在使用特斯拉Autopilot时,驾驶员对准备就绪警报与注意力提醒的反应差异

《Journal of Safety Research》:Driver behavior around driver readiness alerts versus attention reminders while using Tesla Autopilot

【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:特斯拉的自动驾驶系统在发出提醒时通常会按照一定的升级顺序,先从仅视觉提示开始,但有些提醒会跳过这一流程,直接以视觉加听觉的方式发出。本研究旨在了解这些提醒的触发原因,以及驾驶员在面对这些提醒时的行为变化。方法:我们分析了13名驾驶员使用2020款特斯拉Model 3作为

  

摘要

引言:特斯拉的自动驾驶系统在发出提醒时通常会按照一定的升级顺序,先从仅视觉提示开始,但有些提醒会跳过这一流程,直接以视觉加听觉的方式发出。本研究旨在了解这些提醒的触发原因,以及驾驶员在面对这些提醒时的行为变化。方法:我们分析了13名驾驶员使用2020款特斯拉Model 3作为个人车辆行驶4周期间,共283次跳过仅视觉提示阶段的提醒。我们研究了这些提醒出现时周围的道路特征及驾驶员行为。结果:这类提醒大多出现在高速、限制通行的道路上,且多在白天发生。在这些提醒出现前,道路上很可能存在坑洼、车道分合或单行道。与之前研究中遵循常规顺序的提醒不同,跳过仅视觉提示阶段的提醒在频率和持续时间上都没有明显变化。与面对常规提醒时相比,驾驶员在面对这类提醒时更有可能将至少一只手放在方向盘上。此外,驾驶员在提醒出现时常常会注视中控屏。在整个研究过程中,与驾驶无关的次要活动比与驾驶相关的活动更为常见。结论:尽管这类提醒与常规提醒类似,但它们似乎更多与周围环境相关,而非驾驶员行为。当自动驾驶系统遇到难以处理的状况时,这类提醒可能起到提醒驾驶员做好准备的作用。不过,这类提醒并未降低常规提醒的效果或自动驾驶系统的使用率,同时也无法完全消除驾驶员的不当行为。

引言

部分驾驶自动化(即2级自动化;SAE国际标准,2021年)是一种驾驶辅助技术,能够同时持续地控制车辆的横向和纵向行驶状态。例如,它可以在保持车辆处于车道中央的同时,根据前方车辆的情况调整车速,以维持设定的车距。随着关于人们如何使用这项技术的研究不断增加,人们也越来越重视可以融入其中的驾驶辅助策略(如Mueller等人,2021年)。这些辅助措施旨在帮助驾驶员保持对驾驶的专注,因为随着部分自动化功能的使用,驾驶员分心的可能性会逐渐增加(如Dunn等人,2021年;Noble等人,2021年;Reagan等人,2021年)。虽然从定义上来说,这属于驾驶辅助功能而非替代驾驶员的手段,但即便是在经常使用该技术的人当中,对于它的功能和局限性也存在不少误解(如Lin等人,2018年;Mueller等人,2024年)。幸运的是,市场上已经出现了针对这些问题的创新解决方案(美国公路安全保险协会[IIHS],2024年),但这些方案对驾驶员行为的影响往往还不够明确。
一些辅助措施会通过具有时间敏感性的指令来应对驾驶员的行为(相关综述可参见Mueller等人,2021年);例如,如果驾驶员长时间没有转动方向盘,车辆就会发出提醒,要求其将手放在方向盘上。这类提醒被称为注意力提醒。车辆通常会通过一系列逐步升级的提醒方式来增强提醒的显著性、紧迫性,如果驾驶员反应不够迅速,还会增加同时使用的提醒方式的数量(IIHS,2024年)。驾驶员通常能够较快地对注意力提醒做出反应,这说明这类提醒确实会对驾驶员行为产生一定影响(Atwood等人,2019年)。不过,和任何对策一样,注意力提醒也有其局限性(Koniakowsky等人,2025年)。其设计方式决定了它的效果,尤其是所使用的提醒方式以及触发提醒的具体条件(如Shirani等人,2026年)。如果触发提醒的事件对驾驶员来说是比较直观的,那么驾驶员就更有可能及时做出相应反应;例如,当驾驶员长时间不握方向盘或视线偏离道路,而提醒要求他们将手放回方向盘或看向道路时,他们通常会很快做出反应(如Atwood等人)。但如果触发提醒的事件较为复杂,驾驶员就可能难以及时调整行为,进而削弱这类提醒的整体效果(参见Forster等人,2024年)。
最近,我们利用特斯拉公司的部分自动化驾驶辅助系统——自动驾驶功能,对这些辅助措施进行了研究(Mueller等人,2025年)。研究的目的是探讨志愿者使用2020款特斯拉Model 3作为个人车辆行驶1个月期间,接触自动驾驶系统的注意力提醒后,其驾驶行为发生了哪些变化。在研究时,自动驾驶系统要求驾驶员始终将手放在方向盘上,并通过方向盘上的扭矩传感器来监测这一行为。转动方向盘会激活这些传感器,通过传感器传来的信号来判断是否有手放在方向盘上。自动驾驶系统还会通过操作方向盘上的滚轮以及踩下转向柱踏板来确认驾驶员是否保持专注。在2025年的研究中,我们观察到了自动驾驶系统提醒的四个连续阶段,我们将其分别标记为A1、A2、A3和A4,如图1所示。在那项研究中分析的所有提醒事件都是从A1阶段开始的,尽管之后自动驾驶系统可以跳过A2和/或A3阶段,加快提醒升级的速度。但我们也注意到有一些提醒事件并非从A1阶段开始,而是直接从A2阶段开始,而且很少进一步升级——实际上只有两次出现A3阶段在A2阶段之后的情况。A2阶段和A3阶段较为相似,都属于多模式提醒:A2阶段有1次音调提示,A3阶段有2次音调提示,而且两者的视觉内容也相同。
在查看记录下来的从正常状态直接进入A2阶段提醒的事件视频后,我们开始怀疑,这些提醒是否真的是由驾驶员的行为引发的。如果与驾驶员在方向盘上的操作无关,那究竟是什么引发了这些提醒?另外,为什么这些提醒在视觉和听觉特征上,与我们认为是注意力提醒的从A1阶段开始的提醒如此相似?和目前市面上的大多数部分自动化系统一样,驾驶环境因素——比如是否有前车、车速、交通密度、道路类型、车道宽度等——都会影响自动驾驶系统提供辅助的方式,因此我们推测,这些提醒可能更多与周围环境相关,而非驾驶员行为。
开展这项研究的第一步,是我们查阅了IIHS发布的和未公开的路面测试数据、其他研究人员收集的路面数据,以及美国国家运输安全委员会的调查报告,这些报告中都提到部分自动化功能是导致某些交通事故的因素。我们发现,有一些场景对部分自动化系统的性能来说比较棘手,比如在车道线模糊或缺失的情况下,系统很难保持车辆处于车道中央(Kim等人,2022年;NTSB,2020年);或者在需要及时刹车以避免与前方同车道、路旁或与摄像头视线成一定角度的静止车辆相撞的情况下,系统也难以做到及时反应(美国国家运输安全委员会,2017年;美国国家运输安全委员会,2019年;National oard,2024a;National oard,2024b)。此外,在道路结构较为复杂或存在歧义的场景中,比如施工区域、交叉路口、车道分合处以及事故多发路段,这些系统也很难保持在车道内行驶(IIHS,2018年;美国汽车协会,2020年)。在桥梁等道路结构附近,系统还可能出现异常行为,因为桥梁可能会投下强烈的阴影,而基于摄像头的系统可能会将这些阴影误认为是实际物体。
基于这些发现,我们确定了这项研究的主要目标:记录从正常状态直接进入A2阶段提醒事件发生时周围的驾驶员行为和道路特征,从而更深入地了解这些提醒的触发原因,以及长期接触这类提醒是否会导致驾驶员行为发生变化。参考Forster等人(2024年)的研究,我们假设,如果触发提醒的机制存在本质差异,那么在面对从正常状态直接进入A2阶段提醒的事件时,驾驶员的行为可能会与面对常规注意力提醒事件(即从A1阶段开始的提醒)时的行为有所不同。为了验证这一假设,我们对比了2025年研究中从正常状态直接进入A2阶段提醒事件时的驾驶员行为,以及从A1阶段开始的传统注意力提醒事件时的驾驶员行为。由于两项研究都使用了同一批驾驶员在相同时间段内的数据,这些数据来自MIT高级车辆技术联盟的实地自然观察研究,因此可以进行对比。

章节节选

研究车辆与数据来源

MIT AVT联盟的实地观察研究要求志愿者将联盟提供的配备有先进部分自动化功能的车辆作为个人车辆使用1个月(Fridman等人,2019年;Gershon等人,2021年)。本研究关注的车辆就是配备有自动驾驶功能的2020款特斯拉Model 3。由于特斯拉的车辆会定期接收空中更新,因此在研究期间,这款Model 3上安装的自动驾驶系统版本也在不断更新

提醒的特征与分布

我们的样本共有13人,他们总共进行了1,176次出行(每位驾驶员的平均出行次数为90次,标准差为29次;最小出行次数为41次,最大出行次数为147次),总行驶里程为21,898英里(每位驾驶员的平均行驶里程为1,684英里,标准差为912英里;最小行驶里程为620英里,最大行驶里程为3,183英里)。在所有出行中,有571次使用了自动驾驶功能(每位驾驶员平均使用自动驾驶功能的出行次数为44次,标准差为17次;最小使用次数为13次,最大使用次数为68次),对应的使用自动驾驶功能的总行驶里程为9,076英里(每位驾驶员平均使用自动驾驶功能的行驶里程为698英里,标准差为509英里;最小行驶里程为274英里,最大行驶里程为1,873英里)。在整体数据中

讨论

在从正常状态直接进入A2阶段提醒事件发生之前,某些道路特征出现的概率更高,这表明它们与触发这些提醒的情况有着更密切的联系。最常出现的特征包括坑洼、车道分合或单行道。大多数从正常状态直接进入A2阶段的提醒都发生在高速公路上,这与人们通常使用这类系统的地方是一致的(Kidd和Reagan,2018年;Reagan等人,2020年,

CRediT作者贡献说明

Alexandra S. Mueller:撰写——审阅与编辑、撰写——初稿、可视化、方法论、概念构建。Pnina Gershon:撰写——审阅与编辑、可视化、验证、软件、资源、项目管理、方法论、调查研究、正式分析、数据整理、概念构建。Samantha H. Haus:撰写——审阅与编辑、可视化、软件、方法论、正式分析。Jessica B. Cicchino:撰写——审阅与编辑、监督、方法论,

利益冲突声明

作者声明,他们不存在任何可能影响本文研究结果的已知财务利益关系或个人关系。

致谢

这项分析研究得到了美国公路安全保险协会的资助。数据收集工作则得到了MIT AVT联盟的支持。作者还要感谢John Liebengood和Jimmy Hernandez,他们在为本文提供视觉资料方面给予了很大帮助。
Alexandra S. Mueller。亚历山德拉·S·穆勒是美国公路安全保险协会的高级研究科学家。她于2017年加入该机构,主要从事驾驶辅助技术和驾驶自动化系统的可用性及安全性研究。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博士后研究工作
Alexandra S. Mueller|Pnina Gershon|Samantha H. Haus|Jessica B. Cicchino|Bruce Mehler|Bryan Reimer
美国公路安全保险协会,地址: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
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

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