceptance as well as on the identification of age-specific acceptance barriers that could prevent older drivers from using the technology. In summary, older and younger drivers’ evaluation of the ARD was positive, with a tendency to more positive evaluations with than without system experience in the driving simulator. Compared to the younger group, older drivers reported a more positive attitude towards using the ARD, even though they evaluated their self-efficacy in handling the system and environmental conditions facilitating its usage as less strong.
Both performance- and acceptance-related aspects of HAD were addressed in Study III, a two-stage driving simulator study. The focus of the performance perspective shifted in parallel with the shift of the human role from driver to passenger due to the increasing driving automation. Accordingly, the examination of HAD was focused on the human evaluation of the automated system’s
driving performance. In this context, affective components of human-automation interaction, such as comfort and enjoyment, are considered important for the acceptance and thus usage of automated vehicles (Tischler & Renner, 2007). It is assumed that the implemented driving style has an impact on such affective components in the context of HAD (Bellem, Schönenberg, Krems, & Schrauf, 2016). One theoretical approach to increase the comfort of HAD recommends the implementation of familiar, natural driving styles to mimic human control (Elbanhawi, Simic, & Jazar, 2015). Therefore, the effects of driving automation and the familiarity of the HAD-style on driving comfort and enjoyment were examined. Automation increased both age groups’ comfort, but decreased younger drivers’ enjoyment. For all dependent variables, driving style familiarity significantly interacted with drivers’ age the same way: while younger drivers preferred a familiar HAD-style, older drivers preferred an unfamiliar driving style in a highly automated context. Accordingly, the familiarity approach can be supported at least for younger drivers, but not for older drivers, whose manual driving styles are characterised by strategies to compensate for age-related impairments of sensory, cognitive, or motor functions. HAD-style preferences of this age group seem to be more influenced by the desire to regain a driving style free from these compensation strategies than by a need for familiar driving manoeuvres.
In parallel with the evaluation of the ARD, acceptance-related issues in the context of HAD included the effects of system experience on drivers’ acceptance and potential age-specific acceptance barriers. Considering a system-specific design issue, it was additionally examined whether drivers’ acceptance of HAD is modifiable by the familiarity of the implemented driving style. In this driving simulator study, members of both age groups showed slightly positive a priori acceptance ratings, which significantly increased after the initial experience and remained stable afterwards. Similar to drivers’ acceptance of the ARD, older drivers reported a more positive attitude towards using HAD despite their lower self-assessed self-efficacy and environmental conditions facilitating HAD-usage compared to younger drivers. Regarding HAD-style, acceptance was subject to the same interaction between drivers’ age and driving style familiarity as driving comfort and enjoyment.
These findings demonstrate that effective approaches to support the independent mobility of older adults are provided by emerging in-vehicle technologies on different levels of driving automation. The majority of the performance-related improvements did apply to both older and younger drivers, confirming that automotive technologies suggested for older drivers have the potential to support drivers of other age groups as well. Regarding drivers’ acceptance, findings suggest that both systems would be accepted by different age groups, which correspondents to the results from the performance perspective. The comparable acceptance patterns identified for two systems at different stages of driving automation, such as ARDs and HAD, indicate underlying general aspects of older adults’ acceptance of in-vehicle technologies. This includes their strong need to preserve their individual mobility as well as their lower self-efficacy in handling relevant technologies and insufficient access to a support infrastructure. These insights can enrich both theories of older drivers’ acceptance of in-vehicle technologies and measures to ensure the successful development and introduction of systems aiding them in maintaining a safe individual mobility.
Considering the importance of driving for older adults’ physiological and psychological well-being (e.g. Adler & Rottunda, 2006; Lutin, Kornhauser, & Lerner-Lam, 2013), these results emphasise the potential of emerging in-vehicle technologies to improve both older drivers’ traffic safety and quality of life.:OVERVIEW 4
LIST OF FIGURES 5
LIST OF TABLES 7
LIST OF ABBREVIATIONS 8
SUMMARY 9
ZUSAMMENFASSUNG 12
1 INTRODUCTION 16
2 THEORETICAL BACKGROUND 18
2.1 The Driving Task 18
2.1.1 The Extended Control Model (ECOM) 18
2.1.2 Demands on the Driver 21
2.2 Characteristics of Older Drivers 22
2.2.1 Age-Related Functional Limitations 23
2.2.2 Compensatory Strategies 25
2.2.3 Accident Involvement and Consequences 25
2.2.4 The Relevance of Driving for Older Adults 27
2.3 Supporting Older Drivers through In-Vehicle Technologies 28
2.3.1 Taxonomy of In-Vehicle Technologies 29
2.3.2 Selected In-Vehicle Technologies Suitable for Older Drivers 31
2.3.3 Augmented Reality Display (ARD) 32
2.3.3.1 Support Potential for Older Drivers 33
2.3.3.2 Speed and Accuracy of Perceiving Traffic Situations 34
2.3.4 Highly Automated Driving (HAD) 34
2.3.4.1 Support Potential for Older Drivers 35
2.3.4.2 Driving Comfort and Driving Enjoyment 36
2.3.4.3 Automated Driving Style 38
2.3.5 System Acceptance 39
2.3.5.1 Definition 39
2.3.5.2 General Technology Acceptance of Older Adults 41
2.3.5.3 Acceptance of ARDs 41
2.3.5.4 Acceptance of HAD 42
3 OVERALL RESEARCH QUESTIONS 44
4 OVERALL METHODOLOGICAL CONSIDERATIONS 47
5 STUDY I: AUGMENTED REALITY DISPLAY – PERFORMANCE ASPECTS 48
5.1 Aims and Research Hypotheses 49
5.2 Method 50
5.2.1 Study Design 50
5.2.2 Participants 50
5.2.3 The Surrogate Complexity Method (SCM) 50
5.2.3.1 Basic Principle 50
5.2.3.2 Dependent Variables 51
5.2.4 Implementation of the SCM for the ARD-Evaluation 52
5.2.4.1 Trial Structure 52
5.2.4.2 Variation of ARD-Information 53
5.2.4.3 Visual Material 54
5.2.5 Setting 55
5.2.6 Procedure 55
5.3 Results 56
5.3.1 Data Preparation 56
5.3.2 Validity of the SCM 57
5.3.3 Response Accuracy 57
5.3.4 Response Time 58
5.4 Discussion 59
6 STUDY II: AUGMENTED REALITY DISPLAY – ACCEPTANCE ASPECTS 61
6.1 Aims and Research Questions 61
6.2 Method 62
6.2.1 Study Design 62
6.2.2 Participants 62
6.2.3 Facilities and Simulated Route 64
6.2.4 Assessment of Drivers’ Acceptance 65
6.2.5 Procedure 66
6.3 Results 66
6.3.1 Drivers’ Attitude towards the ARD 66
6.3.2 Determinants of Drivers’ Acceptance 67
6.4 Discussion 70
7 STUDY III: HIGHLY AUTOMATED DRIVING – PERFORMANCE AND ACCEPTANCE ASPECTS 72
7.1 Aims and Research Questions 72
7.2 Method 74
7.2.1 Study Design 74
7.2.2 Participants 74
7.2.3 Facilities and Simulated Route 75
7.2.4 Questionnaires and Online Assessment of Driving Comfort 75
7.2.5 Procedure 77
7.3 Results 79
7.3.1 Data Preparation 79
7.3.2 Effects of System Experience on Drivers’ Acceptance 81
7.3.3 Effects of Driving Automation on Driving Comfort and Enjoyment 83
7.3.4 Effects of Driving Style Familiarity on Driving Comfort, Enjoyment, and Acceptance 84
7.4 Discussion 90
8 GENERAL DISCUSSION AND CONCLUSIONS 96
8.1 Limitations 96
8.2 Theoretical and Practical Implications 97
8.2.1 Performance-Related Aspects 98
8.2.2 Acceptance-Related Aspects 100
8.3 Methodological Implications 103
REFERENCES 105
APPENDIX 128
ACKNOWLEDGEMENT OF FUNDING 134
CURRICULUM VITAE 135
PUBLICATIONS 137 / Im Zuge des aktuellen demografischen Wandels wird für zahlreiche Länder der Welt eine stetige Zunahme des Bevölkerungsanteils von Personen im Alter von 65 Jahren und älter prognostiziert (UN DESA Population Division, 2015). Die daraus resultierende alternde Gesellschaft spiegelt sich auch in der steigenden Anzahl älterer Verkehrsteilnehmer wieder (Koppel & Berecki-Gisolf, 2015). Dieser Effekt wird durch das ebenfalls ansteigende Bedürfnis älterer Personen, ihre Individualmobilität auch bis ins hohe Alter hinein aufrecht zu erhalten, noch verstärkt (Eby & Molnar, 2012). Berücksichtigt man die Auswirkungen altersbedingter Veränderungen von Mobilitätsmustern und fahrrelevanten Fähigkeiten auf die Sicherheit älterer Verkehrsteilnehmer (Polders et al., 2015), stellt diese demographische Entwicklung neue Herausforderungen an die Verkehrsforschung. So bedarf es neuartiger Strategien zur Unterstützung älterer Fahrzeugführer und ihrer Mobilitätsbedürfnisse. Aufgrund aktueller technologischer Entwicklungen eröffnen vor allem durch neuartige Fahrzeugtechnologien zur Fahrerunterstützung innovative Möglichkeiten, diesem Bedarf gerecht zu werden (Karthaus & Falkenstein, 2016). An diesem Punkt setzt die vorliegende Dissertation an.
Ziel des Dissertationsprojektes war es zu evaluieren, inwieweit aktuell in Entwicklung befindliche Fahrzeugtechnologien, die aus theoretischer Sicht als geeignete Mittel zur Unterstützung älterer Fahrer erscheinen, tatsächlich zu deren Individualmobilität beitragen können. Um das Potential derartiger Technologien abzuschätzen, wurde einerseits untersucht, inwieweit sie zur Verbesserung von Variablen, die in Beziehung zur Fahrleistung stehen, beitragen können. Anderseits wurde ihre Akzeptanz bei potentiellen zukünftigen Nutzern evaluiert. Für diese Untersuchungen wurden zwei exemplarische Technologien als Repräsentanten grundlegend unterschiedlicher Stufen der Fahrzeugautomatisierung ausgewählt: ein kontaktanaloge Head-up Display (auch Augmented Reality Display, ARD) und hochautomatisiertes Fahren. ARDs stellen einen technologischen Ansatz zur Implementierung von Fahrerinformationssystemen und dementsprechend ein Beispiel für Automatisierungsstufe 0 (no automation; SAE International, 2014) dar, indem sie den Fahrer durch die Bereitstellung verkehrsrelevanter Informationen bei der manuellen Ausführung der Fahraufgabe unterstützen. Im Gegensatz dazu zielt die Technologie des hochautomatisierten Fahrens auf eine Unterstützung des Fahrers durch die vollständige Übernahme der Fahraufgabe ab, was Automatisierungsstufe 4 (high automation; SAE International, 2014) entspricht. Trotz dieser grundlegend unterschiedlichen Ansätze wird beiden Technologien ein hohes Potential zur Unterstützung insbesondere älterer Fahrer zugesprochen (Meyer & Deix, 2014; Polders et al., 2015; Rusch et al., 2013; Schall et al., 2013).
Die Untersuchung Performanz- und Akzeptanz-bezogener Aspekte beider Technologien erfolgte im Rahmen von drei empirische Studien. Um altersspezifische Befunde identifizieren zu können, wurden allen Studien mit Vertretern der Zielgruppe von älteren Fahrern (65-85 Jahre alt) sowie einer jüngeren Vergleichsgruppe ‚durchschnittlicher‘ (d.h. junger, erfahrener) Fahrer (25-45 Jahre alt) durchgeführt.
Bei Studie I handelte es sich um eine im Fahrsimulator durchgeführte Reaktionszeitstudie, in deren Rahmen Leistungs-bezogene Aspekte von ARDs untersucht wurden. Unter den vielfältigen Möglichkeiten zur Anwendung dieser Technologie wird vor allem die Präsentation von Vorinformationen über bevorstehende komplexe Fahrsituationen während der Fahrt als gewinnbringend für ältere Fahrer eingestuft. Diese Strategie adressiert die Tendenz älterer Fahrer zu einer eher seriellen als parallelen Verarbeitung gleichzeitig verfügbarer Informationen während der Fahrt (Davidse et al., 2009; Küting & Krüger, 2002). Vor diesem Hintergrund lag der Fokus von Studie I auf den Effekten einer kontaktanalogen Präsentation von Vorinformationen über bevorstehende Kreuzungen auf die Geschwindigkeit und Genauigkeit der Wahrnehmung dieser Kreuzungen durch den Fahrer, was eine Grundvoraussetzung für eine sichere Fahrleistung darstellt (Crundall & Underwood, 2011). Basierend auf bestehenden Befürchtungen über kontraproduktive Effekte einer kontaktanalogen Informationsdarstellung während der Fahrt, insbesondere im Falle inkorrekter Informationen, wurden zudem die Auswirkungen von Systemfehlern untersucht. Mit Hilfe der kontaktanalogen Vorinformationen gelang es sowohl älteren als auch jüngeren Fahrern, ohne erhöhten Zeitbedarf einen höheren Anteil relevanter Aspekte in Kreuzungssituationen wahrzunehmen. Allerdings wurde die positive Systemwirkung durch das Erleben von Systemfehlern (in diesem Fall inkorrekten Vorinformationen) zumindest für die Dauer der Untersuchung aufgehoben. Dieser Effekt war besonders ausgeprägt für ältere Fahrer und könnte auf die Schwierigkeit, inkorrekte Informationen auf Grund ihrer Darstellung im ARD zu ignorieren, zurückzuführen sein.
Studie II stellte eine Fahrsimulatorstudie zu Akzeptanz-bezogenen Aspekten eines ARDs, welches dem Fahrer Vorinformationen über bevorstehende Kreuzungen zur Verfügung stellt, dar. Inhalt dieser Studie waren zum einen die Effekte von Systemerfahrung auf die Nutzerakzeptanz des Systems, zum anderen altersspezifische Akzeptanzbarrieren, welche ältere Fahrer potentiell von der Nutzung der Technologie abhalten könnten. Insgesamt bewerteten sowohl ältere als auch jüngere Fahrer das ARD positiv. Dabei fielen Bewertungen auf Basis von Systemerfahrung im Fahrsimulator tendenziell besser aus als Bewertungen ohne vorherige Systemerfahrung. Obwohl ältere Fahrer im Vergleich zu jüngeren Fahrern ihre Selbstwirksamkeit im Umgang mit dem ARD sowie Umgebungsfaktoren, welche dessen Nutzung unterstützen könnten, als geringer ausgeprägt wahrnahmen, war die positive Einstellung gegenüber der Nutzung des Systems bei ihnen im Durchschnitt stärker ausgeprägt.
Leistungs- und Akzeptanz-bezogene Aspekte des hochautomatisierten Fahrens wurden in Studie III, einer zweistufigen Fahrsimulatorstudie, untersucht. Parallel zur Veränderung der Rolle des Menschen vom Fahrzeugführer zum Passagier im Zuge der zunehmenden Fahrzeugautomatisierung veränderte sich dabei auch der Fokus der Leistungsperspektive. Dem entsprechend stand die Bewertung der Fahrleistung des automatisierten Systems durch den mitfahrenden Menschen im Mittelpunkt dieser Untersuchung. Affektive Komponenten der Mensch-Automatisierungs-Interaktion wie Fahrkomfort und Fahrspaß werden in diesem Kontext als bedeutsam zur Gewährleistung der Nutzerakzeptanz und damit auch Nutzung automatisierter Fahrzeuge betrachtet (Tischler & Renner, 2007). Es wird angenommen, dass derartige affektive Komponenten im Kontext des hochautomatisierten Fahrens vor allem vom implementierten Fahrstil abhängen (Bellem et al., 2016). In einem theoretischen Ansatz zur Verbesserung des Fahrkomforts wird die Implementierung vertrauter (d.h. dem eigenen manuellen Fahrstil ähnlicher) Fahrstile empfohlen, um einen menschlichen Fahrzeugführer nachzuahmen und so Bedenken gegenüber einer automatisierten Fahrzeugführung abzubauen (Elbanhawi et al., 2015). Diesem Ansatz folgend wurden in Studie III die Effekte der Fahrzeugautomatisierung sowie der Ähnlichkeit des implementierten Fahrstils zum individuellen manuellen Fahrstil des jeweiligen Fahrers auf Fahrkomfort und Fahrspaß untersucht. Es konnte gezeigt werden, dass mit höherer Automatisierung der Fahrkomfort älterer und jüngerer Fahrer anstieg, der Fahrspaß jüngerer Fahrer sich jedoch verringerte. Alle abhängigen Variablen wurden von einer vergleichbaren Interaktion zwischen Fahreralter und Fahrstilähnlichkeit beeinflusst: Während jüngere Fahrer hochautomatisierte Fahrstile bevorzugten, die ihren jeweiligen manuellen Fahrstilen ähnelten, präferierten ältere Fahrer im hochautomatisierten Kontext eher unähnliche Fahrstile. Dem entsprechend kann der Vertrautheitsansatz basierend auf den Ergebnissen von Studie III zumindest für jüngere Fahrer unterstützt werden, nicht aber für die Zielgruppe älterer Fahrer, deren manuelle Fahrstile durch Kompensationsstrategien zum Ausgleich altersbedingter Einschränkungen ihrer sensorischen, kognitiven und motorischen Fähigkeiten geprägt sind. Fahrstilpräferenzen im hochautomatisierten Kontext scheinen in dieser Altersgruppe mehr von dem Wunsch, einen von diesen Kompensationsstrategien unbeeinträchtigten Fahrstil wiederzuerlangen, geprägt zu sein als von dem Bedürfnis nach vertraut gestalteten Fahrmanövern.
Analog zur Evaluation des ARDs beinhaltete die Untersuchung Akzeptanz-bezogener Aspekte des hochautomatisierten Fahrens die Effekte von Systemerfahrung auf die Nutzerakzeptanz sowie potentielle altersspezifische Akzeptanzbarrieren. Einen systemspezifischen Designaspekt aufgreifend wurde zudem untersucht, ob die Nutzerakzeptanz des hochautomatisierten Fahrens ebenfalls durch den implementierten Fahrstil modifizierbar ist. Fahrer beider Altersgruppen berichteten tendenziell positive a priori Akzeptanzwerte, welche sich nach der Ersterfahrung mit dem System signifikant erhöhten und sich anschließend stabilisierten. Vergleichbar mit den Ergebnissen zum ARD war die positive Einstellung gegenüber der Nutzung eines hochautomatisierten Fahrzeuges bei älteren Fahrern im Durchschnitt stärker ausgeprägt als bei jüngeren, obwohl sie ihre Selbstwirksamkeit im Umgang mit dem System sowie unterstützende Umgebungsfaktoren als geringer ausgeprägt bewerteten. Bezüglich des hochautomatisierten Fahrstils unterlag die Systemakzeptanz derselben Interaktion zwischen Fahreralter und Fahrstilähnlichkeit wie Fahrkomfort und Fahrspaß.
Diese Ergebnisse demonstrieren, dass Fahrzeugtechnologien auf verschiedenen Automatisierungsstufen effektive Ansätze zur Unterstützung der Individualmobilität älterer Personen liefern können. Die Mehrzahl der identifizierten Leistungs-bezogenen Verbesserungen zeigte sich sowohl für ältere als auch jüngere Fahrer. Diese Befunde weißen auf das Potential von Systemen, welche den Bedürfnissen älterer Fahrer entsprechen, zur Unterstützung verschiedener Altersgruppen hin. Die Ergebnisse der Akzeptanzperspektive deuten an, dass die evaluierten Systeme von Fahrern verschiedener Altersgruppen akzeptiert werden würden, was die Ergebnisse der Leistungsebene widerspiegelt. Die Vergleichbarkeit der Muster verschiedener Akzeptanzprädiktoren, welche für zwei Systeme auf grundlegend unterschiedlichen Automatisierungsstufen identifiziert werden konnten, legt die Existenz zugrundeliegender genereller Aspekte der Fahrzeugtechnologie-Akzeptanz älterer Fahrer nahe. Diese beinhalten deren stark ausgeprägtes Bedürfnis zur Erhaltung ihrer Individualmobilität sowie deren geringere Selbstwirksamkeit im Umgang mit relevanten Technologien und den unzureichenden Zugang zu unterstützenden Infrastrukturen. Diese Erkenntnisse liefern Implikationen für theoretische Modelle der Akzeptanz von Fahrzeugtechnologien durch ältere Fahrer sowie für Maßnahmen zur Absicherung einer erfolgreichen Entwicklung und Markteinführung von Systemen, die darauf abzielen, ältere Menschen beim Erhalt ihrer Individualmobilität zu unterstützen.
Berücksichtigt man die Bedeutsamkeit des Fahrens eines eigenen Automobils für das physiologische und psychologische Wohlbefinden im Alter (Adler & Rottunda, 2006; Lutin et al., 2013; Whelan, Langford, Oxley, Koppel, & Charlton, 2006), unterstreichen diese Ergebnisse das Potential neu entstehender Fahrerunterstützungstechnologien für die Verbesserung der Verkehrssicherheit, aber auch Lebensqualität älterer Menschen.:OVERVIEW 4
LIST OF FIGURES 5
LIST OF TABLES 7
LIST OF ABBREVIATIONS 8
SUMMARY 9
ZUSAMMENFASSUNG 12
1 INTRODUCTION 16
2 THEORETICAL BACKGROUND 18
2.1 The Driving Task 18
2.1.1 The Extended Control Model (ECOM) 18
2.1.2 Demands on the Driver 21
2.2 Characteristics of Older Drivers 22
2.2.1 Age-Related Functional Limitations 23
2.2.2 Compensatory Strategies 25
2.2.3 Accident Involvement and Consequences 25
2.2.4 The Relevance of Driving for Older Adults 27
2.3 Supporting Older Drivers through In-Vehicle Technologies 28
2.3.1 Taxonomy of In-Vehicle Technologies 29
2.3.2 Selected In-Vehicle Technologies Suitable for Older Drivers 31
2.3.3 Augmented Reality Display (ARD) 32
2.3.3.1 Support Potential for Older Drivers 33
2.3.3.2 Speed and Accuracy of Perceiving Traffic Situations 34
2.3.4 Highly Automated Driving (HAD) 34
2.3.4.1 Support Potential for Older Drivers 35
2.3.4.2 Driving Comfort and Driving Enjoyment 36
2.3.4.3 Automated Driving Style 38
2.3.5 System Acceptance 39
2.3.5.1 Definition 39
2.3.5.2 General Technology Acceptance of Older Adults 41
2.3.5.3 Acceptance of ARDs 41
2.3.5.4 Acceptance of HAD 42
3 OVERALL RESEARCH QUESTIONS 44
4 OVERALL METHODOLOGICAL CONSIDERATIONS 47
5 STUDY I: AUGMENTED REALITY DISPLAY – PERFORMANCE ASPECTS 48
5.1 Aims and Research Hypotheses 49
5.2 Method 50
5.2.1 Study Design 50
5.2.2 Participants 50
5.2.3 The Surrogate Complexity Method (SCM) 50
5.2.3.1 Basic Principle 50
5.2.3.2 Dependent Variables 51
5.2.4 Implementation of the SCM for the ARD-Evaluation 52
5.2.4.1 Trial Structure 52
5.2.4.2 Variation of ARD-Information 53
5.2.4.3 Visual Material 54
5.2.5 Setting 55
5.2.6 Procedure 55
5.3 Results 56
5.3.1 Data Preparation 56
5.3.2 Validity of the SCM 57
5.3.3 Response Accuracy 57
5.3.4 Response Time 58
5.4 Discussion 59
6 STUDY II: AUGMENTED REALITY DISPLAY – ACCEPTANCE ASPECTS 61
6.1 Aims and Research Questions 61
6.2 Method 62
6.2.1 Study Design 62
6.2.2 Participants 62
6.2.3 Facilities and Simulated Route 64
6.2.4 Assessment of Drivers’ Acceptance 65
6.2.5 Procedure 66
6.3 Results 66
6.3.1 Drivers’ Attitude towards the ARD 66
6.3.2 Determinants of Drivers’ Acceptance 67
6.4 Discussion 70
7 STUDY III: HIGHLY AUTOMATED DRIVING – PERFORMANCE AND ACCEPTANCE ASPECTS 72
7.1 Aims and Research Questions 72
7.2 Method 74
7.2.1 Study Design 74
7.2.2 Participants 74
7.2.3 Facilities and Simulated Route 75
7.2.4 Questionnaires and Online Assessment of Driving Comfort 75
7.2.5 Procedure 77
7.3 Results 79
7.3.1 Data Preparation 79
7.3.2 Effects of System Experience on Drivers’ Acceptance 81
7.3.3 Effects of Driving Automation on Driving Comfort and Enjoyment 83
7.3.4 Effects of Driving Style Familiarity on Driving Comfort, Enjoyment, and Acceptance 84
7.4 Discussion 90
8 GENERAL DISCUSSION AND CONCLUSIONS 96
8.1 Limitations 96
8.2 Theoretical and Practical Implications 97
8.2.1 Performance-Related Aspects 98
8.2.2 Acceptance-Related Aspects 100
8.3 Methodological Implications 103
REFERENCES 105
APPENDIX 128
ACKNOWLEDGEMENT OF FUNDING 134
CURRICULUM VITAE 135
PUBLICATIONS 137

Identiferoai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:20821
Date25 July 2017
CreatorsHartwich, Franziska
ContributorsKrems, Josef, Jahn, Georg, Technische Universität Chemnitz
Source SetsHochschulschriftenserver (HSSS) der SLUB Dresden
LanguageEnglish
Detected LanguageEnglish
Typedoc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0056 seconds