ZusammenfassungIm Straßenverkehr existieren unterschiedliche Konzepte zur Identifikation von Fahrertypen, die sich hinsichtlich Fahrverhalten und Einstellung zum Fahren unterscheiden. Im Rahmen der Automatisierung von Fahraufgaben gilt es zu überprüfen, wie diese Konzepte an die Herausforderungen veränderter Mensch-Maschine-Interaktion angepasst werden müssen und ob sich neuartige Fahrertypen identifizieren lassen. Auf Basis bestehender Typisierungen aus der Verkehrspsychologie sowie Erkenntnissen der Automationsforschung werden dazu die Konzepte des „Driving Style“ und „Driving Skill“ weiterentwickelt, um Fahrertypen im Kontext des automatisierten Fahrens zu identifizieren. In einer großzahligen Online-Umfrage wurden drei Fahrertypen identifiziert, die sich insbesondere hinsichtlich ihrer Einstellung zum automatisierten Fahren unterscheiden. In einer experimentellen Studie im Fahrsimulator kann anschließend gezeigt werden, dass diese Fahrertypen die Automation im Fahrzeug jeweils anders erleben und daher differenzierte Ansprüche an diese richten. Insgesamt deuten die Studienergebnisse darauf hin, dass die Akzeptanz des automatisierten Fahrens durch nutzergerechte Technik gefördert werden könnte. Die Ergebnisse dienen dazu, die jeweiligen Fahrertypen, ihre Einstellungen und ihre Nutzungspräferenzen im Kontext des automatisierten Fahrens besser zu verstehen und erste Ansatzpunkte für deren Berücksichtigung in der adaptiven Technikentwicklung zu identifizieren.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.