自动驾驶接管绩效的影响因素、模型与评价方法综述

有条件自动驾驶系统无法应对所有驾驶场景,因而需要驾驶人在必要情况下进行接管。驾驶人的接管绩效对于有条件自动驾驶车辆的安全性、驾乘体验与接受度具有重要意义。近年来,大量文献从不同视角对驾驶人接管绩效这一主题进行了广泛研究,但仍然存在一些问题亟待解决。从驾驶人接管绩效影响因素、接管绩效模型与接管绩效评价方法3个方面综述了驾驶人接管绩效的研究现状。首先,从驾驶人因素、交通环境因素和自动驾驶系统因素3个维度对驾驶人接管绩效影响因素的相关研究进行综述。其次,对现有驾驶人接管绩效模型,包括经典统计模型、机器学习模型与结构方程模型进行总结。最后,总结了现有原始接管绩效评价指标以及接管绩效综合评价方法。分析发现：现有接管绩效影响因素的量化指标仍不够全面,现有接管绩效模型的可解释性和预测精度难以兼顾,现有接管绩效评价方法尚需进一步完善。有鉴于此,未来研究首先需要基于驾驶人群体主观评价提出接管绩效的全面评价方法,然后以此为基础从人-机-环境维度全方面探索接管绩效影响因素的量化指标,最后考虑多种影响因素的复杂关联关系,建立高精度接管绩效预测模型,从而为提升驾驶人接管绩效提供理论支持,促进有条件自动驾驶的进一...     

不同情景下自动驾驶接管行为的影响特征

为探究不同情景下自动驾驶接管行为的影响特征,面向驾驶人、自动驾驶车辆、交通环境等内容提出自动驾驶测试研究框架。基于驾驶模拟技术开发自动驾驶测试平台,通过案例验证其有效性,为自动驾驶相关技术的测试评估提供有力支撑。研究以接管场景、接管请求时间、驾驶次任务、交通流为要素设计18个高速公路接管情景,邀请被试开展驾驶模拟试验测试。从主观维度探究驾驶人对自动驾驶的适应性差异,从客观维度构建广义线性混合效应模型,研究驾驶人属性因素(性别、年龄、驾龄)和接管情景因素(接管场景、接管请求时间、驾驶次任务)的主效应及其交互作用对接管行为的影响。统计分析结果表明：①性别因素对自动驾驶的信任度和状态感知度有统计学差异,男性对自动驾驶的适应性高于女性;②驾驶人的年龄和驾龄因素对试验前和试验后的技术接受度具有显著影响,对技术信任度和状态感知度具有统计学差异,中年人和老年人、中驾龄和高驾龄人群的适应性相对较高;③不同因素水平对应的接管成功率、正确率和第一操纵行为不同。广义线性混合效应模型结果表明：①接管情景因素及其交互作用对接管行为指标具有显著影响;②模型中引入驾驶人属性因素,发现与接管情景因素存在交互效用。研究基于驾驶模拟技术开发自动驾驶测试平台的方法具有一定的推广性,研究结果可为深度挖掘自动驾驶接管行为影响因素及其作用机理奠定基础。     

自动驾驶中视觉次任务对年轻驾驶人接管时间的影响

为了了解有条件的自动驾驶中,年轻驾驶人的接管反应特性,分析视觉次任务（3×3箭头次任务和4×4箭头次任务）和接管请求时间（TTC为5 s和7 s）对不同接管时间的影响,基于驾驶仿真平台,设计了包含不同的视觉次任务和接管请求时间的自动驾驶接管场景,针对29名年轻驾驶人进行模拟驾驶试验。使用双因素方差分析来研究不同次任务与不同接管请求时间对接管时间的影响,以及使用Pearson相关性检验来分析不同接管时间的相关性。研究结果表明：与无次任务相比,次任务会显著增加接管时间;不同的次任务对接管时间无影响,次任务与前方有障碍物时的接管请求时间对接管时间无交互作用;与前方无障碍物时的接管相比,前方有障碍物时的接管会显著减少接管反应时间;在驾驶人执行次任务的情况下,不同接管请求时间对转向反应时间和制动反应时间无影响;在前方有障碍物的接管中,驾驶人更倾向于采用制动加转向的组合操作来回避风险,且驾驶人接管回避操作中直接转向和制动加转向的组合操作的比例相同;接管反应时间与制动反应时间有较强的相关性。     

驾驶人跟车风险接受水平对其接管绩效的影响

自动驾驶接管是一种安全性要求很高的手动驾驶操作,可能会受到驾驶人手动驾驶安全习惯的影响。本文基于驾驶模拟器分别设计了手动驾驶跟车和自动驾驶接管实验,研究了驾驶人的手动跟车风险接受水平对其接管绩效的影响,同时考虑了接管时间预算和视觉非驾驶任务的影响。结果表明:在日常驾驶中具有低跟车风险接受水平的驾驶人接管反应时间更短,并且在监控自动驾驶条件下,接管后表现出更低的纵向碰撞风险。此外,当驾驶人处于视觉分心状态时,5 s的接管时间预算会导致驾驶人接管后出现较差的横纵向稳定性和极高的纵向碰撞风险。本研究的结果可为个性化自动驾驶系统的设计提供理论依据。     

驾驶次任务沉浸等级对接管行为的影响分析

为探究自动驾驶中驾驶次任务沉浸等级对接管行为的影响,基于驾驶模拟器搭建自动驾驶接管行为测试平台,设计事故接管场景,基于驾驶次任务(娱乐任务和工作任务)和接管请求时间(5 s和10 s)因素组合开发4个事故接管情景,招募被试参与驾驶模拟实验并采集驾驶人的接管行为数据,选择速度、横向偏移、接管反应时间和接管正确时间4个指标...     

驾驶员接管自动驾驶车辆研究进展

为全面认识自动驾驶接管行为特征,分析驾驶员接管行为,结合自动驾驶接管的技术和现实背景,从自动驾驶接管绩效的影响因素,包括场景、技术、心理和生理等因素,梳理国内外驾驶员接管自动驾驶车辆的研究成果,总结主要研究内容和方法,并展望其未来研究趋势.通过归纳和分析揭示了影响驾驶员接管自动车辆的因素,主要包括接管场景和接管请求方式,同时非驾驶相关任务和年龄等因素也会影响驾驶员的接管行为和表现.针对驾驶员接管的驾驶特征及行为研究,内容精确丰富,方法科学完善;而对驾驶员接管绩效评价和干预研究,重点关注在统计学的基础上,建立完善的数据指标评价体系,用于评价和干预驾驶员接管绩效.未来针对自动驾驶接管的研究,一方面寻求自动车辆技术突破;另一方面综合心理学和统计学理论基础,建立驾驶员接管能力培训体系.      

城市道路环境下自动驾驶车辆接管绩效分析（双语出版）

为了分析城市道路环境下高度自动驾驶中非驾驶相关任务和接管紧迫度对接管绩效的影响，基于驾驶模拟器设计了自动驾驶紧急接管场景并开展驾驶模拟试验，接管请求时间分别设定为3，4，5 s，非驾驶相关任务为读新闻、看视频、玩游戏，自动驾驶车速为50 km·h^-1，试验中共招募了49名被试（男性30名，女性19名），被试的平均年龄为31.06岁（标准差为7.1岁），驾驶人在自动驾驶阶段始终执行非驾驶相关任务，听到接管请求提示后需要接管车辆的控制权，并实施紧急避让操作。研究结果表明：在紧急接管情况下，接管紧迫度对合成加速度和最小TTC有影响，而对接管时间无影响，与5 s的接管请求时间条件相比，3，4 s的接管请求时间条件下的合成加速度明显增加，而最小TTC则随接管请求时间的减少而降低；非驾驶相关任务对接管时间和最小TTC有影响，而对合成加速度无影响，与无非驾驶相关任务相比，非驾驶相关任务会显著增加接管时间和降低最小TTC；碰撞几乎都发生在3 s和4 s的接管请求时间下，5 s的接管请求时间能够基本保证接管的安全性。     

预期接管场景下接管绩效及接管风险研究

为了解条件自动驾驶预期接管场景下,预提醒(有预提醒和无预提醒)、速度差(30 km·h-1速度差和无速度差)和接管预留时距(5 s预留时距和7 s预留时距)对驾驶人接管绩效的影响,基于驾驶模拟器,设计了高速公路出口前的预期接管场景,进行接管过程的模拟驾驶试验.试验共招募39名被试(26名男性,13名女性),被试平均年龄...     

险情中驾驶人接管自动驾驶车辆的驾驶行为研究

为了指导驾驶人安全地使用自动驾驶系统,在模拟驾驶仿真平台上研究驾驶人在复杂交通环境下实现自动驾驶切换到手动驾驶的绩效表现,以及影响驾驶人驾驶方式切换过程的因素。试验收集了36名驾驶人在2种险情下切换驾驶方式过程中的驾驶行为数据,包括驾驶速度、车头间距、车辆横向位移和车辆转向等数据。研究结果表明:部分驾驶人会在险情提示出现之后即刻切换驾驶方式,而部分驾驶人则在提示出现之后继续监控道路和车辆信息,直到交通冲突出现的时候才进行驾驶方式切换;对上述2种切换方式进行独立分析发现,进行第2种切换的驾驶人在接管车辆之前所处的状态(玩游戏或者听音乐)对驾驶人接管车辆所用的切换时间有显著性影响,驾驶人处于玩游戏的状态下接管车辆所用的时间会小于驾驶人在听音乐状态下接管车辆所用的时间;切换方式对车辆横向位置有显著性影响,而且进行第1种切换的驾驶人在后续的驾驶过程中能保持较小的安全速度行驶,说明"切换方式1"与"较小的安全车速"存在相关关系,但二者的因果关系尚需深一步研究。     

自动驾驶中不同变量对驾驶人接管时间和心率的影响

为研究自动驾驶中驾驶人在人机转换过程中的接管反应和生理特性,基于模拟驾驶平台设计了自动驾驶场景,对22名驾驶人进行了试验。使用双因素方差分析研究不同次任务和驾驶人性别对接管时间、驾驶人心率指标的影响,使用Pearson相关性检验分析接管时间和驾驶人心率指标的相关性。研究结果表明:与次任务为看书相比,次任务为玩手机时驾驶人的最大心率增长率、操纵时间显著增加,反应时间显著减少;与男性驾驶人相比,女性驾驶人的总接管时间显著减少;不同的次任务与性别对心率恢复平静时长无显著影响;反应时间与操纵时间之间有较小的负相关性,最大心率增长率与心率恢复平静时长有较小的正相关性。     

面向人机共驾车辆的驾驶人风险感知研究综述

面向人机共驾车辆的驾驶人风险感知是接管时正确应激反应和操作的前提,是交通安全领域的研究重点.分析了人机共驾车辆驾驶人风险感知概念及其特性;从驾驶人特性、自动驾驶系统、驾驶情景这3个方面分析了人机共驾车辆驾驶人风险感知的影响因素;从驾驶行为表现、接管绩效和主观评价这3个方面对人机共驾车辆驾驶人风险感知衡量方法进行归纳总结...     

基于间接共享控制的智能车协同接管方法

从自动驾驶模式向手动驾驶模式切换时的控制权移交问题已成为智能车领域的研究热点.为了改善驾驶人从非驾驶任务状态接管车辆时因认知和操作能力不足而引起的安全性和稳定性问题,在总结现有研究成果的基础上,提出一种基于间接共享控制的智能车协同接管控制方法.首先,定义协同接管方法的应用对象是控制系统良好、全局感知或决策受损需要接管的...     

基于IAHP-EWM-LDM的L3级自动驾驶接管过程安全性评价方法

在L3级自动驾驶阶段,驾驶人需要在系统发出接管请求时,及时响应并接管车辆。因此为了准确评估L3级自动驾驶车辆接管过程的安全性,构建了自动驾驶接管过程的安全性评价指标体系。本文采用4×2×2的接管场景因子设计了驾驶模拟试验,利用驾驶模拟器采集各类驾驶数据;基于变异系数法和Spearman相关性判别法从风险感知、避险操纵和接管绩效3个方面分析得到了13个安全性评价指标;使用能够表征专家经验的改进层次分析法求取指标的主观权重,使用能够反映数据特征的熵权法求取指标的客观权重;为综合2种方法的优点,利用级差最大化法获得了融合主、客观权重的综合权重,并通过计算得出风险感知、避险操纵、接管绩效的综合权重分别为0.259、0.475、0.271,以此结果来构建接管过程的安全性评价指标体系。本文运用该体系对驾驶模拟试验所获得的655个接管过程进行了综合评价,根据评价结果将其划分为A、B、C这3类接管过程。对比3类接管过程在风险感知、避险操纵、接管绩效3个方面的得分发现,A类接管过程在3个方面均表现较好,C类接管过程在避险操纵和接管绩效2个方面表现较差,B类指标的表现介于A类和C类之间,不同类别的接管过程...     

关于L3自动驾驶的人机交互设计研究

随着雷达、摄像头、处理平台的软硬件提升,加上高精地图的辅助,全球越来越多的汽车公司都推出了自动驾驶车辆,覆盖Level 2~Level 3的自动驾驶场景(SAE J3016),但这些场景都需要在必要的时候由驾驶员接管车辆,因此自动驾驶汽车对人机交互设计提出了新的挑战,比如合理的接管流程,驾驶操作的监测,权责划分的提示。     

L3级自动驾驶汽车的接管安全性评价模型

为评价L3级自动驾驶车辆接管的安全性,基于驾驶模拟器设计了双向六车道高速公路环境下的接管场景并进行驾驶模拟实验,驾驶人在自动驾驶过程中始终执行视觉次任务操作,次任务为观看3种难度等级的箭头图,接管场景为自车行驶中遇到同车道前方的一辆抛锚车辆,接管请求时间设为7 s,自动驾驶车辆的速度为110 km/h。实验共计招募了49名被试(男性30名,女性19名),平均年龄为31.06岁(标准差为7.10岁)。当车辆发出听觉+视觉的接管请求信号后,被试应通过按下转向盘上的切换按钮来获取车辆的控制权。以最小TTC的组别为因变量,设定最小TTC小于等于1 s为危险组,大于1 s为安全组,利用二元logistics回归建立接管安全性评价模型。研究结果表明:7 s的接管请求时间条件下,影响接管安全性的因素主要是接管反应时间和次任务,本文中建立的接管安全性评价模型的预测准确率达85.5%。     

自动驾驶等级提高条件下驾驶人驾驶姿势变化规律分析EI北大核心CSCD

为研究驾驶人在自动驾驶等级提高条件下的坐姿变化规律,基于直接测量的人体标志点位计算人体内部目标标志点并构建人体模型,确定驾驶人在驾驶过程中7个部位的关节角度,定量描述L0和L3级自动驾驶坐姿特征差异。结果表明,自动驾驶等级由L0提高到L3后,驾驶人的肘部屈曲、胸腹部屈曲、膝盖弯曲度不同程度的增大导致活动空间得到扩展,坐姿舒适度有所提高,而腰背部后倾的趋势加深,上躯干倾向处于扭曲或压缩状态,腰背部由于得不到充分支撑而疲劳,降低了乘坐舒适性。自动驾驶等级的提高改变了驾驶任务,因此驾驶人坐姿特征发生显著变化。本文可为高度自动驾驶汽车的驾驶室布局与自动驾驶功能研究提供重要参考依据。     

汽车驾驶人姿态监测系统研究综述

随着自动驾驶技术的发展,驾驶人将会参与更多的与驾驶无关的活动,从而呈现出新的姿态,这些新姿态是优化传统被动安全系统的重要切入点。而且在未来相当长的时间内,自动驾驶车辆的行驶依然依赖于人和系统的密切配合。对驾驶人姿态的观察,则可以为判断驾驶人是否有能力及时接管车辆提供帮助,从而确保安全、合理的人机交互过程。通过对大量相关文献的系统性梳理,综述了汽车驾驶人姿态监测技术的智能化发展趋势,从传感器种类以及相应的姿态监测算法出发,分析了目前不同监测系统的优缺点。研究发现,尽管传感器技术和姿态识别算法取得了明显进步,然而廉价稳定且能够在实际驾驶条件下对驾驶人姿态准确感知的监测系统依然缺乏。总体而言,目前的监测系统大多只是集中于对驾驶人局部身体部位的感知,缺乏实际驾驶条件下的性能分析,并且对驾驶人状态的实时感知和预测能力仍有待完善。最后,针对目前监测系统所面临的问题,对未来可能的研究方向进行展望,并提出主动式立体视觉系统和压力传感器阵列相融合的驾驶人姿态监测方式。研究成果将为驾驶人姿态监测系统的研究提供参考和借鉴,从而有助于道路交通安全水平的进一步提升,同时也可为人机交互界面的设计带来启发。     

汽车驾驶人姿态监测系统研究综述（双语出版）

随着自动驾驶技术的发展，驾驶人将会参与更多的与驾驶无关的活动，从而呈现出新的姿态，这些新姿态是优化传统被动安全系统的重要切入点。而且在未来相当长的时间内，自动驾驶车辆的行驶依然依赖于人和系统的密切配合。对驾驶人姿态的观察，则可以为判断驾驶人是否有能力及时接管车辆提供帮助，从而确保安全、合理的人机交互过程。通过对大量相关文献的系统性梳理，综述了汽车驾驶人姿态监测技术的智能化发展趋势，从传感器种类以及相应的姿态监测算法出发，分析了目前不同监测系统的优缺点。研究发现，尽管传感器技术和姿态识别算法取得了明显进步，然而廉价稳定且能够在实际驾驶条件下对驾驶人姿态准确感知的监测系统依然缺乏。总体而言，目前的监测系统大多只是集中于对驾驶人局部身体部位的感知，缺乏实际驾驶条件下的性能分析，并且对驾驶人状态的实时感知和预测能力仍有待完善。最后，针对目前监测系统所面临的问题，对未来可能的研究方向进行展望，并提出主动式立体视觉系统和压力传感器阵列相融合的驾驶人姿态监测方式。研究成果将为驾驶人姿态监测系统的研究提供参考和借鉴，从而有助于道路交通安全水平的进一步提升，同时也可为人机交互界面的设计带来启发。     

平直高速公路低交通量下L2自动驾驶对驾驶人心理负荷的影响

为研究驾驶人在L2自动驾驶模式下的心理负荷特性,设计了正常驾驶和次任务驾驶2种状态,进行实车高速道路试验,采集21名被试驾驶人在2种驾驶状态下分别选择手动驾驶和自动驾驶模式的眼动数据、次任务绩效和主观评价数据.采用重复测量一般线性模型,分析不同驾驶模式对上述参数的影响,从客观和主观两方面分析驾驶人的心理负荷变化.结果表...     

驾驶辅助系统中判断驾驶员制动接管的方法研究

文章梳理了自动驾驶中主动制动技术的主流执行方案,分析了各执行方案对驾驶员输入制动和自动制动的响应机理,明确了制动执行器内部表征驾驶员制动意图和自动制动意图的参数,提出使用制动执行器内部参数准确判断驾驶员制动接管的方法,即通过实际主缸压力值超出自动制动目标液压一定阈值,或响应驾驶员制动输入的目标电机转速超出自动制动的目标电机转速一定阈值,判断自动制动过程中驾驶员通过制动接管车辆的方法。