Симулятор вождение автомобиля: Бесплатный реалистичный симулятор вождения онлайн

Содержание

«Совершенный симулятор вождения» Volvo Cars использует новейшие игровые технологии для разработки еще более безопасных автомобилей

Инженеры Volvo Cars называют его «совершенным симулятором вождения», но для них это не просто повод побаловать своего внутреннего геймера. Инновационный симулятор смешанной реальности используется шведской компанией для достижения новых успехов в технологиях безопасности и автономного вождения.

 

Установка с подвижным водительским креслом, рулем с тактильной обратной связью и кристально чистыми очками виртуальной реальности вызовет зависть у любого серьезного геймера, но симулятор Volvo Cars выводит эту концепцию на новый уровень, стирая различия между реальностью и виртуальным миром. И именно в этом вся суть.

 

Используя передовые технологии ведущей платформы по 3D-моделированию в реальном времени Unity и финских экспертов в области виртуальной и смешанной реальности Varjo, симулятор предполагает вождение реального автомобиля по настоящим дорогам. Он сочетает в себе реалистичную трехмерную графику высокой четкости, очки с дополненной реальностью и полный костюм для тела Teslasuit, который обеспечивает тактильную обратную связь с виртуальным миром, а также отслеживает реакции организма.

 

Такое сочетание программного и аппаратного обеспечения позволяет инженерам Volvo Cars бесконечно моделировать сценарии дорожного движения на реальном испытательном треке, используя настоящий автомобиль, и все это — в полной безопасности. Они могут получить важную информацию о взаимодействии между людьми и автомобилем для разработки новых функций в области безопасности, помощи водителю и автономного вождения.

Испытатели подвергаются воображаемым функциям активной безопасности и помощи водителю, перспективным пользовательским интерфейсам автономного вождения, будущим моделям автомобилей и многим другим сценариям. Его можно использовать на реальных дорогах с тестовыми треками или в испытательной лаборатории, при этом каждый сценарий полностью настраивается.

Открывающиеся возможности буквально безграничны.

 

«Совершенный симулятор» Volvo Cars был продемонстрирован вчера в прямом эфире на платформе Volvo’s Open Innovation Arena командой экспертов по инновациям. Посмотреть мероприятие в записи можно по ссылке.

В прошлом году компания Volvo Cars вместе с Varjo стала первым автопроизводителем, который сделал возможным управление настоящим автомобилем в очках смешанной реальности. Теперь это сотрудничество было расширено за счет включения Unity и производителя тактильных костюмов Teslasuit.

По словам Каспера Викмана, старшего руководителя отдела пользовательского опыта на платформе Volvo’s Open Innovation Arena и одного из ведущих прямой трансляции, это позволяет Volvo Cars изучать реальные человеческие реакции в безопасной обстановке и значительно дешевле, чем в настоящих тестах.

 

«Совместная работа с такими великими компаниями, как Varjo, Unity и Teslasuit, позволила нам протестировать множество сценариев, которые выглядят и ощущаются совершенно реальными, без необходимости строить что-либо физически, — говорит Каспер Викман. — Это позволяет нам тестировать настоящие автомобили в дорожных условиях, которые выглядят и кажутся реальными, при этом их можно отрегулировать одним нажатием кнопки».

При разработке автомобильных систем безопасности, таких как технологии предотвращения столкновений, испытания имеют решающее значение. Но тестирование этих систем на практике может быть опасным, трудоемким и дорогостоящим. Симуляции в виртуальной и смешанной реальности позволяют проводить абсолютно безопасное тестирование в реалистичной обстановке без необходимости создавать какие-либо физические прототипы или выстраивать сложные сценарии.

 

«Используя эту передовую технологию, мы исследуем и возглавляем разработку безопасных автомобилей будущего. Здорово быть частью этого», — сказал Каспер Викман.

Посмотрите полную запись прямой трансляции здесь или загрузите видео с обзором мероприятия здесь.

 

 

Очки смешанной реальности Varjo

В прошлом году компания Volvo Cars вместе с Varjo стала первым автопроизводителем, который сделал возможным управление настоящим автомобилем в очках смешанной реальности. Очки Varjo XR-1 Developer Edition используют видеокамеры для создания смешанной реальности и обеспечивают смешанную или виртуальную реальность в разрешении высокой четкости. С помощью очков Varjo XR-1 объекты и окружение, созданные в Unity, могут быть легко интегрированы в реальный мир.

 

Teslasuit

Благодаря приложению сил, вибраций или движений, тактильные технологии позволяют создать ощущение прикосновения при взаимодействии с виртуальным миром. Надев усовершенствованный тактильный полный костюм для тела Teslasuit, испытатели симулятора Volvo могут физически почувствовать небольшое воспроизведение сил, которые могут возникнуть при аварии, не испытывая при этом реального риска. Костюм также позволяет инженерам Volvo проверять эти реакции, изучая, как мышцы, уровень стресса и частота сердечных сокращений реагируют в критических ситуациях, и применять полученные знания при создании систем безопасности следующего поколения, направленных на предотвращение и смягчение рискованных ситуаций.

 

Платформа моделирования Unity

Сценарии моделирования создаются с использованием новейшего программного обеспечения для 3D-моделирования в реальном времени от Unity – компании, стоящей за одной из самых популярных в мире платформ для разработки видеоигр. Используя Unity, эксперты Volvo могут создавать виртуальное окружение и объекты для использования в симуляциях или помещать абсолютно точную трехмерную модель любого автомобиля Volvo в любую виртуальную среду, оценивая конструкцию при различном освещении, местоположении и погоде.

симулятор вождения автомобиля 3D — 2020 игры для Андроид

2020 автомобильные игры выпущен для вас. Время скачать эту автомобильную игру бесплатно. Новые моды, новые цвета, новые спойлеры, новые колеса ждут вас.

Вам нравится играть в автомобильные игры? Тогда эта игра для вас. Наша новая игра онлайн с более чем 100 модифицированными опциями и броском дрифта!

Модифицируйте свой автомобиль так, как вам нравится. Измените цвет автомобиля, добавьте ветровки, измените колеса и оконные пленки, как вам нравится. Наслаждайтесь весельем с реалистичным трафиком и ультра HD графикой. Воспользуйтесь возможностью попробовать различные функции, такие как капот, открытие багажника, которые вы никогда не видели раньше. Наслаждайтесь бесплатным параллельным дрифтом в большом городе.

Одна из лучших автомобильных игр 2020 года. В игре вы сможете насладиться открытым миром. Вы можете выйти из машины, как вы хотите. Обратите внимание на правила дорожного движения, не проезжайте на красный свет, не езжайте быстро. Если вы не будете следовать правилам, полицейские придут за вами. Выбери свой лучший быстрый автомобиль и начни гонку. Завершите миссии в течение заданного времени. Зарабатывай деньги и покупай новые машины.

Особенности игры
— Открытый мир
— Садись и выходи из машины

— Реалистичная система светофоров
— новые диски
— Новые стеклянные фильмы
— новые спойлеры
— Новые выхлопы
— Замена плиты
— регулировка подвески
— Разные цвета автомобиля
— Ультра HD графика
— Огромный город
— Рулевое управление, клаксон, сигнал, фары, варианты
— Камера, капот, открывающиеся и закрывающиеся двери
— Реалистичная физика автомобиля
— Внутреннее вождение
— сложные задачи
— Режим дрейфа
— Бесплатный диск

ПОДПИСЫВАЙТЕСЬ НА НАС
* Веб-сайт: http://1stgames.net
* Следуйте за нами в Instagram: https://www.instagram.com/1st.games/

Если вам понравилась наша игра, не забудьте оценить и оставить комментарий. Веселиться.

«Совершенный симулятор вождения» Volvo Cars использует новейшие игровые технологии для разработки еще более безопасных автомобилей

Инженеры Volvo Cars называют его «совершенным симулятором вождения», но для них это не просто повод побаловать своего внутреннего геймера. Инновационный симулятор смешанной реальности используется шведской компанией для достижения новых успехов в технологиях безопасности и автономного вождения.

 

Установка с подвижным водительским креслом, рулем с тактильной обратной связью и кристально чистыми очками виртуальной реальности вызовет зависть у любого серьезного геймера, но симулятор Volvo Cars выводит эту концепцию на новый уровень, стирая различия между реальностью и виртуальным миром. И именно в этом вся суть.

Используя передовые технологии ведущей платформы по 3D-моделированию в реальном времени Unity и финских экспертов в области виртуальной и смешанной реальности Varjo, симулятор предполагает вождение реального автомобиля по настоящим дорогам. Он сочетает в себе реалистичную трехмерную графику высокой четкости, очки с дополненной реальностью и полный костюм для тела Teslasuit, который обеспечивает тактильную обратную связь с виртуальным миром, а также отслеживает реакции организма.

Такое сочетание программного и аппаратного обеспечения позволяет инженерам Volvo Cars бесконечно моделировать сценарии дорожного движения на реальном испытательном треке, используя настоящий автомобиль, и все это — в полной безопасности. Они могут получить важную информацию о взаимодействии между людьми и автомобилем для разработки новых функций в области безопасности, помощи водителю и автономного вождения.

Испытатели подвергаются воображаемым функциям активной безопасности и помощи водителю, перспективным пользовательским интерфейсам автономного вождения, будущим моделям автомобилей и многим другим сценариям. Его можно использовать на реальных дорогах с тестовыми треками или в испытательной лаборатории, при этом каждый сценарий полностью настраивается. Открывающиеся возможности буквально безграничны.

«Совершенный симулятор» Volvo Cars был продемонстрирован вчера в прямом эфире на платформе Volvo’s Open Innovation Arena командой экспертов по инновациям. Посмотреть мероприятие в записи можно по ссылке.

В прошлом году компания Volvo Cars вместе с Varjo стала первым автопроизводителем, который сделал возможным управление настоящим автомобилем в очках смешанной реальности. Теперь это сотрудничество было расширено за счет включения Unity и производителя тактильных костюмов Teslasuit.

По словам Каспера Викмана, старшего руководителя отдела пользовательского опыта на платформе Volvo’s Open Innovation Arena и одного из ведущих прямой трансляции, это позволяет Volvo Cars изучать реальные человеческие реакции в безопасной обстановке и значительно дешевле, чем в настоящих тестах.

«Совместная работа с такими великими компаниями, как Varjo, Unity и Teslasuit, позволила нам протестировать множество сценариев, которые выглядят и ощущаются совершенно реальными, без необходимости строить что-либо физически, — говорит Каспер Викман. — Это позволяет нам тестировать настоящие автомобили в дорожных условиях, которые выглядят и кажутся реальными, при этом их можно отрегулировать одним нажатием кнопки».

При разработке автомобильных систем безопасности, таких как технологии предотвращения столкновений, испытания имеют решающее значение. Но тестирование этих систем на практике может быть опасным, трудоемким и дорогостоящим. Симуляции в виртуальной и смешанной реальности позволяют проводить абсолютно безопасное тестирование в реалистичной обстановке без необходимости создавать какие-либо физические прототипы или выстраивать сложные сценарии.

«Используя эту передовую технологию, мы исследуем и возглавляем разработку безопасных автомобилей будущего. Здорово быть частью этого», — сказал Каспер Викман.

Посмотрите полную запись прямой трансляции здесь или загрузите видео с обзором мероприятия здесь.

Очки смешанной реальности Varjo

В прошлом году компания Volvo Cars вместе с Varjo стала первым автопроизводителем, который сделал возможным управление настоящим автомобилем в очках смешанной реальности. Очки Varjo XR-1 Developer Edition используют видеокамеры для создания смешанной реальности и обеспечивают смешанную или виртуальную реальность в разрешении высокой четкости. С помощью очков Varjo XR-1 объекты и окружение, созданные в Unity, могут быть легко интегрированы в реальный мир.

Teslasuit

Благодаря приложению сил, вибраций или движений, тактильные технологии позволяют создать ощущение прикосновения при взаимодействии с виртуальным миром. Надев усовершенствованный тактильный полный костюм для тела Teslasuit, испытатели симулятора Volvo могут физически почувствовать небольшое воспроизведение сил, которые могут возникнуть при аварии, не испытывая при этом реального риска. Костюм также позволяет инженерам Volvo проверять эти реакции, изучая, как мышцы, уровень стресса и частота сердечных сокращений реагируют в критических ситуациях, и применять полученные знания при создании систем безопасности следующего поколения, направленных на предотвращение и смягчение рискованных ситуаций.

Платформа моделирования Unity

Сценарии моделирования создаются с использованием новейшего программного обеспечения для 3D-моделирования в реальном времени от Unity – компании, стоящей за одной из самых популярных в мире платформ для разработки видеоигр. Используя Unity, эксперты Volvo могут создавать виртуальное окружение и объекты для использования в симуляциях или помещать абсолютно точную трехмерную модель любого автомобиля Volvo в любую виртуальную среду, оценивая конструкцию при различном освещении, местоположении и погоде.

О Volvo Car Russia

Volvo Car Russia — часть автомобильного концерна Volvo Car Group (Volvo Cars). Компания официально зарегистрирована в России как юридическое лицо — ООО «Вольво Карс». Volvo Car Russia обеспечивает маркетинговое продвижение шведского бренда, осуществляет импорт и реализацию легковых автомобилей Volvo и оригинальных запчастей, организует сервисное и гарантийное обслуживание автомобилей Volvo на территории Российской Федерации, Казахстана и Белоруссии. Дополнительную информацию о деятельности Volvo Car Russia можно получить на официальном сайте.

О Volvo Car Group

Компания Volvo существует с 1927 г. Сегодня Volvo — это один из наиболее известных и уважаемых в мире автомобильных брендов. Volvo Cars продает свои автомобили приблизительно в 100 странах, общемировые продажи за 2019 г. составили 705 452 автомобиля, впервые в истории компании превысив отметку в 700 тысяч экземпляров. Volvo Cars являлась частью компании Volvo Group (Швеция) до 1999 г., когда она была приобретена компанией Ford Motor Company (США). В 2010 г. Volvo Cars была приобретена компанией Zhejiang Geely Holding (Китай). 

В 2019 г. количество сотрудников Volvo Cars по всему миру составило около 41 500 человек. Штаб-квартира Volvo Cars, включая основные подразделения по разработке продукции, маркетингу и управлению компанией, находится в Гетеборге (Швеция). Головной офис Volvo Cars, отвечающий за развитие в Китае, расположен в Шанхае. Основные производственные предприятия компании находятся в Гетеборге (Швеция), Генте (Бельгия), Южной Каролине (США), Чэнду и Дацине (Китай). Двигатели для автомобилей Volvo производятся на заводе в Шевде (Швеция) и Чжанцзякоу (Китай), кузовные комплектующие производятся на заводе в Улофстреме (Швеция).

В русле своей новой стратегии Volvo Cars стремится обеспечить клиентов «Свободой передвижения» (Freedom to Move), отвечающей требованиям безопасности, устойчивости и индивидуальным запросам клиентов. Эта стратегия находит свое отражение в ряде амбициозных целей компании. Так, к 2025 году половину общего объема продаж Volvo Cars составят электрические автомобили, половина всех автомобилей будет предлагаться клиентам по подписке, треть автомобилей будет оснащена технологиями автономного вождения.

Автотренажер обучения вождения автомобилем в Коломне

Современные технологии позволяют обучаться и повышать свои навыки не только на настоящем автомобиле. Тренажёры в автошколе – это устройство, помогающее водителям познать суть езды на авто за короткое время. Если процесс вождения для вас слишком сложный, то предлагаем выбрать именно эту услугу.

Что такое

автотренажёр


Оборудование данной системы имеет всё необходимое, для импровизации езды на авто:

  • Рулевое колесо.
  • Панель приборов, спидометр с другими индикаторами.
  • Рычаг переключения передач и ручник.
  • Рычажки поворотников, стеклоочистители.
  • Педали.


Тренажёр имеет вид реальной кабины автомобиля. Обучать правильной езде на автомобиле вас будут один или несколько экранов, на котором включён симулятор автовождения. В программе имеются несколько режимов местности и можно включать различные ситуации. Например: парковка в городе на стоянке, выезд с обочины на дорогу общего пользования вне города и т.д.

Особенности автотренажера

Большинство людей в автошколе используют симулятор легкового авто. Однако инструктаж на автотренажёрах можно проводить на нескольких видах транспорта. Это связанно с большим спросом повышения квалификации водителей различных категорий. Виды тренажёров можно разделить на:

  1. Легковые автомобили. Новичкам сложно управлять средством передвижения, поэтому данный вариант подходит для начинающих курсантов. Реалистичные условия городской среды позволят понять все нюансы вождения.
  2. Грузовые автомобили. Симуляторы КАМАЗа позволят изучить ключевые моменты обращения с транспортом грузового назначения.
  3. Также существуют разнообразные стенды, на которых студенты автошкол изучают информацию о правилах дорожного движения.

Вождение на тренажёре

Во время передвижения у вас есть возможность представлять условия реального автомобиля. Вы заводите с помощью ключа зажигания, трогаетесь, используя коробку передач, и сочетаете педали для передвижения. Кроме того, во время поворотов необходимо применять специальные рычаги. А при условиях дождя – стеклоочистители.

Выбор местности позволит научиться вождению как на маленьких скоростях при условиях интенсивного переключения передач, так и при высокой скорости на трассе.

У обучения нет ограничений, и вы можете брать любое количество занятий, пока не достигните нужного результата.

Заключение

Тренажёр автошколы – отличное и удобное средство, позволяющее без особых усилий познать суть вождения.

Профессиональные преподаватели и низкая стоимость обучения являются плюсами в выборе данной услуги. Кроме этого, при окончании всех занятий вы получите соответствующую справку о вашем обучении.

Симулятор вождения ADrive 1.6

Новый 3D-симулятор вождения «ADrive Go» — самоучитель и мультимедийный тренажер вождения автомобиля, цель которого — изучать и укреплять знания правил дорожного движения, развивая мышление водителя, постепенно подводя участников дорожного движения к интуитивному соблюдению ПДД и безопасному вождению.

Программа «ADrive – Симулятор вождения автомобиля и соблюдения ПДД» развивает мышление водителя — мышление в рамках дорог, перекрестков и технических средств организации дорожного движения на них (дорожных знаков, дорожной разметки, светофоров). Чем больше будет умных водителей, тем меньше будет аварий и пробок на дорогах, тем быстрее и без происшествий доберетесь Вы (и дадите другим) до места назначения на своем автомобиле: домой, на работу, к месту отдыха, к своим любимым.
Дополняя обучение в автошколе автосимулятором ADrive, изучая дороги, по которым принимается экзамен по вождению в ГАИ, и развивая мышление водителя, курсанты автошкол в результате чувствуют себя более уверенно при вождении автомобиля в городе, а особенно при сдаче экзамена по вождению, при этом повышается вероятность сдачи практического экзамена по вождению с первой попытки.
Правила дорожного движения изучают
ся в движении — на примере дорог Минска, на которых сдают практический экзамен ГАИ по вождению автомобиля выпускники автошкол, в условиях, приближенных к реальному городу.
В качестве правил ПДД как стандарта в программе используются действующие белорусские правила дорожного движения (ПДД РБ 2006–2011 года).

Программа-автосимулятор «ADrive Go» включает:
Самоучитель по вождению автомобиля, в том числе и по маршрутам ГАИ, со штрафами за нарушения правил ПДД от инспектора ГАИ! …гоночных автосимуляторов, как мы знаем, – немеренно , а вот симулятор вождения автомобиля и соблюдения настоящих ПДД — это конечно же только ADrive!;
Подробная карта маршрутов ГАИ для сдачи экзамена по вождению со всеми дорожными знаками и разметкой — по всем этим улицам Вы сможете проехать в виртуальном городе автосимулятора вождения ADrive и ознакомиться со всеми дорожными знаками, разметкой и особенностями маршрутов;

 


 

Виртуальный 3D-тренажер (стенд) «Проезд перекрестков» — скорей всего Вы даже не могли себе представить, что такое чудо существует! — обязательно загляните на страничку Режим «Проезд перекрестков» программы ADrive;

Правила дорожного движения Беларуси (ПДД 2009), усиленные гипертекстом, а также и иное дорожное и сопутствующее законодательство Республики Беларусь;

ПДД-Запоминалки правил движения — как быстрее и проще изучить Правила дорожного движения и закрепить полученные знания.
Прочитать подробнее о программе «ADrive – Симулятор вождения автомобиля и соблюдения ПДД» и о её возможностях, узнать минимальные требования, предъявляемые к компьютеру для нормальной работы симулятора вождения, а также скачать (загрузить) документацию по программе, скриншоты (снимки экрана) различных режимов ее работы, карты маршрутов сдачи практических экзаменов по вождению в ГАИ в городе Минске, бесплатные обновления программы для зарегистрированных пользователей Вы сможете в разделе «О программе».

Язык интерфейса: Русский
 

 

Получите лучший симулятор вождения автомобиля

Ultimate Car Driving Simulator — это потрясающая 3D гоночная игра и гоночная игра! Управляйте быстрыми скоростными гонками в одном из лучших симуляторов автомобильных гонок! Наслаждайтесь реалистичным автомобильным симулятором когда-либо! Гоняйте, дрейфуйте и разбивайте настоящие спортивные автомобили по гоночным трассам и извилистым дорогам, исследуйте огромный открытый город за рулем. Управляйте реалистичными автомобилями в новейшей гоночной игре; соревнуйтесь с другими нетерпеливыми гонщиками в динамичных гонках, дрейфуйте по гоночным трассам и бейте часы, чтобы узнать самое быстрое время круга в этой потрясающей игре с гоночными автомобилями! Выбирайте из любимой спортивной машины, трюковой машины и сверхбыстрой машины в этой 3D-игре о вождении автомобиля.Управляйте такими автомобилями, как Aventador Coupe, Dodge, F60, Bugatti, Veron, Golf GT, i8, m3, cl250 benz, Lancer и многие другие скоростные автомобили. Войдите в этот быстрый симулятор гоночных автомобилей с молниеносной скоростью. Станьте самым разыскиваемым гонщиком в этой экстремальной гоночной игре-симуляторе! Гоняй по асфальтированным дорогам в поисках скорости! ★ Лучший симулятор вождения автомобиля с открытым миром Водители и гонщики могут войти в открытый мир невозможных трасс, испытать свои гоночные навыки, такие как голливудские супер-трюки, выполнять мега-трюки на рампе gt.Запишитесь в автошколу и попрактикуйтесь в вождении на этом профессиональном курсе вождения. У нас также есть мини-игры, такие как боулинг, автомобильная футбольная лига, американский футбол, баскетбол, бильярд с 8 шарами, снукер и многие другие. ★ Неограниченная настройка и настройка автомобилей ★ Настройте свои собственные автомобили по своему вкусу, вы можете настроить передачу, автомобильную поломку, турбомотор, усиление NOS, наклейку, фары и многое другое. Покажите друзьям свой собственный экстремальный автомобиль. Соревнуйтесь с друзьями и семьей и побеждайте соперников.Если вам нравятся экстремальные симуляторы вождения автомобилей и игры с гонками на дорогах, такие как Asphalt Nitro, Flatout, Asphalt Xtreme: Rally Racing и Asphalt 9 Legends, Forza Horizon и Need for speed, наиболее востребованные, Need for Speed ​​Payback, Need for Speed ​​Hot Pursuit, Need for Speed Супер игра Ultimate Car Driving Simulator — это игра Rivals and Need for Speed ​​Underground прямо для вас! ★ Ultimate Car Driving Simulator в БЕСПЛАТНОМ РЕЖИМЕ ★ Вы можете управлять своей идеальной машиной в бесплатном режиме, где вы можете ускоряться, чтобы проверить свой предел скорости, дрейфовать со скоростью, а также выполнять неограниченное количество трюков, включать турбо-скорость вашего гоночного автомобиля и ускоряться на полной скорости с помощью NOS Boost. Избавьтесь от езды по городу, где вы можете самостоятельно проехать по всем дорогам и шоссе на своем автомобиле. ★ Реалистичная физика вождения автомобиля ★ Это лучшая и реалистичная автомобильная игра для мобильных устройств, вы можете повеселиться, переключившись в аркадный режим, гоночный режим или даже режим симуляции. Каждый автомобиль имеет разные функции и физику, от гоночных автомобилей до внедорожников, все со своей физикой, наслаждайтесь своим опытом вождения. Поступите в автошколу, чтобы повысить свои навыки гонок на автомобилях и стать лучшим гонщиком. ★ Супер мега пандусы и невозможные треки ★ У нас есть супер мега пандусы, где вы можете бросить свою машину с такой скоростью, как сердцебиение, летать по небесному городу и проложить свой путь, чтобы стать профессиональным каскадером Голливуда.Разблокируйте все испытания автомобильных трюков, чтобы получить больше рекордов и время в воздухе. Следите за обновлениями, у нас есть многопользовательские онлайн-гонки, а также скоро появится режим городских гонок на шоссе. ★★★★★★★ Загрузите лучший симулятор быстрого вождения автомобиля, а также гоночные автомобильные игры 2018 года! Быстрая гонка с яростными гипер-автомобилями Заявление об ограничении ответственности: Эта игра не связана с Extreme Car Driving Simulator 2 и Asphalt 9 Legends — это не официальный продукт Gameloft и EA sports, а также гоночные игры AxesInMotion.

Показать больше

«Совершенный симулятор вождения» Volvo Cars использует новейшие игровые технологии для разработки более безопасных автомобилей

Инженеры Volvo Cars называют его «лучшим симулятором вождения», но для них это не просто повод побаловать себя внутренним геймером.Вместо этого новаторский симулятор смешанной реальности шведской компании используется для достижения новых успехов в технологиях безопасности и автономного вождения.

Установка с движущимся сиденьем водителя, рулевым колесом с тактильной обратной связью и кристально чистой гарнитурой виртуальной реальности вызовет зависть у любого серьезного геймера, но симулятор Volvo Cars выводит эту концепцию на новый уровень, затрудняя различение реальности от моделирование. В этом и суть.

Используя передовые технологии от ведущей платформы разработки 3D в реальном времени Unity и финских экспертов по виртуальной и смешанной реальности Varjo, симулятор включает в себя вождение реального автомобиля по реальным дорогам.Он сочетает в себе реалистичную трехмерную графику высокой четкости, гарнитуру с дополненной реальностью и полный костюм Teslasuit, который обеспечивает тактильную обратную связь с виртуальным миром, а также отслеживает реакции организма.

Эта комбинация программного и аппаратного обеспечения позволяет инженерам Volvo Cars бесконечно моделировать сценарии дорожного движения на реальном испытательном треке, используя настоящий автомобиль, и все это в полной безопасности. Инженеры могут получить важную информацию о взаимодействии между людьми и автомобилем для разработки новых функций безопасности, помощи водителю и автономного вождения.

Тестеры

могут получить доступ к воображаемым функциям активной безопасности и помощи водителю, будущим пользовательским интерфейсам автономного привода, будущим моделям автомобилей и многим другим сценариям. Его можно использовать на реальных дорогах с тестовыми треками или в тестовой лаборатории, и каждый сценарий полностью настраивается. Возможности буквально безграничны.

«Абсолютный симулятор» Volvo Cars был продемонстрирован вчера на мероприятии, которое транслировалось в прямом эфире на арене открытых инноваций Volvo и проводилось командой экспертов по инновациям.Посмотреть мероприятие по запросу можно ЗДЕСЬ.

В прошлом году вместе с Varjo компания Volvo Cars стала первым автопроизводителем, который позволил управлять настоящим автомобилем с гарнитурой смешанной реальности. Теперь это сотрудничество было расширено и теперь включает Unity и производителя тактильных костюмов Teslasuit.

По словам Каспера Викмана, старшего руководителя отдела взаимодействия с пользователем на арене открытых инноваций Volvo и одного из организаторов прямой трансляции, это позволяет Volvo Cars изучать подлинные человеческие реакции в безопасной среде и за небольшую часть стоимости реальных испытаний.

«Сотрудничество с такими великими компаниями, как Varjo, Unity и Teslasuit, позволило нам протестировать так много сценариев, которые выглядят и кажутся совершенно реальными, без необходимости что-либо строить физически», — говорит Каспер Викман. «Это позволяет нам тестировать реальные автомобили в условиях дорожного движения, которые выглядят и кажутся реальными, но их можно настроить одним нажатием кнопки».

При разработке систем безопасности для автомобилей, таких как технологии предотвращения столкновений, испытания имеют решающее значение. Но тестирование этих систем на практике может быть опасным, трудоемким и дорогостоящим.Однако симуляции виртуальной и смешанной реальности позволяют проводить абсолютно безопасное тестирование в аутентичных средах без необходимости создавать какие-либо физические прототипы или настраивать сложные сценарии.

«Используя эту передовую технологию, мы исследуем и возглавляем разработку для создания безопасных автомобилей будущего. Приятно участвовать в этом », — сказал Каспер Викман.

Смотрите полную прямую трансляцию здесь, и скачайте сводное видео с мероприятия здесь.

Представленных технологий:

Гарнитура смешанной реальности Varjo

В прошлом году Volvo Cars вместе с Varjo стали первым автопроизводителем, который позволил управлять настоящим автомобилем с гарнитурой смешанной реальности. Гарнитура Varjo XR-1 Developer Edition использует видеокамеры для обеспечения смешанной реальности и обеспечивает смешанную или виртуальную реальность с разрешением высокой четкости. С помощью гарнитуры Varjo XR-1 объекты и окружение, созданные в Unity, могут быть легко интегрированы в реальный мир.

Teslasuit

Благодаря приложению сил, вибраций или движений, тактильные технологии позволяют воссоздать ощущение прикосновения при взаимодействии с виртуальным миром. Надев усовершенствованный тактильный костюм Teslasuit для всего тела, испытатели симуляторов Volvo могут физически ощущать небольшое воспроизведение сил, которые могут возникнуть при аварии, при этом не испытывая при этом реального риска. Костюм также позволяет инженерам Volvo проверять эти реакции, изучая, как мышцы, уровни стресса и частота сердечных сокращений реагируют на стресс, и применять полученные знания при создании систем безопасности следующего поколения, направленных на предотвращение и смягчение рискованных ситуаций.

Модули моделирования Unity

Сценарии моделирования создаются с использованием новейшего программного обеспечения для 3D-моделирования в реальном времени от Unity, компании, стоящей за одной из самых популярных в мире платформ для разработки видеоигр. Используя Unity, эксперты Volvo могут создавать виртуальные среды и объекты для использования в симуляциях или помещать полностью точную трехмерную модель любого автомобиля Volvo в любую виртуальную среду, оценивая конструкцию при различном освещении, местоположении и погоде.

ИСТОЧНИК: Volvo Cars

Рынок

симуляторов вождения по приложениям, типам транспортных средств, типам симуляторов и регионам — глобальный прогноз до 2025 года

СОДЕРЖАНИЕ

1 ВВЕДЕНИЕ (Страница № — 22)
1.1 ЦЕЛИ ИССЛЕДОВАНИЯ
1.2 ОПРЕДЕЛЕНИЕ РЫНКА
1.2.1 ВКЛЮЧЕНИЯ И ИСКЛЮЧЕНИЯ
ТАБЛИЦА 1 ВКЛЮЧЕНИЯ И ИСКЛЮЧЕНИЯ ДЛЯ РЫНКА СИМУЛЯТОРОВ DRIVING
1.3 ОБЪЕМ РЫНКА
РИСУНОК 1 РЫНОК ДВИЖУЩИХСЯ СИМУЛЯТОРОВ: СЕГМЕНТАЦИЯ РЫНКА
1.3.1 ГОДА, УЧИТЫВАЕМЫЕ ДЛЯ ИССЛЕДОВАНИЯ
1.4 РАЗМЕР УПАКОВКИ
1.5 ОГРАНИЧЕНИЯ
1.6 Заинтересованные стороны
1.7 ОБЩИЕ ИЗМЕНЕНИЯ

2 МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ (Страница № — 28)
2.1 ДАННЫЕ ИССЛЕДОВАНИЯ
РИСУНОК 2 ПРОЕКТ ИССЛЕДОВАНИЯ
РИСУНОК 3 МОДЕЛЬ МЕТОДОЛОГИИ ИССЛЕДОВАНИЯ
2.1.1 ВТОРИЧНЫЕ ДАННЫЕ
2.1.1.1 Список ключевых вторичных источников
2.1.1.2 Ключевые данные из вторичных источников
2.1.2 ПЕРВИЧНЫЕ ДАННЫЕ
РИСУНОК 4 РАЗБИВКА ПЕРВИЧНЫХ ИНТЕРВЬЮ: ПО ТИПУ, НАЗНАЧЕНИЮ И РЕГИОНУ КОМПАНИИ
2. 1.2.1 Список основных участников
2.2 РЫНОК МЕТОДОЛОГИЯ ОЦЕНКИ
РИСУНОК 5 МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ: ПОСТРОЕНИЕ ГИПОТЕЗА -DOWN APPROACH
РИСУНОК 8 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ: ДИЗАЙН И МЕТОДОЛОГИЯ ИССЛЕДОВАНИЙ
РИСУНОК 9 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ: МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ ИЛЛЮСТРАЦИЯ ADACEL REVENUE
2.2.2 АНАЛИЗ ФАКТОРОВ ДЛЯ РАЗМЕРА РЫНКА: СПРОС И ПРЕДЛОЖЕНИЕ
2.3 ТРИАНГУЛЯЦИЯ ДАННЫХ
РИСУНОК 10 МЕТОДОЛОГИЯ ТРИАНГУЛЯЦИИ ДАННЫХ
2.4 АНАЛИЗ ФАКТОРОВ
2.5 ИССЛЕДОВАТЕЛЬСКИЕ ДОПУЩЕНИЯ
2.6 ОГРАНИЧЕНИЯ ИССЛЕДОВАНИЙ

3 РЕЗЮМЕ (Страница № 41)
РИСУНОК 11 СИМУЛЯТОР ДВИЖЕНИЯ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ: ПРОГНОЗ РЫНКА
РИСУНОК 12 СИМУЛЯТОР ДВИЖЕНИЯ: ПРОГНОЗ РЫНКА
РИСУНОК 13 СИМУЛЯТОР ДВИЖЕНИЯ РЫНОК: РИСУНОК ДИНАМИКИ ДИНАМИКИ
ПРИЛОЖЕНИЕ ДЛЯ ОБУЧЕНИЯ, 2020 VS.2025 г. (МЛН ДОЛЛ. США)
РИСУНОК 15 РЫНОК СИМУЛЯТОРОВ ДВИЖЕНИЯ ПО КОНЕЧНЫМ ПОЛЬЗОВАТЕЛЯМ, 2020 г. 2025 г. (МЛН долл. США)
3.1 ВЛИЯНИЕ COVID-19 НА РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ
3.2 ВЛИЯНИЕ COVID-19 НА РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ

4 PREMIUM INSIGHTS (Страница № — 48)
4.1 ЗНАЧИТЕЛЬНЫЙ РОСТ РЫНКА СИМУЛЯТОРОВ В ПРОГНОЗНОМ ПЕРИОДЕ (2020-2025) 4.2 ЗНАЧИТЕЛЬНЫЙ РОСТ РЫНКА СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ В ПРОГНОЗНЫЙ ПЕРИОД (2020–2025 гг.) 2020
РИСУНОК 18 ДОЛЯ НА РЫНКЕ СИМУЛЯТОРОВ ДВИЖЕНИЯ, ПО РЕГИОНАМ, 2020 г.
4.4 МИРОВОЙ РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЬСТВА, ПО ТИПАМ АВТОМОБИЛЕЙ И ТИПУ СИМУЛЯТОРА
РИСУНОК 19 СЧЕТ АВТОМОБИЛЬНОГО СИМУЛЯТОРА И РАСШИРЕННЫЙ СЧЕТ НА СИМУЛЯТОР ДЛЯ КРУПНЕЙШИХ АКЦИЙ В 2020 ГОДУ
4.5 РЫНОК СИМУЛЯТОРОВ ВОЖДЕНИЯ, КОНЕЧНЫМ ПОЛЬЗОВАТЕЛЕМ
РИСУНОК 20 РАСШИРЕННЫЙ СИМУЛЯТОР ВОЖДЕНИЯ, ПОКАЗЫВАЕМЫЙ, ИМЕЕТ КРУПНЕЙШИЕ ДОЛИ В 2020 ГОДУ VS. 2025 (МИЛЛИОН ДОЛЛАРОВ США)
4.6 РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЯ ПУТЕМ ОБУЧЕНИЯ ВОДИТЕЛЬСКОГО СИМУЛЯТОРА
РИСУНОК 21 КОМПАКТНЫЙ СИМУЛЯТОР, ОЖИДАЕМЫЙ, ИМЕЕТ БОЛЬШУЮ АКЦИЮ, 2020 г. 2025 г. (МЛН ДОЛЛ. США)
4.7 РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЬСКИХ СИМУЛЯТОРОВ, ПО ТИПАМ АВТОМОБИЛЕЙ
РИСУНОК 22 ОЖИДАЕТСЯ, что АВТОМОБИЛЬНЫЙ СИМУЛЯТОР ИМЕЕТ КРУПНЕЙШИЕ АКЦИИ, 2020 г. 2025 г. (МЛН ДОЛЛ. США)
4.8 РЫНОК ДВИЖУЩИХСЯ СИМУЛЯТОРОВ, ПО ВИДУ ПРИЛОЖЕНИЯ
РИСУНОК 23 ИССЛЕДОВАНИЯ И ИСПЫТАНИЯ, ПРЕДНАЗНАЧЕННЫЕ ДЛЯ УДЕРЖАНИЯ КРУПНЕЙШИХ РЫНКОВ, 2020 VS.2025 (МЛН ДОЛЛАРОВ США)
4.9 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО ПРИЛОЖЕНИЮ
РИСУНОК 24 АВТОМОБИЛЬ, ПРЕДНАЗНАЧЕННЫЙ ДЛЯ КРУПНЕЙШЕГО РЫНКА, 2020 VS. 2025 г. (МЛН ДОЛЛ. США)
4.10 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО РЕГИОНАМ
РИСУНОК 25 КРУПНЕЙШИЙ РЫНОК В ЕВРОПЕ, В 2020 Г. 2025 г. (МЛН ДОЛЛ. США)

5 ОБЗОР РЫНКА (Страница № — 54)
5.1 ВВЕДЕНИЕ
5.2 ДИНАМИКА РЫНКА
РИСУНОК 26 РЫНОК СИМУЛЯТОРОВ ДВИЖЕНИЯ: ДИНАМИКА РЫНКА
5.2.1 ВОДИТЕЛИ
5.2.1.1 Нехватка квалифицированных водителей
РИСУНОК 27 СИМУЛЯТОР ВОЖДЕНИЯ: ЦИКЛ РАЗРАБОТКИ ОБУЧЕНИЯ НА ОСНОВЕ СЦЕНАРИЙ (SBT)
5.2.1.2 Требования к профессиональной подготовке пилотов новых локомотивов
ТАБЛИЦА 2 ПРОЕКТЫ ГЛОБАЛЬНЫХ ЖЕЛЕЗНОДОРОЖНЫХ АВТОМОБИЛЕЙ, КОТОРЫЕ НАПРАВЛЯЮТСЯ В БУДУЩЕМ
5.2.1.3 Рост в центре внимания НИОКР
ТАБЛИЦА 3 ЕВРОПА: ГОДОВОЕ КОЛИЧЕСТВО Дорожно-транспортных происшествий со смертельным исходом, ПО СТРАНАМ (2012-2016)
РИСУНОК 28 ЕВРОПА. СТРАНА (2018)
5.2.2 ОГРАНИЧЕНИЯ
5.2.2.1 Сложности в управлении в реальном времени
5.2.3 ВОЗМОЖНОСТИ
5.2.3.1 Рост воздушного движения и проекты аэропортов во всем мире
ТАБЛИЦА 4 ОБЗОР ИНВЕСТИЦИЙ В СТРОИТЕЛЬСТВО АЭРОПОРТА: ТЕКУЩИЕ И ПРОГНОЗИРУЕМЫЕ ИНВЕСТИЦИИ В ГЛОБАЛЬНЫЕ АЭРОПОРТЫ (МЛН ДОЛЛАРОВ США)
ТАБЛИЦА 5 ТЕКУЩИЕ И ПРОГНОЗИРУЕМЫЕ ИНВЕСТИЦИИ В УЛУЧШЕНИЕ МИРОВОГО АЭРОПОРТА (МЛН. ДОЛЛАРОВ США)
5.2.3.2 Симуляторы для полицейских машин и машин экстренной помощи
5.2.3.3 Развитие автономных и полуавтономных транспортных средств
РИСУНОК 30 ЭВОЛЮЦИЯ АВТОНОМНЫХ АВТОМОБИЛЕЙ
5. 2.4 ПРОБЛЕМЫ
5.2.4.1 Сложности интеграции
5.2.4.2 Отсутствие тестов и стандартов
ТАБЛИЦА 6 ВЛИЯНИЕ ДИНАМИКИ РЫНКА
5.3 ИЗМЕНЕНИЕ ВЫРУЧКИ, ДВИЖУЩЕЕ РОСТ РЫНКА
5.4 НЕДОПУЩЕННЫЙ ДОХОД: ВОЗМОЖНОСТИ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ ПОСТАВЩИКОВ СИМУЛЯТОРОВ
5.5 PORTERS FIVE FORCES
РИСУНОК 31 PORTERS FIVE FORCES: DRIVING SIMULATOR MARKET
5.6 АНАЛИЗ ТЕХНОЛОГИЙ 3 AI ДЛЯ СИМУЛЯТОРА ВОЖДЕНИЯ
5.6.4 ADAS (РАСШИРЕННАЯ СИСТЕМА ПОМОЩИ ВОДИТЕЛЮ)
5.7 НОВЫЕ ТЕНДЕНЦИИ: СИМУЛЯТОР VR
5.7.1 СИМУЛЯТОР ВИРТУАЛЬНОЙ РЕАЛЬНОСТИ (VR)
5.8 ОБУЧАЮЩИЕ СИМУЛЯТОРЫ ТЕХНОЛОГИЯ ДЛЯ ECO-DRIVING
5.9 ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ С ОТКРЫТЫМ ИСТОЧНИКОМ ДЛЯ АВТОНОМНЫХ АВТОМОБИЛЕЙ
5.9.1 APOLLO
5.9.2 AUTOWARE
5.9.3 EB ROBINOS & EB ROBINOS PREDICTORS — ELEKTROBIT
5.967 5.10 АНАЛИЗ ЭКОСИСТЕМЫ
РИСУНОК 32 РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ: АНАЛИЗ ЭКОСИСТЕМ
5.11 АНАЛИЗ ЦЕН
ТАБЛИЦА 7 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ: СРЕДНЯЯ ЦЕНА НА СИМУЛЯТОР ДЛЯ ВОЖДЕНИЯ
5.12 АНАЛИЗ ЦЕПИ ПОСТАВОК
РИСУНОК 33 РЫНОК ДВИГАТЕЛЕЙ СИМУЛЯТОРОВ: АНАЛИЗ ЦЕПИ СТОИМОСТИ
5.13 ПАТЕНТНЫЙ АНАЛИЗ
ТАБЛИЦА 8 ВАЖНЫЕ ПАТЕНТНЫЕ РЕГИСТРАЦИИ, СВЯЗАННЫЕ С РЫНОМ УПРАВЛЕНИЯ СИМУЛЯТОРОМ
5.14 ИССЛЕДОВАНИЕ ПРИМЕРА 34 АВТОМАТИЧЕСКИЙ АНАЛИЗ GAPODER GAPODER
5.14.1. ТРАЕКТОРИИ, ИСПОЛЬЗУЮЩИЕ МОДЕЛЬ ПРОГНОЗНОГО КОНТРОЛЯ
5.14.2 SIEMENS AG
5.14.3 РАСШИРЕННЫЙ СИМУЛЯТОР РАСПОЛОЖЕНИЯ ПОЕЗДА (ATLAS)
5.15 РЫНОК СИМУЛЯТОРОВ, СЦЕНАРИИ (2020-2025)
РИСУНОК 35 ТЕНДЕНЦИИ И СЦЕНАРИИ НА РЫНКЕ СИМУЛЯТОРОВ, 20202025 (МЛН. Долл. США) )
5.15.2 ОПТИМИСТИЧЕСКИЙ СЦЕНАРИЙ
ТАБЛИЦА 10 РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЯ: ОПТИМИСТИЧЕСКИЙ СЦЕНАРИЙ, ПО РЕГИОНАМ, 2020-2025 гг. (МЛН ДОЛЛАРОВ США)
5.16 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, СЦЕНАРИИ (2020-2025)
РИСУНОК 36 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ БУДУЩИЕ ТЕНДЕНЦИИ И СЦЕНАРИИ, 2020-2025 (МИЛЛИОН ДОЛЛАРОВ) СЦЕНАРИЙ, ПО РЕГИОНАМ, 2020-2025 (МЛН. ДОЛЛАРОВ)
5.16.2 ОПТИМИСТИЧЕСКИЙ СЦЕНАРИЙ
ТАБЛИЦА 13 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ: ПТИМИСТИЧЕСКИЙ СЦЕНАРИЙ, ПО РЕГИОНАМ, 2020-2025 (МЛН. ДОЛЛАРОВ)
5.16.3 ПЕССИМИСТИЧЕСКИЙ СЦЕНАРИЙ
ТАБЛИЦА 14 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОЙ ПОДГОТОВКИ: ПЕССИМИСТИЧЕСКИЕ СЦЕНАРИИ, ПО РЕГИОНАМ, 2020-2025 гг.

6 ВЛИЯНИЕ COVID 19 (стр. № 79)
6.1 ВЛИЯНИЕ НА РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ
6.2 ВЛИЯНИЕ НА МИРОВУЮ ЖЕЛЕЗНОДОРОЖНУЮ ПРОМЫШЛЕННОСТЬ
6.3 ВЛИЯНИЕ НА МИРОВОЙ РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ

7 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО ПРИМЕНЕНИЮ (стр.- 81)
7.1 ВВЕДЕНИЕ
РИСУНОК 37 РЫНОК СИМУЛЯТОРОВ ВОЖДЕНИЯ ДЛЯ ПРОФЕССИОНАЛЬНОЙ ПОДГОТОВКИ ПО ПРИМЕНЕНИЮ, 2020 VS. 2025 г. (ТЫС. ДОЛЛАРОВ США)
ТАБЛИЦА 15 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, 2019 г. 2025 г. (ЕДИНИЦ)
ТАБЛИЦА 16 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО ПРИМЕНЕНИЮ, 2019 г. 2025 г. (ТЫС. ДОЛЛАРОВ
7.1.2 ИССЛЕДОВАНИЕ ДОПУЩЕНИЯ
ТАБЛИЦА 17 ДОПУЩЕНИЯ: ПО ПРИЛОЖЕНИЮ ДЛЯ ПРОФЕССИОНАЛЬНОЙ ПОДГОТОВКИ
7.1.3 КЛЮЧЕВЫЕ ПЕРВИЧНЫЕ ИНСАЙТЫ
РИСУНОК 38 КЛЮЧЕВЫЕ ПЕРВИЧНЫЕ ИНСАЙТЫ
7.2 RAIL
7.2.1 СТАНДАРТНЫЕ ПРОЕКТЫ ДЛЯ ВЫСОКОСКОРОСТНЫХ ПОЕЗДОВ ПОВЫШАЮТ СПРОС
ТАБЛИЦА 18 РАЗРАБОТКИ И КОНТРАКТЫ НА СИМУЛЯТОРЫ СИМУЛЯТОРОВ ДЛЯ ТРЕНИРОВКИ ТРЕНИНГОВ ДЛЯ ПЕРЕДАЧИ ТРЕНИРОВКИ НА ПЕРЕДАЧУ ПЕРЕДАЧИ ПРОЦЕССОВ 19 ПРОЦЕССА ПО ВИДУ ЖЕЛЕЗНЫХ ДВИЖЕНИЙ, 2019-2025 (ЕДИНИЦЫ)
ТАБЛИЦА 20 ЖЕЛЕЗНЫЕ ДОРОГИ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО ВИДАМ ЖЕЛЕЗНЫХ ДВИЖЕНИЙ, 2019-2025 (ТЫСЯЧИ ДОЛЛАРОВ)
7.2.2 ПАССАЖИРСКИЙ ПОЕЗД
7.2.3 ГРУЗОВЫЙ
7.2.4 МЕТРО
ТАБЛИЦА 21 ПЕРЕЧЕНЬ ДЕЙСТВУЮЩИХ И СТРОИТЕЛЬНЫХ ПРОЕКТОВ МЕТРО В ИНДИИ
ТАБЛИЦА 22 ПЕРЕЧЕНЬ ОДОБРЕННЫХ ПРОЕКТОВ МЕТРО В ИНДИИ
7.2.5 МОНОПРОЕКТ И ТРАМВАЙ
7.3 АВТОБУС
7.3.1 ПОВЫШЕНИЕ ЧАСТОТЫ ДОРОЖНЫХ АВАРИЙ СПОСОБСТВУЕТ ОБУЧЕНИЮ БЕЗОПАСНОМУ ВОЖДЕНИЮ ДЛЯ АВТОБУСОВ
ТАБЛИЦА 23 АВТОБУС: РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО РЕГИОНАМ, 20192025 (ЕДИНИЦЫ)
ТАБЛИЦА 24 АВТОБУС: РЫНОК ДВИЖЕНИЯ СИМУЛЯТОРА ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ ТЫСЯЧ)
7.4 АВТОМОБИЛЬ
7.4.1 РЕАЛЬНАЯ ИНТЕРПРЕТАЦИЯ РЕАЛЬНЫХ УСЛОВИЙ ВОЖДЕНИЯ — ГЛАВНОЕ ПРЕИМУЩЕСТВО СИМУЛЯТОРОВ АВТОМОБИЛЯ
ТАБЛИЦА 25 АВТОМОБИЛЬ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО РЕГИОНАМ, 20192025 (ЕДИНИЦЫ) РЕГИОН, 20192025 (ТЫСЯЧ ДОЛЛАРОВ США)
7.5 ГРУЗОВИК
7.5.1 ПОРТАТИВНОСТЬ И ЭФФЕКТИВНОСТЬ СИМУЛЯТОРОВ ГРУЗОВИКА УДВИНУТ РЫНОК
ТАБЛИЦА 27 АВТОМОБИЛИ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО РЕГИОНАМ, 20192025 (ЕД. РЫНОК ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ ПО РЕГИОНАМ, 2019-2025 гг. (ТЫС. ДОЛЛАРОВ США)
7.6 ПОЛИЦИЯ
7.6.1 ВНЕДРЕНИЕ РАСШИРЕННЫХ СИСТЕМ ТАКТИЧЕСКОГО ОБУЧЕНИЯ ДЛЯ ВОПРОСА
ТАБЛИЦА 29 ПОЛИЦИЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО РЕГИОНАМ, 2019-2025 (ЕДИНИЦЫ) (ТЫСЯЧ ДОЛЛАРОВ США
7.7 МОТОЦИКЛ
7.7.1 НЕОБХОДИМОСТЬ БЕЗОПАСНОЙ ЕЗДЫ И ПРЕДОТВРАЩЕНИЕ РИСКОВ ДЛЯ ВОЖДЕНИЯ СПРОСА
ТАБЛИЦА 31 МОТОБАЙК: РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО РЕГИОНАМ, 20192025 (ЕДИНИЦЫ) , ПО РЕГИОНАМ, 20192025 (ТЫСЯЧ ДОЛЛАРОВ США)
7.8 СИМУЛЯТОР ПРИВОДА ВОЗДУХА
7.8.1 НЕОБХОДИМО ПОВЫШЕНИЕ ЭКСПЛУАТАЦИОННОЙ ЭФФЕКТИВНОСТИ АВТОМОБИЛЕЙ В АЭРОПОРТУ ДЛЯ ПОВЫШЕНИЯ СПРОСА
ТАБЛИЦА 33 СИМУЛЯТОРЫ ОБОРУДОВАНИЯ ОТ РАЗЛИЧНЫХ КОМПАНИЙ
РИСУНОК 39 СИМУЛЯТОР ПРИВОДА ВОЗДУХА / ЭКСПЛУАТАЦИИ ДЛЯ ТРАНСПОРТНОГО ТРАНСПОРТНОГО ТРАНСПОРТНОГО СРЕДСТВА ПРОФИЛЯ
РИСУНОК 39 РЕГИОН, 20192025 (ЕДИНИЦЫ)
ТАБЛИЦА 35 СИМУЛЯТОР АВТОМОБИЛЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО РЕГИОНАМ, 20192025 (ТЫСЯЧ ДОЛЛАРОВ)

8 РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ПРИМЕНЕНИЮ (стр.- 99)
8.1 ВВЕДЕНИЕ
РИСУНОК 40 РЫНОК ДВИЖУЩИХСЯ СИМУЛЯТОРОВ, ПО ПРИМЕНЕНИЮ, 2020 г. 2025 (МЛН ДОЛЛ. США)
ТАБЛИЦА 36 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРИЛОЖЕНИЙ, 2017-2019 гг. (МЛН ДОЛЛ. США)
ТАБЛИЦА 37 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРИМЕНЕНИЯ, ПО ПРИМЕНЕНИЮ, 2020 г. 2025 г. (МЛН долл. США)
8.1.1 МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ : ПО ПРИЛОЖЕНИЮ
8.1.3 КЛЮЧЕВЫЕ ПЕРВИЧНЫЕ ИНСАЙТЫ
РИСУНОК 41 КЛЮЧЕВЫЕ ПЕРВИЧНЫЕ ИНСАЙТЫ
8.2 ИССЛЕДОВАНИЯ И ТЕСТИРОВАНИЕ
8.2.1 ЕВРОПА БУДЕТ ВЕДУТЬ В СЕГМЕНТЕ ИССЛЕДОВАНИЙ И ТЕСТИРОВАНИЯ
ТАБЛИЦА 39 ИССЛЕДОВАНИЯ И ТЕСТИРОВАНИЕ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ДВИЖЕНИЯ, ПО РЕГИОНАМ, 2017-2019 (МЛН ДОЛЛ. США) 20202025 (МЛН ДОЛЛ. США)
8.3 ОБУЧЕНИЕ
8.3.1 РАСТУЩЕНИЕ ОБЕСПЕЧЕНИЙ НА ДОРОЖНЫХ АВАРИЯХ ДЛЯ ДВИЖЕНИЯ СЕГМЕНТА
ТАБЛИЦА 41 ОБУЧЕНИЕ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО РЕГИОНАМ, 20172019 (МИЛЛИОН ДОЛЛАРОВ)
ТАБЛИЦА 42 ОБУЧЕНИЕ: РЫНОК СИМУЛЯТОРА ВОЖДЕНИЯ 20202025 (МЛН ДОЛЛ. США)

9 РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, КОНЕЧНЫМ ПОЛЬЗОВАТЕЛЕМ (стр.- 105)
9.1 ВВЕДЕНИЕ
РИСУНОК 42 РЫНОК ДВИЖУЩИХСЯ СИМУЛЯТОРОВ, ПО КОНЕЧНЫМ ПОЛЬЗОВАТЕЛЯМ, 2020 г. 2025 г. (МЛН ДОЛЛАРОВ США)
ТАБЛИЦА 43 РЫНОК СИМУЛЯТОРОВ ДЛЯ КОНЕЧНЫХ ПОЛЬЗОВАТЕЛЕЙ, 2017-2019 гг. (МЛН. Долл. США)
ТАБЛИЦА 44 РЫНОК СИМУЛЯТОРОВ ДЛЯ КОНЕЧНЫХ ПОЛЬЗОВАТЕЛЕЙ, 2020 г. 2025 г. (МЛН. Долл. США)
9.1.1 МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ
9.1.2. 45 ДОПУЩЕНИЯ: КОНЕЧНЫМ ПОЛЬЗОВАТЕЛЕМ
9.1.3 КЛЮЧЕВЫЕ ПЕРВИЧНЫЕ ИНСАЙТЫ
РИСУНОК 43 КЛЮЧЕВЫЕ ПЕРВИЧНЫЕ ИНСАЙДЫ
2 РАСШИРЕННЫЙ СИМУЛЯТОР ВОЖДЕНИЯ
9.3 СИМУЛЯТОР ДЛЯ ОБУЧЕНИЯ ВОЖДЕНИЯ
9.4 СИМУЛЯТОР ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ

10 РЫНОК СИМУЛЯТОРОВ ДВИЖЕНИЯ, ПО ВИДУ СИМУЛЯТОРА (Страница № — 110)
10.1 ВВЕДЕНИЕ
РИСУНОК 44 РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЯ, ПО ВИДУ СИМУЛЯТОРА, 2020 г. 2025 (МЛН ДОЛЛ. США)
ТАБЛИЦА 46 РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ВИДУ СИМУЛЯТОРОВ, 2017-2019 гг. (МЛН ДОЛЛ. США)
ТАБЛИЦА 47 РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ВИДУ СИМУЛЯТОРОВ, 2020-2025 гг. (МЛН. Долл. США)
10.1.1 МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ
10.1.2 ПРЕДПОЛОЖЕНИЯ
ТАБЛИЦА 48 ПРЕДПОЛОЖЕНИЯ: ПО ТИПУ СИМУЛЯТОРА
10.1.3 КЛЮЧЕВЫЕ ПЕРВИЧНЫЕ ИССЛЕДОВАНИЯ
РИСУНОК 45 КЛЮЧЕВЫЕ ПЕРВИЧНЫЕ ИССЛЕДОВАНИЯ
10.2 РАСШИРЕННЫЙ СИМУЛЯТОР ДВИГАТЕЛЯ И ПРЕОБРАЗОВАТЕЛЬ ДВИГАТЕЛЯ ДЛЯ ПЕРЕДАЧИ ДАЙВИНГА ИСПОЛНИТЕЛЬНОГО ДВИГАТЕЛЯ
10.2.1. РАСШИРЕННЫЕ ЦЕЛИ
ТАБЛИЦА 49 РАСШИРЕННЫЙ СИМУЛЯТОР ВОЖДЕНИЯ: РЫНОК СИМУЛЯТОРОВ ВОЖДЕНИЯ, ПО РЕГИОНАМ, 2017-2019 гг. (МЛН ДОЛЛ. США)
ТАБЛИЦА 50 РАСШИРЕННЫЙ СИМУЛЯТОР ВОЖДЕНИЯ: РЫНОК СИМУЛЯТОРОВ ВОЖДЕНИЯ, ПО РЕГИОНАМ, 2020-2025 гг. (10 МЛН долл. США)
.3 ОБУЧЕНИЕ СИМУЛЯТОРА ВОЖДЕНИЯ
10.3.1 НЕОБХОДИМО ОБУЧИТЬ НОВЫХ ВОДИТЕЛЕЙ СООТВЕТСТВУЮЩИМ НАВЫКАМ, ОЖИДАЕМЫМ ДЛЯ ВОДИТЕЛЬСТВА СЕГМЕНТА
ТАБЛИЦА 51 СИМУЛЯТОР ДЛЯ ОБУЧЕНИЯ ВОЖДЕНИЯ: РЫНОК СИМУЛЯТОРОВ ВОЖДЕНИЯ, ПО РЕГИОНАМ, 20172019 ГОД (МИЛЛИОН ДОЛЛ. , ПО РЕГИОНАМ, 20202025 (МЛН ДОЛЛ. США)

11 РЫНОК СИМУЛЯТОРОВ ДВИЖЕНИЯ ПО ОБУЧЕНИЮ СИМУЛЯТОРА ВОЖДЕНИЯ (Страница № — 116)
11.1 ВВЕДЕНИЕ
РИСУНОК 46 ИНСТРУМЕНТЫ ДЛЯ МОДЕЛИРОВАНИЯ
РИСУНОК 47 РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЯ ПО ТРЕНИРОВКЕ СИМУЛЯТОРА ВОЖДЕНИЯ, 2020 VS.2025 г. (МЛН ДОЛЛ. США)
ТАБЛИЦА 53 РЫНОК СИМУЛЯТОРОВ ВОЖДЕНИЯ, ПО УЧЕБНОМУ СИМУЛЯТОРУ, 2017-2019 ГОД (МЛН ДОЛЛ. США)
ТАБЛИЦА 54 РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЯ, ПО ТРЕНИРОВОЧНОМУ СИМУЛЯТОРУ, 20202025 ГОД (МЛН. Долл. США)
11.1.1 МЕТОД ИССЛЕДОВАНИЯ 11.1.1.
ТАБЛИЦА 55 ПРЕДПОЛОЖЕНИЯ: НА ТРЕНИРОВКЕ СИМУЛЯТОРА ВОЖДЕНИЯ
11.1.3 КЛЮЧЕВЫЕ ПЕРВИЧНЫЕ ИНФОРМАЦИИ
РИСУНОК 48 КЛЮЧЕВЫЕ ПЕРВИЧНЫЕ ИНЗИТЫ
2 КОМПАКТНЫЙ СИМУЛЯТОР
11.2.1 КОМПАКТНОСТЬ, ПОРТАТИВНОСТЬ И НИЗКОЕ ПОБЕРЕЖЬЕ ДЛЯ УПРАВЛЕНИЯ СЕГМЕНТОМ
ТАБЛИЦА 56 КОМПАКТНЫЙ СИМУЛЯТОР: РЫНОК СИМУЛЯТОРОВ ДЛЯ ДВИЖЕНИЯ, ПО РЕГИОНАМ, 2017-2019 (МЛН ДОЛЛ. США)
ТАБЛИЦА 57 КОМПАКТНЫЙ МОДУЛЯТОР: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, 20202025 ГОД, ПО РЕГИОНАМ (МЛН ДОЛЛ. США)
11.3 ПОЛНОМАСШТАБНЫЙ СИМУЛЯТОР
11.3.1 ПОЛНОСТЬЮ ИНСТРУМЕНТОВАННЫЕ СТАЦИОНАРНЫЕ КАБИНЫ ПОЛНОМАСШТАБНЫХ СИМУЛЯТОРОВ ДОПУСКАЮТ РЕАЛЬНЫЙ ОПЫТ
ТАБЛИЦА 58 ПОЛНОМАСШТАБНЫЙ СИМУЛЯТОР: РЫНОК ДВИЖЕНИЯ СИМУЛЯТОРОВ, ПО ВЕСНЫМ РЕГИОНАМ, 2017-2019 -МАСШТАБНЫЙ СИМУЛЯТОР: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО РЕГИОНАМ, 2020-2025 (МЛН. ДОЛЛАРОВ)

12 РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЬСТВА ПО ТИПАМ АВТОМОБИЛЯ (стр.- 122)
12.1 ВВЕДЕНИЕ
РИСУНОК 49 РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ВИДАМ АВТОМОБИЛЕЙ, 2020 г. 2025 г. (МЛН ДОЛЛ. США)
ТАБЛИЦА 60 РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЯ, ПО ВИДАМ АВТОМОБИЛЯ, 2017-2019 (МЛН ДОЛЛ. США)
ТАБЛИЦА 61 РЫНОК СИМУЛЯТОРОВ ВОЖДЕНИЯ, ПО ВИДУ АВТОМОБИЛЕЙ, 2020-2025 гг. (МЛН долл. США)
12.1.1 МЕТОДИКА ИССЛЕДОВАНИЯ 62 ДОПУЩЕНИЯ: ПО ТИПУ АВТОМОБИЛЯ
12.1.3 КЛЮЧЕВЫЕ ОСНОВНЫЕ ИНФОРМАЦИИ
РИС.2 АВТОМОБИЛЬНЫЙ СИМУЛЯТОР
12.2.1 РЕАЛЬНАЯ ИНТЕРПРЕТАЦИЯ РЕАЛЬНЫХ УСЛОВИЙ ВОЖДЕНИЯ — ГЛАВНОЕ ПРЕИМУЩЕСТВО АВТОМОБИЛЬНЫХ СИМУЛЯТОРОВ
ТАБЛИЦА 63 АВТОМОБИЛЬНЫЙ СИМУЛЯТОР: РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЯ, ПО РЕГИОНАМ, 2017-2019 (МИЛЛИОН ДОЛЛАРОВ)
ТАБЛИЦА 64 МАРКИРОВКА АВТОМОБИЛЬНОГО СИМУЛЯТОРА, ДВИЖЕНИЕ СИМУЛЯТОРА 20202025 (МЛН ДОЛЛ. США)
12.3 СИМУЛЯТОР ДЛЯ ГРУЗОВИКОВ И АВТОБУСОВ
12.3.1 СПРОС НА СИСТЕМЫ УПРАВЛЕНИЯ УПРАВЛЕНИЕМ ДЛЯ КОММЕРЧЕСКИХ ГРУЗОВИКОВ И АВТОБУСОВ ОЖИДАЕТСЯ УВЕЛИЧЕНИЕ
СИМУЛЯТОР ДЛЯ ГРУЗОВИКОВ И АВТОБУСОВ TABLE 65: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО РЕГИОНАМ, 2017-2019 ТАБЛИЦА 66 СИМУЛЯТОР ГРУЗОВИКОВ И АВТОБУСОВ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО РЕГИОНАМ, 2020-2025 гг. (МЛН. Долл. США)

13 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО РЕГИОНАМ (Стр.- 129)
13.1 ВВЕДЕНИЕ
РИСУНОК 51 РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОЙ ПОДГОТОВКИ ПО РЕГИОНАМ, 2020 VS. 2025 г. (МЛН ДОЛЛ. США)
ТАБЛИЦА 67 СИМУЛЯТОР ВОЖДЕНИЯ ДЛЯ РЫНКА ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО РЕГИОНАМ, 2019 г. 2025 г. (ЕДИНИЦ)
ТАБЛИЦА 68 СИМУЛЯТОР ДЛЯ РЫНКА ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ, ПО РЕГИОНАМ, 2019 г. -DOF MOTION BASE, ИСПОЛЬЗУЕМЫЕ В ТРЕНИРОВОЧНЫХ СИМУЛЯТОРАХ
РИСУНОК 53 СИМУЛЯТОР DIM250 ОТ VI-КЛАССА
13.3 ЕВРОПА
РИСУНОК 54 АРХИТЕКТУРА ВСТРОЕННОГО СИМУЛЯТОРА ОБОРУДОВАНИЯ ДВИЖЕНИЯ (IDHIL) ДЛЯ ТЕСТИРОВАНИЯ И ОЦЕНКИ КООПЕРАТИВНЫХ СИСТЕМ ЭКО-ПРИВОДА

14 РЫНОК СИМУЛЯТОРОВ ДВИЖЕНИЯ, ПО РЕГИОНАМ (Страница № — 137)
14.1 ВВЕДЕНИЕ
РИСУНОК 56 РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЯ, ПО РЕГИОНАМ, 2020 г. 2025
ТАБЛИЦА 69 РЫНОК СИМУЛЯТОРОВ ДЛЯ ДВИЖЕНИЯ ПО РЕГИОНАМ, 2017-2019 гг. (МИЛЛИОН ДОЛЛАРОВ США)
ТАБЛИЦА 70 РЫНОК СИМУЛЯТОРОВ ПРИВОДА, ПО РЕГИОНАМ, 2020-2025 гг.2 ASIA PACIFIC
РИСУНОК 57 Азиатско-Тихоокеанский регион: ОБЗОР РЫНКА ТРЕНИРОВОЧНЫХ СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ
ТАБЛИЦА 71 Азиатско-Тихоокеанский регион: РЫНКИ СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО СТРАНАМ, 2017-2019 ГОД (МЛН ДОЛЛ.
14.2.1 КИТАЙ
14.2.1.1 Сегмент автосимуляторов, который станет лидером на рынке
ТАБЛИЦА 73 КИТАЙ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЬСТВА, ПО ВИДУ АВТОМОБИЛЕЙ, 2017-2019 (МЛН ДОЛЛ. США) МИЛЛИОНОВ)
14.2.2 ЯПОНИЯ
14.2.2.1 Присутствие ключевых OEM-производителей, которые, как ожидается, будут стимулировать рынок
ТАБЛИЦА 75 ЯПОНИЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ВИДАМ АВТОМОБИЛЕЙ, 2017-2019 гг. (МЛН ДОЛЛ. )
14.2.3 ИНДИЯ
14.2.3.1 Государственные субсидии частным учебным заведениям для продвижения на рынок
ТАБЛИЦА 77 ИНДИЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ВИДАМ АВТОМОБИЛЕЙ, 2017-2019 (МЛН ДОЛЛ. США)
ТАБЛИЦА 78 ИНДИЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ВИДУ АВТОМОБИЛЯ , 20202025 (МЛН ДОЛЛ. США)
14.2.4 ЮЖНАЯ КОРЕЯ
14.2.4.1 Расширение внедрения передовых технологий и инноваций для стимулирования рынка
ТАБЛИЦА 79 ЮЖНАЯ КОРЕЯ: РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЬСТВА, ПО ВИДАМ АВТОМОБИЛЕЙ, 2017-2019 (МЛН ДОЛЛ. США)
ТАБЛИЦА 80 ЮЖНАЯ КОРЕЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ТИП АВТОМОБИЛЯ, 2020-2025 (МИЛЛИОН ДОЛЛАРОВ США)
14.2.5 ОСТАЛЬНАЯ АЗИАТСКО-ТИХООКЕАНСКАЯ РЕСПУБЛИКА
ТАБЛИЦА 81 ОТДЫХ В АЗИИ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ВИДАМ АВТОМОБИЛЕЙ, 2017-2019 ГОД (МИЛЛИОН ДОЛЛ. ТИП АВТОМОБИЛЯ, 2020-2025 (МЛН. ДОЛЛАРОВ)
14.3 ЕВРОПА
ТАБЛИЦА 83 ЕВРОПА: РЫНОК СИМУЛЯТОРОВ ДВИЖЕНИЯ, ПО СТРАНАМ, 2017-2019 (МИЛЛИОН ДОЛЛ. управлять рынком
ТАБЛИЦА 85 ФРАНЦИЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ВИДУ АВТОМОБИЛЕЙ, 2017-2019 гг. (МЛН ДОЛЛ. США)
ТАБЛИЦА 86 ФРАНЦИЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ВИДУ АВТОМОБИЛЕЙ, 2020–2025 гг. (МЛН долл. США)
14.3.2 ГЕРМАНИЯ
14.3.2.1 Присутствие инновационных OEM-производителей для продвижения рынка
ТАБЛИЦА 87 ГЕРМАНИЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ВИДАМ АВТОМОБИЛЕЙ, 2017-2019 (МЛН. Долл. США)
ТАБЛИЦА 88 ГЕРМАНИЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ВИДУ АВТОМОБИЛЕЙ, 2020-2025 гг. (МЛН. Долл. США)
14.3.3 ИСПАНИЯ
14.3.3.1 Рост производства коммерческих автомобилей для стимулирования рынка
ТАБЛИЦА 89 ИСПАНИЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ВИДАМ АВТОМОБИЛЕЙ, 2017-2019 гг. (МЛН ДОЛЛ. США) МИЛЛИОН ДОЛЛАРОВ США)
14.3.4 ИТАЛИЯ
14.3.4.1 Растущее внедрение функций ADAS для продвижения рынка
ТАБЛИЦА 91 ИТАЛИЯ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ВИДУ АВТОМОБИЛЕЙ, 2017-2019 гг. (МЛН ДОЛЛ. )
14.3.5 ВЕЛИКОБРИТАНИЯ
14.3.5.1 Популярность автомобилей премиум-класса с высококлассными характеристиками для выхода на рынок
ТАБЛИЦА 93 Великобритания: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ВИДАМ АВТОМОБИЛЕЙ, 2017-2019 (МЛН ДОЛЛ. США)
ТАБЛИЦА 94 Великобритания: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ВИДУ АВТОМОБИЛЯ, 2020-2025 гг. (МЛН ДОЛЛАРОВ США)
14.3.6 ОСТАЛЬНАЯ ЕВРОПА
ТАБЛИЦА 95 ОСТАЛЬНАЯ ЕВРОПА: РЫНОК ДВИГАТЕЛЕЙ СИМУЛЯТОРОВ, ПО ВИДУ АВТОМОБИЛЕЙ, 2017-2019 гг. (МЛН ДОЛЛАРОВ США)
ТАБЛИЦА 96 ОТДЫХ ЕВРОПЫ: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ТИПАМ АВТОМОБИЛЕЙ, 2020–2025 гг. (МЛН. Долл. США)
14,4 СЕВЕР 58 СЕВЕРНАЯ АМЕРИКА: ОБЗОР РЫНКА СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ
ТАБЛИЦА 97 СЕВЕРНАЯ АМЕРИКА: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО СТРАНАМ, 2017-2019 (МЛН ДОЛЛ.4.1 США
14.4.1.1 Строгие правила безопасности для продвижения рынка
ТАБЛИЦА 99 США: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ВИДУ АВТОМОБИЛЕЙ, 2017-2019 (МИЛЛИОНЫ ДОЛЛАРОВ США)
ТАБЛИЦА 100 США: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ВИДАМ АВТОМОБИЛЕЙ, 2020-2025 гг. (МИЛЛИОНЫ ДОЛЛАРОВ США)
14.4.2 КАНАДА
14.4.2.1 Растущий спрос на функции безопасности и удобства для продвижения рынка
ТАБЛИЦА 101 КАНАДА: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ТИПАМ АВТОМОБИЛЕЙ, 2017-2019 (МЛН ДОЛЛ. США)
ТАБЛИЦА 102 КАНАДА: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО ВИДУ АВТОМОБИЛЯ, 20202025 (МИЛЛИОН ДОЛЛАРОВ)
14.4.3 МЕКСИКА
14.4.3.1 Для увеличения производства грузовиков потребуется обучение безопасному вождению.
ТАБЛИЦА 103 МЕКСИКА: РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЬСТВА, ПО ВИДУ АВТОМОБИЛЕЙ, 2017-2019 гг. (МЛН ДОЛЛ.
14,5 REST OF THE WORLD
ТАБЛИЦА 105 СТРОКА: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО СТРАНАМ, 2017–2019 гг. (МЛН ДОЛЛ. США)
ТАБЛИЦА 106 СТРОКА: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОЖДЕНИЯ, ПО СТРАНАМ, 2020–2025 гг. (МЛН. Долл. США)
14.5.1 БРАЗИЛИЯ
14.5.1.1 Постепенный технологический рост для стимулирования рынка
ТАБЛИЦА 107 БРАЗИЛИЯ: РЫНОК СИМУЛЯТОРОВ ДВИЖЕНИЯ, ПО ВИДАМ АВТОМОБИЛЕЙ, 2017-2019 гг. (МЛН ДОЛЛ. США)
ТАБЛИЦА 108 БРАЗИЛИЯ: РЫНОК СИМУЛЯТОРОВ ВОДИТЕЛЬСТВА, ПО ВИДУ АВТОМОБИЛЕЙ, 2020-2025 гг. 14.5.2 ИРАН
14.5.2.1 Увеличение инвестиций ведущих производителей оригинального оборудования для продвижения рынка
ТАБЛИЦА 109 ИРАН: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ВИДУ АВТОМОБИЛЕЙ, 2017-2019 гг. (МЛН ДОЛЛ. США)
ТАБЛИЦА 110 ИРАН: РЫНОК СИМУЛЯТОРОВ ДЛЯ ВОДИТЕЛЕЙ, ПО ВИДУ АВТОМОБИЛЕЙ, 2020-2025 гг. (МИЛЛИОН ДОЛЛАРОВ США)
14.5.3 ОСТАВЛЕНИЕ РЯДА
ТАБЛИЦА 111 ОСТАЛЬНОЕ СОСТОЯНИЕ: РЫНОК СИМУЛЯТОРОВ ДВИЖЕНИЯ, ПО ВИДАМ АВТОМОБИЛЯ, 2017-2019 (МЛН ДОЛЛ. США)
ТАБЛИЦА 112 ОСТРОЕК: РЫНОК СИМУЛЯТОРОВ ДЛЯ ДВИЖЕНИЯ, ПО ВИДУ АВТОМОБИЛЕЙ, 2020-2025 гг. (МЛН ДОЛЛАРОВ США)

15 РЕКОМЕНДАЦИИ РЫНКОВ И РЫНКОВ (Страница № 162)
15.1 ЕВРОПА БУДЕТ ОСНОВНЫМ РЫНОКОМ СИМУЛЯТОРОВ ВОДИТЕЛЯ
15.2 РАСШИРЕННЫЕ СИМУЛЯТОРЫ ДВИЖЕНИЯ ЯВЛЯЮТСЯ КЛЮЧОМ ДЛЯ АВТОМОБИЛЬНОГО РЫНКА В БЛИЖАЙШИЕ ГОДЫ
15.3 ЗАКЛЮЧЕНИЕ

16 КОНКУРЕНТНЫЙ ЛАНДШАФТ (Страница № — 164)
16.1 ОСНОВА ОЦЕНКИ РЫНКА
РИСУНОК 59 ОСНОВА ОЦЕНКИ РЫНКА
16.2 ОБЗОР
SIM-карта АНАЛИЗ АКЦИЙ, 2019
16.4 РЕЙТИНГ-АНАЛИЗ ДЛЯ DRIVING SIMULATOR MARKET
РИСУНОК 62 РЕЙТИНГ-АНАЛИЗ РЫНКА, 2019
16.5 КОНКУРЕНТНЫЙ СЦЕНАРИЙ
16.5.1 ЗАПУСК НОВЫХ ПРОДУКТОВ
ТАБЛИЦА 113 ЗАПУСКИ НОВЫХ ПРОДУКТОВ, 20182020 ГОД
16.5.2 СЛИЯНИЯ И ПРИОБРЕТЕНИЯ
ТАБЛИЦА 114 СЛИЯНИЯ И ПРИОБРЕТЕНИЯ, 2018
16.5.3 ПАРТНЕРСТВА / ПРЕДЛОЖЕНИЯ ДОГОВОРОВ / СОГЛАШЕНИЯ / СОТРУДНИЧЕСТВО 115 900 ДОГОВОРЫ НА ПОСТАВКИ / СОТРУДНИЧЕСТВО / СОГЛАШЕНИЯ, 20172020
16.5.4 РАСШИРЕНИЯ
ТАБЛИЦА 116 ДОПОЛНИТЕЛЬНЫЕ РАСШИРЕНИЯ, 20182020
6 КАРТА КОНКУРЕНТНОГО ЛИДЕРСТВА (ОСНОВНЫЕ УЧАСТНИКИ ИГРОКОВ)
16.6.1 ЗВЕЗДЫ
16.6.2 НОВЫЕ ЛИДЕРЫ
16.6.3 ПЕРВАЗИВНЫЙ
16.6.4 УЧАСТНИКИ
РИС. ПОРТФОЛИО
РИСУНОК 64 АНАЛИЗ ПОРТФЕЛЯ ПРОДУКЦИИ ЛУЧШИХ ИГРОКОВ РЫНКА СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ
16.8 ПРЕВОСХОДСТВО В СТРАТЕГИИ БИЗНЕСА
РИСУНОК 65 ПРЕВОСХОДСТВО В СТРАТЕГИИ БИЗНЕСА ЛУЧШИХ ИГРОКОВ ВОДИТЕ РЫНОК СИМУЛЯТОРОВ ДЛЯ ПРОФЕССИОНАЛЬНОГО ОБУЧЕНИЯ
16,9 ПОБЕДИТЕЛЕЙ VS. TAIL-ENDERS
ТАБЛИЦА 117 ПОБЕДИТЕЛЕЙ VS. ХВОСТОВИКИ
16.10 КАРТА КОНКУРЕНТНОГО ЛИДЕРСТВА ДЛЯ ПОСТАВЩИКОВ СИМУЛЯТОРОВ ВОДИТЕЛЯ
РИСУНОК 66 ГЛОБАЛЬНЫЙ СИМУЛЯТОР ВОЖДЕНИЯ: КАРТА КОНКУРЕНТНОГО ЛИДЕРСТВА, 2019

17 ПРОФИЛИ КОМПАНИИ (№ страницы — 179)
(Обзор бизнеса, предложения продуктов, разработки и MnM View) *
17.1 КЛЮЧЕВЫЕ ИГРОКИ
17.1.1 CRUDEN B.V
17.1.2 CASSIDIAN
17.1.3 СИСТЕМА СИМУЛЯТОРА TECKNOTROVE PVT. LTD
17.1.4 ГРУППА ECA
РИСУНОК 67 ГРУППА ECA: ОБЗОР КОМПАНИИ
17.1.5 ADACEL TECHNOLOGIES LTD.
РИСУНОК 68 ADACEL TECHNOLOGIES LTD .: КОМПАНИЯ SNAPSHOT
17.1.6 TRANSURB
17.1.7 EDISER
17.1.8 CORYS
17.1.9 SHRAIL
17.1.10 IPG AUTOMOTIVE
17.1.11 OKTAL SYDAC
17.1.12 VI-GRADE
17.1.13 ENVIRONMENTAL TECTONICS CORPORATION (ETC)
РИСУНОК 69 ETC: КОМПАНИЯ SNAPSHOT
ТАБЛИЦА 118 ETC: ПРЕДЛАГАЕМЫЕ ПРОДУКТЫ
ТАБЛИЦА 119 ETC: КОНТРАКТЫ
17.1.14 L3 HARRIS TECHNOLOGIES
РИСУНОК 70 L3 HARRIS TECHNOLOGIES: КОМПАНИЯ SNAPSHOT
ТАБЛИЦА 120 L3 HARRIS TECHNOLOGIES: ПРЕДЛАГАЕМЫЕ ПРОДУКТЫ
ТАБЛИЦА 121 L3 HARRIS TECHNOLOGIES: КОНТРАКТЫ / СЛИЯНИЯ
17.1.15 FAAC INC. (ПОД НАПРАВЛЕНИЕМ AROTECH CORPORATION)
РИСУНОК 71 FAAC / AROTECH: ОБЗОР КОМПАНИИ
ТАБЛИЦА 122 FAAC / AROTECH: ПРЕДЛАГАЕМЫЕ ПРОДУКТЫ
ТАБЛИЦА 123 FAAC / AROTECH: ПРИОБРЕТЕНИЯ / СОГЛАШЕНИЯ / ИНВЕСТИЦИИ
17.1.16 SIMFOR
ТАБЛИЦА 124 / ПРЕДЛАГАЕМЫЕ УСЛУГИ
17.1.17 SIM-ФАКТОР
ТАБЛИЦА 125 SIM-ФАКТОР: ПРЕДЛАГАЕМЫЕ ПРОДУКТЫ / УСЛУГИ
ТАБЛИЦА 126 SIM-ФАКТОР: КОНТРАКТЫ / ПРОЕКТЫ
* Подробная информация об обзоре бизнеса, предложениях продуктов, разработках и мнениях может не быть получена в случае отсутствия в списке компании.
17.2 ДРУГИЕ КЛЮЧЕВЫЕ ИГРОКИ
17.2.1 СЕВЕРНАЯ АМЕРИКА
17.2.1.1 Ford
17.2.1.2 General Motors
17.2.1.3 Virage Simulation
17.2.1.4 WAYMO
17.2.1.5 Mechanical Simulation Corporation
17.2.2 EUROPE
17.2.2.1 Daimler
17.2.2.2 BMW
17.2.2.3 Rexroth
17.2.2.4 Volkswagen
17.2.2.5 Volvo
17.2.2.6 AImotive
17.2.2.7 CARLA
17.2.2.8 AB Dynamics
17.2.2.9 XPI Simulation
17.2.2.10 rFpro
17.2.3 ASIA PACIFIC
17.2. 3.1 Toyota
17.2.3.2 Nissan
17.2.3.3 CVEDIA
17.2.3.4 Honda
17.2.4 ОСТАЛЬНЫЙ МИР
17.2.4.1 Cognata

18 ПРИЛОЖЕНИЕ (Номер страницы — 213)
18.1 КЛЮЧЕВЫЕ ИНФОРМАЦИИ ДЛЯ ЭКСПЕРТОВ ОТРАСЛИ
18.2 РУКОВОДСТВО ПО ОБСУЖДЕНИЮ
18.3 ИНФОРМАЦИОННЫЙ МАГАЗИН: ПОРТАЛ ПОДПИСКИ НА РЫНКИ И РЫНКОВ
18,4 ДОСТУПНЫЕ АВТОМАТИЗАЦИИ
НАСТРОЙКА ОТЧЕТА 18,5

границ | AR DriveSim: иммерсивный симулятор вождения для исследования Head-Up Display с дополненной реальностью

Введение

Когда-то являясь источником избранных академических и государственных лабораторий, дополненная реальность (AR) теперь применяется во многих контекстах и ​​предоставляется с помощью множества аппаратных технологий.Успехи были задокументированы, например, в отношении AR смартфонов на ходу (DüNser et al., 2012; Shea et al., 2017), AR на базе планшетов в классах (Bower et al., 2014), пространственной AR в архитектуре (Tonn et al., 2008), а также носимые на голове AR в военных и медицинских целях (Shen et al., 2013; Gans et al., 2015). Однако, невзирая на портативную дополненную реальность, вполне возможно, что самой большой пользовательской базой дополненной реальности вскоре станут водители автомобилей, использующие прозрачные автомобильные проекционные дисплеи (HUD) для просмотра как позиционированного на экране 2D, так и конформного трехмерного контента AR.

Действительно, недавно мы стали свидетелями возобновления интереса к использованию HUD при вождении, отчасти из-за коммерциализации технологий AR следующего поколения. Производители автомобилей начинают внедрять технологии AR HUD (86 моделей в США предлагали HUD в 2018 году), а маркетинговые команды настаивают на более продвинутых пользовательских интерфейсах AR HUD. По прогнозам HIS Automotive, к 2020 году будет продано 9,1 миллиона HUD.

Более того, в самом ближайшем будущем мы ожидаем увеличения поля обзора AR HUD, позволяющего размещать информацию во многих местах; от фиксированных положений лобового стекла до конформной графики, которая перцептивно привязана к реальным объектам.В те же сроки мы ожидаем увеличения количества полуавтономных транспортных средств, где водители должны по-прежнему обращать внимание на как на дорожную сцену, так и на системную информацию (вероятно, предоставляемую через AR HUD), создавая идеальный шторм для потенциально опасных и отвлекающих интерфейсов AR HUD.

Хотя AR HUD следующего поколения обеспечит принципиально новый опыт вождения, в настоящее время мы не знаем, как эффективно проектировать и оценивать пользовательские интерфейсы (UI) в этой области. С новыми AR HUD, способными отображать изображения на больших площадях с разной глубиной, визуальное и когнитивное разделение между графическими и реальными визуальными стимулами будет все труднее определять количественно.По мере того, как мы движемся к широкому использованию HUD AR следующего поколения на транспорте, нам необходимо лучше понимать, как управлять дизайнами пользовательского интерфейса, которые не просто поверх среды , а вместо этого являются интегрированной частью среды .

Без новых исследовательских возможностей исследователям и практикам HUD UI остается основывать дизайн и оценку HUD UI на текущем (и устаревшем) понимании традиционных автомобильных информационных систем. Общие методы оценки дисплея в автомобиле были разработаны на основе данных, собранных в автомобилях в начале 2000-х годов (Administration NHTS, 2013), и недавние исследования показывают, что эти методы оценки имеют ограниченную применимость к AR HUD (Smith et al., 2016). Таким образом, когда мы приступаем к разработке и проектированию новых дисплеев AR HUD, мы также должны развивать наше понимание эффектов AR HUD на визуальное внимание и производительность водителя. В пространстве дизайна, которое предоставляет принципиально разный пользовательский опыт, мы должны задать вопрос: « Каким образом пользовательские интерфейсы AR HUD, которые обязательно визуально интегрированы в высокодинамичное пространство основных задач, влияют на производительность драйвера? ”Симуляторы вождения предоставляют метод быстрой итерации дизайна AR HUD в реалистичных сценариях вождения без опасности или затрат на дорожные испытания.

С этой целью в данной статье рассказывается о нашем опыте создания относительно недорогого полномасштабного симулятора вождения, предназначенного для изучения влияния использования AR HUD на производительность и поведение водителя. В оставшейся части документа подробно описывается техническая реализация аппаратного и программного обеспечения, после чего следует пользовательское исследование, демонстрирующее полезность симулятора вождения, и в заключение излагаются уроки, извлеченные из наших многолетних усилий по созданию и тестированию симулятора вождения с AR HUD.

Сопутствующие работы

Чтобы изучить возможности моделирования вождения для разработки и оценки пользовательского интерфейса дополненной реальности, мы кратко рассмотрим исследования с участием человека, в которых использовалось различное оборудование: (1) симулятор, (2) оптические прозрачные дисплеи дополненной реальности и (3) программное обеспечение для реализовать конформную графику для интерфейсов водитель-автомобиль.Для получения дополнительной информации о моделировании вождения в целом (например, о современных технологиях, приложениях, возможностях и ограничениях) см. Подробное руководство (Fisher et al., 2011).

Что касается точности моделирования вождения (т. Е. Визуальных стимулов, управления транспортным средством и движения), в эмпирических исследованиях приложений AR использовался широкий спектр оборудования для моделирования вождения, в зависимости от решаемых исследовательских вопросов. Настройки с самым низким уровнем точности часто связаны с комбинацией настольных компьютеров, мониторов и игровых контроллеров (Neurauter, 2005; Kim and Dey, 2009; Weinberg et al., 2011; Charissis et al., 2013; Ким и др., 2013; Тран и др., 2013; Politis et al., 2014; Шарфи и Шинар, 2014 г .; Типпи и др., 2014). Например, Шарфи и Шинар (2014) создали прототип системы улучшения видимости AR для вождения в ночное время, которая выделяет маркеры полосы движения с помощью настольного компьютера, игровых контроллеров DEXXA и монитора размером 126 × 60 см, и обнаружили, что расширенные края дороги положительно влияют на водителей. уверенность и рабочая нагрузка при снижении их способности обнаруживать неожиданные препятствия.Другие исследователи использовали симуляторы вождения средней точности, которые обычно состоят из стационарной реальной кабины автомобиля с проекционными экранами на стену (Tonnis and Klinker, 2006; Caird et al., 2008; Plavšic et al., 2009; Olaverri-Monreal et al. , 2012; Saffarian et al., 2013; Schall et al., 2013; Wai-Tat et al., 2013; Bolton et al., 2015). Fu et al. провели пользовательское исследование на симуляторе вождения с кабиной реального автомобиля GM Saturn на фиксированной базе (Wai-Tat et al., 2013). Пользовательское исследование показало, что предложенное AR предупреждение о лобовом столкновении улучшило ходовые качества, но вызывало рискованное поведение при вождении, особенно среди молодых водителей.Несколько пользовательских исследований было проведено в симуляторе вождения с высокой точностью воспроизведения с использованием реальных автомобильных кабин, основанных на движении, с проекционными экранами с широким полем обзора, автомобильными дисплеями для зеркал и дисплеями на центральной консоли (Medenica et al., 2011; Lorenz et al. ., 2014). Например, Medenica et al. (2011) оценили удобство использования трех навигационных средств в высококачественной кабине реального автомобиля, установленной на подвижной базе, которая способна имитировать движение транспортного средства для торможения и ускорения. Пользовательское исследование показало преимущества конформного навигационного средства AR, показывающего виртуальный маршрут, парящий над дорогой, по сравнению с традиционными навигационными средствами просмотра карты или улиц, отображаемыми на дисплее центральной консоли.Наконец, SILAB (WIVW, 2019), коммерчески доступный симулятор вождения, поддерживает гибкий, широкий диапазон точности моделирования от настольных систем с игровыми входами управления до многоканальных проецируемых сцен с реальными транспортными средствами, размещенными на движущихся платформах. Подобно нашей работе, представленной здесь, SILAB поддерживает физиологические измерения, видеозахват водителя и пассажиров под произвольными углами, отслеживание взгляда, протоколы соединения в реальном времени (такие как TCP / IP, UDP и шина CAN), а также поддержку интеграции вторичных задач. .Из материалов, доступных в Интернете, неясно, было ли успешно интегрировано отдельное оборудование AR HUD в SILAB. Однако вполне вероятно, что описанная инфраструктура поддержит такое начинание.

Для дисплеев AR большинство исследователей имитировали AR HUD, представляя графику AR непосредственно в сцене вождения (без физического отображения AR; Caird et al., 2008; Kim and Dey, 2009; Plavšic et al., 2009; Charissis and Papanastasiou, 2010; Medenica et al., 2011; Dijksterhuis et al., 2012; Олаверри-Монреаль и др., 2012; Ким и др., 2013, 2016; Saffarian et al., 2013; Schall et al., 2013; Вай-Тат и др., 2013; Lorenz et al., 2014; Politis et al., 2014; Sharfi and Shinar, 2014), в то время как некоторые устанавливали собственные прототипы (Tonnis and Klinker, 2006; Langlois, 2013; Tran et al., 2013), вторичный рынок c или головные дисплеи внутри симуляторов вождения (Sawyer et al., 2014; Типпи и др., 2017). Вообще говоря, исходя из нашего опыта, интеграция графики непосредственно в сцену вождения (с помощью компьютерной графики или видео) не дает такого же адаптивного и / или когнитивного переключения (Gabbard et al., 2019), что делает отдельный дисплей AR; важный компонент для исследования, цель которого — достоверно изучить влияние AR HUD на визуальное внимание водителя. Более того, самодельные AR HUD (например, использующие планшеты и полупрозрачные комбайнеры) могут страдать от ореолов и других визуальных артефактов, которые могут повлиять на результаты пользовательских исследований, если при их создании не будет уделено особого внимания.

Kim et al. (2013) смоделировали HUD послепродажного обслуживания, представив виртуальный аппаратный форм-фактор HUD (поле зрения 24 × 8 °) с полупрозрачным предупреждением о прямом столкновении AR и предупреждением о слепых зонах через виртуальный дисплей.Schall et al. (2013) смоделировали полный HUD лобового стекла для предупреждения о столкновениях в дополненной реальности, напрямую выделяя дорожные опасности с виртуальными окнами, интегрированными в сцену вождения. Тоннис и Клинкер (2006) создали прототип собственного HUD, используя объединитель и небольшой проекционный экран для графики AR, отделенный от большого проекционного экрана на стене для сцены вождения. Точно так же Лаубер и Батц (2013) смоделировали проекционный дисплей с помощью ЖК-дисплея и зеркала объединителя с прозрачностью 70%, чтобы сравнить фиксированное на экране представление скорости, ограничения скорости, предупреждения о столкновении и базовой навигационной информации с носимым на голове AR презентация через Vuzix StarTM 1200 HM.Pfannmueller et al. (2015) использовали макет контактного аналогового проекционного дисплея (cHUD), чтобы представить графику AR поверх видеопроекции сцен вождения, чтобы изучить различные концепции отображения навигации AR. Хотя деталей не хватает, cHUD выглядит похожим на другие, использующие планшет или монитор, отраженный через полупрозрачный комбайнер (в отличие от коммерческих дисплеев AR на голове или на голове). Хотя эта система обеспечивает быстрый метод оценки концепций дизайна AR HMI, она не поддерживает ручное управление и, похоже, не поддерживает исследование конформной графики AR.

Хорошее дорожное исследование Wiesner et al. (2017) использует коммерческий прототип проекционного дисплея в реальном транспортном средстве, чтобы понять работу водителя с дизайном интерфейса AR в реальных условиях вождения. В ходе работы были интегрированы высокоточная глобальная навигационная спутниковая система (GNSS) и система горизонта передовых систем помощи водителю (ADAS) для изучения эффективности «AR-подобных» визуализаций предстоящих перекрестков, съездов с шоссе и кольцевых развязок. Авторы не конформно интегрируют графику AR в сцену отчасти потому, что графика представляет собой будущее событие; таким образом, тесная визуальная интеграция явно не гарантируется.Авторы используют отслеживание взгляда, и результаты, касающиеся влияния AR на взгляды водителей, аналогичны нашим результатам, представленным здесь: а именно: презентация на основе AR HUD помогает водителям дольше держать взгляд в направлении дороги, а короткие взгляды — в сторону дороги. комбинация приборов и немного более длинные средние взгляды на HUD (по сравнению с дисплеем, направленным вниз).

Конформная графика в симуляторах вождения была реализована в основном путем прямой интеграции графики AR в компьютерную сцену вождения без отдельных дисплеев (Caird et al., 2008; Ким и Дей, 2009 г .; Плавшич и др., 2009; Хариссис и Папанастасиу, 2010; Medenica et al., 2011; Ким и др., 2013; Schall et al., 2013; Вай-Тат и др., 2013; Lorenz et al., 2014; Politis et al., 2014; Шарфи и Шинар, 2014 г.). В нескольких найденных в литературе примерах конформной графики AR используется Wizard of Oz (Bolton et al., 2015), обнаружение объектов на основе компьютерного зрения (Wu et al., 2009) и связь между программным обеспечением для моделирования вождения и приложением AR ( Tran et al., 2013).Лоренц и др. (2014) создали прототип предупреждений AR для полос движения, ограниченных из-за чрезвычайных ситуаций, представив зеленый безопасный путь или красный опасный путь, интегрировав конформную графику в сцену вождения, используя тот же конвейер рендеринга, что и среда вождения. Болтон и др. (2015) представили водителям, казалось бы, автономный сценарий вождения, включая предварительно записанные навигационные стрелки, видимые через оптический прозрачный HUD, который соответствует определенному сценарию вождения, который был запущен исследователями вручную.Wu et al. (2009) проигрывали кадры вождения перед симулятором вождения и накладывали ограничивающие рамки AR через лобовое стекло, чтобы выделить обнаруженные дорожные знаки с помощью технологии компьютерного зрения. Наконец, Tran et al. разработала возможность представления конформной графики в реальном времени посредством связи с программным обеспечением для моделирования вождения, которое передавало информацию о геометрии дороги, других участниках дорожного движения и сигналах светофора. Они представили графику AR для визуализации прогнозируемого пути встречного движения для помощи при левом повороте.Однако подробностей о конфигурации системы и архитектуре программного обеспечения не сообщалось (Tran et al., 2013).

Проведение AR-исследований с конформной AR-графикой на дороге очень сложно из-за сложности отслеживания положения и ориентации водителя. На первый взгляд, это может показаться простым предложением, учитывая современные возможности GPS с кинематикой в ​​реальном времени, акселерометры, возможности визуального наблюдения и LIDAR-зондирования. Однако небольшие вибрации и неровности, вызываемые дорожным покрытием, шинами и подвеской транспортного средства, на самом деле затрудняют четкую привязку конформной графики к сцене вождения.Проблема усугубляется тем фактом, что любые незначительные отклонения в движениях графики (относительно реальных объектов) легко обнаруживаются зрительной системой человека, эффективно предоставляя потенциальные преимущества конформной графики, сбивающей с толку, отвлекающей или сбивающей с толку. До тех пор, пока такая способность «фиксировать» конформную графику AR в ближнем и дальнем вождении не будет установлена, критически необходимо использование симуляторов вождения, разработанных специально для изучения влияния графики AR на производительность и поведение водителя, таких как наша система, представленная здесь. .Следует отметить, что, хотя эти возможности технического отслеживания развиваются, мы все еще можем исследовать, как в моделировании, так и на дороге, графические дизайны AR, которые более прощают ошибки отслеживания и оценки позы. Например, Визнер и Клинкер (2017) представляют визуализацию AR для навигации, которая направлена ​​на устранение ошибок в текущем повороте GPS, полагаясь исключительно на расстояние до следующего поворота. Интересно, что их результаты показывают, что точность конформной графики не может быть единственным определяющим фактором эффективности, поскольку их конструкция AR «паруса», требующая более низкой точности с помощью традиционной системы GNSS, была предпочтительнее конструкции конформной стрелки высокой точности.

В итоге, при обзоре литературы становится ясно, что несколько исследователей занимались и продолжают участвовать в значимых исследованиях AR HUD с использованием множества аппаратных, программных и экспериментальных методологий. Судя по нашему обзору и насколько нам известно, AR DriveSim уникален тем, что предоставляет несколько синергетических возможностей, включая: полностью иммерсивную кабину транспортного средства и систему проецирования, физиологический захват и измерения (например, поведения глаз и водителя), индивидуальные электроника для связи и управления автомобилем, синхронизация потоков данных, связанных с динамикой транспортного средства, интерфейсом AR и водителем / пассажирами, автономное вождение, обратная связь по усилию с рулевым колесом, интегрированный послепродажный проекционный дисплей и возможность полного рендеринга цветная, анимированная, конформная AR графика.

Симулятор вождения для исследования интерфейса AR

В этом разделе мы сообщаем подробности многолетних усилий по созданию симулятора вождения с дополненной реальностью (далее именуемого AR DriveSim ). С самого начала мы установили несколько руководящих принципов. (1) Вставьте реальную кабину транспортного средства в пространство трехмерной проекции с широким полем обзора (рис. 1). То есть мы хотели создать высокую степень погружения, как описано Уитмером и Зингером, то есть «психологическое состояние, характеризующееся восприятием себя как окружающего, включенного в среду, которая обеспечивает непрерывный поток стимулов и взаимодействий с ней, и взаимодействует с ней. переживания », а также высокая степень иллюзии места (Witmer and Singer, 1998; Skarbez et al., 2017). (2) Используйте фактический HUD для отображения графики AR (и другой), а не просто проецируйте или интегрируйте «смоделированную графику AR» в сцену вождения. (3) Воспользуйтесь гибкостью в дизайне испытательного стенда, чтобы позволить проводить множество различных типов исследований на людях с акцентом на использование AR HUD. (4) Предоставьте исследователям возможность собрать набор зависимых показателей для характеристики характеристик и поведения человека, включая показатели производительности водителя, зрительное внимание и паттерны взгляда, объективные показатели умственной нагрузки и измерения движений головы, рук и ног на основе видео.В следующих разделах описываются ключевые компоненты нашего AR DriveSim в надежде, что эти вклады помогут другим развивать аналогичные возможности.

Рисунок 1 . Полукабина Mini Cooper с высоты птичьего полета с участником и экспериментатором. Хотя представленная здесь работа сосредоточена на возможностях вождения на основе компьютерной графики, испытательный стенд также поддерживает альтернативные формы обучения вождению (например, видео).

Оборудование AR DriveSim

По своей сути AR DriveSim — это проекционная моноскопическая виртуальная среда, в которой пользователи «перемещают» окружающую среду как водитель автомобиля.В нашей системе VR-контент предоставляется через MiniSim, программное обеспечение для трехмерного симулятора вождения, разработанное в исследовательском центре National Advanced Driving Simulator при Университете штата Айова. MiniSim 2.2 выполняется на настольном компьютере с процессором Intel Core i7, работающим на частоте 3,70 ГГц, с 64 гигабайтами ОЗУ DDR4 под управлением Windows 10. Сцена движения визуализируется графической картой PNY NVIDIA Quadro P4000 и проецируется через DisplayPort @ 1,920 × 1,200 с использованием три (деформированных и смешанных) проектора Epson Powerlite Pro G6900WU NL.В этой аппаратной конфигурации MiniSim обеспечивает плавный рендеринг до 1 миллиона треугольников со скоростью 60 кадров в секунду. Мы направляем эти три основных вида вперед через оборудование Tripp Lite, чтобы отразить видовые экраны на трех настольных мониторах (рис. 2B), чтобы обеспечить обзор и станцию ​​управления экспериментатором.

Рисунок 2 . Логическое расположение 7 экранов AR DriveSim с разрешением и физическими подключениями отмечено (A) ; пульт управления экспериментатора (B) и аннотированный вид изнутри кабины Mini Cooper (C) .Обратите внимание, что дисплеи AR HUD и Center Stack подключены к отдельному компьютеру, предназначенному для представления пользовательского интерфейса.

В качестве проекционной поверхности мы установили экран профессионального уровня от Draper со шнурками и втулками, высотой 93 дюйма и длиной 360 дюймов, на заказной U-образной изогнутой раме (радиус 73 дюйма). В проекционном экране используется гладкая серая поверхность просмотра Contrast Grey XH800E, обеспечивающая улучшенный цветовой контраст и уровни черного, что особенно полезно для нашего приложения, в котором используются три проектора с высокой светоотдачей.Рама состоит из катаных алюминиевых труб диаметром 1½ дюйма как сверху, так и снизу, с квадратными алюминиевыми трубными стойками размером 1 × 1, расположенными примерно через каждые 2 фута.

Центральным элементом нашего симулятора вождения является передняя часть автомобиля Mini Cooper 2014 года выпуска. Автомобиль был подарен крупной страховой компанией, которая любезно сняла двигатель и трансмиссию перед доставкой. После доставки мы протестировали электрические компоненты, а затем полностью разобрали автомобиль, включая всю отделку, сиденья, подушки безопасности, компоненты приборной панели и многое другое, пока не осталась только рама.Задняя половина кабины была снята и выброшена, а верхняя половина оставшейся кабины была временно снята. Две половины кабины были перемещены в лабораторию, где задняя часть нижней половины была установлена ​​на раме с роликами (передняя часть нижней половины поддерживалась оригинальными шинами). Верхняя половина была повторно прикреплена, и затем мы снова собрали все ранее снятые компоненты (от опорных оснований до готовых деталей отделки) и протестировали повторно собранные электрические системы автомобиля.

Затем мы включили дополнительные дисплеи для поддержки зеркал бокового обзора, зеркал заднего вида, цифровой приборной панели и гибких дисплеев центральной консоли. В частности, мы добавили три 7-дюймовых USB-ЖК-видеомонитора Lilliput (800 × 480), подключенных через USB-концентраторы с питанием и программное обеспечение DisplayLink, которые служат зеркалами бокового обзора и настраиваемой цифровой приборной панелью (рис. 2). Мы разместили 32-дюймовый широкоформатный ЖК-монитор ASUS PB328Q за кабиной (и соответственно отображали контент), чтобы обеспечить естественное использование оптического зеркала заднего вида.Монитор заднего вида подключается через DisplayPort с разрешением 1280 × 720 для оптимизации производительности в трех основных проекциях вперед. Чтобы усилить иллюзию пространства, мы добавили сабвуфер потребительского уровня и динамики в моторном отсеке для воспроизведения звука в реальном времени, например шума двигателя.

Наконец, мы добавили набор дополнительного оборудования, помогающего фиксировать поведение участников. Набор из трех скрытых сетевых камер-обскур Axis P1204 3,7 мм mini HD был размещен (1) на зеркале заднего вида (обращенным к лицу участников), (2) в пространстве для ног водителя (фиксируя поведение ног, например, наведение на педаль тормоза) , и (3) в центре потолка кабины, указывая на руки участников на рулевом колесе.Камеры подключены к NOLDUS Observational Suite, который обеспечивает синхронизацию видео с трех IP-камер, а также прямой цифровой видеопоток сцены вождения с компьютера drivsim. AR DriveSim также содержит беспроводные очки для отслеживания движения глаз SMI ETG 60 Гц и Tobii Pro Glasses 2 100 Гц с перспективной камерой сцены, что позволяет нам тщательно оценивать распределение взгляда водителей; особенно важная возможность для понимания того, как дизайн интерфейса AR HUD влияет на визуальное внимание водителей.Мы фиксируем физиологические показатели рабочей нагрузки водителя с помощью пульсометра Mio LINK для отслеживания вариабельности сердечного ритма (Meshkati, 1988) и задачи реагирования RedScaught для обеспечения объективной оценки остаточной способности внимания с использованием парадигмы двойного задания (Sala et al. , 1995).

Система управления и интерфейса симулятора

Хотя существует множество способов подключения физических элементов управления в кабине к программному обеспечению для моделирования, мы решили декодировать выходящую шину сети контроллеров (CAN) Mini Cooper, чтобы можно было использовать существующие высокоскоростные потоки данных управления.CAN-шина — это протокол последовательной передачи данных, разработанный корпорацией BOSCH для смягчения проблем, связанных с передачей данных и обменом между контроллерами, датчиками, приборами и другими электрическими компонентами транспортного средства (Ran et al., 2010). Используя двунаправленную связь по шине CAN, можно, например, считывать положение рулевого колеса, положения педалей и нажатия кнопок, а также управлять спидометром, тахометром и другими элементами из моделирования в режиме реального времени.Хотя существует множество онлайн-ресурсов, описывающих принципы архитектуры CAN-шины и широкий спектр областей применения, идентификаторы CAN-шины, зависящие от производителя, гораздо сложнее найти, поскольку они обычно не публикуются. Поскольку нам не удалось найти идентификаторы CAN-шины для Mini Cooper 2014 года, мы использовали комбинацию готовых бортовых диагностических сканирующих инструментов, Arduino CAN Bus Shield, осциллограф и профессиональные диагностические компьютеры для автомобилей, чтобы перепроектировать систему. набор идентификаторов CAN-шины, полезных данных переменной длины и значений для критически важных функций Mini Cooper.

Чтобы облегчить обмен данными между Mini Cooper и ПО MiniSim, мы интегрировали одноплатный компьютер (SBC), микроконтроллер и настраиваемую плату управления для сбора и отправки сообщений шины CAN, аналоговых напряжений от нескольких настраиваемых линейных потенциометров и нескольких датчиков OEM. (Рисунок 3).

Рисунок 3 . Основные вычислительные компоненты нашего AR DriveSim обмениваются данными через UDP (желтый). Набор стандартных и нестандартных микроконтроллеров (коричневый) передает входные сигналы управления приводом, считываемые с шины CAN (зеленый) и других датчиков, на компьютер AR DriveSim (оранжевый).Плата управления (коричневая) дополнительно управляет двигателем постоянного тока для обеспечения обратной связи по усилию на рулевом колесе. Отдельный компьютер (синий) отображает трехмерную графику на AR HUD, синхронизируя положение своей виртуальной камеры в реальном времени с компьютером AR DriveSim. Набор элементов управления экспериментатора (черный) помогает координировать эксперименты.

Микроконтроллер используется для управления несложными, часто повторяющимися задачами, такими как получение сообщений шины CAN и считывание аналоговых напряжений с различных датчиков.Мы использовали Teensy 3.5 из-за встроенной функции приемника CAN-шины, большого количества цифровых и аналоговых входов / выходов общего назначения и гибкости нескольких протоколов для связи с другими системами. Более сложные функции интерфейсной системы управляются SBC на базе Linux, который принимает параметры от микроконтроллера, форматирует и масштабирует их по мере необходимости и, наконец, составляет и отправляет данные в виде пакетов UDP по проводной сети Ethernet на компьютер MiniSim. Первоначально мы использовали Arduino Yún в качестве SBC, но из-за проблем с последовательной связью мы перешли на Intel Galileo Gen2.

Teensy использует интерфейс CAN-шины для доступа к данным управления, таким как данные о положении рулевого колеса, нажатия кнопок и т. Д. Мы установили три линейных потенциометра для измерения положения педали акселератора, педали тормоза и положения автоматического переключения передач. Каждый из этих параметров линейно масштабируется до однобайтовых значений и передается по последовательному соединению между Teensy и Galileo. После запуска скрипт управления python, хранящийся на Galileo, начинает обмен рукопожатием с Teensy, чтобы установить общее время для схемы связи.После начала связи между двумя устройствами SBC определяет время передачи, передавая один байт в Teensy. В ответ Teensy передает все значения рулевого управления и положения, полученные от датчиков и шины CAN, через двухпроводное последовательное соединение со скоростью 115 200 бит / с. После получения Galileo линейно изменяет масштаб этих значений в соответствии со спецификациями MiniSim и упаковывает их в пакет UDP. Тестирование показывает, что эта система настраиваемого интерфейса надежно передает 100 пакетов в секунду.Хотя мы формально не измеряли сквозную задержку, мы ожидаем, что она будет минимальной, учитывая (1) MiniSim анализирует входящие данные UDP с частотой 60 Гц и (2) наше собственное эмпирическое наблюдение.

Teensy взаимодействует с CAN-шиной Cooper с помощью библиотеки FlexCAN (Pimentel and Fonseca, 2004) и обработчика, который извлекает необходимую информацию во время приема каждого кадра CAN-шины. Как только мы узнали идентификатор кадра с необходимыми параметрами и структуру этих кадров, стало очень легко собрать необходимую информацию по мере ее поступления по шине.Линейные потенциометры, используемые для измерения положения педалей акселератора и тормоза, подключены к педалям через кабели управления в пластиковой оболочке (мы не смогли расшифровать положение педали в CANBUS). Потенциометры питаются от 3,3 В и считываются со стандартным 13-битным разрешением Teensy. Пружинный возврат педалей OEM дает преимущества нашей системе, поскольку также возвращает потенциометры в их «нулевое» положение. Поскольку фактический диапазон механического движения педалей и потенциометров может зависеть от трения и других факторов; наша процедура аналогового считывания обновляет минимальное и максимальное считываемое значение для обеих педалей и использует эти значения для сопоставления текущего считывания со значением от 0 до 255 для передачи на Galileo.Подобно настройке педали, кабель управления в пластиковой оболочке соединяет автоматическое переключение передач с линейным потенциометром, на который также подается напряжение 3,3 В. Мы использовали предварительно измеренные значения напряжений, связанных с различными передачами автоматической коробки передач, для определения передачи положения. в программе аналогового чтения.

Чтобы усилить иллюзию места, создаваемую симулятором вождения, мы перепрофилировали функцию рулевого управления с электроусилителем Mini Cooper, чтобы обеспечить обратную связь по усилию, а также возврат к центру рулевого колеса, как это происходит в обычном автомобиле.Для поддержки этих непредвиденных обстоятельств сенсомоторного двигателя мы разработали оптоизолированную Н-мостовую схему полевого МОП-транзистора, которая позволяет щеточному двигателю постоянного тока, который соединен с рулевым валом, перемещать рулевое колесо по желанию. Изменяя рабочий цикл широтно-импульсной модуляции, мы можем изменять интенсивность силовой обратной связи в зависимости от моделируемой скорости транспортного средства. Эта схема H-моста была построена на специально разработанной печатной плате, которую мы называем «платой управления». Плата управления также содержит Teensy, силовую схему, разъем для подключения CAN-шины, а также разъемы для линейных потенциометров и любых будущих датчиков и электроники.

Запуск и остановка сценария python на Galileo выполняется из графического интерфейса пользователя (GUI) на основе python, доступного на компьютере MiniSim, который использует защищенную оболочку для выдачи команд Galileo. Процессы управления выполняются в фоновом режиме Galileo для обеспечения устойчивости в случае тайм-аута сеанса защищенной оболочки или других проблем. Предоставляя простой графический интерфейс для уровня связи, все исследователи, независимо от вычислительной подготовки, могут легко запускать и контролировать обмен данными между Mini Cooper, его микроконтроллерами и программным обеспечением для моделирования.

Мы также добавили гоночный руль и педали Logitech G27, чтобы не только помочь в разработке и тестировании сценария вождения, но, что более важно, чтобы обеспечить возможность изучения автономного вождения Wizard of Oz (например, как AR HUD может помочь переключиться между ручным и автономное вождение). Вышеупомянутый графический интерфейс Python позволяет исследователям переключаться между элементами управления Mini Cooper (например, участник, управляющий вручную) и игровым контроллером (например, экспериментатор, управляющий как автономный агент).

Реализация проекционного дисплея AR

Аппаратное обеспечение HUD AR

Чтобы поддержать наши исследования влияния интерфейсов AR на производительность и поведение драйверов, мы интегрировали проекционный дисплей Pioneer Carrozzeria Cyber ​​Navi Head-up.Cyber ​​Navi — это оптический прозрачный лазерный дисплей с фиксированным фокусным расстоянием (~ 3 м), предназначенный для установки на внутренней крыше вместо солнцезащитного козырька. Мы установили HUD на направляющую вдоль внутренней крыши Mini Cooper, чтобы его можно было расположить на разном расстоянии (8–24 дюйма) от точки зрения водителя. По словам производителя, Cyber ​​Navi поддерживает горизонтальное поле обзора ~ 17 °, что согласуется с нашим опытом калибровки изображения HUD для сцены вождения MiniSim.

В качестве лазерного дисплея Cyber ​​Navi может воспроизводить яркие изображения со скоростью 12 000 кд / м 2 и имеет датчик внешней освещенности и возможность автоматического затемнения. Однако автоматическое затемнение создало проблемы с цветопередачей в нашей среде моделирования; при низком уровне освещенности (например, в темной комнате симулятора) HUD не только тускнеет, но и имеет сильный сдвиг цвета в сторону зеленого. То есть белая графика кажется зеленой при слабом освещении. Чтобы исправить это, мы установили один светодиод на потенциометр прямо перед датчиком освещенности HUD.Когда светодиод горит, HUD настраивается, создавая более яркие изображения, что приводит к хорошей цветопередаче. Затем мы применили к линзам тонировку с пропусканием видимого света 20%, чтобы лучше согласовать яркость графики HUD с проецируемой сценой вождения.

Программное обеспечение AR HUD

Вообще говоря, HUD может отображать видеоисточник VGA с любого VGA-совместимого компьютера и программного обеспечения. Это удобно, поскольку мы успешно провели исследования пользователей с использованием PowerPoint для визуализации 2D-текста и символов, фиксированных на экране, для оценки отвлечения внимания водителя и визуального внимания с различными положениями HUD и сложностью пользовательского интерфейса (Smith et al., 2016, 2017). Как показано на рисунке 3 (синим цветом), наш симулятор содержит микроконтроллер Arduino и CAN-Shield, который анализирует нажатия кнопок на рулевом колесе с шины CAN и направляет их на компьютер AR HUD, имитируя подключенную USB-клавиатуру. Кнопки на рулевом колесе Mini Coopers удобно расположены, что позволяет использовать левую и правую кнопки направления (плюс две дополнительные кнопки, расположенные с правой стороны рулевого колеса). При таком расположении исследователи могут быстро разрабатывать эксперименты, которые представляют серию визуальных стимулов и используют до 10 различных нажатий кнопок для изучения проблем интерфейса HUD, таких как навигация по меню, ручное согласование выбора пользовательского интерфейса, индивидуальные психофизические исследования и многое другое.

Однако для конформной графики AR HUD требуется более сложная программная платформа, состоящая из компонентов управления трафиком данных, преобразования данных и графа сцены. В нашей текущей системе мы реализуем эти компоненты как таблицу маршрутов UDP MiniSim, скрипт Python промежуточного слоя и граф сцены X3D / JavaScript, соответственно.

Данные передаются между компонентами в виде пакетов UDP, содержащих информацию, как определено таблицей маршрутов MiniSim — настраиваемая конструкция, которая позволяет нам указывать, какие переменные MiniSim упаковываются и транслируются по сети с частотой 60 Гц (как определено скоростью вывода MiniSim).Чтобы представить графику AR, мы передаем смоделированное положение и ориентацию автомобиля MiniSim внутри сцены. Эти данные затем используются для постоянного обновления положения и ориентации камеры X3D.

В зависимости от характера данных, выводимых контроллером трафика, может потребоваться преобразование для соответствия спецификации компонента графа сцены. Чтобы соответствовать требованиям позы X3D, координаты собственного автомобиля в MiniSim должны быть инвертированы по оси z. Значения рыскания, тангажа и крена MiniSim затем используются для генерации одного вектора вращения и величины.Эти преобразованные данные используются для сопоставления позы точки обзора X3D с позой водителя в симуляции. Это означает, что представление конформной графики AR HUD определяется исключительно позой точки обзора X3D относительно сцены MiniSim.

Определение времени поведения графики AR HUD осуществляется за счет использования триггерных событий Road Pad MiniSim, которые, когда их проезжают участники, генерируют сетевой трафик данных для конкретного события. Например, в исследовании пользователей, представленном ниже, триггеры дорожных подушек создают пакеты данных, которые информируют программное обеспечение AR HUD о том, что водитель столкнулся с расширенным сегментом движения, и, следовательно, начинают рендеринг желаемой графики AR HUD.Данные, выбранные для информирования о поведении конформной графики, могут быть адаптированы в качестве механизма обратного вызова для запуска процедур, определенных в компоненте графа сцены AR HUD. Таблица маршрутов MiniSim также может быть настроена для отправки данных о местоположении и ориентации ближайших 20 динамических объектов сцены (например, других транспортных средств, пешеходов и т. Д.). Такую информацию также можно использовать для визуализации конформной графики в реальном времени, например, визуальных предупреждений пешеходов и меток для ближайшего движения.

Для справки, следует отметить, что для исследования, представленного ниже, мы смогли визуализировать конформную графику AR HUD с использованием X3D на довольно небольшом компьютере: Intel i5 2400 с @ 2.5 ГГц, 4 ГБ оперативной памяти, Ubuntu 14.04 LTS, работающая графика процессора. Более сложные изображения AR HUD, будь то презентация или поведение, хорошо подходят для нового компьютерного и графического оборудования.

Калибровка AR HUD

Поскольку физическое положение HUD может потребоваться изменить, чтобы приспособиться к разной высоте водителя и положениям сиденья, важно выполнить процедуру калибровки для обеспечения точной перцепционной регистрации конформной графики в сцене вождения. Для этого участники сначала садятся на сиденье водителя и устанавливают сиденье в удобное положение.У нас есть участники выполнить грубое позиционирование объединителя AR HUD (который шарнирно закреплен вдоль верхнего края) таким образом, чтобы верхний и нижний края объединителя совпадали с подготовленным калибровочным изображением, проецируемым на изогнутый экран. Это гарантирует, что AR HUD правильно расположен по вертикали в сцене, чтобы он, например, перекрывал проезжую часть.

Затем участники проверяют, что конформная графика AR отображается в правильном месте. Для этого шага мы создали простой сценарий шоссе, содержащий видимый горизонт и четыре автомобиля, припаркованные в известных местах по обе стороны от шоссе.Программное обеспечение AR HUD рисует коробки вокруг каждой машины в соответствии с общей системой абсолютных координат. Кроме того, программа рисует линии, соответствующие разметке полосы движения шоссе, до точки схождения, как показано в моделировании (рис. 4). Используя дополнительные элементы управления с клавиатуры, определенные в программном обеспечении AR HUD, для управления полем обзора, соотношением сторон, шагом точки обзора и положением точки обзора, мы можем быстро выровнять эту графику по отношению к их аналогам моделирования. Процедура калибровки неявно использует тенденцию каждого участника выравнивать дополненную графику и графику моделирования, используя свой доминирующий глаз, обеспечивая точные с точки зрения восприятия дополнения сцены вождения.

Рисунок 4 . Вид участника во время калибровки трехмерной графики AR HUD путем просмотра тщательно размещенных трехмерных форм и линий перспективы, наложенных на статическую дорожную сцену с известной геометрией.

Исследование пользователей AR HUD

Назначение

После создания и доработки всех компонентов симулятора вождения мы провели пользовательское исследование, чтобы продемонстрировать исследовательские возможности испытательного стенда. Мы были особенно заинтересованы в сравнении традиционной графики в стиле 2D HUD с конформной графикой AR, поскольку большая часть работы в области AR направлена ​​на изучение влияния конформной графики на производительность драйвера / оператора.

Автомобильные производители уже внедряют 2D-графику AR HUD с фиксированным экраном (т.е. графика отображается в фиксированном положении на экране HUD) в транспортных средствах на дорогах сегодня. Эти фиксированные на экране изображения используются для отображения различной информации, включая указания по навигации. Одна из областей, вызывающих большой интерес у производителей автомобилей, — это возможность создания графики с географической привязкой, относящейся к миру, которая может быть «фиксированной» в одном месте в мире или динамической, движущейся относительно мира, но появляющейся как часть мира.Одним из наиболее распространенных вариантов использования этой относящейся к миру графики является навигация, поскольку подсказки внутри мира могут предоставить водителям информацию, которая поможет им перемещаться в сложных средах. Эти два типа графики используют одну и ту же технологию для передачи одинаковой информации (куда идти) разными способами. По этой причине наша цель в этом исследовании состояла в том, чтобы сравнить визуальное внимание, поведение при вождении и опыт при использовании двух разных типов навигационной графики AR HUD: относительно экрана и относительно мира, оба фиксированных в местоположении.

Экспериментальный проект

Мы сравнили два различных состояния отображения навигации (рис. 5): конформная стрелка (Conformal) и стрелка, зафиксированная на экране (Screen-fixed). Конформная стрелка была отображена на HUD и выглядела так, как если бы она была на дороге и имела синий цвет. Приближаясь к повороту, участники «проезжали» стрелку, как если бы она была частью дороги. На экране фиксированные направления поворота отображаются с помощью двумерной стрелки, отображаемой на HUD, ориентированной влево или вправо, в зависимости от ситуации и вдохновленной текущими навигационными системами.Вертикальная часть стрелки на экране заполнялась по мере приближения участников к повороту, указывая расстояние до поворота.

Рисунок 5 . В пользовательском исследовании изучались два условия отображения HUD: конформная стрелка , интегрированная в дорожную сцену (вверху) , и закрепленная на экране стрелка , которая заполнялась по мере приближения водителей к повороту (внизу) . Для каждого из них исходное состояние графика появилось на расстоянии 392 футов от взаимодействия (левые панели) и исчезло после того, как участники пересекли перекрестки (правые панели).

Методы

После одобрения исследования Советом по институциональному обзору Технологического института штата Вирджиния мы набирали участников с помощью листовок, размещенных в кампусе, переданных преподавателям и рассылок по электронной почте. Кроме того, несколько участников попросили разрешения поделиться своим опытом участия с другими друзьями в этом районе, и некоторые люди решили участвовать на основе этих рекомендаций. Заинтересованные лица связались с исследователями по электронной почте, чтобы задать любые вопросы относительно исследования и, при желании, запланировать сеанс сбора данных.По прибытии в лабораторию участники согласились участвовать и вошли в симулятор вождения, где им были надеты очки для отслеживания взгляда и они отрегулировали сиденье в соответствии с их комфортом. Затем они провели ознакомительную поездку, чтобы освоиться с настройками симулятора вождения и динамикой автомобиля. Мы проинструктировали их двигаться со скоростью 30 миль в час и соблюдать все правила и нормы дорожного движения, включая светофоры. Если они превышали ограничение скорости более чем на 10%, подавался звуковой сигнал сирены, указывающий на то, что им необходимо замедлить движение.Ознакомительная поездка длилась не менее 5 минут, пока они не указали, что им комфортно управлять транспортным средством-симулятором, а исследователи также подтвердили, что они могут сохранять контроль над транспортным средством при остановке, трогании с места, повороте и движении по прямой. После ознакомительной поездки мы откалибровали HUD по вертикали и горизонтали.

Участники ознакомились с условиями отображения навигации в серии поездок. Каждая поездка проходила в большом городе и включала восемь поворотов: четыре поворота вправо и четыре поворота влево, каждый из которых управлялся навигационной системой и длился от 6 до 12 минут.Различия в продолжительности во многом объяснялись индивидуальными различиями и рандомизированными моделями трафика. Кроме того, участникам было поручено следить за встречным и перекрестным движением при поворотах и ​​движении по городу. Половина поворотов (два левых, два правых) проходила по перекрестку в составе взвода из восьми машин.

На протяжении всей поездки поведение взгляда и направление взгляда фиксировались с помощью очков слежения за глазами SensoMotoric Instruments (SMI); который записал звук, вид лицом вперед и местоположение взгляда для каждого участника.После сбора данных мы использовали аналитическое программное обеспечение SMI BeGaze 3.6.40 для анализа распределения фиксации участников с использованием вручную определенных областей интересов. Мы использовали Noldus Observation Suite для записи видео перспективной дорожной сцены независимо от направления взгляда участников. Эта видеозапись использовалась для выявления рискованного поведения участников. После каждой поездки участники заполняли небольшую серию анкет, которые включали показатели рабочей нагрузки и удобства использования.

Мы собрали полные данные для 22 участников, все из которых имели водительские права в США более 1 года (в среднем 4.6 лет, максимум: 19 лет, минимум: 2 года). В исследовании приняли участие 13 мужчин (средний возраст 20,3 года) и девять женщин (средний возраст 20,4 года). В среднем участники проезжали 7918 миль в год.

Анализ и результаты

Мы провели линейную модель смешанных эффектов, которая позволила нам учесть индивидуальные различия участников как случайный эффект, как показано в de Bruin et al. (2008). Мы проанализировали ряд зависимых показателей рабочей нагрузки и удобства использования, взгляда, поведения при вождении и принятия риска.Для каждой зависимой меры мы подбираем нашу модель в JMP Pro 12 с учетом влияния независимых показателей (тип отображения, порядок, пол участника, направление поворота, наличие трафика) и взаимодействия этих эффектов второго порядка. Поскольку это было предварительное исследование, в объем данной статьи входит только подробное обсуждение индивидуального влияния типа отображения на зависимые показатели.

Показатели рабочей нагрузки и удобства использования

Участники самостоятельно сообщили о рабочей нагрузке с помощью NASA-TLX (Hart and Staveland, 1988) после каждой поездки.Отображение навигации оказало существенное влияние на умственную потребность, усилия и общую оценку Raw TLX (среднее значение всех промежуточных оценок; см. Рисунок 6, Таблица 1). Дисплей с фиксированным экраном привел к меньшим умственным потребностям, усилиям и общей нагрузке, чем дисплей Conformal.

Рисунок 6 . Участники оценили промежуточные баллы NASA-TLX по шкале от 0 (низкий спрос) до 100 (высокий спрос). Среднее значение промежуточных баллов составило оценку Raw TLX.

Таблица 1 .Средние значения, стандартные отклонения (в скобках) и значения F- и p для дисперсионного анализа с повторными измерениями.

После контакта с каждым условием мы также собрали собственные данные по пяти критериям удобства использования: отвлечение, влияние дисплея на вождение, простота навигации, доверие и удобство просмотра (рисунок 7, таблица 1). Состояние дисплея оказало значительное влияние на удобство навигации, просмотра, доверия и впечатления от вождения участниками (Таблица 1). Последующее тестирование показало, что отображение с фиксированным экраном привело к лучшим оценкам удобства использования для всех значительных различий.

Рисунок 7 . Участники оценили следующие утверждения по шкале от 0 (полностью согласен) до 100 (категорически не согласен): (1) «Я не нашел этот интерфейс отвлекающим». (2) «Использование этого интерфейса положительно сказалось на моем вождении». (3) «При использовании этого интерфейса было легко ориентироваться». (4) «Я доверял информации об этом интерфейсе». и (5) «Интерфейс был удобен для просмотра».

Поведение взгляда

Мы классифицировали области интереса (AOI) по местоположению взглядов участников и проанализировали AOI двумя способами.Первый анализ включал два AOI: на HUD и вне его. Цель этого различия — понять, насколько водители ограничивают свой взгляд только просмотром через HUD, а не сканированием вокруг сцены. Вторая схема кодирования AOI позволила нам лучше понять шаблоны сканирования участников в области, имеющие отношение к вождению (рисунок 8). Некоторые исследователи предложили более точные метрики кодирования, которые включают места на проезжей части, где вероятно возникновение опасностей, в дополнение к «демонстрационным» и «дорожным» взглядам (Seppelt et al., 2017). Однако включение относительной к миру графики в сцену проезжей части водителей может привести к тому, что конформная графика HUD обязательно будет перекрываться с дорогой, поэтому мы не сможем отделить взгляды, сфокусированные на графике HUD, от взглядов, сфокусированных через графику HUD и на дороге. Следовательно, эта схема кодирования AOI сегментировала HUD на более мелкие AOI, включая графику HUD, вокруг изображения HUD и опасности на HUD. Графика HUD включала все фиксации, при которых водитель смотрел прямо на графику.Однако иногда изображение HUD загораживало проезжую часть впереди и заставляло участников смотреть на места, прилегающие к изображению HUD. Эти взгляды были закодированы как «вокруг изображения HUD». Во время вождения, взгляды вокруг HUD могут включать области интереса, такие как разметка полосы движения, опасности непосредственно перед водителем. Эти взгляды вокруг графического интерфейса HUD также могут быть использованы для устранения окклюзии (например, чтобы убедиться, что за графикой нет опасностей). Поскольку HUD был расположен так, чтобы на проезжей части была наложена фиксированная и анимированная в мире графика, участники могли просматривать HUD, чтобы проверить движение или другие опасности.Таким образом, мы закодировали эти взгляды как «опасности на HUD». В дополнение к этим AOI, встроенным в HUD, мы также проанализировали контрольные взгляды на потенциальный перекрестный трафик, зеркала и другие полосы. Эти «опасности вне HUD» включали в себя все потенциальные опасности, которые можно было увидеть, не глядя через HUD. После тестов на нормальность мы регистрировали преобразованные данные всех переменных отклика глаз, хотя непреобразованные данные показаны на рисунке 8.

Рисунок 8 . Процент фиксаций, назначенных каждому AOI, различается между конформными дисплеями и дисплеями с фиксированным экраном.Хотя нет идеального распределения по AOI, интересно отметить, что процентное соотношение различается, особенно между процентом времени, потраченного на просмотр и вокруг изображения HUD.

Conformal привел к значительно большей максимальной продолжительности взгляда на графику HUD, чем с фиксированным экраном. Conformal также приводил к более длительной средней продолжительности просмотра графического интерфейса HUD, чем фиксированный на экране. Кроме того, количество взглядов на графику HUD было значительно выше, когда участники использовали Conformal по сравнению с типом отображения с фиксированным экраном.Конформный был связан с более высоким процентом времени просмотра графики HUD, чем фиксированный на экране. Исправленный экран привел к большему проценту взглядов на графику HUD, чем Conformal. Не было значительной разницы между процентом времени, в течение которого участники смотрели на опасности вне HUD, опасности на HUD или на HUD в целом.

Таким образом, поскольку конформный дисплей ассоциировался с более длинными средними взглядами, более высокими максимальными взглядами, большим количеством взглядов и более высоким процентом времени, уделяемого конкретно графическому интерфейсу HUD, участники продемонстрировали тенденцию уделять больше визуального внимания конформному графическому изображению HUD, чем фиксированная на экране графика.Конформность также была связана с меньшим количеством времени на изучение области вокруг изображения HUD и отсутствием разницы в опасностях на HUD или вне HUD, показывая, что повышенное визуальное внимание к конформной графике не обязательно влияло на поведение участников при сканировании опасностей.

Поведение при вождении

Мы проанализировали данные о вождении в течение всего времени, в течение которого каждая навигационная подсказка (конформная стрелка и фиксированная на экране стрелка) была видна на HUD (492 фута до каждого из восьми поворотов).Для каждого поворота мы рассчитывали соответствующие показатели поперечного, продольного и позиционного контроля для каждого испытания. Затем мы искали в каждом испытании моменты, когда скорость участника составляла 0,0 миль в час, и отмечали их как остановки. Для первой остановки после появления графика мы рассчитали расстояние от места остановки до начала перекрестка. Таблица 1 включает список зависимых поведенческих показателей вождения, и мы не обнаружили значительного влияния состояния дисплея на какие-либо показатели вождения.Кроме того, ни один участник не пропустил повороты ни на одном перекрестке.

Принятие риска

Используя видеозапись Noldus, мы проанализировали рискованное поведение участников, зафиксировав, сколько автомобилей из взвода из восьми транспортных средств участникам разрешили повернуть (0–8 машин), прежде чем принять решение о повороте самостоятельно. Если участники поворачивались между двумя машинами взвода, мы также фиксировали размер (в футах) расстояния между этими двумя машинами взвода. Данные от четырех участников отсутствовали из-за человеческой ошибки, поэтому мы смогли проанализировать рискованное поведение только 18 участников (из 22).Нам не удалось проанализировать дополнительные пять витков в конформном режиме и два поворота при фиксированном экране из-за сценария моделирования, но сочетание направлений поворота было довольно равномерным (34 L-конформных, 33 R-конформных, 36 L-экранных, 34 R-Screen-fixed). Условие отображения не повлияло на количество автомобилей, которым участники разрешили повернуть перед поворотом [X (1) 2 = 0,1728, p = 0,6776]. Из тех, которые использовали пропуски, условия отображения не повлияли на размер зазора, который выбрали участники.Таким образом, тип дисплея не оказал существенного влияния на рискованное поведение водителей, и ни один из участников не врезался в другое транспортное средство во время поворотов (или в любое другое время во время движения).

Обсуждение тематического исследования

В нашем пользовательском исследовании приняли участие 22 человека, которые использовали как конформные, так и фиксированные изображения дисплеев во время навигации в AR DriveSim. В этом исследовании отображение с фиксированным экраном было связано с меньшей рабочей нагрузкой (измеряемой умственными потребностями, усилиями и общей рабочей нагрузкой) и более высоким удобством использования (измеряемым по требованию, навигации, доверию и просмотру), чем экран Conformal.Разница в этих самооценках показывает, что конформная AR-графика не обязательно по своей сути улучшает пользовательский опыт, а пространственное размещение направленной графики на проезжей части дороги в некоторых случаях может вызвать большую рабочую нагрузку.

Не было различий в поведении при вождении или рискованном поведении, несмотря на то, что участники, использующие фиксированный экран, уделяли меньше визуального внимания графике и, следовательно, предположительно уделяли больше визуального внимания другим элементам, имеющим отношение к задаче вождения.Отсутствие различий в поведении при вождении можно объяснить в подобном исследовании, потому что мы не включали события, которые были неожиданными или непредсказуемыми, в наши сценарии вождения, которые с большей вероятностью могут различать графику HUD. Неожиданные события (неожиданные или непредсказуемые) требуют быстрого реагирования, а водители, использующие конформные HUD с дополненной реальностью, особенно уязвимы для слепоты к изменениям или беспорядка на экране, который может мешать водителям, особенно перед лицом неожиданных событий, поскольку изменения на дисплее могут маскировать реальные изменения.Методы вождения не так чувствительны, как другие физиологические меры (Wierwille and Eggemeier, 1993), и распределение визуального внимания может быть ранним индикатором ухудшения способностей к вождению. Таким образом, такие показатели, как поведение взгляда, дают представление о дизайне дисплея, даже если показатели эффективности вождения не различаются. Независимо от причины повышенного распределения визуального внимания, эта работа предполагает, что мы должны проявлять осторожность при разработке AR HUD для транспортных средств.

Мы обнаружили различия в поведении взглядов у участников, которые смотрели в сторону конформного дисплея чаще и в течение более длительных периодов времени.Возможно, что повышенное визуальное внимание, которое участники уделяли конформному отображению, было артефактом исследования, потому что размер изображения был больше в конформном состоянии. Однако участникам, возможно, также пришлось сосредоточиться на конформной графике в течение более длительного периода времени, чтобы проанализировать навигационное значение, когда оно прокручивалось из верхней части поля зрения дисплея, когда участники двигались вперед. Таким образом, возросший в последнее время интерес со стороны производителей автомобилей и исследователей к использованию конформной графики на AR HUD не обязательно является синонимом более безопасного поведения водителя и, в случае неправильного выполнения, также может негативно повлиять на пользовательский интерфейс.Эта работа показывает, что в некоторых сценариях фиксированная на экране графика может быть более эффективной, чем конформная, и поэтому идеально конформная графика не может быть решением для всех интерфейсов AR. Соблазн включить реалистичную конформную графику AR при разработке расширенных пользовательских интерфейсов AR может снизить эффективность вождения и негативно повлиять на поведение водителя. Однако необходимо провести гораздо больше работы, чтобы проверить ожидаемые преимущества конформной графики по сравнению с другими проектами проекционного интерфейса.Последующие исследования должны дополнительно изучить, как распределение визуального внимания к конформной графике AR HUD может быть вредным в случаях с другой геометрией дороги, участниками дороги и неожиданными / непредсказуемыми событиями.

AR DriveSim Обсуждение

Представленное здесь исследование пользователей является первой демонстрацией того, как мы можем использовать наш AR DriveSim для быстрого сравнения прототипов пользовательского интерфейса; в этом случае пользовательский интерфейс конформной голограммы AR для пользовательского интерфейса с фиксированным экраном, вдохновленный тем же визуальным элементом (т.е., стрелка) и изучите, как эти пользовательские интерфейсы влияют на поведение и производительность драйвера. Возможности AR DriveSim, однако, позволяют много других типов быстрого исследования дизайнов пользовательского интерфейса AR для вождения, которые в противном случае были бы гораздо более сложными, трудоемкими и / или опасными. Например, мы можем изучить, как дизайн пользовательского интерфейса может перемещаться в пространстве (например, анимированная конформная графика) или анимироваться на экране, или даже перемещаться между дорогой и экраном в зависимости от контекста.Обладая идеальной геометрией сцены, отслеживанием транспортных средств и знанием участников дорожного движения, мы можем исследовать пользовательские интерфейсы, прикрепленные к другим движущимся транспортным средствам, пешеходам и велосипедистам, не пытаясь организовать этих участников на испытательном стенде или отслеживать их в режиме реального времени. Мы можем изучить, сколько ошибок отслеживания можно допустить в пользовательском интерфейсе AR HUD на дороге или как аннотировать реальные ссылки, которые находятся за пределами поля зрения AR HUD. Точно так же мы можем изучить, как проектировать пользовательские интерфейсы AR, которые могут сосуществовать в условиях интенсивного трафика, где может произойти окклюзия, и необходимо разрабатывать и тестировать творческие контекстно-зависимые конструкции.Оснастив фактическую кабину транспортного средства сенсорными устройствами (например, жестами, голосом и т. Д.), А также сенсорными экранами на центральной консоли, мы можем дополнительно изучить методы взаимодействия в автомобиле для дополненной реальности способами, которые были бы менее идеальными для проведения в полной мере. виртуальная смоделированная среда вождения с виртуализированной графикой AR HUD (например, из-за проблем, связанных с доступностью богатых тактильных сигналов, типичных для интерфейсов транспортных средств, и визуализации собственного тела участников в четко сформулированной и убедительной форме).Наконец, используя фактический оптический прозрачный HUD (вместо смоделированного или виртуального HUD), мы можем исследовать физиологические и когнитивные эффекты интеграции дисплеев AR со сценами вождения, такими как те, которые связаны с переключением контекста и переключением фокусного расстояния (Gabbard et al., 2019), что невозможно с симуляцией вождения на основе VR с имитацией графики AR. Короче говоря, AR DriveSim — это недорогой полномасштабный симулятор вождения со встроенным оптическим AR-дисплеем и возможностью количественной оценки влияния пользовательских интерфейсов AR на производительность и поведение водителя.Наш дизайн предоставляет уникальные и бесценные возможности для исследователей и дизайнеров пользовательского интерфейса AR HUD, которые невозможно встретить на дороге или в полном симуляторе на основе VR.

Проектирование, сборка, подключение и программирование AR-DriveSim далось нелегко, и поэтому мы предлагаем список уроков, извлеченных из этого процесса, которые могут быть полезны другим исследователям и практикам, стремящимся создать аналогичную киберфизическую дополненную реальность. испытательные стенды (будь то вождение или другие области приложений AR).

Что касается физического пространства для симулятора вождения, мы рекомендуем большие пространства по сравнению с меньшими; не менее 5 × 7 м.Во-первых, в более просторном помещении предусмотрены кабины большего размера, которые, в свою очередь, поддерживают более широкий диапазон размеров участников. Большие комнаты также могут лучше справляться с чрезмерным нагревом, выделяемым множеством необходимых компьютеров, дисплеев и проекторов. Это особенно важно, поскольку теплая комнатная температура может усугубить болезнь симулятора. В более просторных помещениях за кабиной также можно разместить ЖК-мониторы для обслуживания оптических боковых зеркал и более реалистичного ощущения водителя. Более высокие потолки также обеспечивают большую гибкость при покупке и установке проекторов.Если возможно, убедитесь, что в физическом пространстве есть несколько электрических цепей и выделенная цепь для питания половины кабины. Если внутренний вентилятор кабины работает, будет чрезвычайно полезно иметь возможность запускать вентилятор на максимальной скорости, чтобы минимизировать укачивание, хотя для этого требуется значительный ток.

При поиске автомобиля для использования в качестве полукабины начните с идентификации автомобилей с хорошо задокументированными идентификаторами шины CAN. Это ускорит работу, необходимую для подключения кабины к программному обеспечению симулятора вождения.Кроме того, хотя было хорошей идеей потребовать снятия двигателя и трансмиссии перед доставкой, мы рекомендуем оставить блок управления двигателем в целости и сохранности, чтобы обеспечить доступ к дополнительным данным шины CAN. Наконец, если идентификаторы CAN-шины недоступны, не тратьте много времени на работу с простыми встроенными диагностическими считывателями, поскольку они предоставляют доступ к подмножеству общего трафика CAN-шины. Вместо этого одолжите или возьмите напрокат обычный автомобильный диагностический прибор в ремонтной мастерской.

Внутри физической кабины мы рекомендуем прокладывать основные кабели под обивкой и за ней, чтобы не только защитить кабели, но и улучшить визуальное представление места.То есть вы хотите, чтобы участники поверили, что они находятся в реальной машине за рулем, а не в электромобиле в лаборатории. Проложите кабели для дисплеев, IP-камер, связи и питания перед полной сборкой кабины. В кабине также должны быть регулируемые сиденья и надежный процесс позиционирования и калибровки HUD. Участники, которые чувствуют себя комфортно и имеют точное представление о контенте AR, получат данные более высокого качества.

Если возможно, расположите кабину так, чтобы участники, входящие в пространство симулятора вождения, входили со стороны водителя.Это избавляет участников от необходимости перемещаться по неизбежному набору имеющихся кабелей и оборудования. В связи с этим мы рекомендуем проявлять особую осторожность при управлении кабелями, тщательно выбирая правильную длину и используя методы управления кабелями. Это поможет свести к минимуму опасность споткнуться для участников и экспериментаторов.

Что касается программного обеспечения для симулятора вождения, мы настоятельно рекомендуем исследователям избегать соблазна разработать собственное программное обеспечение для симулятора вождения, если само программное обеспечение не является желаемым вкладом.Полное программное решение для симулятора вождения включает в себя гораздо больше, чем графику виртуальной реальности, включая, например, автоматизированный сбор установленных SAE показателей вождения, интеграцию сложной динамики транспортного средства в реальном времени, удобные для пользователя графические инструменты для создания сценариев и т. Д. Хотя MiniSim — это вариант, который мы использовали, доступны другие коммерческие варианты и варианты с открытым исходным кодом (например, STISIM и OpenDS).

Что касается программного обеспечения AR HUD, мы обнаружили, что делегирование задач трансформации (например,g., поза автомобиля MiniSim в позу X3D AR HUD) в Python помогает упростить экспериментальный исходный код X3D / Javascript, а также помогает в более общем плане с будущей переносимостью. Кроме того, хотя возможны случаи, когда система координат относительно транспортного средства может быть полезной, мы обнаружили, что общая абсолютная система координат значительно упрощает реализацию динамической графики AR HUD. Это верно, особенно в тех случаях, когда исследователи не обладают глубокими вычислительными навыками, потому что исследователи, разрабатывающие сценарии, могут указывать мировые координаты для программистов AR HUD для использования на стороне X3D / Javascript.Наконец, при анимации конформной графики AR HUD для сценариев пошаговой навигации мы обнаружили, что отдельные кривые Безье обеспечивают адекватное определение для одиночных поворотов и могут быть связаны вместе для определения более сложных условий.

Ограничения и дальнейшая работа

Несмотря на то, что компьютерному моделированию вождения присущ ряд ограничений, мы представляем лишь некоторые ограничения, которые симулятор вождения накладывает на нашу способность проводить исследования AR HUD. Во-первых, было бы сложно провести исследование, связанное с влиянием реального освещения и смешения цветов на использование HUD.Даже если бы мы могли сопоставить яркость, например, с ночным сценарием, было бы нетривиальным добавить блики от встречного транспорта и другие световые эффекты. Точно так же изучение возможности использования графики AR HUD на фоне вождения ограничено разрешением, яркостью, динамическим диапазоном и контрастностью проецируемой сцены вождения. Наш симулятор AR HUD также не подходит для изучения проблем, связанных с восприятием глубины, поскольку HUD с фиксированной фокальной плоскостью случайно попадает примерно на такое же расстояние, что и проецируемая сцена вождения.У нас также пока нет возможности артикулировать кабину и отображать подсказки на основе движения. В общем, основные ограничения ограничивают нашу способность изучать проблемы восприятия AR, связанные с использованием HUD на открытом воздухе. Такие исследования необходимо проводить во время движения по испытательной трассе или фиксировать в помещении с видом на улицу.

Мы можем легко представить себе ближайшую будущую работу, которая исследует роль AR HUD в автономном и полуавтономном вождении. Наша интеграция игрового контроллера в качестве второстепенного средства подвигнуть нас, чтобы начать эту работу.Стенд также хорошо подходит для интеграции трехмерного пространственного звука в дополнение к визуальным интерфейсам HUD. Наконец, мы начали интегрировать технологию распознавания жестов и голоса, чтобы мы могли изучить возможности взаимодействия с AR HUD. Такие возможности позволят нам расширить наше понимание отвлечения внимания водителя за пределы визуального внимания.

Заявление о доступности данных

Наборы данных, созданные для этого исследования, доступны по запросу соответствующему автору.

Заявление об этике

Исследования с участием людей были рассмотрены и одобрены Программой защиты человеческих исследований Технологического института штата Вирджиния.Пациенты / участники предоставили письменное информированное согласие на участие в этом исследовании.

Авторские взносы

JG руководил созданием и интеграцией всех компонентов AR DriveSim, разработал пользовательское исследование и руководил созданием рукописи. MS провела пользовательское исследование, провела анализ данных для пользовательского исследования, подготовила обсуждение, связанное с пользовательским исследованием, и отредактировала рукопись. KT разработала все программное обеспечение, необходимое для AR DriveSim, протестировала и написала технический контент, связанный с компонентами программного обеспечения.HK выполнил обзор литературы, помог с логистикой установки AR DriveSim и отредактировал рукопись. BJ разработал все компоненты аппаратного обеспечения / микроконтроллера, необходимые для тестирования AR DriveSim, а также написал техническое содержание, относящееся к программным компонентам.

Финансирование

Этот материал основан на работе, поддержанной Национальным научным фондом в рамках гранта № 1816721.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Благодарности

Мы особенно благодарим Рэнди Уолдона и Уилла Веста за их бесконечную помощь и творческий подход к механике, конструкции и электричеству. Мы благодарим Ли Лайла за помощь в разборке и повторной сборке Mini Cooper, а также Мэтта Парадизо и Гаррета Стэра за расшифровку шины CAN и начальное программирование микроконтроллера. Винсент Хоросевски, Эндрю Фейт и Джозеф Мейдлингер из National Advanced Driving Simulator также сыграли важную роль в поддержке нашей работы.Наконец, мы благодарим компанию Progressive Insurance за пожертвование Mini Cooper в поддержку исследований в области вождения.

Список литературы

Администрация NHTS (2013). Визуальное руководство NHTSA Руководство по отвлечению внимания водителя для бортовых электронных устройств (№ NHTSA-2010-0053) . Вашингтон, округ Колумбия: Национальное управление безопасности дорожного движения.

Болтон, А., Бернетт, Г., Лардж, Д. Р. (2015). «Исследование представлений дополненной реальности о навигации на основе ориентиров с использованием проекционного дисплея», в Proceedings of the 7th International Conference on Automotive User Interfaces and Interactive Vehicle Applications (Nottingham: ACM), 56–63.

Google Scholar

Бауэр, М., Хау, К., Маккреди, Н., Робинсон, А., Гровер, Д. (2014). Дополненная реальность в образовании — кейсы, места и возможности. Educ. Media Int. 51, 1–15. DOI: 10.1080 / 09523987.2014.889400

CrossRef Полный текст | Google Scholar

Кэрд, Дж. К., Чисхолм, С. Л., и Локхарт, Дж. (2008). Улучшают ли автомобильные знаки улучшенные характеристики при проезде перекрестков старших и молодых водителей? Результаты моделирования вождения и движения глаз. Внутр. J. Hum. Комп. Stud. 66, 132–144. DOI: 10.1016 / j.ijhcs.2006.07.006

CrossRef Полный текст

Charissis, V., и Papanastasiou, S. (2010). Взаимодействие человека и машины через интерфейс проекционного дисплея транспортного средства. Cogn. Technol. Работа 12, 41–50. DOI: 10.1007 / s10111-008-0117-0

CrossRef Полный текст | Google Scholar

Charissis, V., Papanastasiou, S., Chan, W., and Peytchev, E. (2013). «Эволюция HUD с полным лобовым стеклом, разработанная для текущих стандартов связи VANET», в 16-я Международная конференция IEEE по интеллектуальным транспортным системам (Гаага: ITSC), 1637–1643.DOI: 10.1109 / ITSC.2013.6728464

CrossRef Полный текст | Google Scholar

де Брюэн, А. Б., Смитс, Н., Райкерс, Р. М., и Шмидт, Х. Г. (2008). Осознанная практика позволяет прогнозировать результаты со временем у шахматистов-подростков и выбывших из игры: линейный анализ смешанных моделей. Br. J. Psychol. 99, 473–497. DOI: 10.1348 / 000712608X295631

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Dijksterhuis, C., Stuiver, A., Mulder, B., Brookhuis, K.А., и де Ваард, Д. (2012). Адаптивная система поддержки водителя: пользовательский опыт и ходовые качества в симуляторе. Hum. Факторы 54, 772–785. DOI: 10.1177 / 0018720811430502

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Дюнсер А., Биллингхерст М., Вен Дж., Лехтинен В. и Нурминен А. (2012). Изучение использования портативного устройства дополненной реальности для навигации на открытом воздухе. Comput. График. 36, 1084–1095. DOI: 10.1016 / j.cag.2012.10.001

CrossRef Полный текст | Google Scholar

Фишер, Д.Л., Риццо, М., Кейрд, Дж., И Ли, Дж. Д. (2011). Справочник по моделированию вождения для инженерии, медицины и психологии . CRC Press.

Google Scholar

Габбард Дж., Мехра Д. Г. и Свон Дж. Э. (2019). Влияние переключения контекста дисплея AR и переключения фокусного расстояния на работу человека. IEEE Trans. Vis. Comput. График. 25, 2228–2241. DOI: 10.1109 / TVCG.2018.2832633

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ганс, Э., Робертс, Д., Беннет, М., Тоулз, Х., Меноцци, А., Кук, Дж. И др. (2015). «Технология дополненной реальности для дневной / ночной ситуационной осведомленности для спешенного солдата», в SPIE Defense + Security (Балтимор, Мэриленд: Международное общество оптики и фотоники), 947004.

Google Scholar

Харт, С. Г., и Ставленд, Л. Е. (1988). Разработка NASA-TLX (Task Load Index): результаты эмпирических и теоретических исследований. Adv. Psychol. 52, 139–183.DOI: 10.1016 / S0166-4115 (08) 62386-9

CrossRef Полный текст | Google Scholar

Ким, Х., Ислейб, Дж. Д., и Габбард, Дж. Л. (2016). «Виртуальная тень: отображение динамики перекрестного трафика с помощью дисплеев дополненной реальности», Proceedings of the Human Factors and Ergonomics Society Annual Meeting (Los Angeles, CA: SAGE Publications), 2093–2097.

Google Scholar

Ким, Х., Ву, X., Габбард, Дж. Л., и Полис, Н. Ф. (2013). «Изучение головных интерфейсов дополненной реальности для систем предупреждения о столкновениях», Труды 5-й Международной конференции по автомобильным пользовательским интерфейсам и интерактивным автомобильным приложениям (Эйндховен: ACM), 224–227.DOI: 10.1145 / 2516540.2516566

CrossRef Полный текст | Google Scholar

Ким С., Дей А. К. (2009). «Смоделированный дисплей с дополненной реальностью на лобовом стекле в качестве вспомогательного средства когнитивного картирования для навигации пожилых водителей», in Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (Boston, MA: ACM), 133–142.

Google Scholar

Ланглуа, С. (2013). «ADAS HMI с использованием периферийного зрения», в Труды 5-й Международной конференции по автомобильным пользовательским интерфейсам и интерактивным автомобильным приложениям (Эйндховен: ACM), 74–81.

Google Scholar

Лаубер Ф. и Бутц А. (2013). «Разве hmds лучше huds?» in 2013 Международный симпозиум IEEE по смешанной и дополненной реальности (ISMAR) (Аделаида, Южная Америка: IEEE), 267–268.

Google Scholar

Лоренц, Л., Кершбаум, П., и Шуман, Дж. (2014). Разработка сценариев перехода на автоматическое вождение: как дополненная реальность помогает водителю вернуться в цикл? Proc. Гул. Факторы Эргона. Soc. Анну. Встретиться. 58, 1681–1685. DOI: 10.1177 / 1541931214581351

CrossRef Полный текст | Google Scholar

Меденица, З., Кун, А. Л., Пэк, Т., и Палинко, О. (2011). «Дополненная реальность и виды улиц: исследование на симуляторах вождения, сравнивающее два появляющихся навигационных средства», в Proceedings of the 13th International Conference on the Human-Computer Interaction with Mobile Devices and Services (Stockholm: ACM), 265–274. DOI: 10.1145 / 2037373.2037414

CrossRef Полный текст | Google Scholar

Мешкати, Н.(1988). Оценка вариабельности сердечного ритма и умственной нагрузки. Adv. Psychol. 52, 101–115. DOI: 10.1016 / S0166-4115 (08) 62384-5

CrossRef Полный текст | Google Scholar

Neurauter, M. L. (2005). Мультимодальные предупреждения: дизайн предупреждения о повороте. Proc. Гул. Факторы Эргона. Soc. Аня. Встретиться. 49, 1945–1949. DOI: 10.1177 / 154193120504
3

CrossRef Полный текст | Google Scholar

Олаверри-Монреаль, К., Гомеш, П., Сильверия, М. К., и Феррейра, М.(2012). «Виртуальные светофоры в автомобиле: графический пользовательский интерфейс», Информационные системы и технологии [-108 мм], 14 квартал (CISTI), 7-я Иберийская конференция, 2012 г., (Мадрид), 1–6.

Google Scholar

Пфаннмюллер, Л., Крамер, М., Сеннер, Б., и Бенглер, К. (2015). Сравнение концепций отображения для навигационной системы в автомобильном контактном аналоговом проекционном дисплее. Proc. Manuf. 3, 2722–2729. DOI: 10.1016 / j.promfg.2015.07.678

CrossRef Полный текст | Google Scholar

Пиментель, Дж.Р. и Фонсека Дж. А. (2004). FlexCAN: гибкая архитектура для высоконадежных встраиваемых приложений. РТН 2004: 11.

Google Scholar

Плавшич, М., Душл, М., Тённис, М., Бабб, Х. и Клинкер, Г. (2009). «Эргономичный дизайн и оценка предупреждающих предупреждений на основе дополненной реальности для помощи при вождении в городских условиях», Труды Международной эргономической ассоциации (Пекин).

Google Scholar

Политис, И., Брюстер, С.А., и Поллик, Ф. (2014). «Оценка дисплеев мультимодальных драйверов в условиях различной ситуационной срочности», в материалах Proceedings of the SIGCHI Conference on Human Factors in Computing Systems (ACM), 4067–4076.

Google Scholar

Ран, Л., Цзюньфэн, В., Хайин, В., и Гечен, Л. (2010). «Метод проектирования сетевой коммуникационной структуры CAN BUS для электромобиля», в документе Strategic Technology (IFOST), Международный форум 2010 г., (IEEE), 326–329.

Google Scholar

Саффариан М., де Винтер, Дж. К. Ф. и Хаппе Р. (2013). Повышение эффективности следования за автомобилем за счет отображения расстояния и ускорения. Hum. Мах. Syst. IEEE Trans. 43, 8–16. DOI: 10.1109 / TSMCA.2012.2207105

CrossRef Полный текст | Google Scholar

Сала, С. Д., Баддели, А., Папаньо, К., и Спиннлер, Х. (1995). Парадигма двойной задачи: средство изучения центральной исполнительной власти. Ann. N.Y. Acad. Sci. 769, 161–172.DOI: 10.1111 / j.1749-6632.1995.tb38137.x

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сойер, Б. Д., Финомор, В. С., Кальво, А. А., и Хэнкок, П. А. (2014). Стекло Google: причина отвлечения внимания водителя или лекарство? Hum. Факторы 56, 1307–1321. DOI: 10.1177 / 0018720814555723

CrossRef Полный текст | Google Scholar

Шалл, М.С., Руш, М.Л., Ли, Дж. Д., Доусон, Дж. Д., Томас, Г., Аксан, Н. и др. (2013). Сигналы дополненной реальности и восприятие опасности для пожилых водителей. Hum. Факторы 55, 643–658. DOI: 10.1177 / 0018720812462029

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сеппельт Б. Д., Симан С., Ли Дж., Энджелл Л. С., Мехлер Б. и Реймер Б. (2017). Стекло наполовину заполнено: показатели взгляда на дороге позволяют дифференцировать аварии от почти аварийных в данных о 100 автомобилях. Accid. Анальный. Ранее . 107, 48–62. DOI: 10.1016 / j.aap.2017.07.021

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Ши, Р., Fu, D., Sun, A., Cai, C., Ma, X., Fan, X., et al. (2017). Дополненная реальность на основе местоположения с повсеместными датчиками смартфонов: внутри и за пределами Pokemon Go ! Доступ IEEE.

Google Scholar

Шен, Ф., Чен, Б., Го, К., Ци, Ю., и Шен, Ю. (2013). Реконструкция пластинки с дополненной реальностью для конкретного пациента для хирургии перелома вертлужной впадины и таза. Внутр. J. Comp. Ассистент. Радиол. Surg. 8, 169–179. DOI: 10.1007 / s11548-012-0775-5

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Скарбез, Р., Брукс, Ф. П., и Уиттон, М. С. (2017). Обзор присутствия и связанных понятий. ACM Comput. Surv. 50, 1–39. DOI: 10.1145 / 3134301

CrossRef Полный текст | Google Scholar

Смит, М., Габбард, Дж. Л., Бернетт, Г., Дачева, Н. (2017). Влияние лобовых дисплеев с дополненной реальностью на шаблоны сканирования глаз, производительность и восприятие водителей. Внутр. J. Mob. Гул. Комп. Взаимодействовать. 9, 1–17. DOI: 10.4018 / IJMHCI.2017040101

CrossRef Полный текст | Google Scholar

Смит, М., Габбард, Дж. Л., и Конли, К. (2016). «Головные дисплеи по сравнению с дисплеями, направленными вниз: изучение традиционных методов оценки изображения во время вождения», в Труды 8-й Международной конференции по автомобильным пользовательским интерфейсам и интерактивным автомобильным приложениям (ACM), 185–192. DOI: 10.1145 / 3003715.3005419

CrossRef Полный текст | Google Scholar

Типпи, К. Г., Сиварадж, Э., Ардуан, В.-Дж., Роуди, Т., и Феррис, Т. К. (2014). Отправка текстовых сообщений во время вождения с использованием стекла Google: исследование комбинированного влияния отображения на лобовое стекло и ввода без помощи рук на безопасность и производительность вождения. Proc. Гул. Факторы Эргона. Soc. Аня. Встретиться. 58, 2023–2027. DOI: 10.1177 / 1541931214581422

CrossRef Полный текст | Google Scholar

Типпи, К. Г., Сиварадж, Э., и Феррис, Т. К. (2017). Вождение при взаимодействии со стеклом Google: исследование комбинированного влияния проекционного дисплея и ввода без помощи рук на безопасность вождения и производительность в многозадачном режиме. Hum. Факторы 59, 671–688. DOI: 10.1177 / 0018720817691406

PubMed Аннотация | CrossRef Полный текст | Google Scholar

тонн, C., Петцольд, Ф., Бимбер, О., Грундхёфер, А., и Донат, Д. (2008). Пространственная дополненная реальность для архитектуры — проектирование и планирование с существующими зданиями и внутри них. Внутр. J. Architect. Комп. 6, 41–58. DOI: 10.1260 / 147807708784640126

CrossRef Полный текст | Google Scholar

Тоннис М. и Клинкер Г. (2006). «Эффективный контроль внимания водителя автомобиля для визуального и звукового наведения на направление неминуемой опасности», в Mixed and Augmented Reality, 2006.ISMAR 2006. Международный симпозиум IEEE / ACM по теме (Вашингтон, округ Колумбия: IEEE), 13–22.

Google Scholar

Тран, К., Барк, К., и Нг-Тоу-Хинг, В. (2013). «Устройство помощи при левом повороте, использующее проектируемые встречные пути транспортных средств с дополненной реальностью», в материалах Труды 5-й Международной конференции по автомобильным пользовательским интерфейсам и интерактивным автомобильным приложениям (ACM), 300–307.

Google Scholar

Вай-Тат, Ф., Гаспер, Дж., И Сон-Ван, К.(2013). «Влияние автомобильной системы дополненной реальности на повышение безопасности молодых и пожилых водителей», в Международный симпозиум IEEE по смешанной и дополненной реальности (ISMAR) , 59–66. DOI: 10.1109 / ISMAR.2013.6671764

CrossRef Полный текст | Google Scholar

Вайнберг, Г., Харшам, Б., и Меденица, З. (2011). «Оценка удобства использования проекционного дисплея для выбора из списков выбора в автомобилях», Труды 3-й Международной конференции по автомобильным пользовательским интерфейсам и интерактивным автомобильным приложениям (ACM), 39–46.

Google Scholar

Wierwille, W. W., and Eggemeier, F. T. (1993). Рекомендации по измерению умственной нагрузки в тестовой и оценочной среде. Hum. Факторы 35, 263–281. DOI: 10.1177 / 001872089303500205

CrossRef Полный текст | Google Scholar

Визнер, К. А., Клинкер, Г. (2017). «Преодоление неточностей местоположения в навигации в дополненной реальности», в Международная конференция по дополненной реальности, виртуальной реальности и компьютерной графике (Ugento: Springer), 377–388.

Google Scholar

Визнер, К. А., Руф, М., Сирим, Д., и Клинкер, Г. (2017). «3D-FRC: изображение будущего маршрута дороги на проекционном дисплее», в документе 2017 IEEE International Symposium on Mixed and Augmented Reality (Nantes), 136–143. DOI: 10.1109 / ISMAR.2017.30

CrossRef Полный текст | Google Scholar

Витмер Б. Г. и Сингер М. Дж. (1998). Измерение присутствия в виртуальных средах: анкета присутствия. Presence Teleop Virt.Environ. 7, 225–240. DOI: 10.1162 / 105474698565686

CrossRef Полный текст | Google Scholar

Wu, W., Blaicher, F., Yang, J., Seder, T., and Cui, D. (2009). «Прототип автомобильной навигации на основе ориентиров с использованием системы отображения на лобовом стекле», in Proceedings of the 2009 Workshop on Ambient Media Computing (ACM), 21–28.

Google Scholar

Симуляторы вождения | Транспортная инженерия

Программа транспортной инженерии в SEAS включает лабораторию симуляторов вождения, расположенную в научно-техническом кампусе Вирджинского университета Джорджа Вашингтона (VSTC).Соответствующее оборудование находится в Зале исследований.

В лаборатории находятся два симулятора вождения: симулятор вождения автомобиля и симулятор вождения грузовика.

Симулятор вождения автомобиля (CDS)

Ультрасовременный симулятор вождения автомобиля используется для проведения важных исследований транспортных средств и поведения при вождении. Этот симулятор позволяет CISR проводить эксперименты по вождению в безопасных и контролируемых лабораторных условиях. Скачать технические характеристики симулятора.


Схема симулятора вождения автомобиля

Наш полнофункциональный симулятор вождения автомобиля подарит вам ощущение от вождения, как в реальной жизни. Визуальный дисплей представляет собой изогнутый экран с широким углом обзора 135 градусов. Кроме того, звуковая обратная связь обеспечивается стереокомпонентами. Рулевое колесо создает подлинное ощущение сцепления с дорогой за счет создаваемого противодействующего крутящего момента. Проверенная программа динамики транспортного средства управляет поведением транспортных средств в моделировании.

Симулятор вождения автомобиля выполняет всесторонний сбор данных, включая данные отслеживания взгляда. Данные включают в себя полную динамику автомобиля, а также угол поворота рулевого колеса, положение дроссельной заслонки и положение тормозов. Кроме того, система отслеживания взгляда обеспечивает точное измерение концентрации внимания водителя, размера зрачка, частоты моргания и времени, в течение которого глаза остаются закрытыми во время моргания.

Симулятор вождения грузовика (TDS)

В рамках проекта, поддерживаемого Федеральным управлением безопасности автотранспортных средств (FMCSA), CISR разработал симулятор вождения грузовиков для изучения поведения водителей.Было установлено партнерство между CISR и исследовательским отделом моделирования, симулятора и симуляторов вождения (MSIS) Французского национального института исследований транспорта и безопасности (INRETS). Эта лаборатория позволила CISR проводить эксперименты по вождению в безопасных и контролируемых лабораторных условиях. Скачать технические характеристики симулятора.


Структура симулятора вождения грузовика

HumanFIRST Lab — Университет Миннесоты

Иммерсивный симулятор вождения

Симулятор среды вождения (DES) — иммерсивный симулятор вождения, первоначально произведенный Autosim AS и модернизированный Realtime Technologies.DES работает с полной кабиной автомобиля Saturn SC2 2002 года с реалистичной работой органов управления и контрольно-измерительной аппаратурой, включая обратную связь по усилию на рулевом колесе и реалистичное усиление тормозов. смоделированная среда. Визуальная сцена проецируется на пятиканальное поле обзора с углом обзора 210 градусов и высоким разрешением (1,3 угловых минуты на пиксель) с задним и боковым зеркалами обзора, обеспечиваемыми задним экраном и ЖК-панелями.

Стеклянная кабина, изготовленная по индивидуальному заказу, включает ЖК-дисплей на приборной панели и сенсорный дисплей в центральной консоли, который может воспроизводить любую конфигурацию датчиков и дисплея автомобиля. Центральный стек с сенсорным экраном может создавать любое разнообразие пользовательских интерфейсов транспортного средства, включая навигационные системы, телефонные / электронные / текстовые интерфейсы, аудиосистемы, средства управления окружающей средой и второстепенные задачи, ориентированные на исследования.

В симуляторе можно создать любую дорожную среду, включая точное воспроизведение географических местоположений при различных реалистичных условиях освещения и погодных условиях.Слуховая и тактильная обратная связь обеспечивается двумя отдельными системами объемного звука 3D (внутренняя и внешняя), вибрацией кузова автомобиля и трехосной системой электрического движения, которые создают движение по оси Z в ограниченном диапазоне (частичное — движение). Симулятор совместим с Simulink, что позволяет легко интегрировать в систему дополнительные компоненты или системы управления.

Дополнительные устройства установлены для поддержки проектирования и оценки систем телематики транспортных средств, а также интерфейсов слуховой, визуальной и тактильной обратной связи.DES может быть интегрирован с 40-канальным блоком психофизиологической записи для поддержки измерения активности головного мозга водителя (например, парадигмы вызванного потенциала реакции (ERP)), высокоточным айтрекером, который использует специализированное программное обеспечение для определения того, какими конкретными объектами является водитель. глядя в динамичный трехмерный мир. Установлены тактильное сиденье и педаль акселератора, которые позволяют передавать водителю различные сигналы обратной связи. В совокупности DES позволяет всесторонне измерить производительность водителя с точки зрения поведенческих показателей, субъективного опыта и психофизиологической реакции.


Переносной симулятор условий вождения

Портативный симулятор вождения, производимый Realtime Technologies, представляет собой полноценный симулятор вождения, установленный на портативном шасси. Портативность этого симулятора позволяет лаборатории HumanFIRST проводить исследования, связанные с человеческим фактором, в удаленных местах (например, в пенсионных центрах и в сельских общинах) или в местах, где участникам неудобно добираться до симулятора в лаборатории HumanFIRST.Портативный симулятор использует то же программное обеспечение сценария, что и иммерсивный симулятор, что позволяет легко переносить исследовательские эксперименты с одного симулятора на другой без дополнительных затрат на разработку.

Портативный тренажер состоит из сиденья водителя, органов управления транспортным средством (педали, рулевое управление и трансмиссия) и датчиков транспортного средства на шасси, изготовленном по индивидуальному заказу. Три 32-дюймовых дисплея высокой четкости обеспечивают обзор вперед, а зеркала заднего вида вставляются в передний обзор.ЖК-панель представляет собой приборную панель, использующую то же программное обеспечение для отображения, что и иммерсивный симулятор на меньшем экране, что позволяет использовать любую конфигурацию дисплея или датчика.

Использование идентичного программного обеспечения для моделирования позволяет легко обмениваться исследовательскими приборами между симуляторами. Модуль записи психофизиологии, айтрекер и модули управления Simulink являются примерами систем, которыми можно легко обмениваться между симуляторами.

СИМУЛЯТОР ВОЖДЕНИЯ | Кейп-Мэй, штат Нью-Джерси,

В этом учебном курсе на симуляторе используется симулятор вождения FAAC для усиления способности принимать правильные решения и снижения риска вождения.Эксклюзивная автомобильная интерактивная система преследования-5 от FAAC — это здравый ответ для инструктирования новых и опытных полицейских. Система включает в себя множество функций для поддержки этих и других навыков в максимально реалистичной среде. К ним относятся скоропортящиеся навыки, управление скоростью и пространством, анализ перекрестков, оценка и принятие решений за доли секунды, восприятие опасности, неблагоприятные условия вождения, управление преследованием и многозадачность. Этот тренажер позволяет взаимодействовать преподавателю и ученику.Симулятор содержит реалистичные элементы управления и компоненты, включая возможность радиосвязи между студентом и инструктором, что повышает реалистичность обучения и многозадачность. Система обеспечивает точное «ощущение» транспортного средства, включая удары по бордюрам, вибрацию дороги, чистку шин и восстановление развала (рулевого управления и подвески). Программное обеспечение воссоздает отскок сиденья и вибрацию от ускорения, торможения и поворота. Также включен высококачественный динамический объемный звук с эффектом Доплера для непрерывных и асинхронных (звук и действия синхронизируются) звуков автомобиля для улучшения ускорения, замедления и поворота — другие звуки включают скорость двигателя, шум дороги, занос шин, торможение и столкновение с транспортными средствами и другими объектами, такими как дорожные знаки, дорожные указатели, деревья и здания.Слушатели узнают, как реагировать на различные элементы дорожного движения, такие как пешеходы, другие транспортные средства и дорожные условия, а также как прогнозировать возможные конфликты с другими участниками дорожного движения. Симулятор позволяет измерять время реакции, время торможения и общий тормозной путь. Управление рисками включает в себя управление видимостью, временем, пространством и осведомленность о доступном сцеплении с дорогой. Все эти факторы позволяют инструктору тренировать и оценивать навыки суждения и принятия решений студента — это означает, что инструкторы могут позволить студенту принять неверное решение, а затем воспроизвести это решение на тренажере для обсуждения и подкрепления или повторить попытку. тот же сеанс для успешного исхода.Обучение можно приостановить для обсуждения, чтобы усилить подкрепление урока. Сценарии могут быть любыми географическими точками, такими как городские, пригородные, жилые, сельские с многочисленными дорожными системами. Доступно более 60 готовых тренировочных упражнений, включая набор инструментов сценария, который дает инструкторам свободу создавать индивидуальные упражнения, основанные на конкретных потребностях обучения. Это позволяет проводить обучение на основе ежегодной статистики дорожно-транспортных происшествий с использованием реальных сценариев, что позволяет инструкторам создавать базовые базовые сценарии для новых сотрудников или создавать сложные сложные сценарии для опытных водителей, усиливая подготовку к конкретным типам аварий.

Факты, касающиеся статистики с момента использования симулятора вождения, заключаются в том, что агентства обнаруживают снижение уровня аварийности с 30% до 50%, что значительно сокращает количество судебных разбирательств.

Это может быть синхронизировано с симулятором огнестрельного оружия (см. Учебный бюллетень «Комбинированный симулятор MILO / FAAC»)

Служебное оружие и боеприпасы не допускаются в помещение FAAC / MILO. При желании офицерам предоставляются запирающиеся шкафы для хранения вещей.

Похожие записи

Добавить комментарий

Ваш адрес email не будет опубликован. Обязательные поля помечены *