自動駕駛人機共駕環境下駕駛人接管能力研究

吳政　韓冰　馬永豐

摘要：在人機共駕環境下，提出了自動駕駛系統中主動制動技術的執行方案，駕駛及交通環境下的自動駕駛與手動駕駛切換性能、駕駛員駕駛能力的評估方法，以及人機共駕系統的接管策略；研究了有條件自動駕駛對非駕駛相關任務的允準邊界。研究結論對駕駛人接管能力的提升和自動駕駛共存的發展具有一定的實際意義，可以為自動駕駛技術的應用和交通安全提供重要參考。

關鍵詞：自動駕駛；人機共駕；駕駛人接管能力

中圖分類號：U471.1? 收稿日期：2023-01-04

DOI：10.19999/j.cnki.1004-0226.2023.06.023

1 前言

在自動駕駛技術快速發展的背景下，越來越多的研究關注于自動駕駛的可行性和安全性。國內外學者對自動駕駛技術的研究主要集中在自動駕駛系統的設計、控制和評估等方面，其中涉及駕駛員接管能力的研究是其中重要的一環。在當前研究階段，智能網聯汽車或是自動駕駛汽車的自動化等級大多處于2/3等級，這一等級也被稱為部分/條件自動化等級，涉及人員的接管，即通過人機相互配合來實現車輛的自動化駕駛。因此，探究駕駛員在自動駕駛人機共駕環境下的接管能力對于提高道路安全、促進自動駕駛技術應用有著重要的現實意義。

2 駕駛輔助系統技術

2.1 人機共駕的接管策略

人機共駕環境下，駕駛員接收自動駕駛系統發出的接管指令時，會出現主動接管和被動接管兩種不同的接管方式。主動接管是指在系統收到駕駛員的接管指令時，自動駕駛系統立即執行相應操作，比如進行制動或轉向，且自動駕駛系統還會繼續執行其他操作；被動接管是指當駕駛員沒有收到任何接管指令時，自動駕駛系統不會對車輛進行任何控制，它會根據系統的反饋信息來判斷駕駛員是否需要接管車輛[1]。

對于人機共駕環境下的主動接管，其執行策略是根據車輛運行狀態、道路環境情況以及駕駛員的駕駛風格等來制定的。根據駕駛員對自動駕駛系統發出的指令是否正確進行判斷，若不正確則自動駕駛系統繼續執行相應操作；若正確則由自動駕駛系統完成相應操作。當自動駕駛系統出現故障或發生事故時，駕駛員在發現后還可主動啟動人工駕駛模式以保證車輛行駛安全。

2.2 接管的分類

對于人機共駕的接管，國內外學者一般將其分為兩類，即主動接管和被動接管。主動接管是指自動駕駛系統在接收到駕駛員的接管指令后，會立即執行相應操作以保證車輛安全行駛；被動接管是指自動駕駛系統在接收到駕駛員的接管指令后，不會對車輛進行任何控制，而是繼續執行相應操作，直至出現事故或故障時再進行人工干預[2]。

主動接管的分類主要包括兩個方面：a.針對系統發出的指令是否正確進行判斷；b.系統接收到指令后是否會立即執行。對于第一種情況，其主要是針對系統發出的指令是否正確進行判斷，此時要求自動駕駛系統具有較高的自主性以及對駕駛員的意圖進行準確理解和判斷，并且能夠根據實際情況作出正確的反應。但由于自動駕駛系統本身還未完全建立起完善的知識體系，且缺乏相應的場景輸入來輔助其進行判斷，因此系統在接收到指令時能否正確執行也存在一定風險。

而對于第二種情況，主要是針對系統發出的指令是否正確進行判斷，若判斷錯誤則自動駕駛系統不會對車輛進行任何控制，而是繼續執行相應操作。

2.3 接管時的狀態判斷

對于人機共駕環境下的被動接管，其狀態判斷主要是基于駕駛人是否收到接管指令，而不是自動駕駛系統的控制。自動駕駛系統接收到接管指令時，若駕駛員不按接管指令操作，則系統將執行人工駕駛模式。例如在車道偏離預警功能中，如果車輛出現車道偏離情況，駕駛員不按接管指令操作，系統將執行人工駕駛模式。

對于主動接管過程中的狀態判斷主要根據車輛的運行狀態來進行判斷。首先需要判斷車輛是否處于正常狀態，如果不是則說明駕駛員沒有接收到系統發出的接管指令；如果車輛處于緊急狀態，則說明駕駛員接收到了系統發出的接管指令；若車輛處于正常狀態，則說明駕駛員接收到了系統發出的接管指令。

2.4 接管執行策略

當自動駕駛系統接收到駕駛員的接管指令時，它會根據當前運行狀態以及道路情況來判斷是否需要進行相應操作，如果需要進行相關操作則會執行相應操作；如果不需要進行相關操作則會繼續執行其他操作。在此過程中，自動駕駛系統可以根據駕駛員的接管指令是否正確來判斷駕駛員需要接管車輛。如果不需要進行相應操作則會繼續執行其他操作，如轉向、制動等；如果需要進行相應操作，則會執行相應操作。

3 駕駛員駕駛能力的評估方法

駕駛能力是指駕駛人在駕駛過程中的感知能力、判斷能力、決策能力、執行能力等，是影響自動駕駛系統運行安全的重要因素，評估駕駛員的駕駛能力能夠為自動駕駛系統的開發提供重要參考[3]。

目前，國內外在進行駕駛員駕駛能力評估方面主要有以下三種方法：a.生理指標評估法；b.行為指標評估法；c.心理指標評估法。生理指標評估法主要包括心率、血壓、血氧飽和度以及加速度等。行為指標評估法主要包括緊急情況下的接管操作動作以及自動駕駛系統發出的預警信號等。心理指標評估法主要包括注意力集中時間、反應速度等。本節將對以上三種方法進行分析對比，并基于層次分析法和多元線性回歸對駕駛員的駕駛能力進行分析。

3.1 生理指標評估法

生理指標評估法是基于生理指標對駕駛員進行駕駛能力的評估，通過對駕駛員生理指標的測量，可以了解其身體狀況以及心理狀況。心率、血壓和血氧飽和度等生理指標可以反映出駕駛員在駕駛過程中的健康狀況，也是被廣泛使用的反映駕駛能力的生理指標。但是，這些生理指標只能反映出駕駛員在駕駛過程中的生理狀態，而無法全面反映駕駛員在駕駛過程中的能力。另外，在自動駕駛人機共駕系統中，駕駛員往往需要進行接管操作以保證車輛安全，因此，無法準確地檢測出接管過程中車輛是否出現異常情況。同時，上述生理指標只能用于在靜態駕駛環境下評估駕駛員的駕駛能力，無法滿足動態駕駛環境下對駕駛員能力評估的需求。

3.2 行為指標評估法

行為指標評估法主要是對接管過程中的接管動作進行研究，在自動駕駛系統收到預警信號后，通過駕駛人接管操作動作的數據，對駕駛員的駕駛能力進行評估。行為指標評估法一般包含以下幾個步驟：

a.對自動駕駛系統發出的預警信號進行分析。

b.對駕駛員進行接管操作動作分析。

c.獲取駕駛員在接管操作過程中的各項指標數據。

d.對駕駛人的接管能力進行分析。

基于以上步驟，行為指標評估法可以較為準確地評估出駕駛員在自動駕駛系統發出預警信號時所處的狀態。但是，該方法需要在系統設計之初就考慮到駕駛員接管操作動作，而在人機共駕模式下，由于人機交互較少，該方法很難用于自動駕駛系統的設計。

3.3 心理指標評估法

隨著自動駕駛技術的不斷發展，在人機共駕場景下，自動駕駛系統對駕駛員的駕駛能力提出了更高的要求，因此需要從駕駛員的心理方面進行研究。心理指標評估法主要通過檢測駕駛員在接收到前方車輛發出的預警信號后的反應速度、注意力集中時間等來判斷駕駛員對預警信息的接受程度，以評估其駕駛能力。該方法考慮了自動駕駛系統對于接管預警信號的響應速度，并且能夠從多個維度對駕駛員的駕駛能力進行綜合評估。

由于不同類型車輛對于自動駕駛系統發出預警信號的反應時間存在差異，因此通過在不同車輛之間進行對比，從而分析自動駕駛系統對于不同類型車輛預警信號的響應速度，可以更加客觀地反映駕駛員在接收到預警信號后對其接管能力的判斷。

4 人機共駕接管策略研究及非駕駛相關任務允許邊界

為了研究人機共駕場景下自動駕駛系統與人類駕駛員的接管策略，設計了一套完整的實驗方案，該實驗方案包括了對危險警告響應階段、決策控制階段和自主接管階段的實驗數據采集，并通過采用多因素方差分析、層次分析法以及多元線性回歸等方法分析了不同影響因素對人類駕駛員接管能力的影響，同時基于相關法規和規范對人機共駕環境下非駕駛相關任務允許邊界進行了分析[4]。

結果表明：在危險警告響應階段，自動駕駛系統提供的駕駛員接管信號強度對接管成功率的影響顯著；在決策控制階段，駕駛員對危險警告信號的響應時間會直接影響其接管成功率；在自主接管階段，駕駛員是否成功接管與其接管策略之間沒有明顯的相關性。由此可見，針對不同等級的自動駕駛系統，其對人類駕駛員接管能力的影響程度存在顯著差異。因此，應根據自動駕駛系統所提供的信號強度情況和駕駛員自身駕駛能力，合理地確定人機共駕系統的接管策略。

為了明確人機共駕環境下非駕駛相關任務允許邊界問題，分別從“系統安全”和“人機共駕規范”兩個角度對人機共駕環境下非駕駛相關任務允許邊界進行了分析。

4.1 基于系統安全的接管策略

依據《中華人民共和國道路交通安全法》中關于駕駛人接管的相關規定，駕駛員應在系統發出接管指令后，通過適當方式主動采取相應的行為來保證車輛的安全行駛。因此，認為自動駕駛系統在收到駕駛員發出的接管指令后，應及時向駕駛員發出接管提示信息，以確保人類駕駛員能夠順利完成對車輛的接管操作。

其中，當自動駕駛系統提供的危險警告信號強度較小時，系統會通過適當方式向人類駕駛員發出接管信號；當自動駕駛系統提供的危險警告信號強度較大時，系統則會通過更直接的方式向人類駕駛員發出接管指令；當自動駕駛系統提供的危險警告信號強度超過人類駕駛員能夠承受的范圍時，則自動駕駛系統應及時終止與人類駕駛員之間的交互，從而避免造成不必要的人員傷亡或財產損失。

然而，由于自動駕駛系統通常采用高級別自動駕駛技術，其在接管過程中對環境信息的采集、處理和執行速度都相對較快，因此需要根據自動駕駛系統提供的接管信號強度情況和人類駕駛員自身駕駛能力等因素合理確定人機共駕環境下非駕駛相關任務允許邊界。

4.2 基于人機共駕規范的允許邊界分析

對于非駕駛相關任務允許邊界的確定，參考《智能網聯汽車自動駕駛信息交互系統技術要求》（GB/T 35378-2017）中對系統可接管能力的定義，并結合人機共駕場景下車輛與駕駛人之間的交互關系，明確了非駕駛相關任務允許邊界的具體內容。

在人機共駕場景下，人機共駕系統的可接管能力主要受以下因素影響：系統自身特性、安全冗余、人機交互過程以及用戶對車輛接管需求等。其中，自動駕駛系統性能越高，系統自身特性對人機共駕系統接管能力的影響程度越低；而安全冗余、人機交互過程以及用戶對車輛的接管需求等因素，對人機共駕系統接管能力的影響程度較高。

由于所研究的自動駕駛系統僅支持在其決策控制階段提供輔助駕駛功能，因此根據其決策控制階段的運行邏輯和主要任務，可以將其分為兩類：a.基于人工駕駛模式的輔助駕駛功能；b.基于自動駕駛模式的輔助駕駛功能。對于第一類輔助駕駛功能，若用戶期望由自動駕駛系統完成全部或部分任務，則可將其視為非駕駛相關任務；對于第二類輔助駕駛功能，則應基于人機共駕規范確定允許邊界。在人機共駕場景下，當自動駕駛系統提供了全部或部分非駕駛相關任務時，若用戶仍希望由人來完成全部或部分任務，則可將該功能視為非駕駛相關任務。值得注意的是，由于非駕駛相關任務不直接與車輛安全性相關聯，因此其允許邊界不宜過寬；同時，在滿足人機共駕規范前提下應盡可能地簡化非駕駛相關任務。

5 接管能力關鍵因素分析

本節首先利用層次分析法對各因素對接管能力的影響程度進行權重分析，其中影響程度從大到小依次為：駕駛員特征（0.65）、自動駕駛系統特性（0.63）、車輛特性（0.55）、駕駛環境特性（0.55）、自動駕駛系統性能（0.55）。

然后，利用多元線性回歸法建立各因素對接管能力的影響模型，其中自動駕駛系統性能的影響系數最大，其次是駕駛員特征，車輛特性的影響系數最小。模型中的自變量分別為：駕駛員特征（n=3）、自動駕駛系統性能（n=4）、車輛特性（n=5）。模型回歸系數由大到小依次為：駕駛員特征>自動駕駛系統性能>車輛特性>自動駕駛系統性能。

最后，基于該模型利用MATLAB軟件，從數據中提取影響接管能力的關鍵因素，并通過方差分析、層次分析法以及多元線性回歸等方法對提取出的關鍵因素進行進一步分析。

5.1 方差分析

方差分析是一種多因素的試驗設計方法，能將多個因素的差異予以區分。方差分析就是對試驗結果進行統計分析，找出變量間的差異。在本節中，我們采用方差分析法對接管能力各因素進行比較和分析，目的在于找出各因素對接管能力影響的顯著性差異，其中“駕駛員特征”顯著性水平為0.05，“自動駕駛系統性能”顯著性水平為0.10，“自動駕駛系統性能”顯著性水平為0.05，“駕駛環境特性”顯著性水平為0.10。由此可以看出，在接管過程中“駕駛員特征”和“自動駕駛系統性能”對接管能力的影響最為顯著，而“自動駕駛系統性能”對接管能力的影響最小。

5.2 層次分析法

層次分析法是一種定性與定量分析相結合的決策方法，它主要是將一個復雜的問題，根據各層因素的重要性進行兩兩比較，從而得出各個因素相對于目標層的相對權重，通過計算得出結果。該方法可以使人們對問題進行系統化、層次化分析，從而將復雜的問題簡單化，通過兩兩比較來確定要素之間的相對重要性，最終形成一個決策方案。在本研究中，接管能力因素也是一個層次分明、結構明確的系統，采用層次分析法進行權重計算可得到各因素對接管能力影響程度的權重大小。通過對各因素對接管能力影響程度進行權重計算，得出各因素對接管能力影響程度的排序情況。

5.3 多元線性回歸

將接管能力評價指標作為自變量，自動駕駛系統性能、車輛特性和駕駛員特征為因變量，構建多元線性回歸模型，其中，接管能力的評價指標與接管時間和車輛特性有顯著性相關關系，與駕駛員特征的相關性較小。由回歸結果可知，駕駛員特征、車輛特性以及自動駕駛系統性能對接管時間均具有顯著影響。其中，自動駕駛系統性能對接管時間的影響最大，其次是駕駛員特征、車輛特性，自動駕駛系統性能的影響系數最小。同時發現，在不同的駕駛環境下，對接管時間影響較大的因素有所不同。當所處駕駛環境中含有緊急事件時，對接管時間的影響程度較高。當處于擁堵路況時，對接管時間影響最大的因素為車輛特性。

6 結語

針對自動駕駛人機共駕的場景，基于人類駕駛員對危險警告響應階段、決策控制階段以及自主接管階段的接管特征，構建了包含駕駛人個體特征、接管策略以及自動駕駛系統三個維度的接管能力評估模型，并通過多因素方差分析，得到影響自動駕駛人機共駕環境下人類駕駛員接管能力的關鍵因素，分別為年齡、性別、駕齡、性格類型以及情感因素。基于模型分析結果，從理論上提出了提升人類駕駛員接管能力的建議，未來人機共駕技術對人類駕駛員接管能力的提升提供了理論依據。未來研究可從以下幾個方面進行：

a.開發更為合理的自動駕駛系統，以更好地模擬人類駕駛員的駕駛行為。

b.從微觀層面進行研究，以更全面地分析人類駕駛員接管能力與自動駕駛系統接管能力之間的交互關系。

c.對未來人機共駕技術進行展望，為人機共駕技術的發展提供參考。

參考文獻：

[1]張暉，倪定安，曾科，等人機共駕環境下駕駛疲勞研究綜述[J]中國安全科學學報，2023，33（3）：204-211

[2]曾嘉賓，李靖宇，尤志棟自動駕駛人機共駕環境下駕駛人接管能力研究進展[J]交通科技與經濟，2022，24（5）：30-37

[3]尹娟自動駕駛中次任務參與模式對年輕駕駛人接管績效的影響[D]長安：長安大學，2021

[4]肖逸影人機共駕環境下非駕駛任務對駕駛認知及接管績效的影響[D]武漢：武漢理工大學，2021

作者簡介：

吳政，男，1979年生，副教授，研究方向為機械制造。