英语原文共 9 页，剩余内容已隐藏，支付完成后下载完整资料
高度自动化车辆驾驶权切换至驾驶员时驾驶表现的研究
Natasha Merat, A. Hamish Jamson, Frank C.H. Lai,
Michael Daly, Oliver M.J. Carsten
摘要
该模拟驾驶实验是针对以下两种情况中驾驶权从高度自度化车辆切换至驾驶员而设计的：(i)基于固定间隔关闭自动驾驶系统、切换手动驾驶；(ii)根据驾驶员视线脱离道路的时长来切换控制权。除了研究驾驶员重新完成手动驾驶所需要的时间以外，还使用了眼动跟踪数据来观察驾驶员切换手动驾驶时对周围驾驶环境的视觉注意力和眼睛凝视的模式。结果显示，根据(ii)条件切换驾驶权时，驾驶员在自动驾驶关闭一定时间后，眼动的模式还是非常多变。如果驾驶权切换方式更为固定、更可预见（如按一定固定时间切换），那么驾驶员对路中心的注意力会更高、更稳定。同样如果是基于固定时间切换控制权，那么大约在切换 10 秒之后，驾驶员的横向控制和转向校正（以 SDLP 和高频转向控制次数表示）会比另一种切换方式更加稳定。不管切换过程是基于固定时间还是驾驶行为变化，它都需要大约35-40秒来让驾驶员稳定对车辆的横向控制。这个研究的结果说明，如果驾驶员因为（Level 3）自动驾驶本身的限制而需要手动驾驶，那最好是驾驶员本身有所准备，自身希望自驾系统关闭。由于按照特定规律让驾驶员频繁回到手动操纵并不是个保持驾驶专注的好办法，未来的研究应该关注于如何以最优的方式提醒驾驶员切换回手动驾驶模式。
1、背景简介
“无人驾驶汽车”的概念在近些年已经引起了很大关注，其中一定程度上要归功于像谷歌这样的公司拓展到该方面的业务，也还因为像内华达、佛罗里达州、加利福利亚州的法律条令的确立也青睐于“自动驾驶汽车”。在英国，政府最近也批准了无人驾驶汽车在英国公路上进行测试行驶。自动驾驶同样被一些经常为媒体所提及的自动驾驶研发企业所青睐，比如日产、通用和奔驰都承诺在 2020 年销售自动驾驶汽车。
然而，从政策和研究的角度来说，这个领域仍然处于上升期，至少这类汽车对整体路面交通的管理来说，其将会造成的影响还是没有被完全了解清楚。实现无人驾驶从技术上讲是没有问题的，给专家和研究人员造成最大挑战的还是如何确保这些无人驾驶汽车的操作正确，比如让驾驶员能够限制自动驾驶的范围和重新手动操纵汽车。
在 20 世纪 90 年代后期和 21 世纪初期，人们关于自动驾驶汽车特别是自适应巡航控制系统（ACC）方面的研究提到，自动化程度的增加可能会导致驾驶员对路况的认知了解程度降低，因此在自驾系统受限或者不起作用时，驾驶员驾驶能力变差等。最近几年，很多在这方面的科研项目尝试在 ACC 的基础上更进一步，例如加入像车道保持辅助行驶这些功能，并且推动自动驾驶的等级从第一级（具有特定功能的自动驾驶）过渡到第二级（具有复合功能的自动驾驶），再到到第三级（具有限制条件的自动驾驶）。这些项目包括有 CityMobil 项目，InteractIVe 项目和 HAVEit 项目等。
然而，在第三级自动驾驶中，我们对驾驶员的行为和表现仍只有浅显的了解，在该级别中，大家普遍期待驾驶员只需要偶尔进行操控，而且驾驶权切换时要有合适的时间，舒适地完成过渡。这就需要驾驶员在自动驾驶过程中还参与在驾驶中，在一定程度上保持着驾驶的意识，留意路况。驾驶权需要切换是因为自动驾驶系统无法处理一些特定的驾驶情况和环境，或者因为驾驶员在现在的环境中希望手动操纵，比如驶离高速公路，进入更为复杂的城市道路中。然而，关于驾驶员特定情况下需要切换到手工驾驶，特别是关于适宜的切换过度时间这方面的研究还是非常少。
近些年，作为英国自主的 EASY 项目的一部分，我们实验室中进行了关于三级自动驾驶中的人机交互，驾驶员对周围路况的认知，和他们同时进行非驾驶相关的次要任务的表现研究。我们的结果显示，驾驶员视觉上对路况的留意程度随着自动驾驶的自动化程度升高而降低，当驾驶员驾驶时有横向控制辅助（如车道保持系统）加持但还需要手动把握前进方向时，他们对路面中心的视觉注意程度比纯手动控制驾驶时更低。因此我们认为，除了自动驾驶等级外，不同程度的辅助驾驶技术也会导致驾驶员投入到驾驶过程中的专注程度有所差别。
随着我们研究中驾驶自动化程度的提高，驾驶员也更倾向于参与更多其他活动，比如看 DVD。这类参与次要任务的情况在简单的驾驶环境中并没有对驾驶造成不良影响，但当驾驶员应对着复杂些的驾驶任务时，比如车流量增加的情景，他们对路面的关注程度会提升，当切换到手动驾驶的时候表现也会变得糟糕一些，例如由于路面有意外时变道行驶的情况。因此，自动驾驶虽然在简单驾驶环境中减轻了驾驶员的工作量，但是当驾驶员注意力集中在非驾驶任务时，要重新手动操纵汽车的话则会存在更高的危险性和驾驶负荷的突变，这些都是决定驾驶安全性的因素。
过去，车辆自动化水平得以提高的一个重要因素是安全性有所提升，驾驶员犯错和注意力不集中是导致其系统出错的主要原因。当然，自动驾驶系统对司机来说可以解放它们双手，让他们参与到其他事务中。但是，参与其他任务直接就与驾驶员注意力从路面转移到其他方面相关联，如上所述，会导致他们的驾驶表现变差。因此对自动驾驶系统来说，了解驾驶员的实时状态就非常重要，而且还要具备让在驾驶环境需要时让驾驶员重新参与到驾驶回路中的功能。
以往关于驾驶员实时分心情况的监测上使用了眼动追踪和基于车辆参数的方法，比如车速和横向位置、转向等。对于当前的研究，在 3 级自动驾驶中，我们通过对眼睛和头部运动轨迹的追踪，分别在实时、驾驶权切换至驾驶员的时候、驾驶员注意力离开路面中央过久的时候评估驾驶员注意力分散的程度。在以前，这方面相关的研究用了各种方法来判定驾驶员分心的阈值，像用从 4.3s 宽的滑动窗口中视线远离道路的时长和 60s 宽滑动窗口中注视道路上一些点次数的百分比等。我们现在研究的目的，也是作为 EASY 项目中的一部分，有如下三点：
(i)判断一个对驾驶员实时状态进行检测的系统能否保证专注的驾驶员，如那些一直在留意自动驾驶情况的驾驶员，得到自动驾驶的有力支持。这种实时系统利用头部和眼动跟踪进行检测确保驾驶员在持续留意驾驶情况。
(ii)根据驾驶员状态实时切换驾驶权是否会比基于固定时间间隔切换更有效率
(iii)使用车辆行驶参数和眼动跟踪来研究驾驶员重新进入稳定驾驶状态所需要的时间。
2、研究方式
2.1 实验参与者的选取
经过利兹大学研究伦理委员会批准后，我们通过报纸广告和驾驶数据库资料招募参与者。因为这是三项自动驾驶研究中的最后一项，尽管我们提供练习，但所有的参与者都必须有使用驾驶模拟器和模拟器上自动驾驶系统的经验。46 名参与者完成了这项研究（其中 25 名为男性）并且获得了 25 英镑的参与奖励。因为缺失了 12 名参与者的数据，最终结果是基于其余的 37 人的数据。数据分析中提及的参与者的年龄范围在 28-67 岁（平均年龄 47.35 岁，标准差 10.33）。招募的参与者没有特别的要求标准，但是他们都必须有驾驶经验。因此，我们招募的所有参与者都是有 10 年驾龄的驾驶员，他们平均每年行驶 27207 英里路程（标准差 20790 英里）。
2.2 实验的设计和实验过程
这项实验中使用到了利兹大学驾驶模拟器（UoLDS）。模拟器的驾驶舱是基于捷豹 S 型车设计的，有着全部的驾驶操纵装置，而且位于直径 4m 的穹形放映室中。前方道路场景放映达到了 250 的水平视野，3 个后方放映机负责显示侧面和后方的场景。模拟器同时还装备了 Seeing Machine FaceLAB v4.5 眼动跟踪，它的摄像头安装在车辆仪表盘上。
在手动驾驶条件下，参与者要完全负责各种常规装置的控制，比如油门和制动踏板，方向盘等。在高度自动化驾驶的条件下，这些操纵输入都是由一堆二阶控制器完成的。纵向控制器是由 ACC 系统完成，设定速度为 70mph，这是虚拟场景的限制速度。跟踪间隔时间为 1.5 秒，驾驶员无法更改此时间。该系统是根据 loannou，Xu，Eckert，Clemons 和 Sieja 指定的规范建设的，限制最大加速度为
0.1g，最大减速度为 0.2g。
横向控制器类似于一个车道保持系统（LKS），其算法是基于 Sharp，Casanove 和 Symonds 的研究，计算期望轨迹误差之前，会在车辆前方投影一系列的预测点，根据接近预测点的程度进行加权运算。LKS 激活时，转向命令会试图将车辆维持在当前车道的中央。一个在速度表盘下方的小 LCD 面板会在自动驾驶激活时显示”ACC/LKS”字样。
研究还实现了一个参与者内部的设计，所有的驾驶员都以一个平衡的先后顺序完成 3 次实验驾驶（基准、不定时切换、固定时间切换）。每次驾驶内容包含了 88km 长，有平缓蛇形路段的 3 车道高速路。因为这是三个自动驾驶研究中的第三项，我们用了一致的选人标准，所有参与者都要熟悉驾驶模拟器和自动驾驶，同样，实验前还有 25 分钟的练习时间。
对于基准(Baseline)测试，驾驶是从手动模式开始的，驾驶员需要自己完成操作。驾驶员一开始需要开到中间的车道，在驾驶约 2km 后（在第一个分岔路口前），现在驾驶员还保持着开在中间车道位置，自动驾驶开启（并且要完成几乎剩余路程的全部驾驶任务）。在驾驶路段结束前 5.8km 左右，3 车道路面减少至 1 车道（这段路程大约有 300 米长），这时候需要驾驶员重新切换到手动操纵并且驶离高速到小路上。这段实验中我们用了多种信号来对特定事件给驾驶员作出提醒，例如路上有事故车辆和路面施工情况等。（见图 1）
图 1 需要驾驶员进行手动驾驶的事件的提醒示例
对于对比的固定时间切换(Fixed)和不定时切换(Variable)的驾驶实验，自动驾驶在开始 2km 之后就被激活，这和基准测试一样。不同的是，自动驾驶控制器是周期性地（Fixed 驾驶实验）参与到驾驶中，或者是基于 faceLAB 眼部头部追踪实时算法来控制驾驶时间的。不定时切换（Variable）实验的主要目的如果驾驶员没有看路超过 10 秒以上，就让驾驶员重新参与到驾驶回路中。更多关于固定时间切换（Fixed）和不定时切换（Variable）实验上算法的细节在表格 1 中有所展示。
表 1 固定时间和不定时切换实验中的实验标准
|
|
驾驶权切换标准 |
重新自动驾驶时间 |
重新自动驾驶标准 |
|
固定时间切换 |
6 分钟间隔 |
脱离自动驾驶后 1 分钟 |
靠近路中央 低横向速度 （2.5m/s） |
|
不定时切换 |
驾驶员视线远离路中央超过 10 秒。路中央定义为大径 10、小径 6 的椭圆区域 |
脱离自动驾驶后 1 分钟 |
靠近路中央 低横向速度 （2.5m/s） |
和基准实验一样，另外两个实验最后 5.8km 路程也会需要手工操纵，驾驶员因为模拟器提示有道路事件发生，需要重新切换控制权进行手动操纵。
3、结果与讨论
由于有 12 名参与者的眼动跟踪数据丢失，我们的分析结果是基于剩下 37 名参与者数据的。分析结果显示，在不定时切换实验中很多驾驶员都让自动驾驶系统脱离了自动驾驶。如图 2 所示，有 1 名参与者因为分心和散漫而让系统延长了脱离自动驾驶的次数，这个次数设定最多为 9 次，剩下的有半数驾驶员都在 3 次脱离自动驾驶状态后都学会了让自动驾驶系统持续操纵汽车（保持头和眼睛观察前方路中央）。
图 2 驾驶员脱离手动驾驶的人数与时间的关系
为了让固定时间切换和不定时切换驾驶实验能有正式统计对比，我们只对每次驾驶中第一次进行手动操纵时的数据进行了方差分析。尽管这个分析没有考虑到驾驶员对系统操作标准的学习认知能力，其结果包括了以下几点：在驾驶权从系统切换过来的时候驾驶员的视觉注意点、驾驶员把他们的注意力重新集中在路中间所需要的时间、当驾驶权以特定的形式切换（固定时间切换实验）以及根据驾驶情况切换（不定时切换实验）时驾驶员是否有不同表现。
两项对结果的分析如下所示。首先是对横向和纵向驾驶表现、眼动跟踪两个可变因素（包括在固定时间切换实验、不定时切换实验）的方差分析。我们比较了从自动驾驶切换到手动驾驶时候的平均值。
PRC（Precent Road Centre）定义为注视设定点的比例，记为凝视（Fixations），这些设定点都落在马路中央区域，该由 6 个司机经常会注视的环形区域组成的。PRC 已经被证明是一个对视觉干扰敏感的指标，其数值越小，就说明司机的对驾驶视觉上的关注度越低。对于纵向控制，我们用速度的平均值和最小值来表征。横向控制方面，我们用车道标准偏差（SDLP）数据，也就是每分钟内 1 度的转向次数和高频转向控制（0.3-0.6 赫兹波段）次数，来表示。高频转向控制通常和任务需求相关联，它被定义为高频转向的功和其他全部转向活动的功的比值。这种大量的转向轮角度的高频波段主要是为了排除其他操作的影响，将注意力集中于实时的转向补偿校正。
如表 2 所示，固定时间切换实验和不定时切换实验唯一明显的差别体现在车速上。固定时间切换实验在驾驶员重新获取驾驶权之后，无论是平均车速还是最低车速都比比不定时切换实验的数
全文共8772字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[15752]，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。
