Pupillometrie als Methode zur Erfassung mentaler Beanspruchungen im automotiven Kontext

Die vorliegende Arbeit untersucht die Anwendung einer neuen Methode der Pupillometrie zur Erfassung von mentaler Beanspruchung bei der Optimierung von Fahrerinformations- und Fahrerassistenzsystemen im automotiven Kontext. Die in der vorliegenden Arbeit eingesetzte Methode erlaubt es, über charakteristische Veränderungen der Größe der menschlichen Pupille Rückschlüsse auf die aktuelle Beanspruchung eines Fahrers zu ziehen und diese mittels eines Index, dem "Index of Cognitive Activity" (ICA, Marshall, Davis & Knust, 2004) abzubilden. Es werden insgesamt vier Experimente beschrieben. Es zeigt sich, dass der hier beschriebene Index sowohl in einem experimentell streng kontrollierten Kontext, als auch in realistischen, anwendungsnahen Fahr- und Bediensituationen auftretende mentale Beanspruchungen für den Fahrer abbilden kann. Es konnte auch gezeigt werden, dass es mittels der hier beschriebenen Methode der Pupillometrie und deren hoher zeitlicher Auflösung der Messung erstmals möglich ist, den tatsächlichen Verlauf von Beanspruchungen bei der Bearbeitung einer Aufgabe abzubilden. Die hier beschriebenen Ergebnisse zeigen eine Möglichkeit der Optimierung zukünftiger Mensch-Maschine Schnittstellen hinsichtlich der für den Benutzer auftretenden Beanspruchungen mit einer bis lang unerreichten Genauigkeit.

In this study a new method for measuring mental demands is discussed. Its relevance in an automotive context is the optimisation of new driver information as well as driver-communication systems. This method allows to identify mental demands through observing changes in the size of the human pupil and to display the actual demand through an index called ?Index of Cognitive Activity' (ICA, Marshall, Davis & Knust, 2004). In all, four experiments are being described. It could be shown that the index described here may identify mental demands not only in a highly controlled experimental context, but also in the context of a realistic and applied driving-and-interaction situation. It was shown for the first time that with this method and its high timescale resolution it is possible to display the actual characteristic course of mental demands while performing a task. The study thus describes a highly effective way of optimising new human-machine interfaces with respect to the occurring mental demands to the user with an accuracy that has not been reached so far.