第二级自动驾驶下的工效学问题

林睿，张伟

(清华大学 工业工程系，北京 100084)

1 引言

在传统驾驶中，驾驶员人为失误是导致交通事故的最重要因素。美国高速公路委员会通过对5 470起交通事故的深入调查，发现大约了90%的交通事故是由驾驶员人为因素导致的[1]。为此，人们寄希望于自动驾驶技术的发展能够代替传统驾驶员，减少人为失误导致的交通事故，帮助人们实现更安全便捷的出行，并将人类从繁琐的驾驶任务中解放出来。现阶段市场上最先进的自动驾驶技术虽然并不能完全代替驾驶员，但已经可实现同时横向和纵向的车辆控制。驾驶员只需要监视系统和道路情况，在遇到危险和故障时对控制权进行及时接管。例如，Volvo的Pilot assist ii和特斯拉的Autopilot已经可以实现这些功能。根据汽车工程师协会(SAE)的分级，这些系统属于二级自动驾驶[2]。而几起与二级自动驾驶相关的交通死亡事故，让人们对现阶段的自动驾驶技术产生了担忧。为了帮助设计者更深入地理解二级自动驾驶下驾驶员角色、任务形式、认知和行为，本文将针对其存在的工效学问题和已有研究进行总结和分析。

2 自动驾驶的分类

在自动驾驶发展的过程中，已有不同的研究机构提出了自动驾驶的分级方式。本文采用最为普遍使用的汽车工程师协会(SAE)的分级。该分类方式基于车辆控制、道路监视、自动化失效时的接管控制和自动驾驶适应环境的角度进行划分(如图 1所示)[2]。

○级：传统手动驾驶，在所有路段的所有驾驶控制都由驾驶员执行。

一级：自动化系统有纵向或横向单一方向的控制功能。例如，具有自适应巡航(ACC)系统或车道保持辅助(LKA)的车辆。驾驶员需要负责另一部分的车辆控制和其它驾驶任务。

二级：自动化系统同时具有纵向和横向的车辆控制，驾驶员需要监视驾驶道路环境并在系统失效时及时进行接管。系统往往只适应于部分道路环境。

三级：自动化系统同时具有纵向和横向的车辆控制，驾驶员不需要时时监视驾驶道路环境，在系统失效时，系统会提前提醒驾驶员进行接管。系统只适应于部分道路环境。

四级：自动化系统同时具有纵向和横向的车辆控制，驾驶员不需要时时监视驾驶道路环境，在系统失效时，系统会自己进行处理，无需驾驶员干预。但系统仍然只适应于部分道路环境。

五级：自动化系统可在所有道路环境下执行全部的驾驶任务。

本文重点讨论二级自动驾驶，即驾驶员需要监视道路环境，在需要接管时系统提供提醒的情况，其他更高级的自动驾驶系统对于驾驶员注意力资源的使用会显著减少。

3 第二级自动驾驶中驾驶员的任务形式

根据上述定义，二级自动驾驶系统将传统的手动驾驶中的操控任务转换成了监视任务，需要驾驶员对系统功能有着清晰的理解，并对道路情况保持警觉，以便及时进行接管。在驾驶员控制模型(Driver in Control model，DiC)[3]中(如图 2所示)，驾驶员在驾驶车辆的过程中需要完成不同层面的控制过程，具体从下至上包括跟踪前车，调整车辆在车道中的位置，监视道路，并规划行车目标。从底层到上层，控制循环是由补偿性控制到预测性控制的变化过程。而在二级自动驾驶过程中，跟踪与调整控制层由自动化系统实施，驾驶员只需要监视道路，并规划行车目标。那么相比于手动驾驶，驾驶员在进行道路监视时就缺少了车辆控制结果带来的反馈，继而导致了驾驶员“脱离循环”(Out-of-the-loop)的问题。

驾驶员“脱离循环”具体指，当车辆操控由自动化系统控制，驾驶员可能会同时减少对道路场景的理解和对车辆的掌控，从而降低了在险情时的接管绩效[4]。从系统可靠性的角度，二级自动驾驶系统的可靠性并不足以完全代替驾驶员。系统设计者寄希望于驾驶员对道路保持警觉，与系统共同组成了并联形式的系统，人-车系统将具有较高并优于手动驾驶的可靠性。而当驾驶员“脱离循环”，人-车系统将成为串联形式的系统，整体可靠性很低，甚至有可能会低于手动驾驶的性[5]。所以，在二级自动驾驶系统中，驾驶员在不需要操控车辆的同时，对道路保持注意就变得十分重要。

4 注意力的问题

从注意力的角度，Endsley和Kiris(1995年)指出了脱离循环的问题往往是由警觉性下降(Vigilance Decrement)和自动化系统的自满(Complacency)导致的[6]。一方面驾驶员因警觉性下降没有办法对于道路险情保持持续的注意力，另一方面，驾驶员过于信任自动化系统的能力，可能投入过多注意力执行与驾驶无关任务。Banks和Stanton(2014年)对驾驶员的任务投入状态进行分析，从主动和被动两方面描述了自动驾驶中脱离循环的状态，他们认为执行与驾驶无关任务是一种主动的脱离循环，而警觉性下降则是被动的脱离循环(如表 1所示)[7]。

表1 驾驶任务投入状态[7]

早期经典的警觉任务实验已经表明，要求人类长期监视系统变化、需求或者错误是十分困难的，人们很难对不太变化的信息保持持续性注意[8]。此外，Greenlee等人(2018年)的模拟驾驶研究显示，驾驶员在长时间的二级自动驾驶中险情检测率降低了，险情反应时间提高了，这同样意味着二级自动驾驶任务具有典型警觉任务的特性[9]。这些研究都揭示了，驾驶员在二级自动驾驶中如果进行单一的监视任务是比较困难的。

而驾驶员如果进行与驾驶无关的任务，虽然会缓解警觉性下降的程度，但同时也会带来一定的安全问题。相比于手动驾驶，二级自动驾驶对驾驶员的需求降低了，驾驶员在二级自动驾驶中执行与驾驶无关任务，视线离开道路的时间变长[10]。从某种意义，自动驾驶已经将传统驾驶中的分心问题转化成对与驾驶无关任务投入过多的问题[11]。根据Wickens(1980年)的多重资源模型(Multiple Resource Model)，与驾驶无关任务，尤其是视觉任务，会干扰驾驶员对于接管险情的监视(感知阶段)，可能会降低险情的接管绩效(认知阶段)[12]。所以，综合考虑警觉性下降和执行无关任务的影响，对于执行无关任务是否一定会影响二级自动驾驶的接管绩效，研究目前尚未得到一致性结论。

5 工作负荷的问题

对于驾驶员在二级自动驾驶中难以保持注意力的问题，也有一些研究从监视任务的工作负荷进行分析。模拟驾驶和道路实验的研究表明，驾驶员在在高速或者环路这样的封闭道路上使用二级自动驾驶系统时，往往会在单调的场景中有较低的工作负荷，在复杂的场景中有较高的工作负荷；而自动驾驶的使用经验又在一定程度上降低驾驶员的工作负荷[13-14]。近期，Stapel等人(2019年)的道路研究表明驾驶员可能低估了使用二级自动驾驶时的工作负荷，因为被试在实际使用特斯拉Autopilot时，主观工作负荷较低，但是用信号反应式测量的客观工作负荷却较高[15]。该作者推断，较低的主观工作负荷可能是驾驶员倾向于进行与驾驶无关任务的原因，而主客观工作负荷的差异则是驾驶员出现事故的重要原因[15]。总的来说，对于驾驶员在不同任务场景下使用二级自动驾驶时的工作负荷情况，尚不完全清楚，此外，也没有直接证据表明个体工作负荷的变化与其进行无关任务的倾向有紧密联系，未来仍需要大量工效学研究对这些问题做进一步深入全面地研究。

6 信任与依赖的问题

对于驾驶员在自动驾驶中难以保持注意力的问题，很多研究都从信任的角度进行分析。从概念上来说，对自动化系统的信任可以定义为“在不确定性和脆弱性特征下，人们对系统能否帮助自己实现目标所持有的态度”[16]。信任是非常主观的，可直接影响人的行为，但是又非常容易改变的，是外在信息和个人经验共同作用的结果[17]。如果人们对自动化系统持有不恰当的信任(即过度信任或不信任)，可能会导致不使用、滥用和错误使用自动化系统[18]。在使用系统的同时，驾驶员不履行监视道路的职责，而进行无关任务，往往被认为是过度信任导致的对系统的错误使用[19]。针对特斯拉车主的访谈研究表明，驾驶员对于二级自动驾驶的信任是随使用时间变化的，驾驶员初始的信任往往与个体差异的背景相关，而在实际长期交互过程中，驾驶员的不恰当的信任在一定程度上会得到矫正，继而调节驾驶员对系统的依赖程度[20]。在自动驾驶中，信任往往伴随了心智模型(Mental Model)的概念，被认为是驾驶员对心智模型的信心的副产品，是心智模型影响行为的中介变量[21]。

7 心智模型与情景意识的问题

心智模型的定义为“当操作员与系统交互时，操作员对系统的内容、工作方式、和工作原理的理解，往往具有丰富而精细的结构”[22]。心智模型是操作员对系统的记忆，用来预测系统如何响应不同的控制输入和环境变化，当操作员预测系统的未来状态时，心智模型的准确性与他们的经验有关[23]。而情境意识(Situation Awareness)的定义是“人们在一定时间和空间的环境内，对其中元素进行的感知，理解和短时间内发展变化的预测”[5]。从本质上来说，情景意识是驾驶员的心智模型在具体道路场景中的应用，具体的关系见图 4。

手动驾驶中，驾驶员需要基于车-路系统的心智模型，在特定的道路中形成具体情景意识，对于道路环境和车辆运动进行感知、理解和预测。而在二级自动驾驶中，驾驶员同时还需要对于自动化系统的功能建立合理的心智模型，从而决定是否需要接管，来保证自己的行车安全。上文中提到的访谈研究同样表明，在实际使用自动驾驶系统中，驾驶员错误的心智模型也会根据经验不断得到矫正，而目前系统用户手册中并没有对系统功能进行全面描述，驾驶员主要依靠驾驶经验、网络信息和车主群中的信息分享来建立心智模型[20]。实际上，汽车厂商有义务向消费者提供充分、详实的基于应用场景的功能性描述，帮助驾驶员建立合适的心智模型。

8 人机界面的问题

汽车内的人机界面(HMI)用于向驾驶员提供系统反馈，对于促进驾驶员进行合适的人车交互是十分重要的。错误或不足的系统反馈可能会导致驾驶员形成不正确的心智模型，从而可能导致决策或行动上的错误[24]。对于如何促进用户形成正确的心智模型，Norman(1990年)提出了针对自动化系统的HMI的设计标准，具体为设计应(1)假设存在错误，(2)应不断提供反馈，(3)以有效的方式与用户持续进行交互，并且(4)应该考虑到最坏的情况[25]。而现有研究总结了目前自动驾驶车辆内的视觉HMI中需要呈现的信息，包括(1)自动驾驶状态和分级的信息呈现，(2)行驶周边环境的俯视图，(3)车辆速度计，(4)对于行驶规划路径的抬头显示(Head-up Display，HUD)，(5)用于信息提示的信号灯，以及(6)用于操作提示的信号灯[26]。针对二级自动驾驶，HMI要提以上供有效信息，来帮助驾驶员建立合适的心智模型对系统功能形成相对准确的预期。

此外，二级自动驾驶中HMI设计还包含了驾驶员驾驶系统(Driver Monitoring System，DMS)识别了驾驶员注意力离开道路后给予的反馈提醒。市面上的二级自动驾驶都配备了驾驶员驾驶系统，系统多通过识别驾驶员的手部对方向盘施力的情况间接判断驾驶员的注意力情况。如果系统没有感知到驾驶员的手放在方向盘上，将在一段时间后通过视觉——听觉——触觉通道来对驾驶员进行分级提醒。然而自动驾驶相关的事故调查显示，在事故发生前的一段时间内，方向盘只在发出提醒后的有限时间内感知到驾驶员的手放在方向盘上(如图 5所示)[27]。由此可知，现有的驾驶员监视系统可能并不能完全避免驾驶员执行无关任务，保持驾驶员对道路的持续注意。今后，驾驶员驾驶系统的优化研究需要充分考量驾驶员认为认知特点，和适应性行为。

9 总结

近年来，随着二级自动驾驶系统在市面上出现和推广使用，自动驾驶相关的安全问题已经引发了各界的讨论。而自动驾驶的发展进程除了依赖于软件和硬件系统的优化，也需要从工效学的角度，充分考虑驾驶员的能力限制和认知过程，从而设计出更为安全有效的自动驾驶系统。可以预见，受限于技术水平的发展，并考虑到我国道路交通的复杂情况，更高级别的自动驾驶可能在短时间内难以大规模推广实施，而未来具有有限功能的二级自动驾驶系统极有可能会在道路上逐步开始普及。本文主要介绍了驾驶员在二级自动驾驶系统中面临的关于注意力的问题，及其背后涉及到的工效学构念，包括工作负荷、信任与依赖、心智模型与情景意识，以及现有的人机交互界面的设计等。总的来说，如何确保驾驶员对道路监视保持持续性注意，辅助驾驶员在遇到险情时进行有效的接管，这些问题尚未得到充分解决。因此，未来一个重要的研究方向就是基于几十年里对于手动驾驶中驾驶安全问题的工效学研究，来深入探究如何促进驾驶员对二级自动化系统的监视控制，最大化地发挥自动驾驶的优势，减少二级自动驾驶人为因素导致的交通事故。