环境感知与计划性机动可视化对静默故障场景下接管性能的影响

《International Journal of Human-Computer Studies》：Effects of Environmental Perception and Planned Maneuver Visualization on Takeover Performance in Silent Failure Scenarios

　　

• •
  我们研究了在无声故障场景中，ADS信息对车辆接管行为的影响。
• •
  规划操作为自动驾驶系统提供预设的行驶路径。
• •
  环境感知功能能够为系统提供障碍物检测结果。
• •
  环境感知、规划操作及其组合有助于更早地实施车辆接管。
• •
  在夜间或存在不可见危险物的场景中，ADS信息依然难以有效应对挑战。

引言

交通事故是5至29岁年轻人死亡的主要原因（世界卫生组织，2023年）。近年来，驾驶自动化技术的发展有望带来潜在的安全效益（Litman，2023年），因为它能够替代驾驶员或至少在一定程度上协助驾驶员。然而，在目前以及可预见的未来（直到2030年代，甚至可能到2040年代），被汽车工程师协会划分为2级 的部分自动驾驶系统仍可能主导消费市场，这类系统要求驾驶员始终负责在需要时接管驾驶任务，无论是主动接管还是响应接管提示（TOR）（公路损失数据研究所，2022年）。因此，在2级自动化系统中，驾驶员在驾驶任务转换期间的表现对行车安全至关重要。

为提升驾驶员在车辆接管场景中的表现，以往的研究探讨了多种不同形式和内容的接管提示。例如，W.-C. Huang等人（2024年）研究了方向提示的作用，而Lee等人（2023年）则探讨了听觉和视觉提示在提升驾驶员接管能力方面的作用。不过，现有研究大多集中在操作设计域退出场景中的接管提示上（Kanaan & Donmez，2024年），即当ADS意识到自身能力边界时，会主动发出带有或不带有背景信息的接管提示，以增强驾驶员的情境意识。这些接管提示的前提是ADS能够准确感知环境并可靠地传达其局限性。

然而，在2级自动驾驶车辆中，没有接管提示的无声故障可能比那些可以发出接管提示的场景更为常见，且对安全性影响更大。无声故障是一种极为紧急的情况，此时ADS遭遇了无法预料的故障（如意外的软件错误），却未能向驾驶员发出警报（Kanaan & Donmez，2024年）。在出现无声故障的场景中，系统的感知和决策可能与实际驾驶环境不符，给驾驶员识别和应对危险带来了独特挑战。在多起涉及自动驾驶系统的严重事故中（如NTSB，2017年、2019年），系统未能及时发出接管提示，导致驾驶员反应迟缓或根本无法做出反应。

因此，有必要提供有关ADS感知和决策过程的信息，以便驾驶员即便在没有接管提示的情况下也能识别无声故障并及时作出反应。提前告知ADS与环境之间的偏差，能为驾驶员争取更多时间来规划并执行车辆接管操作（K.-T. Chen等人，2023年）。不过，目前只有少数研究探讨了ADS信息在帮助驾驶员识别和应对无声故障方面的作用，而且这些研究大多集中在展示ADS的规划操作上（如Feierle等人，2022年；Jung等人，2023年；Ono等人，2019年），这属于驾驶自动化框架的决策层面（Pendleton等人，2017年）。

此外，除了了解ADS的计划行动外，驾驶员也可能希望知道其这样做的原因。例如，以往的研究发现，那些同时提供“原因”信息（如“前方有障碍物”）和“方式”信息（如“本车正在变道”）的界面，相比仅提供“方式”信息的界面，能显著提升驾驶员的接管能力（Koo等人，2015年）。因此，考虑到ADS也有可能无法识别道路上的物体，向驾驶员说明ADS的“观测结果”或许能提高系统的可解释性，从而帮助驾驶员做出更好的接管决策。不过，目前仍有很少研究探讨不同类型的可解释性信息如何影响驾驶员的接管决策，尤其是在2级自动驾驶车辆出现无声故障的情况下。

章节摘要

文献综述

为了将我们的研究置于现有研究背景下，我们首先回顾了关于无声自动化故障的文献，接着分析了有关ADS透明度信息的研 究，最后研究了用于辅助车辆接管的AR-HUD界面相关研究。

可解释性对于确保人机安全交互至关重要，它指的是ADS能够提供有关自身状态、操作行为及不确定性的清晰易懂的信息的能力（K.-T. Chen等人，2023年）。可解释性在……

研究方法

针对上述研究缺口，我们设计了一项驾驶模拟实验，用以研究环境感知信息和规划操作信息对车辆接管性能的影响。以下部分将详细介绍我们的实验设计、参与者、实验设备以及实验流程。

实验结果

在实验中，48名参与者每人经历了6次无声故障场景。因此，针对每次无声故障场景后收集的指标（如接管响应时间、注视点出现时间、注视点的平均持续时间、注视点形成的凸包面积以及情境意识水平），共收集了288组数据；而针对所有实验驾驶结束后收集的指标（如信任度变化和心理负荷），则收集了48组数据。由于眼动追踪设备出现技术故障，导致……

讨论

通过一项有48名参与者参与的驾驶模拟研究，我们探讨了在2级自动驾驶车辆出现无声故障时，与ADS相关的信息对驾驶员表现和认知状态的影响。

我们的研究首次表明，在不同光照条件下，当危险物既有可见部分也有不可见部分时，经过优化的HMI设计能够帮助驾驶员与自动驾驶系统更好地协作，即便ADS未能发出接管提示。

结论

在一项有48名参与者参与的驾驶模拟实验中，我们首次研究了不同类型的ADS相关信息在提升驾驶员处理无声自动化故障时的AR-HUD使用效果方面的作用。我们的研究发现：

•

无论是环境感知信息还是规划操作信息，都无法提高驾驶员成功接管车辆的概率。

•

不过，环境感知信息和规划操作信息，以及二者的组合，都能促使驾驶员更早地实施车辆接管，其原因可能在于……

未引用参考文献

Huang等人，2024年；Chen等人，2023年

CRediT作者贡献说明

Song Yan：论文撰写——初稿撰写、可视化处理、研究方法设计、实验实施、正式分析、数据整理、概念构思。Haichi Liu：研究方法设计；Jiahao Zhang：数据整理；Jiyao Wang：概念构思、数据整理、研究方法设计；Jun Ma：项目监督；Dengbo He：论文撰写——审稿与编辑、结果验证、项目监督、项目管理、研究方法设计、资金筹集、概念构思。

数据可用性

数据将应要求予以提供。

CRediT作者贡献说明

Song Yan：论文撰写——初稿撰写、可视化处理、研究方法设计、实验实施、正式分析、数据整理、概念构思。Haichao Liu：研究方法设计。Jiaohao Zhang：数据整理。Jiyao Wang：研究方法设计、数据整理、概念构思。Jun Ma：项目监督。Dengbo He：论文撰写——审稿与编辑、结果验证、项目监督、项目管理、研究方法设计、资金筹集、概念构思。

Song Yan|Haichao Liu|Jiaohao Zhang|Jiyao Wang|Jun Ma|Dengbo He