有条件自动驾驶是一个糟糕的主意吗？来自一项关于具有多种驾驶自动化级别的自动驾驶车辆的实地研究的观察结果

《Applied Ergonomics》：Is conditionally automated driving a bad idea? Observations from an on-road study in automated vehicles with multiple levels of driving automation

自动驾驶车辆中多级驾驶自动化系统的模式混淆与过渡挑战研究。通过真人奥兹测试和实际道路驾驶，发现驾驶员在模式切换（如误关闭Level 2或越界激活Level 3）、责任分配认知（如Level 2时放手）及状态感知（如切换后混淆模式）存在显著问题，UI设计未能有效缓解模式意识不足。

　　随着驾驶自动化技术的不断发展，越来越多的车辆配备了SAE（国际汽车工程师学会）不同级别的自动化功能，其中SAE Level 3自动化车辆逐渐进入市场。这类车辆能够在特定的驾驶条件下完全接管驾驶任务，但要求驾驶员在必要时能够迅速接管。然而，尽管自动化技术在提高驾驶安全性和便利性方面展现出巨大潜力，其在实际应用中仍然面临诸多挑战，尤其是驾驶员在面对多种自动化级别时的行为和交互问题。本研究通过实际道路测试，探索了驾驶员在使用具备多级自动化功能的车辆时所表现出的行为模式，重点分析了模式转换和模式意识方面的错误，并为未来自动化车辆的交互设计提供了重要的见解。

本研究采用了一种被称为“Wizard-of-Oz”（巫师-奥兹）的方法，这是一种常用于测试自动化系统与人类驾驶员交互方式的实验设计。通过这种方法，研究人员能够在实验过程中模拟不同级别的驾驶自动化，同时保持对车辆的控制，以便观察驾驶员的行为和反应。研究中使用了十六名参与者，在一条公共高速公路上驾驶一辆配备SAE Level 2和Level 3自动化功能的车辆。实验过程中，数据通过视频记录、驾驶员的实时口头描述以及驾驶后的深度访谈进行收集，从而全面了解驾驶员在不同自动化模式下的行为表现。

研究发现，驾驶员在使用多级自动化车辆时，常常出现模式转换错误和模式意识不足的问题。例如，一些驾驶员在未意识到的情况下意外地关闭了Level 2的自动化功能，而另一些则在不符合系统运行条件的情况下尝试激活Level 3自动化。这些行为表明，驾驶员对自动化系统的理解存在偏差，尤其是在不同模式之间的转换过程中。此外，驾驶员在Level 3自动化期间可能仍然保持对方向盘的控制，这可能源于对系统功能的误解，或是对自动化程度的信任不足。

模式意识指的是驾驶员对当前自动化系统状态、其性能水平以及自身在驾驶任务中的责任和任务的认知。研究发现，驾驶员对系统功能的误判是导致模式意识不足的主要原因之一。例如，部分驾驶员在Level 2自动化运行期间，虽然系统已经接管了部分驾驶任务，但仍然没有完全放松对方向盘的控制，这可能是因为他们对系统的能力存在误解，或者对自动化与手动驾驶之间的界限不够清晰。此外，一些驾驶员在Level 3自动化之后，当系统发出接管请求时，仍然无法准确判断自己所处的驾驶模式，导致错误的反应。这些现象揭示了在多级自动化系统中，驾驶员对系统状态的感知和理解存在显著的困难。

为了解决这些问题，研究者探讨了多种可能的干预措施，包括用户界面（UI）设计、驾驶员培训以及对驾驶员认知过程的理解。用户界面被认为是提高驾驶员模式意识的关键因素之一，因为它能够为驾驶员提供关于当前自动化状态的清晰信息，并帮助他们理解不同模式之间的转换逻辑。然而，研究也指出，仅依靠界面设计并不能完全解决模式意识不足的问题，因为驾驶员的误解可能源于对系统工作原理的不熟悉，或对自动化程度的信任度不够。因此，系统设计本身也需要考虑驾驶员的认知模型，以确保其在操作过程中能够形成正确的心理预期。

此外，研究还发现，驾驶员在学习和适应多级自动化系统时，往往依赖于试错过程。例如，一些参与者在初次接触Level 2自动化时，可能通过多次尝试和错误来理解系统的操作方式，而另一些则可能因为缺乏足够的指导或培训，导致重复性的错误行为。这种学习方式虽然在一定程度上能够帮助驾驶员掌握自动化系统的使用方法，但也可能带来潜在的安全风险，尤其是在系统频繁切换模式或要求驾驶员在特定时刻接管车辆的情况下。

为了改善驾驶员的模式意识和交互体验，研究者提出了一些设计建议。例如，在用户界面中使用更直观的视觉和听觉提示，以帮助驾驶员更好地理解当前的自动化状态和转换逻辑。同时，他们也建议在驾驶员培训中加强关于不同自动化级别及其操作要求的教育，以减少因误解而导致的错误行为。此外，研究强调了系统设计的重要性，指出仅通过界面优化无法解决所有问题，必须从整体系统架构出发，考虑驾驶员在不同模式下的责任分配和任务要求。

尽管本研究提供了一些有价值的见解，但也存在一定的局限性。首先，实验环境受到一定控制，驾驶员的驾驶时间相对较短，可能无法完全反映长时间驾驶或复杂路况下的行为模式。其次，研究过程中有研究人员全程在场，这可能会影响驾驶员的自然行为，例如减少他们在学习系统操作时的试错行为。尽管如此，这些发现仍然对未来的自动化车辆设计具有重要意义，为提高驾驶安全性和用户体验提供了理论依据和实践指导。

总的来说，本研究揭示了多级驾驶自动化系统在实际应用中所面临的挑战，尤其是在模式转换和模式意识方面。通过分析驾驶员的行为和反馈，研究者提出了多种可能的解决方案，包括优化用户界面、加强驾驶员培训以及重新设计系统逻辑，以更好地匹配驾驶员的认知模型。这些结论不仅有助于提升自动驾驶技术的安全性，也为未来的人机交互设计提供了重要的参考方向。