車輛行駛中車道偏離預警系統的駕駛員精神模型建立

目前，汽車上常見的先進駕駛員輔助系統（ADAS）有車道偏離預警系統（LDWS）、車道保持輔助系統（LKAS）、盲點預警系統（BSWS）、前撞預警系統（FCWS）和帶制動控制的全速范圍內自動巡航控制（ACC）系統。ADAS能夠探測車輛行為和周圍環境的變化，并且能迅速及時地響應，然而其也有使用條件限制和適用場合。根據外部環境，ADAS需要滿足一定條件后才會工作。

本文探索在駕駛員幾乎不熟悉LDWS的情況下是否能識別系統的速度閾值，并且在動態駕駛環境下更新速度閾值。由于駕駛員在駕駛過程中不能總是保持全神貫注，所以試驗中把試驗人員分成兩組：一組只執行開車任務；另一組除了開車外還要執行一個次要任務。由于缺乏從經驗中學習、情景意識等方面的知識，調查只能估計系統中駕駛員的最小精神模型。與單一駕駛任務相比，多任務需求會降低駕駛員觀測系統狀態的能力并延遲精神模型改進的過程。在駕駛員模擬器上進行試驗，統計了沒有意識到LDWS操作條件的駕駛員人數，沒考慮兩組本身的任務屬性。試驗結果表明，兩組人員中忽略該操作條件的人數都比較多。根據試驗結果，可以推斷出駕駛員對于LDWS技術的認知有限，當LDWS不工作時駕駛員仍依賴于系統提醒其不同的駕駛環境。因此，這些因素不僅影響ADAS的社會效益，而且影響系統的可接受性和實用性。

刊名：Journal of Advanced Mechanical Design, Systems, and Manufacturing（英）

刊期：2014年第3期

作者：Tabinda Aziz et al

編譯：于立嬌