环境因素与驾驶员在部分自动化系统警报出现时的行为差异有关

《Journal of Safety Research》:Environmental context is associated with differences in driver behavior around partial automation alerts

【字体: 大 中 小 】 时间:2026年07月22日 来源:Journal of Safety Research 4.3

编辑推荐:

  摘要引言:本研究旨在了解驾驶员在特斯拉Autopilot警报出现时的行为如何随环境状况而变化。方法:利用13名驾驶员将2020款Model 3作为个人车辆驾驶1个月期间收集的路面数据,重点记录那些被认为与环境特征而非驾驶员行为相关的警报发生时段。通过分析这些警报出现前10秒内的道

  摘要引言:本研究旨在了解驾驶员在特斯拉Autopilot警报出现时的行为如何随环境状况而变化。方法:利用13名驾驶员将2020款Model 3作为个人车辆驾驶1个月期间收集的路面数据,重点记录那些被认为与环境特征而非驾驶员行为相关的警报发生时段。通过分析这些警报出现前10秒内的道路特征,将警报按道路场景进行分类,并比较不同类别中驾驶员的手部动作、视线方向以及其他次要任务行为。结果:警报均匀分布在三个类别中,我们将其分别定义为最左车道、最右车道以及非高速公路道路场景。在与最左车道相关的警报出现时,驾驶员有更高比例的时间会将视线从道路上移开并从事与驾驶无关的活动,相比其他场景更为明显。此外,在三种场景下,这些驾驶员都表现出将一只手放在方向盘上的习惯,这一行为与Autopilot的转向力监测策略一致。结论:这些研究结果表明,在理解驾驶员在部分自动化辅助系统存在时的行为表现时,必须考虑驾驶环境因素。不同类别之间的行为差异可能反映出驾驶需求的影响。文章还探讨了如何将环境因素纳入自适应驾驶辅助系统中,以保持驾驶员的专注度。引言分心驾驶是一个严重的公共卫生问题(国家统计分析中心,2024年)。部分自动化的驾驶辅助系统,即2级自动化系统(SAE国际组织,2021年),已被证明会加剧这一问题(Solís-Marcos等人,2018年),尤其是随着时间推移情况会更严重(Dunn等人,2021年;Noble等人,2021年;Naujoks等人,2016年;Reagan等人,2021年;Strayer等人,2023年)。大多数汽车制造商都在其系统中加入了相应措施,以帮助减少驾驶员分心的倾向(参见Mueller等人,2025年)。其中一些措施是基于警报的,例如,当车辆检测到驾驶员可能分心时,会发出注意力提醒,通常还会指示驾驶员需采取何种操作来表明自己仍在关注驾驶,比如转动方向盘。不过,驾驶员注意力相关的警报也可能由车辆外部情况引发。在Mueller等人(2025b年)的研究中,我们发现特斯拉的部分自动化系统Autopilot在某些环境特征存在时也会发出类似注意力提醒的警报,而这些警报并非基于驾驶员的行为。由于当前研究是对这些与环境相关的警报事件的进一步分析,因此了解Autopilot的注意力提醒机制对于理解这两种警报机制的差异至关重要。此前的一项研究(Mueller等人,2025a年)探讨了由驾驶员行为触发的Autopilot警报机制(即注意力提醒)。在那时,Autopilot要求驾驶员始终通过转动方向盘或使用滚轮等方式与方向盘保持互动,因为系统要求驾驶员必须始终将手放在方向盘上。那项研究记录了注意力提醒机制的多阶段升级策略,该策略结合了多种沟通方式,如果驾驶员在规定时间内没有做出响应,各沟通方式的内容会随时间发生变化。尽管我们发现整个注意力提醒过程包含四个连续阶段,我们将其标记为A1至A4,但有时Autopilot会跳过某些阶段以加快沟通的紧迫性。不过,无论涉及一个还是多个阶段,每个注意力提醒事件总是从相同的初始阶段A1开始。A1阶段仅为视觉提示,A2和A3阶段则同时包含视觉和听觉提示,而A4阶段则不仅包含视觉和听觉提示,还会要求驾驶员紧急减速甚至停车,驾驶员可在任何时候通过手动控制车辆来中断这一过程。A4阶段还有一个重要特点,即一旦警报升级到这一阶段,Autopilot在剩余的行驶过程中将不再起作用——要么是在车辆完全停止后,要么是在驾驶员接管车辆控制权之后。Mueller等人(2025b年)的研究表明,那些与环境相关的警报似乎与驾驶员行为无关,因为在警报出现之前,驾驶员通常都在遵守Autopilot的要求。我们还注意到,两种警报机制产生的警报事件数量存在显著差异,这很有趣,因为两项研究使用的都是同一批驾驶员在相同的一个月观察期内的数据。我们在2025a年的研究中记录了3,858次注意力提醒事件,其中98%仅为A1阶段,因为驾驶员通常会迅速采取措施防止警报升级。在72次警报升级的事件中,A1阶段之后会出现其他阶段,其中有16次最终升级到了A4阶段。相比之下,在2025b年的研究中,那些与环境相关的警报总是从A2阶段开始,且几乎不会进一步升级。在我们观察到的283次直接进入A2阶段的警报中,只有两次从A2阶段升级到A3阶段,而且这两次事件都发生在同一位驾驶员身上。需要指出的是,这两个阶段之间的差异相当小:A2阶段有一个音频提示,而A3阶段有两个音频提示,而且两个阶段的视觉内容是相同的,如图1所示。已有大量研究证明,部分自动化系统可能会遇到超出其操作范围或最佳性能范围的状况,此时就需要驾驶员介入干预(美国汽车协会,2020年;公路安全保险协会[IIHS],2018年;董事会,2017年;国家运输安全委员会,2020a年;国家运输安全委员会,2020b年;董事会,2025a年;董事会,2025b年)。即便在它们设计用于运行的常规道路环境中,比如高速公路等限制通行的道路,也可能会出现这种情况。有时在这种情况下,系统会向驾驶员发出警告,要求其手动接管控制权(Kim等人,2021年)。这类接管警告很有用,因为驾驶员有时会低估干预的紧迫性(Zhang等人,2023年)。然而,我们在Mueller等人(2025b年)研究中观察到的那些与环境相关的警报,并不包含像传统接管警告那样的明确操作指令(例如Deng等人,2024年);相反,这些警报只是要求驾驶员像注意力提醒那样操作方向盘。因此,这些与环境相关的警报似乎是为了让驾驶员在检测到特定驾驶状况时能够及时介入,所以我们将其称为驾驶员准备状态警报,以区别于注意力提醒和明确的接管警告。基于警报的辅助机制在长期提升驾驶员专注度方面可能效果有限(Mueller等人,2025年;Mueller等人,2025b年)。造成这种混合效果的原因有很多,目前许多警报机制在应对驾驶员的明显异常行为时,还缺乏充分考虑具体情境的灵活性。这一点很重要,因为驾驶员从事次要活动的倾向往往会随着驾驶情境的不同而变化(例如Cuentas-Hernandez等人,2023年;Ebel等人,2022年;Lin等人,2019年;Tivesten和Dozza,2014年;Tivesten和Dozza,2015年),不过目前还不太清楚在使用部分自动化系统时,驾驶员行为是如何随驾驶情境变化的。Mueller等人(2025b年)的研究中还有一个未解之谜,那就是驾驶员准备状态警报所处的环境状况是否与驾驶员行为的差异有关。关于情境对行为影响的认知大多来自手动驾驶领域的研究(即没有自动化辅助系统的情况)。驾驶需求和感知风险会影响驾驶员从事次要活动的可能性;例如,当车辆处于移动状态时,驾驶员进行多任务操作的可能性比车辆静止时更低(Ismaeel等人,2020年;Kidd等人,2016年;Metz等人,2014年),在交通密度较高或道路弯曲多坡的情况下也是如此(Cuentas-Hernandez等人,2023年;Ismaeel等人,2020年;Lin等人,2019年;Sch?mig等人,2011年)。许多驾驶员还会主动自我调节,通过在方向盘上半部分放置双手、降低车速(Oviedo-Trespalacios等人,2017年),以及通过调节车内气候和娱乐系统的音量来提高自己在高需求情境下的准备程度(De Waard等人,2010年;Fourie等人,2011年;Walton和Thomas,2005年)。然而,一旦驾驶员开始专注于某种次要活动,他们就不太可能调整自己的行为以优先处理驾驶事务(Wandtner等人,2018年;Young等人,2020年)。影响驾驶需求的各种情境因素,如路线选择(例如跟随GPS导航)、交通密度、交通构成以及道路基础设施(Cuentas-Hernandez等人,2023年;De Waard等人,2010年;Ismaeel等人,2020年;Lin等人,2019年;Sch?mig等人,2011年;Trick等人,2010年),也会影响人们使用部分自动化系统的方式(Cooper等人,2023年;Mueller等人,2021年)。道路类型和基础设施会影响部分自动化系统的性能。大多数此类系统都是为在多车道、高速、限制通行的道路上使用而设计的,也就是高速公路,这也是人们最常使用这项技术的地方(Reagan等人,2019年;Stapel等人,2022年)。由于高速公路的碰撞风险较低、交通模式更为稳定,且道路设施维护良好、车道更宽,因此非常适合使用部分自动化系统(Chen等人,2019年;国家统计分析中心,2022年)。非高速公路则具有许多对驾驶自动化系统来说较为复杂的特征,比如交叉路口、车道数量较少且较窄、左右转弯车道、车道划分不够清晰,还有易受伤害的道路使用者(如行人、骑自行车的人)。在我们之前的研究(Mueller等人,2025b年)中,我们分析了警报事件发生时周围的环境特征和驾驶员行为的分布情况,但并未研究这些特征是否倾向于以与特定驾驶场景相关的组合形式出现,也未研究不同场景下驾驶员行为是否存在差异。本次研究是对前期分析的延续,通过研究在警报出现前已存在的道路物理特征所构成的不同驾驶场景中,驾驶员对驾驶员准备状态警报的反应行为。虽然我们预计会发现与手动驾驶领域研究结果相似的情况,但我们推测,在使用部分自动化系统时,不同场景之间可能存在差异。这类系统能够在交通环境中相对可靠地自动控制车辆的速度和车距,因此这项技术可能会以手动驾驶无法实现的方式降低驾驶员的驾驶需求(Wandtner等人,2018年)。数据来源本次二次分析使用了与Mueller等人(2025b年)研究相同的数据库,该数据库包含了记录驾驶员准备状态警报事件的视频片段。这些数据来自13名持有驾照的志愿驾驶员样本(11名为男性,平均年龄39岁,标准差12岁,最小年龄25岁,最大年龄58岁),他们将配备Autopilot功能的2020款特斯拉Model 3作为个人车辆驾驶了1个月。这些Model 3车辆配备了四台720p摄像头以及音频录制功能,还有CAN总线。特征集群:在Mueller等人(2025b年)的研究中,我们发现大多数(72%)警报出现前的10秒内都有高速公路存在。在本研究中,通过计算前两个维度上余弦平方值的总和,我们发现主成分分析中贡献最大的道路特征,是与Model 3在道路上的位置(即车道位置)以及道路类型(即高速公路)相关的变量——见图2(附录中的表A1显示了因子映射结果)。讨论尽管我们观察到驾驶员普遍有将一只手放在方向盘上的习惯,这一习惯与Autopilot对驾驶员的要求一致,但根据不同的场景类别,我们在驾驶员准备状态警报事件周围观察到了不同的行为特征。这些研究结果反映了在非警报事件情况下部分自动化驾驶行为中的情境依赖性差异(例如,Cooper等人,2023年;Mueller等人,2025年),以及手动驾驶时的情况(例如,Cuentas-Hernandez等人,2023年,Ismaeel等人)。虽然我们的研究结果与其他研究表明在要求较低的环境中与驾驶无关的活动会增加的情况一致(例如,Cuentas-Hernandez等人,2023年,Ismaeel等人,2020年,Kidd等人,2016年,Lin等人,2019年,Metz等人,2014年,Sch?mig等人,2011年),但本研究仅考察了在自动驾驶系统的驾驶准备警报出现时的驾驶员行为。Mueller等人(2025b)提供了证据,表明这些警报是由环境条件触发的,而非其他因素。

本研究表明,在使用部分自动化系统时,驾驶员在面对驾驶准备警报时的行为会因特定的环境因素而有所不同。我们的研究结果表明,设计能够适应不同类型活动需求的驾驶员辅助功能可能具有实用价值。可以利用目前主要为部分自动化系统开发的工具,如多模式驾驶员监测系统等。

作者贡献声明:
Alexandra S. Mueller:写作——审稿与编辑,写作——初稿撰写,可视化,方法论,概念设计。
Pnina Gershon:写作——审稿与编辑,可视化,验证,软件,资源,项目管理,方法论,调查,形式分析,数据整理,概念设计。
Samantha H. Haus:写作——审稿与编辑,可视化,软件,方法论,形式分析。
Jessica B. Cicchino:写作——审稿与编辑,可视化,监督。

利益冲突声明:
作者声明没有已知的财务利益或个人关系可能影响本文所述的研究工作。

致谢:
公路安全保险协会资助了这项分析研究,MIT AVT联盟则支持了数据收集工作。我们感谢Sam Monfort在制作因子图方面所提供的帮助。

Alexandra S. Mueller简介:
Alexandra Mueller是公路安全保险协会的高级研究科学家。她于2017年加入该协会,致力于研究驾驶辅助技术及驾驶自动化的可用性与安全性。她拥有圭尔夫大学心理学学士和硕士学位,以及西安大略大学心理学博士学位。她还曾在麦克马斯特大学完成过博士后研究。

Alexandra S. Mueller | Pnina Gershon | Samantha H. Haus | Jessica B. Cicchino | Bruce Mehler | Bryan Reimer
公路安全保险协会,美国弗吉尼亚州阿灵顿市威尔逊大道4121号600室,邮编22203
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号