任务特定与自由选择非驾驶相关任务对自动驾驶接管性能的影响机制研究

本研究针对L3级自动驾驶系统中驾驶员接管性能的关键问题，通过高保真驾驶模拟器实验，比较了任务特定型与自由选择型非驾驶相关任务（NDRTs）对驾驶员行为、主观评价及接管能力的影响。研究发现任务切换频率和NDRT多样性显著影响接管表现，决策树模型揭示NDRT类型数量和切换时间是关键预测因子，为优化人机交互设计提供了重要依据。

　　

随着自动驾驶技术的快速发展，L3级有条件自动驾驶系统允许驾驶员在特定场景下完全脱离驾驶操作，转而从事非驾驶相关活动（Non-Driving-Related Tasks, NDRTs）。然而这种"解放双手"的便利背后隐藏着重大安全隐患——当系统遇到无法处理的场景时，驾驶员需要重新接管车辆控制权。现有研究多采用单一、预设的NDRT任务进行实验，这与现实中驾驶员自由切换多种任务的行为模式存在显著差异。这种实验设计的局限性使得研究成果难以真实反映复杂道路环境下的接管表现。

清华大学车辆与运载学院联合中科院软件研究所的研究团队在《iScience》发表的研究，首次系统比较了任务特定型与自由选择型NDRT对自动驾驶接管性能的影响机制。研究采用高保真驾驶模拟器结合眼动追踪技术，通过32名驾驶员完成16组不同场景的接管实验（8组指定任务/8组自由选择），采集了包括NDRT类型数量（NNDRTT）、交通注视次数（NT）、任务切换时间戳（TLS）等23项行为指标，以及系统信任度（ADST）、任务投入度（SNE）等主观评价数据。

关键技术方法包括：（1）基于6自由度运动平台的宝马轿车模拟系统，配备200°环幕投影；（2）Pupil Invisible双目眼动仪（60Hz）记录20秒关键窗口期的视觉行为；（3）双时间预算设计（4s/8s）模拟不同紧急程度的接管场景；（4）决策树回归模型分析任务切换行为与接管表现的关联性。

【Driver attention】部分显示，自由选择组驾驶员表现出更丰富的NDRT类型（中位数2种vs 1种）、更低的路况注视率（0次vs 1次）和更高任务投入度（100%vs 94.7%），证实自由选择条件更接近真实驾驶的注意力分配模式。

【Subjective ratings】数据显示，自由选择组对自动驾驶系统的信任评分显著更高（78vs71），但主观接管准备度（SRT）反而更低（52vs62），揭示出"高信任-低准备"的潜在风险组合。

【The moderation effects of trial types】通过5000次bootstrap检验发现，任务类型显著调节NDRT投入度与横向加速度、偏航率等9项接管指标的关系。例如在自由选择条件下，NDRT投入度与车辆横向运动的关联强度是任务特定条件的1.8倍，说明任务复杂性会放大注意力分散的负面影响。

【Impacts of NDRT engagement】决策树模型首次将"最后一次任务切换时间（TLS）"识别为关键预测变量，其在5个接管性能模型中重要性排名前3。当TLS<8.3秒时，驾驶员的制动反应时间平均延长0.4秒，碰撞风险提升2.1倍。

研究结论指出，传统单一任务实验范式会系统性低估NDRT对接管性能的影响。自由选择条件下观察到的"任务切换雪崩效应"（频繁切换导致认知资源碎片化）是现实驾驶中最危险的因素。该成果为自动驾驶系统设计提供了三点革新思路：（1）接管预警系统应动态评估驾驶员当前NDRT复杂程度；（2）人机界面需针对多任务切换场景优化注意力引导策略；（3）制定L3级自动驾驶法规时，应将任务多样性作为安全评估的必要维度。这些发现突破了现有研究对NDRT认知的局限性，为建立更符合真实驾驶行为的实验范式奠定了方法论基础。