编辑推荐：
自动驾驶汽车（AV）的合理使用至关重要，但用户过度依赖等问题限制其发展。研究人员开展驾驶模拟器研究，评估多种因素对驾驶员依赖行为的影响。结果表明影响依赖的因素因场景而异，依赖惯性影响最大。该研究为相关技术研发提供依据。
在科技飞速发展的当下，自动驾驶汽车（Automated Vehicle，AV）逐渐走进人们的视野，它被寄予厚望，有望大幅提升道路安全与出行效率。想象一下，人们坐在车内，无需时刻紧握方向盘、紧盯路况，汽车就能自动穿梭在大街小巷，避开拥堵，安全抵达目的地，这是多么美好的出行愿景。然而，现实却给这份憧憬泼了冷水。目前，自动驾驶汽车的推广和合理使用面临诸多难题，其中用户的担忧和过度依赖问题尤为突出。
所谓合理使用 AV，是指仅在其操作设计域（Operational Design Domain，ODD）内依赖自动化驾驶，在人类驾驶员表现更优的情况下则放弃依赖。但实际情况是，误用（在自动化能力范围外依赖）和弃用（完全放弃使用自动化）现象屡见不鲜。此前的研究发现，影响人们对 AV 依赖的因素众多，比如信任自动化（包括特质信任、情境信任和习得信任）、操作员工作负荷、情境意识、疲劳以及时间等。不过，现有的关于 SAE Level 2 驾驶自动化的研究，虽然对人机交互有广泛探讨，但在依赖行为和决策方面的研究还不够深入。多数研究只是评估信任、感知风险等人为因素，却很少直接探究驾驶员在与自动化系统交互时如何做出依赖决策。
为了深入了解这些问题，来自国外（文中提及研究经德州农工大学机构审查委员会批准）的研究人员开展了一项极具意义的研究。他们希望通过此次研究，评估特质信任和情境信任、疲劳、心理工作负荷、累积依赖以及人口统计学因素，在驾驶员对现实中部分自动驾驶汽车性能依赖行为中的作用。
研究人员采用了驾驶模拟器研究的方法。他们在 Real - time Technologies（RTI）RDS - 100 桌面驾驶模拟器上进行实验，研究严格遵循 APA 伦理准则，并获得德州农工大学机构审查委员会（协议编号 IRB2021 - 0631DCR）的批准。所有参与者在研究开始前都签署了知情同意书。在实验过程中，驾驶员需要在部分车辆自动化技术下，针对代表当前自动驾驶汽车依赖决策的四个事件做出依赖决策。之后，研究人员运用逐步逻辑回归分析，评估依赖惯性、情境信任、特质信任、情境意识和驾驶员人口统计学因素对依赖的影响。
研究结果显示，影响依赖的因素会因交通场景的不同而有所差异。其中，依赖惯性对后续依赖决策的影响最为显著，在最后三个事件的最终模型中都保留了这一因素，并且在最后两个事件模型中具有最大的优势比。在多数环境下，情境信任对依赖的影响比特质信任更强。此外，性别、年龄和情境意识在依赖决策中也可能发挥作用。
这项研究意义重大。它揭示了影响驾驶员对自动驾驶汽车依赖的关键因素，为相关技术的研发指明了方向。例如，研究结果表明需要开发校准依赖而非仅仅关注信任的技术。同时，该研究也为后续更广泛的驾驶员对 AV 依赖的研究奠定了基础，有助于推动自动驾驶汽车技术更安全、更合理地应用，让自动驾驶汽车真正成为人们安全、高效出行的得力助手，未来有望减少道路交通事故，提升整体交通效率。
研究的主要技术方法包括：使用驾驶模拟器进行实验，模拟真实驾驶场景让驾驶员做出依赖决策；运用逐步逻辑回归分析，对收集到的数据进行统计分析，以评估各因素对依赖的作用。实验样本为 49 名参与者，均来自此次驾驶模拟器研究。
研究结果
通过对每个参与者的 STS - AD（未明确具体含义，文中提及相关评分）评分和依赖决策进行分析，研究人员绘制了热图。热图中，评分和依赖决策按时间顺序排列在 x 轴上，STS - AD 分数经过归一化处理，依赖决策用 0（未依赖，黄色）和 1（依赖自动化，海军蓝色）编码。从热图可以直观地看出不同参与者依赖自动化的频率差异。
研究结论和讨论
研究人员旨在确定并评估人口统计学因素、特质和情境信任、情境意识、心理工作负荷、疲劳以及依赖惯性与自动驾驶汽车依赖之间的关系。综合研究结果来看，依赖惯性是未来依赖的最重要预测指标。除依赖惯性外，情境意识也在依赖决策中扮演着重要角色。这些研究结果表明，为了实现自动驾驶汽车的合理使用，未来需要更多关注校准依赖的技术，而非仅仅聚焦于信任。同时，还需要开展更广泛的研究，深入了解驾驶员对自动驾驶汽车的依赖行为，以进一步提升自动驾驶汽车的安全性和实用性。这项研究成果发表在《Applied Ergonomics》上，为该领域的研究和发展提供了重要参考。
