基于用戶需求的車載疲勞預警產品交互設計

王朝俠，廖小菊

基于用戶需求的車載疲勞預警產品交互設計

王朝俠，廖小菊

（天津科技大學，天津 300222）

針對疲勞駕駛問題，以用戶需求為導向開展疲勞預警產品交互設計研究與評估，提出改進相關產品用戶體驗的設計方法。首先，構建車載疲勞預警產品交互設計體系框架，通過用戶訪談、問卷調研等方式歸納用戶對車載疲勞預警產品的需求，并建立用戶需求層次分析模型。其次，運用AHP采集專家和用戶的評分并計算指標權重，分析各需求優先級，在此基礎上進行車載疲勞預警產品交互設計。最后，運用FCA對設計方案進行評估與優化。通過設計實例，驗證了AHP-FCA設計策略的有效性。該方法能夠幫助設計人員探索車載疲勞預警產品的交互設計方向，提升用戶體驗，為相關產品交互設計提供新的思路。

車載疲勞預警；用戶需求；交互設計；用戶體驗

我國汽車保有量與交通事故數量逐年增加，其中疲勞駕駛事故約占交通事故總數的20%～40%，疲勞駕駛造成事故的概率是正常駕駛的4～6倍[1]。長時間單調的駕駛行為會造成駕駛員心理和生理的疲勞，車載疲勞預警系統以保障駕駛員安全為目的誕生。針對當前的車載疲勞預警系統，多位學者開展了相關研究。文獻[2-5]從技術和功能的角度，提出了對車載疲勞預警系統的優化方法；文獻[6]通過研究駕駛員對預警的行為響應特征，來獲取合適的提示時機；文獻[7]基于情景感知，提出了各種駕駛情景下的車載警示系統交互設計建議；文獻[8]通過實驗研究了熱刺激對駕駛員在疲勞駕駛期間生理和心理的影響；文獻[9-11]探究了音樂和提示音對疲勞駕駛的影響與疲勞喚醒的作用。

綜合上述文獻可知，車載疲勞預警系統的研究主要集中于疲勞信息的采集與轉化、疲勞干預的時機與形式，對車載疲勞預警系統用戶需求和交互反饋等方面的研究較少。在以創新性體驗和服務為目的的設計背景下，在探索車載疲勞預警系統技術、結構和功能的同時，還需挖掘駕駛員對疲勞預警產品的用戶需求，提升疲勞預警人機交互系統的用戶體驗。本研究以駕駛員需求為導向，提出一種車載疲勞預警產品交互設計研究方法，挖掘駕駛員的心理需求和無意識習慣，運用層次分析法（Analytic Hierarchy Process，AHP）對需求進行權重分析，以疲勞喚醒為目的，考慮疲勞信號傳輸，提出用戶需求轉化建議和設計實例。運用模糊綜合評價法（Fuzzy Comprehensive Appraisal，FCA）評估設計方案，并對篩選的方案進行優化，為相關產品交互設計提供參考。

1 疲勞預警用戶需求研究

1.1 車載疲勞預警產品交互設計體系構建

隨著生產技術的發展，人們對產品的需求也上升到了更加感性的階段。用戶體驗是衡量用戶滿意度與設計方案優劣的重要指標[12]。用戶需求可以幫助設計人員從本質上探索優化用戶體驗的可能性。車載疲勞預警產品需要符合安全、科學、舒適的人機要求，同時也需要提升用戶自然的交互體驗和友好的疲勞喚醒體驗。

層次分析法（AHP）是一個能夠解決多標準決策問題、評估備選方案以及推導最終優先級的方便且通用的框架[13]。AHP能夠將非結構化問題轉化為單一的、易于理解的、靈活的模型[14]。引入AHP方法，結合語言量表對需求進行評估，計算需求要素優先級并檢查其判斷的邏輯一致性，從而深化對用戶需求的理解。

模糊綜合評價法（FCA）指運用隸屬度向量將模糊的指標定量化、清晰化，并在多種因素的作用下進行綜合評價[15]。FCA可以確定多個設計方案對應的權重值評價等級，并對方案的可用性做出判斷和評價。

車載疲勞預警產品交互設計體系框架，見圖1。首先，以用戶需求為核心，關注用戶疲勞駕駛時的身體狀態、交互行為、預警期望和產品形態意象，搜集用戶對車載疲勞預警產品的建議；運用AHP對用戶需求進行處理，得到用戶需求權重排序；通過貨車疲勞預警產品交互設計案例進行用戶需求轉化；結合FCA對方案進行評價，審核方案的合理性并輸出優化方案。

1.2 用戶需求層次結構模型構建

車載疲勞預警系統包含信號輸入及處理系統、人機交互系統2個部分，見圖2。本文主要研究人機交互系統。以安全性為首的車載疲勞預警產品，需要用戶參與到設計流程中。

通過典型用戶訪談和用戶問卷調查來收集用戶需求。對30名長途駕駛員進行訪談，訪談內容涉及以下4個方面：在長時間駕駛下，身體狀況的變化；駕駛員與車輛的各種交互需求和交互方式；駕駛員的疲勞經歷以及自我喚醒方式；駕駛員對車載疲勞預警產品的期望和產品形態意象。設計并評估問卷調研內容，對通過專家審核的問卷進行發放，收到有效問卷233份。根據數據結果整理出車載疲勞預警產品交互設計的用戶需求，用戶需求層次結構模型，見圖3。準則層指標以1、2、3、4表示，1包含的子準則層指標以11、12、13表示，其余指標同理。

圖1 車載疲勞預警產品交互設計體系

圖2 車載疲勞預警系統

對模型中的需求進行簡要分析可知：單純的二維視覺屏幕交互方式帶給用戶更多的駕駛考驗，多通道交互[16]（1）更受駕駛員的青睞；駕駛員有通過飲食和氣味緩解疲勞的習慣，音效喚醒[9-10]、機械按摩[17]對緩解疲勞具有一定的效果，在疲勞緩解和喚醒（2）指標中，針對不同的用戶和駕駛環境，需要選擇適應的方式；在外觀造型（3）指標中，用戶對車載疲勞預警產品的需求主要映射在駕駛中能直接接觸和輕易觀察的區域，把握好產品的造型、質感和色彩給用戶心理帶來的認知與情感是提升用戶體驗的關鍵一環[18]；用戶期望在疲勞預警后，能夠享受更多的拓展服務（4），數據記錄（41）有助于駕駛員分析健康問題和疲勞習慣，數據分享（42）滿足駕駛員將數據傳遞給任何人的需要，管理人員也鼓勵駕駛員匯報疲勞問題，以提供方便的管理服務，并創造開放的文化[19]，定位導航（43）和視頻娛樂（44）可以輔助駕駛并豐富駕駛體驗。

圖3 車載疲勞預警用戶需求層次結構模型

2 基于AHP的疲勞預警需求重要性分析

車載疲勞預警需求重要性分析是運用AHP計算需求層次結構模型指標權重的過程，對權重進行一致性驗證，可得到車載疲勞預警需求重要性。

2.1 構建判斷矩陣并確定權重

邀請30名長途駕駛員、設計人員、專家，依據標度量表（見表1）對準則層和子準則層指標進行評定，得出判斷矩陣和指標權重。在此以指標層1、2、3和4為例，解釋指標權重的計算過程。

判斷矩陣由各個標度值構成，元素h為指標H相對于指標H的重要標度值，為矩陣中指標的數量。

(1)

不同的專家評價得到不同的標度值，利用幾何平均法對30名專家的意見進行整合，即30個h聚合為h'，并形成聚合判斷矩陣，見表2。

(2)

表1 標度量表

Tab.1 Scaling table

表2 聚合判斷矩陣

Tab.2 Aggregate judgment matrix H'

對專家評價進行處理后，根據判斷矩陣計算指標對應的權重。采用方根法對聚合判斷矩陣進行歸一化處理，得到矩陣行向量，即各指標權重值，用W表示。

(3)

(4)

由式（3）—（4）得出指標權重為：1=0.275 2、2=0.355 6、3=0.149 7、4=0.226 2。

2.2 一致性驗證與層次排序

以矩陣是否通過一致性驗證來評估指標權重的合理性。

(5)

(6)

(7)

式中：max為最大特征根；為一致性驗證指標；為一致性比率，當≤0.1，權重一致性驗證通過。

由式（5）計算可得聚合判斷矩陣的最大特征根max為4.09。根據表3可知，當=4時，對應的為0.89。由式（6）—（7）計算可得一致性驗證比率為0.037，小于0.1，表明一致性驗證通過，計算所得指標權重數值合理，各個指標權重見圖4。同理，子準則層指標權重也根據上述步驟進行計算，最終得到各個指標綜合權重，見表4。

表3 平均隨機一致性指標（部分）

Tab.3 Average stochastic consistency index RI (partial)

圖4 準則層各指標權重相對重要性

表4 車載疲勞預警設計需求指標綜合權重

Tab.4 Comprehensive weight of in-vehicle fatigue early warning design demand indexes

2.3 需求重要性結果分析

指標權重有助于設計人員抓住用戶的核心需求，下面將結合數據進一步對車載疲勞預警需求重要性結果進行分析。

1）疲勞緩解和喚醒是用戶期望滿足的首要需求。表4中疲勞緩解和喚醒（2）權重為0.355 6，其子指標座椅觸覺振動（24）和按摩刺激認知（22）的權重較高，表明用戶更傾向于通過觸覺來接收信號。

2）多通道交互方式是疲勞預警和提升用戶體驗的基點。多通道交互（1）權重僅次于疲勞緩解和喚醒（2）權重。在疲勞感知、緩解和喚醒的整個流程中，多通道信號傳輸貫穿于用戶心理需求和生理需求的各個方面。在其子指標中，觸覺警示振動（13）權重較高。

3）智能化的服務和宜人的視覺效果是用戶的主要心理需求，是增加產品附加價值和用戶愉悅感的關鍵。拓展服務（4）權重高于外觀造型（3）權重，同時數據記錄（41）在綜合指標權重中位于第3位，高于其余的12項子指標。

3 車載疲勞預警產品交互設計實例

首先，根據前期的用戶需求分析提出人機交互范式建議以及綜合性的用戶需求實現路徑。其次，以貨車為例展開交互設計，將重要度較高的用戶需求作為設計方案的主要參考，并結合其他要求進行方案設計。最后，根據用戶需求對方案進行評估和優化。

3.1 人機交互范式選擇

作為傳統WIMP范式[20]的升級，“多通道交互”比虛實結合的交互范式的接受度更高[7]，同時作為綜合指標權重中排在第2的需求，對其合理的反饋可以使人機交互更加多元化、立體化。針對車載疲勞預警用戶需求，可以利用視覺、聽覺、嗅覺和觸覺等渠道，結合顯示屏、語音提醒等自然輸出方式，達到預警效果并實現風險響應，保證信號傳輸的友好性與及時性。用戶需求實現路徑見圖5。

通過用戶調研可知，長途駕駛員習慣利用聽覺來判斷車輛的工作狀態，因此利用嗅覺和觸覺來滿足“緩解和喚醒疲勞”這一首要需求比較合理。基于集體記憶理論[21]，振動可以使用戶聯想起手機震動提醒，因此振動座椅不僅能傳遞疲勞信號，也能夠自然地喚醒疲勞，同時由用戶主觀采取氣味干預措施，進一步加強疲勞喚醒效果。本研究建議將疲勞風險分為輕度、中度和重度3個等級，車載疲勞預警系統結構見圖6。如圖6所示，在輕度疲勞下，以視覺和聽覺信號的輸入為主；在中度和重度疲勞下，聽覺和視覺的感知能力明顯下降，因此以觸覺信號的輸入為主，其他信號為輔。

圖5 用戶需求實現路徑

圖6 車載疲勞預警系統結構

3.2 疲勞預警人機交互設計

疲勞預警人機交互設計以用戶需求及其優先級結果為基礎來實現用戶體驗的升級。基于圖5與圖6提出的建議，以貨車為例，將重要度較高的用戶需求“聽覺警示語言（12）、數據記錄（41）、座椅觸覺震動（24）”作為設計的主要參考，并結合其他需求進行方案設計。為此，提出交互警示界面設計，包括語音提醒設計、車載中控與手機APP界面設計、振動駕駛座椅設計。

在疲勞駕駛狀態下，3種警示交互界面的相互配合可以讓用戶快速建立感知與認知。如圖7展現了用戶需求與設計的關聯性，為了節約成本，權重極低的需求在設計實例中不予考慮。

1）語法性提示音提醒設計。在用戶與信號的交互過程中，語言是達成理解的基礎。如表5為疲勞風險語法性提醒，語言設計簡短，以防止認知超載。將有特色的聽覺信號形成一定的品牌效應，可提升用戶對產品的依賴感。非語法性聲音在車輛聽覺警示信號中有較為完善的體系，因此，不再對其進行設計。

圖7 需求與設計的關系

表5 聽覺信號的語法性提示音特征

Tab.5 Features of grammatical prompt tone of auditory signals

2）車載中控與手機APP界面設計。視覺信號傳遞直接高效，但需要識別并理解其含義，因此，視覺信號的輸出應盡量簡潔醒目，不僅要避免駕駛員分心，而且要契合用戶的需求。視覺警示信號包含警示圖標和警示圖像。車載中控界面設計方案見圖8，移動端疲勞預警APP界面設計方案原型圖（部分）見圖9。

圖8 車載中控顯示屏界面設計（部分）

圖9 手機APP界面設計（部分）

3）振動駕駛座椅設計。觸覺通道信號交互設計以座椅為載體，通過椅面傳來的振動傳輸疲勞信號，能夠在駕駛員聽覺和視覺能力嚴重下降時，快速有效打斷疲勞的駕駛狀態。椅面通過振動刺激駕駛員臀部產生觸覺感知，并以此促進用戶產生聯想記憶來喚醒疲勞。座椅是與長途駕駛員接觸最多的部分，靠背需要更加直立以保證駕駛員長期感到舒適。駕駛座椅外觀造型設計方案，見圖10。

3.3 基于FCA的設計方案評價

邀請20名長途駕駛員，以用戶需求為衡量標準，利用FCA對上述方案進行評價。設計方案的評價指標是指可以通過駕駛員經驗賦予數值的變量，可以考慮使用FCA方法予以評價。在此以方案一為例來解釋方案評價的計算過程。

圖10 駕駛員座椅外觀造型設計

1）設置因素集={1,2,···,16}，根據圖3將16個因素劃分為4組作為一個因素集，每組包括4個因素作為二級因素集，得到一級因素集={1,2,3,4}，其中1、2、3、4為二級因素集。

2）設評語集={好,較好2,一般3,較差4,差5}；設對應的評分準則=(90,80,60,50,40)T。

3）確定各因素權重。設一級因素對應的權重為，由準則層指標權重值構成；二級因素對應的權重為1、2、3、4，由子準則層指標權重值構成。因此，由表4可得：=（0.272 2，0.355 6，0.135 8，0.236 3）、1=（0.187 8，0.270 3，0.541 8）、2=（0.055 6，0.265 9，0.248 9，0.429 4）、3=（0.511 9，0.224，0.204 5，0.059 4）、4=（0.525 2，0.192 3，0.201，0.081 3）。

4）設一級模糊綜合評價矩陣為，二級模糊綜合評價矩陣為12、34。

建立二級模糊綜合評價矩陣：按照評語集對子準則層指標在方案一中的表現進行評價。對評價結果進行歸一化處理，得到12、34，如下所示：

5）模糊綜合評判。設置二級因素模糊綜合評價集為B，一級模糊綜合評價集為。

(8)

(9)

(10)

6）百分制評分換算，即

(10)

由式（10）計算可得方案一的評分為74.66，按相同步驟計算可得方案二的評分為71.36。2個方案的綜合評分均合格，方案一為較優選擇。

3.4 方案優化

基于FCA的評價結果，對方案一進行色彩、造型與結構方面的優化。

圖11為車載中控顯示屏界面設計，界面風格扁平化，摒棄了復雜的肌理，保留了關鍵的文字和圖標，減少了駕駛員的認知載荷。用自然遞增的黃色、橙色和紅色來表示風險的遞增，圖標中傳遞的風險性也隨疲勞程度的加重而增加。這種自然映射原則使用戶憑借潛意識也能理解信號的含義。

圖11 車載中控疲勞風險界面（部分）

圖12為手機疲勞預警類APP界面設計風格，以橙色為主基調，適當的白色色調用以平衡，界面布局簡潔大方，整體符合疲勞預警理念。布局采用底部導航式，內容包含消息與主頁、朋友圈與導航服務、疲勞數據與數據分享。用戶可以享受路線規劃和導航服務，尤其是查看日常駕駛狀態、休息時長，以及跨平臺分享疲勞數據等功能有助于提升用戶體驗。

圖12 手機APP界面（部分）

駕駛員座椅材質建議采用環保型PVC人造革，在控制成本的同時能夠滿足舒適、柔軟、宜人的外觀需求。針對座椅結構，建議在坐墊兩側內置振動電機，安裝于距離發泡部分表面20 mm處，振動頻率為60 Hz與80 Hz兩個等級，垂直方向的振動強度為60 m/s2、80 m/s2。座椅外觀造型、三視圖和振動部分剖面細節，見圖13—14。

圖13 駕駛員座椅外觀造型

圖14 椅面振動結構剖面細節

4 結語

為幫助設計人員在車載疲勞預警產品交互設計中確定用戶需求重要性權重，提出了層次分析法和模糊綜合評價法相結合的設計模型，以貨車疲勞預警產品交互設計為例進行了驗證，結果表明該方法能夠確定設計因素的重要性，并適用于車載疲勞產品的交互設計。主要結論如下：

1）文中基于用戶需求提出一種車載疲勞預警產品交互設計方法，將AHP與FCA方法相結合，對用戶需求進行定量分析和權重計算，獲取關鍵的設計因素以指導方案設計，從而完成方案的排序和優化。

2）該方法以挖掘用戶需求和提升用戶體驗為目的，填補了以往研究局限于功能和技術的不足，充分挖掘了貨車駕駛員的心理和生理需求，考慮了人機交互過程中的多元性和立體性，以用戶需求為支撐提煉了影響貨車駕駛員的設計因素，為車載疲勞預警產品交互設計提供了新的思路和理論支持。

目前，文中僅對有限的調研樣本進行了設計分析，后續將擴大調研樣本數量來完善設計內容，進一步結合市場調研對方案進行調整，并采用仿真測試軟件對設計實例進行測試，從而更加契合用戶的需求。

[1] WANG Qing-jun, MU Zhen-dong. Application of Music in Relief of Driving Fatigue Based on EEG Signals[J]. EURASIP Journal on Advances in Signal Processing, 2021, 2021(1): 89.

[2] LI Xiao-feng, XIA Jia-hao, CAO Li-bo, et al. Driver Fatigue Detection Based on Convolutional Neural Network and Face Alignment for Edge Computing Device[J]. Proceedings of the Institution of Mechanical Engineers, Part D: Journal of Automobile Engineering, 2021, 235(10-11): 2699-2711.

[3] 林麗, 劉新, 朱俊臻, 等. 基于CNN的金屬疲勞裂紋超聲紅外熱像檢測與識別方法研究[J]. 紅外與激光工程, 2022, 51(3): 475-483.

LIU Li, LIU Xin, ZHU Jun-zhen, et al. Research on Ultrasonic Infrared Thermal Image Detection and Identification Method of Metal Fatigue Crack Based on CNN[J]. Infrared and Laser Engineering, 2022, 51(3): 475-483.

[4] 郭夢竹. 基于反應時間的駕駛員疲勞狀態監測與預警技術研究[D]. 長春: 吉林大學, 2017.

GUO Meng-zhu. Research on Driving Fatigue Monitoring and Early-Warning Technology Based on the Reaction Time[D]. Changchun: Jilin University, 2017.

[5] TU Wei, WEI Lei, HU Wen-yan, et al. A Survey on Mobile Sensing Based Mood-Fatigue Detection for Drivers[M]//Smart City 360°. Cham: Springer International Publishing, 2016: 3-15.

[6] 胥川, 郭啟明, 王雪松. 疲勞預警分級提示下的駕駛行為響應特征[J]. 西南交通大學學報, 2019, 54(1): 189-195.

XU Chuan, GUO Qi-ming, WANG Xue-song. Driver Behavior Response to Drowsiness Alarming at Different Levels[J]. Journal of Southwest Jiaotong University, 2019, 54(1): 189-195.

[7] 劉玉磊, 馬艷陽, 徐伯初, 等. 車載智能預警系統中的人機交互[J]. 包裝工程, 2020, 41(18): 78-89.

LIU Yu-lei, MA Yan-yang, XU Bo-chu, et al. Human- Computer Interaction in Vehicle-Borne Intelligent Early Warning System[J]. Packaging Engineering, 2020, 41(18): 78-89.

[8] SCHMIDT E. Driver Vitalization through Fatigue-Based Climate Control[M]// Gestaltung Hybrider Mensch-Maschine- Systeme/Designing Hybrid Societies. Wiesbaden: Springer Fachmedien Wiesbaden, 2019: 135-154.

[9] 喬現玲, 楊子婧, 胡志剛, 等. 駕駛疲勞喚醒輔助產品的人機交互研究[J]. 包裝工程, 2016, 37(22): 102-107.

QIAO Xian-ling, YANG Zi-jing, HU Zhi-gang, et al. Human-Computer Interaction of Ancillary Products to Driving Fatigue Arousal[J]. Packaging Engineering, 2016, 37(22): 102-107.

[10] 鐘韜, 方海, 郭嘉躍, 等. 提示音警示性效果對駕駛反應的影響研究[J]. 包裝工程, 2021, 42(18): 144-150.

ZHONG Tao, FANG Hai, GUO Jia-yue, et al. The Warning Effectiveness of Notification Sound on Driving Response[J]. Packaging Engineering, 2021, 42(18): 144-150.

[11] WANG Fu-wang, LU Bin, KANG Xiao-gang, et al. Research on Driving Fatigue Alleviation Using Interesting Auditory Stimulation Based on VMD-MMSE[J]. Entropy, 2021, 23(9): 1209.

[12] 陳夢月, 陳東萍, 褚學寧. 基于用戶體驗的產品服務系統再設計模塊識別[J]. 計算機集成制造系統, 2016, 22(11): 2522-2529.

CHEN Meng-yue, CHEN Dong-ping, CHU Xue-ning. Identification for Product Service System Redesign Modules Based on User Experience[J]. Computer Integrated Manufacturing Systems, 2016, 22(11): 2522-2529.

[13] KU?AKOWSKI K. Understanding the analytic hierarchy process[M].

[14] SINGH A, BEG I, KUMAR S. Analytic Hierarchy Process for Hesitant Probabilistic Fuzzy Linguistic Set with Applications to Multi-Criteria Group Decision- Making Method[J]. International Journal of Fuzzy Systems, 2020, 22(5): 1596-1606.

[15] 王化中, 強鳳嬌, 陳曉暾. 模糊綜合評價中權重與評價原則的重新確定[J]. 統計與決策, 2015(8): 24-27.

WANG Hua-zhong, QIANG Feng-jiao, CHEN X. Redefinition of Weight and Evaluation Principle in Fuzzy Comprehensive Evaluation[J]. Statistics & Decision, 2015(8): 24-27.

[16] HSIAO S W, LEE C H, YANG Meng-hua, et al. User Interface Based on Natural Interaction Design for Seniors[J]. Computers in Human Behavior, 2017, 75: 147-159.

[17] 于娜, 張暢. 面向個性化需求的背部按摩裝置設計[J]. 機械設計, 2017, 34(1): 122-125.

YU Na, ZHANG Chang. Design of the Back-Massage Appliance Oriented to the Individual Requirement[J]. Journal of Machine Design, 2017, 34(1): 122-125.

[18] 吳天宇, 趙祎乾, 李亞軍, 等. 基于混合感性工學模型的產品色彩設計方法[J]. 機械設計, 2021, 38(7): 140-144.

WU Tian-yu, ZHAO Yi-qian, LI Ya-jun, et al. Design Method of Product Color Based on Hybrid Kansei Engineering Model[J]. Journal of Machine Design, 2021, 38(7): 140-144.

[19] MAYNARD S, FILTNESS A, MILLER K, et al. Bus Driver Fatigue: A Qualitative Study of Drivers in London[J]. Applied Ergonomics, 2021, 92: 103309.

[20] GREEN M, JACOB R. SIGGRAPH '90 Workshop Report: Software Architectures and Metaphors for Non- WIMP User Interfaces[J]. ACM SIGGRAPH Computer Graphics, 1991, 25(3): 229-235.

[21] VD C. The Phenomenon of Memory from a Sociological Standpoint: An Ontological Approach in the Light of Maurice Halbwachs' Work[J]. Italian Sociological Review, 2021, 11(3): 761-779.

Interaction Design of In-vehicle Fatigue Early Warning Products Based on User Demand

WANG Zhao-xia, LIAO Xiao-ju

(Tianjin University of Science and Technology, Tianjin 300222, China)

Aiming at the problem of fatigue driving, this paper conducts research and evaluation on the interactive design of fatigue early warning products according to the demand of users, and proposes design methods to improve the user experience of related products. First of all, the framework of the interactive design system for in-vehicle fatigue early warning products is established.Through user interviews, questionnaire surveys, etc., the user's demand for in-vehicle fatigue early warning products is summarized, and a hierarchical analysis model of user demand is established. Secondly, the AHP is used to collect the scores of experts and users, and then calculate the weight of the indexes to obtain the priority of each demand.Based on the demand priority, the interactive design of the in-vehicle fatigue early warning product is carried out. Finally, FCA is used to evaluate and optimize the design.The design example verifies the effectiveness of the AHP-FCA design strategy. At the same time, this method can help designers explore the interactive design direction of in-vehicle fatigue early warning products, improve users' experience, and expand the ideas for the interactive design of related products.

in-vehicle fatigue early warning; user demand; interaction design; user experience

TB472

A

1001-3563(2022)14-0090-10

10.19554/j.cnki.1001-3563.2022.14.010

2022–02–10

王朝俠（1972—），女，教授，主要研究方向為產品設計。

責任編輯：馬夢遙