Search

Unser Mobilitätsverhalten wird durch hochautomatisch fahrenden Fahrzeuge grundlegend verändert. Automatisches Fahren wird es mitreisenden und fahrzeugführenden Personen ermöglichen, sich während der Fahrt zu beschäftigen, ohne das Verkehrsgeschehen verfolgen zu müssen. Eine solche – fahrfremde – Beschäftigung kann das Risiko für Kinetose (häufig auf Deutsch Reisekrankheit) erhöhen. Zur Entwicklung effektiver Gegenmaßnahmen bieten sich Probandenstudien an. Mithilfe dieser können unter anderem angemessene Aktivierungszeitpunkte, Anregungsdauern oder -intensitäten ermittelt werden. Für eine solche nutzernahe Entwicklung ist die objektive Erfassung der Kinetose am Menschen ein unverzichtbares Werkzeug. Es wird daher im Rahmen dieser Arbeit der Zusammenhang zwischen Kinetose im Fahrzeug und physiologischen sowie kontextualen Größen ermittelt. Die erhobenen Parameter werden in drei Clustern untersucht: physiologische Daten, die über direkten Kontakt mit dem Menschen erhoben werden (klassisch), physiologische Daten, die mit minimalem Kontakt erhoben werden (kontaktlos) sowie kontextuale Daten (kontextual). Die Erhebung der Clusterparameter greift in unterschiedlichem Maße in das Umfeld der Personen ein. Es wird eine Abhängigkeit von dem Mobilitätserlebnis und der Nutzerakzeptanz zu der Immersion der Messmethode angenommen. Die klassischen Daten umfassen Hautleitfähigkeit, Innenohrtemperatur, Atmung und Puls, während bei den kontaktlosen Daten die Gesichtstemperatur und -blässe durch Kameras sowie Temperatur und Feuchte mithilfe von Sensoren in der Sitzfläche erfasst wurden. Die kontextualen Daten wurden über Fragebögen erhoben und umfassen das Alter, das Geschlecht und eine selbst eingeschätzte Empfindlichkeit für Kinetose. Eine anwendungsnahe Untersuchung wurde mithilfe eines Fahrversuchs auf einem Testgelände durchgeführt. Reproduzierbare Stop-and-Go-Fahrten provozierten bei 40 Personen Kinetose. Die Teilnehmenden betrachteten dabei ein Video, während ihre subjektiven Kinetoseausprägungen und physiologischen Daten aufgenommen wurden. Aufgrund der Versuchsgestaltung mit wiederholtem Testen und intra- sowie interindividuellen Unterschieden, zeigten die Daten Abhängigkeiten innerhalb der Versuchsdurchläufe und der Teilnehmenden. Diese Zusammenhänge wurden in der Datenanalyse mithilfe von Multilevel-Modellen berücksichtigt. Bei der Betrachtung der einzelnen physiologischen Größen zeigen die Innenohrtemperatur, die Gesichtsblässe sowie die geschätzte Empfindlichkeit einen signifikanten positiven Zusammenhang mit der Kinetoseausprägung. Die Betrachtung der Cluster ergibt, dass Sensitivität und Präzision für die klassischen sowie kontaktlosen Parameter zwischen 40 % und 70 % liegen und die Modelle damit eine niedrige Güte haben. Dementgegen bewirkt das kontextuale Cluster ein Modell, welches mit einer Präzision von 72 % und einer Sensitivität von 98 %, eine höhere Güte hat. Parameterkombinationen des klassischen und des kontaktlosen Clusters detektieren Kinetose gut, wenn individuelle Varianzen bekannt sind. Ohne diese, sind die Modelle für eine finale Nutzung im Fahrzeug unzureichend geeignet. Einzelne Parameter der Cluster zeigen jedoch deutliche Zusammenhänge mit Kinetose. Das kontextuale Cluster hat ein höheres Potenzial, doch es erlaubt, entgegen den anderen Clustern, keine zeitechte Detektion der Kinetose, sondern ausschließlich eine Schätzung, ob Kinetose im Allgemeinen eintreten wird. Eine Verbesserung könnte in zukünftigen Arbeiten durch eine umfassendere Erfassung der Umwelt und der Nutzenden bewirkt werden. Langzeit-Aufnahmen von physiologischen Signalen und damit gute Referenzwerte der Nutzenden bieten beispielsweise Wearables. Dies kann ein weiterer Schritt zu einer objektiven Kinetosedetektion sein, die letztlich die Entwicklung von kinetosegerechter Mobilität ermöglichen kann., Highly automated vehicles will change our mobility behavior fundamentally. It will allow all passengers to engage in non-driving related tasks. This will increase the risk for motion sickness, requiring the development of effective countermeasures through user studies. These user studies can provide insight on activation time points, durations and intensities of the countermeasures, for example. Such a user-centered development requires objective detection of motion sickness. In the scope of this work the relationship between carsickness and physiological, as well as contextual parameters, is being analyzed. The extent of the invasion on the passenger is connected to the riding experience and user acceptance. The recorded parameters are split into three groups, which differ in their extent of invasion on the passenger: physiological data recorded with direct contact (classic), physiological data recorded with no or indirect contact to the passenger (contactless), and contextual data (contextual). The distinction of the three groups enables an evaluation of objective physiological parameters with the best available data recording quality (classic) in parallel to objective parameters having a lower quality, but little or no interference with the passenger (contactless and contextual). It is assumed that the mobility experience and user acceptance are depending on the immersion of the measuring method. The classic data include skin conductance, inner ear temperature, respiration, and pulse, while the contactless data include the facial temperature and pallor, as well as temperature and humidity recorded from a seat mat. The contextual data were collected using questionnaires and comprise of age, gender, and self-estimated susceptibility for motion sickness. Application-oriented research was conducted by means of a driving study on a test track. During a reproducible stop-and-go ride, forty participants had to watch a video. During that motion sickness provoking situation, physiological data and minutely subjective motion sickness were recorded. Repeated measures of the individuals as well as inter- and intraindividual differences, leading to dependencies within the trials and the participants, were studied using multilevel models. The inspection of the single parameters shows a significant positive relationship between the subjective motion sickness and the inner ear temperature, the facial pallor, and the estimated theoretical susceptibility. The models for the classic and contactless clusters have an overall moderate performance, with sensitivity and precision being between 40 % and 70 %. In contrast, the contextual model has a higher performance with a sensitivity of 98 % and precision of 72 %. Considering an in-vehicle application for a user, the classic and the contactless parameters have an overall insufficient performance of detecting motion sickness, which will not lead to the development of trust and acceptance. However, single parameters did show clear relationships to motion sickness. The contextual data showed a better potential of detecting motion sickness, but in contrast to the other clusters, would not allow a real-time detection, but rather an estimation of the overall susceptibility. Future work should consider a broader range of passenger data as well as additional environmental data. Insights of physiological data over a longer time range and good references of single users could be achieved with wearables. Additional energy is required to record physiological high-quality data with a non-intrusive method in the vehicle environment, which bears many artifacts for sensitive sensors. This thesis reveals important parameters and methodological implications for in-vehicle implementation of motion sickness detection. It is an important step towards robust objective motion sickness detection, which will eventually allow the development of motion-sickness oriented mobility.