向手动转变：控制权从高度自动化车辆转移至驾驶员时的驾驶行为外文翻译资料

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

向手动转变：控制权从高度自动化车辆转移至驾驶员时的驾驶行为

Natasha Merat, A. Hamish Jamson, Frank C.H. Lai,

Michael Daly, Oliver M.J. Carsten

摘要：本文设计了一个模拟驾驶器，从以下两个条件研究驾驶员从高度自动驾驶车辆收回控制权的能力：（1）自动驾驶关闭并且在基于系统的定时间隔需要手动控制；（2）向手动转变基于驾驶员视线离开前方道路的时长。当在这两种条件下恢复手动控制时，除了研究驾驶员成功从自动驾驶系统接回控制权的所需时间，还要研究被用来观测对周围环境的视觉注意力的眼睛跟踪数据和司机的凝视模式。结果表明如果视线脱离的确由于驾驶员在当前道路上分心，当自动驾驶功能关闭后，驾驶员的眼部活动模式会保持一段时间多变状态。当自动驾驶功能关闭更可预测和基于系统时，驾驶员在路中心的注意力更高且稳定。当向手动控制转变可预测且基于一个固定时间时，大约10秒滞后，驾驶员横向驾驶控制和转向更正更加稳定（分别测量车道位置标准偏差和转向高频分量得到结果）。无论自动驾驶切换为手动控制是基于固定还是可变的间隔，都需要驾驶员大约35-40秒来稳定车辆的横向控制。研究结果表明如果车辆被控制在有限的自动驾驶情况（3级自动驾驶）且驾驶员不干预，那么当驾驶员期望自动驾驶功能关闭时，他们重新控制车辆的能力更加好。由于规律性自动驾驶功能关闭不是特别实际的保持驾驶员在驾驶过程中的方法，未来的研究应该考虑如何更好地告知驾驶员从自动驾驶系统中恢复手动控制的职责。

关键词：高度自动驾驶；3级自动驾驶；驾驶行为；眼球跟踪；转变时间

1 介绍

近几年，无人驾驶汽车概念受到很大程度的关注，部分原因是谷歌等公司和支持自动驾驶汽车法案的内华达州、佛罗里达州和加州的下属立法机构的相当大程度的推广活动。在英国，政府最近已承诺在2013年前在英国道路上测试无人驾驶汽车。这一概念也深受几乎每日出现在媒体上的汽车产业的赞同。例如，日产、通用和奔驰都在考虑2020年前进行自动驾驶汽车的销售。

但是，从政策和研究角度来看，在这一领域的活动有点激进，并且至少这种车辆对整体道路交通管理的影响尚未得到很好的了解。虽然允许实现这样的汽车的技术可能是相对先进和更容易获得的，但是对于人因，专业人员和研究人员的挑战是确保这些车辆的操作者，即驾驶员能够理解用于自动驾驶的系统的能力和极限。

在20世纪90年代末到21世纪初，车辆自动化的人因研究，主要集中在司机与自适应巡航控制的互动，被认为自动化程度的提高可能导致驾驶员的情况意识的减弱，造成驾驶员在自动驾驶系统受限或故障期间表现变差。近年来，该领域的一些项目（主要是在欧洲开展）试图超越自适应巡航控制，增加车道保持辅助系统，并将自动化程度从第1级（特定功能自动化）提高到2级（组合功能自动化）和3级（有限自动驾驶）。特别考虑到自动驾驶车辆的人因影响的这类项目例子包括CityMobil，InteractIVe和HAVEit。

然而，在这种3级自动化水平期间，对驾驶员行为和表现的理解非常有限。因此，驾驶员希望能够“偶尔控制，但具有足够舒适的过渡时间”。因此，需要驾驶员一直处于驾驶过程中，并且将他们的情况意识保持在足够的水平，这将允许他们在需要时收回驾驶控制权。收回控制权的原因可能是自动驾驶系统不能处理特定的驾驶情况/环境，或者因为驾驶员希望离开当前的驾驶环境，比如通过基础设施支持的自动驾驶车辆离开高速公路环境，进入不受支持的城市环境。然而，关于理解驾驶员如何参与车辆“偶然控制”的人为因素，以及“舒适过渡时间”的研究，目前非常有限。

近年来，作为英国资助的EASY项目（自动化对安全的影响）的一部分，在我们的实验室中进行的工作已经研究了驾驶员与3级自动驾驶的交互，他们对周围交通的情况意识，以及他们在其它与驾驶无关的辅助任务的投入。例如，我们已经得出，驾驶员对路中心的视觉注意力随着自动化水平的提高而降低，并且当驾驶员由横向控制器（车道保持系统）支持但必须保持纵向控制时，他们在路中心的视觉注意力低于手动控制时的，但类似于当提供横向和纵向支持时。 因此，我们认为，除了自动化水平，提供给驾驶员的自动化支持的类型（横向与纵向）导致不同水平的驾驶员参与度和表现。

随着我们研究中自动化水平的提高，司机也被认为参与更多的其它活动，如看DVD。如果驾驶环境相对简单，但是当驾驶员面临要求苛刻的驾驶任务时，这样的辅助任务参与不被认为不利于驾驶。如交通密度增大时，他们对道路的注意力提高，并且当有义务收回驾驶控制权时他们的表现恶化，还有因为道路事故而改变车道。因此，尽管自动驾驶可能在相对简单的驾驶条件期间降低了工作负荷，但是当驾驶员注意力实际上指向另一（非驾驶相关）任务时需要恢复手动控制，导致工作负荷的突然变化和危险，这可能不利于驾驶安全

然而，提高车辆自动化水平的一个争议是提高安全性，驾驶员失误和注意力不足被认为是导致事故的主要因素。当然，这种系统对司机的吸引力是他们提供驾驶员从事其它任务的自由。然而，参与其它任务直接关系到司机对道路的注意力的消失，并且如上所述，可能导致驾驶表现的恶化。因此，当驾驶环境需要这种重新进入时，自动驾驶系统了解驾驶员的状态并且具有将驾驶员重新回到手动控制中的能力是重要的。

以前在实时检测驾驶员分心的系统上使用了眼睛跟踪数据和车辆自身测量数据，如速度和横向位置/转向。由于车辆指标由当前研究中的自动化控制器管理，在3级自动驾驶（高度自动驾驶）期间使用眼睛和头部跟踪测量来确定驾驶员视线离开道路的分心程度，并且以固定间隔或实时将控制权转移给驾驶员；当他们被判断为远离道路中心太长或太频繁。先前在这一领域的研究已经使用了各种措施来确定这种分心的阈值，范围从4.3秒宽的变化窗口的平均视线偏离道路持续时间到在60秒的变化窗口中的平均注视道路点。

因此，作为EASY项目的一部分，进行本研究的目的有三个：

1. 确定是否可以使用基于对驾驶员对道路的注意力的实时评估系统，以确保只有注意的司机，即完全从事系统监测的司机，得到自动驾驶系统的支持。 该系统使用驾驶员的眼睛和头部跟踪的实时测量数据以使驾驶员回到驾驶过程中；
2. 实时技术是否比固定间隔的系统有效；
3. 通过容易观察到的驾驶表现和眼睛跟踪测量数据，研究驾驶员如何能够快速在需要时重新进行手动控制。

2 方案

2.1 参与者

在利兹大学研究伦理委员会批准后，通过报纸广告和驾驶模拟器数据库来招募参与者。由于这是三个关于车辆自动化的研究中的第三个，所有参与者都具有使用驾驶模拟器及其自动驾驶系统的经验，实践如下所述。 46个参与者完成了研究（25个男性），并每人被支付25英镑。由于缺少12名参与者的数据，结果从剩余37人中得出。其中包括的参与者年龄为28-67岁（平均=47.35，标准偏差=10.33）。 没有用于招募参加者的特别标准，但他们被要求是有经验的司机。 因此，所有参与者有超过10年的驾驶经验，并平均每年驾驶27,207英里（标准偏差=20,790英里）。

2.2 设计和过程

这项研究使用了利兹大学驾驶模拟器。用于模拟器的车辆驾驶室基于Jaguar S型车辆，具有完全可操作的所有驾驶员控制设备，并且被容纳在直径为4米的球形投影拱顶内。前方路面包括250°的水平视野，三个后方投影机在内外后视镜中显示场景。该模拟器还配备了v4.5的Seeing Machines faceLAB眼动仪，其相机安装在车辆仪表板上。

在手动驾驶条件下，参与者完全负责标准纵向（加速器和制动踏板）和横向（方向盘）控制的操纵。在高度自动化的条件下，通过一对二阶控制器进行等效的控制输入。纵向控制器实际上是自适应巡航控制，其默认目标速度为70英里每小时，即虚拟驾驶情景的限制速度。间隔时间固定在1.5秒，并且驾驶员无法调整。该系统在模拟器中根据Ioannou，Xu，Eckert，Clemons和Sieja（1993）概述的规范建模，约束最大加速度为0.1g，减速度为0.2g。

侧向控制器类似于车道保持系统（LKS）。其算法基于Sharp，Casanova和Symonds（2000），根据预测点的接近度加权，计算车辆前方的一系列预测点，以计算预定路径的误差。在激活LKS时，产生的转向角命令尝试将车辆保持在当前车道的中心。当高度自动化系统（横向加纵向控制）激活时，速度计下方的一个小型LCD面板点亮，并显示“ACC/LKS”。

实施了参与者在内的设计实验，其中所有驾驶员完成了以平衡顺序完成的三个驾驶实验（参照，可变，固定）。每次驾驶由88公里长的3车道高速公路组成，包括缓和的S形曲线。由于这是三项关于自动驾驶的研究中的第三项，使用相同的参与者，所有参与者都熟悉驾驶模拟器和自动驾驶控制器，但他们仍需参加25分钟练习环节，然后开始驾驶实验。

对于参照驾驶，驾驶在手动模式下开始，驾驶员控制车辆操作。驾驶人需要尽早移至中间车道。在大约2公里（就在第一个汇合点之前），当驾驶员位于中间车道的中心时，自动驾驶控制器被打开。然后几乎整个驾驶过程控制器都保持打开。在驾驶结束之前约5.8公里，高速公路的三个车道被减少到一个（在大约300米的距离上），要求驾驶员通过移动到自由车道来恢复驾驶控制。关于特殊事件的变化消息信号被提供给驾驶员。事件包括堵车和道路施工（如图1所示）。

对于“固定”和“可变”驾驶，自动驾驶控制器在初始2公里后接合，与参照驾驶相同。然而，周期性地使用/重新使用控制器（固定驾驶），或者通过faceLAB 眼睛和头部轨迹摄像头来使用实时算法（可变驾驶）。可变驾驶的主要目标是如果驾驶员视线远离道路10秒或更长时间，则让他们回到驾驶进程中。用于固定和可变驾驶的算法的更多细节在表1中示出。

表1 用于在固定和可变驱动器中进行自动化的标准

与基线驾驶一样，在固定和可变驾驶的最后5.8公里期间，当驾驶员收到VMS提示的路上发生的事情时，需要恢复手动驾驶。

图1 在驾驶末段使用的VMS消息和方案类型的示例，要求驾驶员在驾驶的接下来的时间恢复手动控制。

3 结果与讨论

由于12个参与者的眼动跟踪测量的数据缺失，结果从剩余的37个数据得出。关于自动驾驶功能的关闭，分析显示在可变驾驶条件下脱离自动驾驶控制器的驾驶员表现出大的变化性。如图2所示，只有一个参与者不注意到可变系统最多脱离九次的情况，其中约一半驾驶员直到第三次脱离事件，学会保持自动驾驶控制器工作（通过保持他们的头部和眼睛朝向路中心）。

为让固定和可变驾驶的结果之间的正式统计比较，方差分析仅在第一次施加手动控制时在所有的驾驶中进行。虽然这些分析没有考虑驾驶员学习系统操作标准的能力的影响，但是首次驾驶实验显示，视觉注意（在这里通过“道路中心百分比”的眼睛跟踪值测量）在刚刚从自动驾驶系统的控制过渡之后分散，并且当需要恢复车辆的手动控制时，该研究的驾驶员重新集中注意力需要多长时间，以及当在系统特定（固定）或驾驶员指定（可变）的情况下，转移控制权时是否存在驾驶表现和恢复手动控制两方面的差异。

图2 在可变驾驶条件下关闭自动驾驶系统的驾驶员数量（T =手动转换时间，自动转换成手动总数= 9）

进行两个分析并报告如下。首先，采用具有两个因素的驾驶条件（固定，可变）的单因素方差分析进行PRC的侧向和纵向驾驶表现和眼部跟踪测量。这里，比较了当第一次控制权从自动驾驶收回到驾驶员时​​的整个手动控制环节的平均值。

PRC被定义为注视数据点的比例，用注视位置来标记，这一位置落在道路中心区域内——位于驾驶员最频繁注视位置周围的6°圆形区域。PRC先前已被证明是视觉干扰的敏感指标，其中较低的值表示驾驶的视觉需求上需求较少的注意力。使用平均速度和最低速度测量纵向驾驶表现。对于横向控制，记录车道位置标准偏差（SDLP），1°每分钟的转向回正和转向的高频控制（在0.3-0.6Hz频带中）的数据。转向的高频控制通常与驾驶任务需求相关，并且被定义为高频分量与所有其他转向活动之间的功率之比。方向盘角度的高频带的这种幅度旨在排除开环行为测量的影响，集中于即时的补偿性转向校正

如表2所示，固定和可变驾驶之间的平均值的显著差异仅在行驶速度下观察到。当在固定持续时间的自动驾驶之后转为手动控制时，与在可变时间转为手动控制相比，平均速度和最低速度都更高。因此，除了驾驶速度的显著差异，自动驾驶系统关闭的两种方法似乎导致驾驶员表现和注意力分配的测量的平均值相近。

表2 固定和可变驾驶的驾驶表现测量

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[139184]，资料为PDF文档或Word文档，PDF文档可免费转换为Word