1.4 案例：長安UNI-T智能座艙及場景設計

想要做一個好的產品，第一步，就是要有明確且堅定的目標。2018年7月，地平線與長安UNI-T項目組就UNI-T的車型定位、用戶畫像、車型配置進行了充分討論，明確了這是一款為95后打造的人生第一款車。而這款車主打的賣點就是智能化。因此，在項目最初階段就設定了一個目標，要做一款超越當時體驗的智能座艙，要讓用戶對這款車的“智能”體驗與之前所有車的體驗有明顯的代際差。

（1）深挖用戶需求 雖然明確了設計目標，但是需要解決哪些用戶痛點，如何去解決原來不敢解決的痛點成為擺在項目成員面前的第一個挑戰。于是，關于什么才是95后用戶心中所期待的智能汽車的問題持續研討了3個月（圖1-17）。項目成員通過各種渠道和方法，系統性地收集了當時智能座艙中的痛點，在經歷產品和研發30多場頭腦風暴后，梳理總結出了57個場景需求。

（2）巧用第一性原理 梳理好第一批場景需求后，就進入了最困難的“實現”，也就是將前人所不敢想，所不敢解決的問題通過智能技術解決。很多人第一次看到57個場景需求的時候，都覺得這件事是“天方夜譚”，無法想象這些場景可以實現，并且在未來6個月實現量產。而項目組的處理辦法，就是巧用第一性原理。將所有解決問題的阻礙統統“煮沸”，從中挖掘出最本質的東西，去解決，去實現：

1）駕駛員開車時的交互痛點是什么？

2）駕駛員的主要任務是駕駛，那如何減少駕駛員的交互步驟？

3）如果有一套技術方案可以理解駕駛員當前的狀態和意圖，主動進行交互，那這套系統是不是足夠智能？答案是肯定的，但要如何做出這套系統？

4）如果駕駛員在開車時感到疲勞，那他們通常會放點動感的音樂，開個空調，調整一下空調吹向以幫助自己緩解疲勞。是否可以簡化這個步驟？是否可以將緩解策略做得更好，主動幫助用戶在更長的時間內擺脫疲勞？用戶疲勞的真正表現是什么？如何通過技術去主動識別？

5）駕駛員在開車時，經常因為注意力不集中而錯過路口，是否可以通過技術去識別駕駛員的狀態并在合適的時候提醒？如何識別駕駛員注意力是否集中？什么是路口分心？

隨著一個一個刨根問底的問題，一步一步的探索，最終實現了多個場景的成功量產。下面將以如何識別駕駛員注意力集中作為一個案例分享如何將一個不可能的解決的場景變成“量產”。

第一步，研究行業內前輩們對注意力不集中的一些成果，站在巨人的肩膀上去解決問題（圖1-18）。

第二步，建立一個真實的注意力不集中環境，基于行業論文的信息總結收集用戶在真實行車場景中的生理特征，探索用戶注意力不集中的具體表現。基于此制定真實的數據采集計劃和方案（圖1-19）。

第三步，如圖1-20a、b所示，選擇一個真實路段，招募采集志愿者、協調和部署采集設備，采集數據。

第四步，如圖1-20c所示，通過攝像頭、傳聲器、文字等詳細記錄用戶在駕駛過程中的表現。

第五步，結果分析與歸納總結（圖1-21）。

第六步，通過策略校驗來驗證歸納總結的策略是否準確（圖1-22）。具體來說，基于制定的策略讓第三方標注注意力集中和不集中的場景視頻，看是否可以正確標注。之后基于結果優化及迭代策略。

截至目前，已基本上實現了通過視覺算法識別駕駛員注意力不集中的情況，可如何對駕駛員進行提醒才不會錯過路口呢？為什么平時有導航播報也還是會錯過呢？

經過研究發現，用戶錯過導航播報是因為導航播報的音色和音量與平時的播報提醒沒有區別，很容易在注意力不集中的時候忽略重要的播報。因此，導航錯過路口的提醒，一定要以更顯性的方式播報，例如，可以在儀表盤做閃爍圖標提醒、播放特殊音色的提醒音頻、方向盤振動等。

那什么時候進行提醒既能及時提醒用戶駛出路口，也能保障用戶安全的減速變道呢？接下來是產品上市前最后也是最重要的一步：實車測試，通過實際駕駛體驗，收集反饋數據并更新迭代提醒時間和提醒策略。

上述例子詳細展示了如何通過第一性原理從源頭上來解決問題，更好地進行座艙產品設計，做到足夠“智能”。同時，為了兼顧用戶體驗至上的原則，在產品開發過程中和產品上市后，也需要不斷實車測試產品的實際效果，并基于測試結果分析、迭代產品策略。此時，一個可以快速、靈活配置更新的上層應用系統就顯得極為重要了。為此，座艙團隊專門開發了Antares端云一體的場景開發框架，幫助產品/用戶體驗師快速分析數據，更新場景邏輯，極大地縮短了場景開發周期和流程，具體信息將在本書的第8章進行詳細講解。

座艙領域的用戶痛點還有很多未被滿足。隨著自動駕駛技術的發展，“人機共駕”和“第三生活空間”的需求漸漸凸顯。用戶對座艙的需求也不再僅限于“車”這個概念。相信，隨著科學技術的進步與迭代，未來智能座艙會迎來更多的突破，解決現在不敢想象的痛點。