自动驾驶中情境感知与危险识别的认知失调：心理模型偏差对行车安全的影响

本研究针对自动驾驶系统(ADS)中驾驶员情境感知(SA)与危险识别的认知偏差问题，通过模拟驾驶实验对比主动/被动驾驶模式。发现被动驾驶组虽自评SA更高(SART评分24.80 vs 20.65)，但危险识别距离显著延长(50.42m vs 35.21m)，揭示自动化驾驶导致驾驶员高估系统能力的心理模型偏差，为ADS人机交互设计提供重要安全启示。

　　

随着自动驾驶系统(ADS)的快速发展，驾驶员的角色正从主动操作者转变为被动监控者。这种转变虽然减轻了驾驶负担，却带来了新的安全隐患——当驾驶员过度信任自动化系统时，可能产生"意识脱离循环"(out-of-the-loop)现象，导致对突发危险的反应延迟。更令人担忧的是，驾驶员往往高估自身对驾驶环境的感知能力，这种主观情境感知(situation awareness, SA)与客观危险识别能力之间的认知失调，已成为制约自动驾驶安全性的关键瓶颈。

为探究这一矛盾现象，Macquarie University的研究团队在《Applied Ergonomics》发表了一项开创性研究。研究人员采用STISIM驾驶模拟器，将46名持证驾驶员随机分为主动驾驶组(直接控制车辆)和被动监控组(通过手持按钮响应危险)，通过标准化的SART(情境感知评分技术)量表和危险识别距离测量，系统评估了两种驾驶模式下驾驶员的表现差异。研究创新性地将危险类型细分为可预见性危险(anticipation hazards)和突发性危险(surprise hazards)，以揭示自动化对不同认知需求场景的影响机制。

在方法学层面，研究团队运用了多项关键技术：1) 高保真驾驶模拟系统(135度视野，含加速踏板/按钮双响应模式)；2) 标准化SART量表(含注意力需求、供给和理解三维度，计算公式SA=Understanding-(Demand-Supply))；3) 危险识别距离的z-score标准化处理；4) 混合方差分析(2×2 ANOVA)比较驾驶模式与危险类型的交互效应。所有实验流程均通过大学伦理委员会审查(RE:520231290747167)。

研究结果呈现出显著的反直觉现象。在情境感知维度，被动驾驶组自评SA得分显著高于主动驾驶组(24.80±4.18 vs 20.65±5.05，p=0.005，d=-0.88)，这与假设H₁的预测完全相反。危险识别测试则显示，被动驾驶组在所有危险类型的识别距离均显著延长(50.42±13.05m vs 35.21±16.23m，p<0.001，η²=0.66)，验证了假设H₂。特别值得注意的是，虽然两类危险的反应模式存在显著差异(突发性危险识别距离49.47m vs可预见性危险34.08m，p<0.001)，但驾驶模式与危险类型间无显著交互作用(F(1,44)=2.223，p=0.143)，表明自动化导致的性能下降具有跨危险类型的普遍性，假设H₃未获支持。

讨论部分深入剖析了这种"高自信-低性能"悖论的心理机制。研究者指出，被动监控状态下驾驶员形成的错误心理模型(mental models)是核心诱因——他们往往高估ADS处理复杂场景(如施工区域、暴雨天气)的能力，导致警觉性下降。这种认知偏差在可预见性危险中尤为危险，因为驾驶员本应通过环境线索预判风险，但自动化使其丧失了主动扫描模式的优势。尽管研究存在响应模式差异(踏板vs按钮)、模拟环境真实性等局限，但其揭示的认知失调现象对ADS设计具有深远启示。

该研究的理论价值在于首次系统量化了自动化驾驶中SA主观感知与客观表现的分离效应，为"意识脱离循环"理论提供了实证支持。实践层面则强调：1)需开发实时SA评估系统，通过眼动追踪等技术弥补SART量表的主观局限；2)应设计针对性训练程序，修正驾驶员对ADS能力边界的不准确认知；3)人机交互界面需强化危险线索的显著性，特别是对可预见性危险的早期预警。这些发现为正在制定的L3级自动驾驶安全标准提供了关键的人类因素依据，对预防因过度依赖自动化导致的交通事故具有重要指导意义。