英语原文共 10 页，剩余内容已隐藏，支付完成后下载完整资料
什么决定了接管时间？一个关于驾驶员从自动驾驶系统中接管的综合模型方法
Kathrin Zeeb a,b,*, Axel Buchner b, Michael Schrauf a,b
关键词：自动驾驶 眼球运动 驾驶分心 驾驶接管 视觉注意力 驾驶模拟
一 摘要：
近年来，驾驶辅助系统的自动化水平不断提升，其中关于高度自动化的驾驶系统最重要的挑战之一就是确保驾驶员在车辆的指导下有一个及时安全的接管行为，尤其是驾驶员正从事与驾驶毫不相关的次任务上的情况。因此，找到驾驶员对于接管的准备程度的指标并更全面的了解接管的整个过程是非常必要的。
为探究驾驶员在高度自动驾驶过程中如何分配视觉注意力，以响应紧急情况而采取接管行为，我们进行了一项模拟研究。我们记录了驾驶员在车辆自动驾驶的情况下同时专注进行一项视觉要求较高的次任务时的注视行为，并测量了他们的在接管情况下的反应时间。
根据驾驶员的注视行为，他们被分成“高风险组”、“中风险组”以及“低风险组”。我们发现凝视参数适合于预测驾驶员接管车辆的准备情况，高风险组的驾驶员接管时通常反应较迟钝，且接管行为经常是不恰当的。但是，驾驶员在接管请求后建立操作准备就绪的时间在各不同组别中是没有区别的。
故我们提出了一个研究自动驾驶过程中紧急接管情况下驾驶员行为表现的综合模型方法。我们认为，主要是认知而不是操作过程影响了接管时间。因此，视觉要素可被运用到在今后进一步的研究以及自动驾驶的发展中。
1.介绍
在过去的几十年中，对于汽车行业一个很明显的趋势是自动化水平越来越高 (Stanton
and Marsden, 1996)。不同等级的自动驾驶系统可以通过系统对车辆在纵向、横向上的干预程度以及驾驶员是否需要监控系统来进行分级(Gasser et al., 2012; Gasser and Westhoff, 2012; National Highway Traffic Safety Administration, 2013; SAE International, 2014)。一些汽车生产厂商已经能提供半自动驾驶作为其驾驶辅助系统的功能。这些系统能够接管纵向以及横向上的控制，但是驾驶员仍然需要监督系统的运作并为此负责（例如带有车道保持功能的自适应巡航系统）。在下一级的高度自动化的驾驶系统中，驾驶员不必一直集中注意力在路上，而是可以暂时的专注于次任务中。但是仍然还是有一些系统无法自行处理的场景出现（例如由于传感器或执行器受限、模糊的环境监测而达到系统能力边界），此时驾驶员必须能够在合理的时间内进行控制权的接管。对于高度自动化的驾驶系统来说，确保驾驶员能够及时干预车辆是一个很大的挑战。先前的研究已经证明自动系统本身会使驾驶员脱离控制环（即驾驶环境），从而在遇到系统出错或者是达到系统能力边界的情况时，出现不可设想的后果(Brookhuis et al., 2001; Endsley and Kaber, 1999;Endsley and Kiris, 1995; Kaber and Endsley, 2004; Neubauer et al.,2012; Wiener and Curry, 1980)。故可以假定，对于一个分心的驾驶员来说，这个所谓的“脱环”(Endsley and Kiris, 1995)表现问题是非常复杂的(Merat et al., 2012)。在过去的几年中，关于自动驾驶阶段一个分心的驾驶员将会花多长时间来接管车辆的问题吸引了越来越多的关注与研究。
以下各节概述了接管时间的研究现状（节1.1）以及驾驶中的视觉干扰及其对注视行为的影响（节1.2），最后提出了本研究的目标（节1.3）。
1.1高度自动驾驶后的接管时间
Dambouml;ck et al. (2012)进行了一个基于驾驶模拟器的研究，让参与者在高速公路上执行高度自动化的驾驶任务。参与者们在驾驶中被要求执行一项需要认知能力以及动手能力的视觉辅助次任务。作者测试了从接管请求发出到达到系统边界的不同时间。据发现，与非自动驾驶相比，从接管时间6s-8s开始，接管情况下的驾驶行为没有差异。Petermann-Stock et al. (2013)发现最大接管时间从5.7s到8.8s不等。进一步的研究报告称平均接管时间在2.1s到4.1s之间(Giesler and Muuml;ller,2013; Gold and Bengler, 2014; Gold et al., 2013)。另外Gold 和 Bengler(2014)测量了驾驶员第一次注视场景的时间（分别为0.7s和0.9s，对应的时间预算分别为5s和7s），他们还测量了驾驶员双手触碰到方向盘的时间（分别为1.5s和1.8s，对应的时间预算分别为5s和7s）。
一些研究报告了次任务对接管时间与接管质量的影响 (Merat et al., 2012; Petermann-Stock et al., 2013; Radlmayr et al., 2014)。关于辅助驾驶（例如自适应巡航控制）或者手动驾驶的研究揭示了一些影响驾驶时司机反应时间的环境及驾驶员相关因素。这些因素包括驾驶任务的要求(Alm and Nilsson, 1994; Jamson and Merat, 2005),司机期望值(Ruscio et al., 2015),反应的紧迫性(Schweitzer et al., 1995),驾驶员对于车辆自动化的自满程度(Ruscio et al., 2015)，以及驾驶员的年龄（(Broen and Chiang, 1996)。Ruscio et al. (2015) 等人甚至确定了接管过程中各个延迟或者未延迟的步骤。他们将制动反应分为感知过程、心理加工过程以及动作执行过程，并发现驾驶员对事件的预期影响了驾驶员的的感知时间及心理加工时间，却并未影响驾驶员脚踩上刹车踏板以及执行下压制动过程的时间。
因此，不存在单一的、整体性的一般接管时间。相反，接管时间在一定范围内，针对一组特定的情景变量（例如交通密度、行动替代方案、HMI概念、次任务类型、驾驶员分心水平）以及驾驶员变量（例如年龄以及驾驶技能）是特定的。虽然前文提供了一些关于自动驾驶后的接管行为的重要初步见解，但是对于接管中的基本分步过程以及环境变量、驾驶员变量是如何影响这些过程的相关问题还未被解决。
1.2 驾驶员分心
驾驶员分心被认为是碰撞事故及接近碰撞事故的主要元凶之一(Klauer et al., 2006; McEvoy et al., 2006).目前已有大量针对非自动化驾驶情况的驾驶员分心研究。
1.2.1 视觉干扰的影响
由于驾驶时大多数信息都是被视觉所感知(Cohen and Hirsig,1991; Sivak,1996 Sivak,1996)，视觉干扰通常被认为是与安全最为相关的干扰类型之一。有研究得出在驾驶视觉干扰阶段驾驶员对关键刺激或者事件的检测会出错进而有严重影响(Greenberg et al.,2003)。一些作者已经证明了视觉干扰与碰撞可能性的强相关性(e.g. Horrey and Wickens, 2007; Klauer et al., 2006)。此外，视觉干扰被认为是真实世界驾驶中碰撞或者接近碰撞的决定性因素之一(Dingus et al., 2006)。另外，具有视觉需求的次任务已经被认为会导致车道位置的变化增大以及更频繁的转向校正(Engstrouml;m et al., 2005; Green,1999; Greenberget al., 2003; Jamson and Merat,2005)，以及会导致车速的降低(Engstrouml;m et al., 2005;Jamson and Merat, 2005)。而后者通常被认为是补偿效应。
最终，这种强烈的驾驶表现障碍与视觉干扰驾驶中驾驶员的注视行为被联系起来。一项Victor (2005)的研究显示当驾驶员在视觉上分心（例如阅读一封邮件或者拨打一个电话号码）时仅花费29%的观看时间在道路中心上，而未分心的驾驶员有80%。除了视觉注意力远离道路之外，视觉上注意力分散的驾驶员与未分心驾驶员或者认知上分心的驾驶员相比，对道路的凝视在空间上更集中与道路中心。
1.2.2 凝视行为作为驾驶员分心的指标
尽管原则上可以使注意力独立于眼睛注视的位置(e.g., Posner et al., 1978)，但是有明确的证据证明眼动与驾驶员的视觉注意力紧密相关(e.g. Crundall and Underwood, 1998;Crundall and Underwood,1998, 2011; Konstantopoulos et al., 2010;Underwood, 2007)。在自动驾驶的背景下，Bach et al.等人认为的通过驾驶行为测量驾驶员分心程度的方法无法被用在车辆被系统控制而不是人的情况下。近期对手动驾驶的研究已经证明某些特定的凝视参数对于测量分心程度是足够敏感的。驾驶员对次任务的凝视持续时间及凝视频率随着次任务难度的增加而增加，而花费在检查道路中心的时间随之减少(Green, 1999; Peng et al., 2013; Victor et al., 2005)。此外，无论是最大脱离道路凝视时长还是凝视次数都随着次任务需求的增加而增加两秒以上(Peng et al., 2013; Victor et al., 2005)。Horrey和Wickens (2007)强调许多研究关注平均而非最大脱离道路的凝视持续时间，尽管这些极端值是与安全相关的实际值。作者指出，随着次任务复杂性的变化，平均脱离道路的凝视持续时长并没有显著差异，而长时间脱离道路的凝视次数随着次任务难度的增加而增加。因此Peng et al. (2013)等人将驾驶员分成高风险型及低风险型两类，高风险型的驾驶员脱离道路的最大凝视持续时间更长，频率更低。与低风险型的驾驶员相比，高风险型的驾驶员在脱离道路凝视的总时长中所占的比例也更高。
1.3 本次研究的目的
目前已有大量针对视觉分散对驾驶员注视行为的影响的相关研究，并已了解在非自动驾驶阶段什么算是适应性良好的注视行为。但是人们对高度自动化的驾驶过程中注视行为视觉干扰的影响以及如何影响驾驶员在接管情况下的行为知之甚少。鉴于自动化系统已经变得越来越重要，我们非常有必要检测对驾驶员接管造成严重安全隐患的视觉干扰的程度。图1概述了驾驶员过程的理论假设。
图1.高度自动化驾驶时执行次任务后驾驶员接管的过程模型。
当在高度自动驾驶期间系统发出接管请求时，视觉上分心的驾驶员将首先将他或她的注视从次任务转向街道。如果驾驶员正在执行的次任务带有诸如握住某物或使用某些输入装置的动手要求时，驾驶员可能需要同时将他的手放回到方向盘上并将他的脚移向踏板系统。因此驾驶员实现对接管任务的马达（操作）就绪（图1）。正如1.1节所述，对于第一眼看到场景的反应时间通常少于1s，首先与方向盘接触的时间为1.5-1.8s，再过1.5s左右脚踩到制动踏板。影响这些操作过程的主要因素是次任务的手动加载。
本模型与线程化认知理论共享一个概念，即多个线程或目标可以同时处于活动状态，只要这些线程所需的认知、感知或运动资源没有重叠，就没有多任务干扰(Salvucci and Taatgen, 2008, 2011)。 这一假设意味着接管情况的感知以及认知处理可以与实现机动准备状态同时（并行）执行。类似于情景意识模型(Endsley, 1995)，我们假设认知处理包括感知单个元素以及通过将相关元素整合到相关模型中来更新当前情境的心理模型。基于更新的心智模型，人们可以选择适当的动作。
正如1.1节所述，可以假定存在影响驾驶员接管质量以及持续时长的环境相关因素和驾驶员相关因素（例如情况的复杂性以及驾驶员的分心状态）。PetermannStock et al.等人经研究发现驾驶员注意力的分散集中表现在接管时间的延迟。由于凝视行为可以反映驾驶员分心程度（1.2.2节），我们假设在高度自动化的驾驶中，驾驶员的注视行为与接管绩效之间也存在关系。对手动驾驶的研究表明与新手驾驶员相比，经验丰富的驾驶员有不同的扫描场景的策略，并且有经验的驾驶员更擅长根据不同 驾驶任务调整他们的驾驶策略(Crundall and Underwood, 1998;Konstantopoulos et al., 2010; Underwood, 2007)。根据Underwood的研究，新手驾驶员的扫描模式反映了其在驾驶中的准备不足的心理模型。根据这些结果，我们假设高度自动化的驾驶中注视行为与驾驶员的情景意识有关。能够在驾驶与次任务中恰当的分配视觉注意力的驾驶员应该定期关注街道，从而与那些只专注于次任务的驾驶员相比，获得更多的情景意识。这会使驾驶员在突然接管情况下对其心智模型进行快速重新定位和更新，从而允许更早、更恰当的接管反映。根据Ruscio et al.等人的研究，我们推测这主要影响接管情况下的感知及认知处理，而对达到运动（操作）准备状态没有或仅有很小的影响。
本次研究重点在于高度自动化的驾驶中司机接管的过程以及检测司机凝视行为与接管之间的关系。基于此，我们的驾驶员接管模型中的假设可以被测试。
我们主要解决一下问题：（1）驾驶员在高度自动化的驾驶中专注于次任务的情况下如何分配他们的视觉注意力？（2）哪些凝视参数可以被用作评估驾驶员对道路监控的效率情况？（3）注视行为是如何影响驾驶员总体接管的质量及持续时间的？它与对应的接管过程有何关系？
2.方法
2.1参与者
这份报告中的数据代表了扩展实验设计中收集的数据（共有247名参与者）的一个子集(Cardenas, 2013)。107名参与者参与了此报告中的实验。由于技术问题、不完整的数据记录或者是晕动症，此处排除18名参与者的数据。结果，我们分析了来自89名参与者（54名男性，35名女性）的数据。他们的平均年龄为42岁（
全文共15212字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[14833]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
