高 岩，尤志栋，罗 毅，寿任祯

(1.公安部交通管理科学研究所 道路交通集成优化与安全分析技术国家工程实验室，江苏 无锡 214151； 2.道路交通安全公安部重点实验室，江苏 无锡 214151)

0 引言

美国汽车工程师学会(SAE)根据自动化程度将自动驾驶车辆分为L0～L5 6个级别，受限于交通环境复杂性与相关技术发展水平，目前市场上量产发布最高的级别为L3级，即有条件自动驾驶。系统与人共享车辆的控制权，当系统遇到紧急状况且无法有效处理时，系统将会向驾驶人发出接管请求，驾驶人需迅速进入驾驶状态，及时接管车辆控制权，否则极有可能导致交通事故[1-2]。

现有量产车型大多要求驾驶人在自动驾驶模式下保持监管车辆的状态，如特斯拉Autopilot自动驾驶系统要求双手不能离开方向盘，凯迪拉克CT6搭载的智能驾驶系统允许驾驶人松开方向盘，但眼睛必须关注道路状况。在长时间自动驾驶时间状态下，驾驶人很难一直保持注意力集中，往往会进行打电话、听广播、看视频等与驾驶无关的活动，造成安全隐患[3]。针对此现象，国内外学者对自动驾驶接管过程中驾驶次任务对驾驶安全的影响开展相关研究。

在接管提示时间研究方面，Mok等[4]将观看视频作为驾驶次任务，对比不同提示时间对接管行为的影响，发现当驾驶人执行次任务时，需要至少预留5～6 s的提示时间，才能保证接管过程的安全性；Koo等[5]发现，根据接管场景的复杂程度，自动驾驶车辆需要提前4～8 s发出请求才可保证分心驾驶人完成接管，提前时间越长，接管过程越安全；Petermann等[6]发现，当自动驾驶车辆处于拥堵环境中时，驾驶人在分心状态下需要5.7～8.8 s才能顺利完成接管过程。

在接管反应时间研究方面，Piccinini等[7]发现，驾驶人接管自动驾驶车辆时的反应时间显著大于人工驾驶，特别是当驾驶人执行会产生视觉分心的次任务时，反应能力明显下降；鲁光泉等[8]通过对比不同驾驶次任务下的反应时间发现，视觉次任务会显著增加年轻驾驶人的接管时间。

在工作负荷研究方面，Nilsson等[9]通过对比自动驾驶与手动驾驶时脑力负荷发现，自动驾驶条件下脑力负荷远低于手动驾驶；Merat等[10]通过对比分析眨眼频率等参数发现，当驾驶人注意力集中时，人工驾驶与接管操作的工作负荷无显著区别，当有驾驶次任务时，接管操作的工作负荷更高；Rizzo等[11]通过任务负荷量表(NASA-TLX)测试发现，自动驾驶模式相对自适应巡航(ACC)等辅助驾驶模式及手动驾驶模式，驾驶人工作负荷显著更小。

在接管绩效研究方面，Gold等[12]比较自动驾驶5 min和20 min后驾驶人的接管行为发现，二者在视觉特征和接管反应时间方面有明显区别，而制动减速度和距离碰撞时间(TTC)方面无显著差异；Radlmayr等[13]研究交通状况和驾驶分心次任务对自动驾驶接管质量的影响，结果显示交通密度越大，接管质量越差，在高密度交通流中，标准视觉代替次任务(SuRT)和n-back认知次任务均会导致较高的事故率；Korber等[14]发现，高龄驾驶人(≥60岁)相比年轻驾驶人(≤28岁)，接管反应时间无显著差异，但制动更频繁和猛烈，距离碰撞时间更大；Moritz等[15]通过测试发现，驾驶人的反应时间与接管能力不相关，在特定场景下可以利用驾驶人的多任务能力预测其是否具备接管自动驾驶车辆的能力。尽管已有学者研究次任务条件下的自动驾驶接管行为，但未针对不同分心等级的真实驾驶次任务对自动驾驶接管过程的影响开展系统研究，未能说明在低等级自动驾驶条件下不同的真实驾驶次任务是否被允许。

本文的研究目的是分析城市道路场景下不同驾驶次任务对自动驾驶接管过程中驾驶行为的影响。设计城市道路条件下典型的自动驾驶接管场景，选择不同分心等级的真实驾驶次任务，利用实车驾驶模拟器开展试验，分析驾驶次任务对自动驾驶接管方式、接管过程中驾驶人反应特性、负荷特性以及接管绩效的影响。研究结果可为自动驾驶车辆相关法规与标准制定、产品设计提供理论参考。

1 自动驾驶接管试验

1.1 试验设计

1.1.1 驾驶次任务设计

当车辆长期处于自动驾驶状态时，驾驶人不可避免地会产生分心举动，不同驾驶人在自动驾驶过程中非驾驶相关任务的选择倾向性不同[16]。常见驾驶次任务可分为视觉分心、认知分心、操作分心以及组合分心，各自造成的分心程度也有所区别。依据驾驶次任务分心类型，本文试验选择与车内乘客聊天、观看车载视频、玩手机游戏3类典型次任务作为对照组进行试验，对应的分心类型与程度见表1。

表1 驾驶次任务Table 1 Driving subtasks

1.1.2 道路场景设计

试验道路为双向6车道城市道路，车道宽度为3.75 m，根据驾驶模式分为自动驾驶路段、接管路段和人工驾驶路段，各路段限速均为60 km/h，道路总长约10 km。自动驾驶路段与人工驾驶路段均为典型城市道路场景，3车道交通流量总计1 200 veh/h。在接管路段，为避免对驾驶人制动或转向避险操作的干扰，未设置交通流。

1.1.3 接管事件设计

文献[17-18]表明，当接管请求提前时间为7 s时，绝大多数驾驶人能够有充足的反应时间接管车辆，因此本文中自动驾驶接管请求提前时间设置为7 s。车辆进入接管路段后，道路前方出现机动车、非机动车与行人混合的复杂交通环境，此时距离车辆所在车道正前方116.7 m处(TTC=7 s)有行人从中央隔离带边缘由左至右以1 m/s的速度横穿道路，车辆发出请求接管信号后，驾驶人需立即执行制动或转向操作以避免事故发生。当方向盘转角大于5°或踏板行程大于10%时，系统判定驾驶人已采取有效接管操作，车辆进入人工驾驶状态；若驾驶人未采取有效接管操作，车辆将保持原速度继续行驶。根据文献[19]，本文研究接管请示方式为语音和图标同步提示，语音提示内容为“请您接管车辆”，提示图标如图1所示。

图1 接管提示图标Fig.1 Icon of take-over prompt

1.2 试验对象

本文试验共招募被试驾驶人30名(男性23名，女性7名)，均取得C1及以上驾驶证，其中3名职业驾驶人为A1驾照类型。被试者年龄为23～45岁，平均年龄32.17岁，标准差5.66岁；驾龄为1～26 a，平均驾龄5.78 a，标准差5.66 a。被试者均身体健康，在试验前24 h内禁止服用任何药物或饮用含酒精或咖啡因的饮料，睡眠充足，试验过程中精神状态良好。

1.3 试验设备

本文试验所用的驾驶模拟器硬件系统由驾驶舱、投影系统与运动平台构成，其中驾驶舱由大众捷达实车改造而成，含全部外观部件和操纵部件。投影环幕高2.2 m，弧长8 m，直径6 m，水平视角150°。运动平台具有6个自由度，可提供笛卡尔坐标系内的纵向、横向、垂向3个自由度平动，仰俯、侧倾、偏航3个自由度转动。软件系统采用Microsoft Visual Studio 2010进行开发，可同步采集车辆速度、加速度、制动及加速踏板开度、车辆位置等多项参数信息，数据采样频率为200 Hz。驾驶模拟器如图2所示。

图2 驾驶模拟器Fig.2 Driving simulator

1.4 试验流程

1)被试者首先签署知情同意书，并在基本信息表记录年龄、驾龄等信息。同时工作人员告知被试者试验流程，说明驾驶模式切换的操作要求。

2)试验开始前，被试者进行试驾，体验车辆由自动驾驶模式切换到人工驾驶模式的完整过程，直至被试者完全熟悉切换过程，掌握驾驶模拟器的方向盘、制动和加速踏板等操控部件的力度和灵敏度，并确认对驾驶模拟无任何不适反应。

3)试验开始后，车辆处于自动驾驶模式，被试者按要求处于不同的注意力状态；当车辆到达设定地点时，系统将发出接管请求，被试者需接管车辆的控制权，以避免险情发生，通过障碍物后继续手动驾驶至结束。要求每位被试者分别按照无驾驶次任务、与乘客聊天、观看车载视频、玩手机游戏的顺序各完成1次接管试验，其中无驾驶次任务状态是指被试者集中注意力观察路况，随时准备接管车辆。当被试者执行次任务遇到紧急状况时，立即停止执行次任务，控制车辆避险。为避免顺序效应的影响，每种驾驶次任务下的试验场景均有所不同。

4)完成驾驶任务后，被试者需填写NASA-LTX驾驶负荷问卷，对执行不同驾驶次任务状态时接管过程的工作负荷进行评价。

2 驾驶次任务对接管行为的影响分析

2.1 接管方式分析

接管车辆时，被试者可以选择制动、转向或者二者同步操作3种类型接管方式。对被试者选择不同接管方式的比例进行统计发现，采用制动操作占57.5%，转向操作占27.5%，同步操作占15%。综上所述，在本文试验设计的紧急接管条件下，被试者更倾向于采取制动操作接管自动驾驶车辆。

执行不同驾驶次任务时驾驶人接管方式的选择如图3所示。由图3可知，当执行驾驶看视频或玩游戏次任务时，被试者采取制动操作、同步操作的比例相对提高，单纯转向操作的比例下降。

图3 不同驾驶次任务下的接管方式比例Fig.3 Proportions of take-over patterns under different driving subtasks

2.2 接管反应时间

制动反应时间是指自车辆发出接管请求到驾驶人开始踩制动踏板的时间差，设定制动踏板行程大于10%为有效制动操作；转向反应时间指自发出接管请求到驾驶人开始转动方向盘的时间差，设定方向盘转角大于5°为有效转向操作。本文研究中接管反应时间取制动反应时间和转向反应时间之间的最小值，总体分布如图4所示。接管反应时间呈正态分布，分布区间为1.22～5.93 s。

图4 接管反应时间分布情况Fig.4 Distribution of take-over reaction time

被试者执行不同驾驶次任务时接管反应时间分布如图5所示，进一步利用单因素方差分析法(One-Way-ANOVA)检验不同驾驶次任务对接管反应时间的影响。方差分析结果显示，不同驾驶次任务对接管反应时间有显著影响(F=8.976，P=0.00<0.01，F为F检验统计量，P为显著性)。与无驾驶次任务状态(接管反应时间2.71±1.06 s)相比，与乘客聊天(接管反应时间2.73±0.76 s)略微增加接管反应时间，但二者之间并无显著差异(P=0.285>0.05)。看视频(接管反应时间3.39±1.23 s)(P=0.00<0.01)与玩游戏(接管反应时间3.62±1.19)(P=0.00<0.01)均会导致接管反应时间显著增加，看视频与玩游戏对于接管反应时间的影响无显著差异(P=0.571>0.05)。

图5 不同驾驶次任务下的接管反应时间Fig.5 Take-over reaction time under different driving subtasks

2.3 驾驶负荷分析

驾驶负荷是指驾驶人在行车时感知、处理外界相关信息并迅速形成决策等一系列过程所消耗的体力与脑力。本文研究中利用NASA-TLX工作负荷评价量表对被试者的驾驶负荷进行测量，整体呈正态分布，如图6所示。

图6 驾驶负荷整体分布情况Fig.6 Overall distribution of driving workload

被试者执行不同驾驶次任务时驾驶负荷分布如图7所示。通过对驾驶负荷问卷结果计算可知，当存在驾驶分心任务时，会增加被试者的工作负荷，与无驾驶次任务状态相比，与乘客聊天时工作负荷增加10.3%，观看车载视频时增加26.5%，玩手机游戏时增加35.0%。

图7 不同次任务下的驾驶负荷Fig.7 Driving workload under different subtasks

通过对驾驶负荷问卷结果计算可知，驾驶次任务对驾驶负荷有显著影响(F=5.086，P=0.003<0.01)。利用方差分析检验不同次任务对驾驶负荷的影响，结果见表2。由表2可知，与无驾驶次任务状态相比，看视频(P=0.014<0.05)与玩游戏(P=0.001<0.01)均会显著增加驾驶负荷；玩游戏时(P=0.006<0.01)的驾驶负荷相比聊天时显著增加；看视频和玩游戏时的驾驶负荷无显著区别。

表2 不同次任务下驾驶负荷的多重比较Table 2 Multiple comparison of driving workload under different subtasks

2.4 接管绩效分析

依据文献[3]，整个接管过程的紧急程度可以用最小TTC(距离碰撞时间)表征，驾驶人的接管策略可用纵向减速度和横向加速度代表，因此选择紧急程度、纵向减速度和横向加速度3个参数描述接管过程的驾驶绩效。其中，最小TTC是指接管过程中车辆距离前方障碍物的最小碰撞时间；纵向减速度是指接管过程中沿车道线方向的制动减速度大小；横向加速度是指接管过程中车辆的侧向移动加速度大小。不同驾驶次任务条件下的最小TTC分布如图8所示。经H检验分析发现，次任务类型对最小TTC并无显著影响(H=0.461，P=0.972>0.05，其中，H为H检验统计量，P为显著性)。

图8 不同次任务下的最小TTCFig.8 Minimum TTC under different subtasks

不同驾驶次任务条件下的纵向减速度分布如图9所示。经检验分析发现，次任务类型对纵向减速度具有显著影响(H=15.335，P=0.002<0.05)。通过两两比较发现，与无驾驶次任务状态相比，观看视频(P=0.018<0.05)和玩手机游戏(P=0.014<0.05)均会明显增加纵向减速度。

图9 不同次任务下的纵向减速度Fig.9 Longitudinal deceleration under different subtasks

不同驾驶次任务条件下的横向加速度分布如图10所示。经检验分析发现，次任务类型对横向加速度具有显著影响(H=7.893，P=0.048<0.05)。与无驾驶次任务状态相比，玩手机游戏(P=0.045<0.05)会明显增加横向加速度。

图10 不同次任务下的横向加速度Fig.10 Lateral acceleration under different subtasks

由前文分析可知，次任务分心程度越大，被试者接管反应时间越长，但检验分析发现不同次任务下的最小TTC值并无明显区别。这是由于当被试者执行分心任务时，会将增大制动减速度和转向角速度的方式作为接管反应时间长、应急处置时间短的补偿策略。其中，当被试者玩手机游戏时，其纵向与横向驾驶操作变化显著。

统计不同驾驶次任务对接管反应时间、驾驶负荷及接管绩效3项指标的影响，结果见表3。由表3可知：1)与无驾驶次任务状态相比，驾驶人与乘客聊天时各项参数均无显著变化；2)当驾驶人观看视频时，接管反应时间、驾驶负荷和接管过程中的平均纵向减速度3项参数指标显著增加；3)当驾驶人玩手机游戏时，4项参数指标显著增加，分别为接管反应时间、驾驶负荷、接管过程中的平均纵向减速度和平均横向加速度。

表3 驾驶次任务对相关参数的影响Table 3 Influence of driving subtasks on relevant parameters

由表3可知，和无驾驶次任务相比，与乘客聊天对自动驾驶接管过程无显著影响，观看车载视频与玩手机游戏则对接管过程多项参数指标具有显著影响。考虑此2项次任务的分心形式，当驾驶次任务涉及视觉分心与操作分心时，会显著增加驾驶人的工作负荷和反应时间，降低接管过程的安全水平。因而，在低等级自动驾驶条件下应明确禁止此类非驾驶活动。

3 结论

1)城市道路紧急接管场景下，驾驶人更倾向于选择制动操作接管车辆，次任务分心程度越高，制动接管比例越大。

2)与乘客聊天对自动驾驶接管过程无显著影响；观看视频和玩手机游戏均会显著延长驾驶人的接管反应时间，增加工作负荷与车辆纵向减速度，玩手机游戏还会显著提升接管过程的横向加速度。