城市交通中人机协同系统的安全性与用户参与度研究：基于两种合作策略的驾驶模拟器实验

为解决高度自动化车辆(HAV)在复杂城市交通中面临系统极限的问题，研究人员通过驾驶模拟器实验对比了"完全接管(MANUAL)"和"按钮监控(MONITORING)"两种人机协同策略。研究发现低参与度的MONITORING策略在安全性(减少碰撞)、用户感知(提升控制感与舒适度)方面显著优于高参与度策略，为SAE L4级自动驾驶系统设计提供了重要依据。

　　

随着自动驾驶技术向城市复杂场景拓展，高度自动化车辆(HAV)面临前所未有的挑战：建筑工人手势误判、紧急车辆响应延迟等边缘案例频发，迫使车辆频繁启动最小风险 maneuver(MRM)而中断行程。这种"要么全自动、要么全停止"的二元模式不仅降低用户体验，更可能引发交通混乱。德国维尔茨堡交通科学研究所(WIVW)的研究团队在《Applied Ergonomics》发表论文，创新性提出"动态责任分配"理念，通过驾驶模拟器实验验证两种人机协同策略的安全性与适用性边界。

研究采用静态驾驶模拟器(基于Opel Insignia改装)还原5类典型边缘场景，招募模拟器训练受试者完成双盲测试。关键技术包括：1) 300°环幕投影系统模拟城市交通场景；2) SensoDrive转向力矩反馈系统；3) 基于SAE J3016标准设计的两阶段干预策略(MANUAL完全接管 vs MONITORING按钮续行)；4) NASA-TLX量表量化用户负荷。

研究结果方面：
Manipulation check
场景设计有效性验证显示，"SCOOTER"和"CYCLIST"场景引发最高风险感知(MDN_criticality=7.0)，而"BOTTLENECK"最温和(MDN_criticality=4.0)。

Safety outcomes
MANUAL策略在危险场景中碰撞率提升3.2倍，与POTP(潜在碰撞目标)的最小距离缩短42%。MONITORING策略则保持零碰撞记录，印证其"安全缓冲"特性。

User perception
NASA-TLX量表揭示MANUAL策略带来显著心智负荷(MD=78.5 vs 32.3)，而MONITORING在控制感(Cohen's d=1.2)、舒适度(p<0.01)方面优势明显，66%受试者将其列为首选。

讨论部分指出，该研究颠覆了"更多控制=更高安全"的传统认知，揭示适度责任分配(通过MONITORING策略)既能规避MRM引发的交通中断，又可维持SAE L4的核心承诺。特别值得注意的是，当自动化系统遭遇ODD边界时，保留"触觉确认"通道(如按钮续行)比完全控制权移交更能保障安全性——这对解决"自动化悖论"(Automation Paradox)具有启示意义。作者Thomas Brand等强调，未来HMI设计需建立"责任梯度"机制，根据场景风险动态调整用户参与深度。

这项研究为突破自动驾驶"最后一公里"困境提供了新思路：在技术尚未完美覆盖长尾场景时，精心设计的人机协作接口可能比追求100%自动化更具现实价值。其方法论框架已被德国联邦经济事务和气候行动部采纳，用于指导INITIATIVE项目的城市自动驾驶部署。