自动驾驶驾驶人接管特征研究进展

马蓉 张康康

摘 要：为自动驾驶驾驶人接管环节做出指导性的建议，从自动驾驶接管的影响因素和自动驾驶驾驶人接管绩效进行系统梳理，总结主要研究内容和方法，并展望其未来研究趋势。总结发现，现有研究缺少一套针对驾驶员在不同复杂度的交通环境下驾驶人行为准则，今后对于自动驾驶驾驶人接管特征的研究目的就是在清楚驾驶人有哪些行为后对自动驾驶安全接管设计提供理论支持。

关键字：自动驾驶;接管绩效;接管影响因素

Abstract： This paper makes guidance Suggestions for autopilot take-over， systematically sorts out the influencing factors of autopilot take-over and autopilot driver take-over performance， summarizes the main research contents and methods， and looks forward to its future research trend. It is concluded that there is a lack of a code of conduct for drivers in traffic environments with different complexity in the existing research， and the purpose of future research on the characteristics of autopilot take-over is to provide theoretical support for the design of autopilot safety take-over after knowing the driver's behaviors.

Keywords： Autonomous driving; Takeover performance; Takeover influence factor

前言

目前，智能化水平不断提高已经成为汽车发展的趋势，车辆以纵向和横向接管车辆控制来加大力度开发有条件的自动驾驶系统。根据国际汽车工程师学会（SAE）2014年的规定[1]，驾驶员不再需要持续监测驾驶环境，因此能够从事与驾驶无关的工作。若实际驾驶场景需要驾驶人来处理复杂的情况时，驾驶人应该时刻准备好及时接管车辆，避免危险发生。

由于自动驾驶状态在未来是长期存在的，正是这一方面刺激了近几年对驾驶员接管的研究。主要包含在探究影响自动驾驶接管的因素的基础上，对接管绩效进行衡量，并对自动驾驶驾驶人接管行为趋势提出意见和建议。本文集中论述现有成果，为自动驾驶驾驶人接管研究提供依据和参考。

1 自动驾驶接管相关概念

根据美国汽车工程师学会（SAE）制定的分级标准[1]（见表1），从本质上讲，驾驶这种高度自动化的汽车改变了驾驶员的角色，从一个操作员变成了一个系统管理员。尽管智能驾驶技术落实在车辆的趋势势不可挡，但在L2以上的无人驾驶汽车普及之前，还需要多年的研发和测试。所以，在未来长期存在的自动驾驶情况下，自动驾驶车辆行驶状况仍需驾驶人监督以便能够及时做出干预车辆的行为，避免危险的发生。

2 自动驾驶驾驶人接管的影响因素

相关学者利用场景虚拟测试方法探索影响自动驾驶驾驶人接管的因素，并实验确定各种因素对于接管绩效的影响。

2.1 驾驶人次任务

SAE规定的3级以上自动车辆中，驾驶员允许参与非驾驶相关任务。Zeeb等[2]通过模拟驾驶人次任务（写邮件、读新闻、看视频）接管车辆的实验，通过得到的接管操作结果，分析得到驾驶人进行和驾驶无关的肢体动作对自动驾驶驾驶人接管反应时间没有影响，但接管质量会因为驾驶分心而大大减弱。鲁光泉等[3]则没有选择具体的行为，重点研究的是简单和复杂的视觉任务对于接管绩效的影响，结果发现有次任务是会增加驾驶员的接管时间，但是没有从不同复杂度的视觉次任务对于接管时间中发现不同。

2.2 请求接管时间和方式

自动驾驶的车辆发出请求接管的时间和方式对驾驶人接管也是有比较明显的影响的。

钮建伟等[4]在实验时发现驾驶人在得到系统请求接管信号后，存在两种接管切换方式，第一种切换是立刻接管，第二种是在得到信号并且直到看到有危险情况时才进行接管车辆。并且研究发现不同的驾驶次任务对于这两种切换方式都有着比较明显的影响，但是二者的因果关系还不明晰，需要深一步分析研究。Gold等[5]发现系统接管请求时间长短对于驾驶人进行决策和反应有明显的影响作用，请求时间越短，驾驶人反应時间越短，但接管质量更差。

2.3 其他影响因素

驾驶员年龄与性别、自动驾驶车辆自动化程度、交通复杂度也是近些年研究的内容。Korbe等[6]实验发现不同年龄的驾驶人在接管自动驾驶车辆时的接管效果无明显差异。Strand等[7]通过实验发现越智能的自动驾驶车辆在行驶时驾驶人越不容易接管，接管绩效水平降低。Radlmay等[8]分析得到在低密度交通流下驾驶人的接管操作更为放松，而视觉和N-back次任务对驾驶接管质量的影响无显著差异。

3 自动驾驶驾驶人接管绩效

现在关于接管绩效的评价方法主要为两类，一类是驾驶人的主观评价，在接管实验完成后由驾驶人从完成的难易程度等方面对驾驶完成度进行接管绩效评价。另一类是针对驾驶人在接管自动驾驶车辆时的客观指标进行评价。

3.1 反应时间

Ruscio，D等[9]对接管请求反应分为感知过程、心理处理过程和动作的运动执行过程。鲁光泉等[3]将反应时间分为接管反应时间、制动反应时间、转向反应时间。其中Damb?ck， D等[10]定义接管反应时间又包含发出接管请求后眼睛在道路上的时间、手控转向时间、第一反应时间。

3.2 車辆行驶状态

钮建伟等[4]在划分车辆接管时的运行状态时，利用横向控制和纵向控制分别对接管绩效做出评价，前者数据包含接管时车辆横向位置的标准差和转向控制的标准差。学者利用标准差代替平均值的优点是标准差更能反映驾驶人稳定控制车辆横向位置的能力。纵向控制包括对速度的控制和车头间距的控制。同时，有学者指出自动驾驶驾驶人接管过程碰撞率也可以作为评价接管绩效的指标。

3.3 驾驶人眼动特征

通过对驾驶人在接管车辆时的眼动特征可以对自动驾驶驾驶人接管绩效研究做出起到补充作用。国内外学者研究表明，眼动行为是反映驾驶人注意力分配最有效的方式。Zeeb等[2]根据研究驾驶人注视行为的结果，统计划分的每个注视区域的平均注视频率、扫视持续时间、平均总扫视持续时间，按照高、中、低风险驾驶群体分析得到，低风险驾驶人的接管制动时间是最短的，但是总体的接管时间是没有明显差别的。

4 结论

未来关于自动驾驶接管研究应该在确定有代表性的接管次任务的基础上完善一套针对驾驶员在不同复杂度的交通环境下驾驶人的行为准则，故今后对于自动驾驶驾驶人接管特征的研究目的就是在清楚驾驶人有哪些行为后对自动驾驶安全接管设计提供理论支持。

参考文献

[1] SAE International， 2014.Taxonomy and definitions for terms related to on-roadmotor vehicle automated driving systems.

[2] ZEEB K，BUCHNER A，Is Take-over Time All That Matters？ Theim -pact of Visual-cognitiveLoad on Driver Takeover Quality After Conditionally Automated Driving[J].Accident Analysis & Preven -tion， 2016，92：230-239.

[3] 鲁光泉，赵鹏云.自动驾驶中视觉次任务对年轻驾驶人接管时间的影响[J].中国公路学报，2018，31（04）：165-171.

[4] 钮建伟，张雪梅. 险情中驾驶人接管自动驾驶车辆的驾驶行为研究[J].中国公路学报，2018，31（06）：272-280.

[5] GOLD C， DAMBOCK D， et al. “Take Over！” How Long Does It Take to Get the Driver Back into the Loop？ [J].Proceedings of the Human & Factors Ergonomics Society，2013，：1938-1942.

[6] KORBER M， UOLD C， et al. The influence of Age on the Takeover of Vehicle Control Highly Automated Driving[J]. Transportation Research Part F， 2016，39：19-32.

[7] STRAND N，NILSSON J，et al.Semi-automated Versus Highly Automated Driving in Critical Situations Caused by Automation Failures[J].Transportation Research Part F， 2014，27：218-228.

[8] RADLMAYRJ，GOLD C，et al. How Traffic Situations and Non- driving Related Tasks Affect the Takeover Quality in Highly Auto -mated Driving[J]. Proceeding of the Human Factors & Ergonomics Society Annual Meeting， 2014，58（1）：2063-2067.

[9] RUSCIO，D，How does a collision warning system shapedrivers brake response time？ The influence of expectancy and automation complacency on real-life emergency braking.Accid. Anal. Prev.77， 72-81.

[10] Damb?ck，D.AutomationseffekteimFahrzeug-von der Reaktionzur ?bernahme. München： Technische Universit?t München， Lehrstuh -lfürErgonomie.Dissertation.