郭烈，胥林立，秦增科，王旭

(大连理工大学，汽车工程学院,辽宁大连 116024)

0 引言

随着网联技术在汽车行业的不断应用和人工智能、控制算法及车载传感器的不断突破，自动驾驶技术得到快速发展，各种驾驶辅助系统相继投入使用。电气化、智能化及网联化已经成为汽车行业发展的新方向。

根据美国汽车工程师学会(Society of Automotive Engineers,SAE)制定的分类标准，自动驾驶共分为6级：无自动化(L0)、驾驶辅助(L1)、部分自动化(L2)、条件自动化(L3)、高度自动化(L4)以及完全自动化(L5)。2021年，SAE International对驾驶自动化分类标准进行了更新和完善，进一步明确L3 级和L4 级之间的区别，包括：驾驶员所承担的角色，L3 级自动化级别的功能回退以及L4 级自动驾驶系统(Automated Driving System,ADS)对车内用户发出警报的可能性。报告中再次强调，驾驶员作为执行动态驾驶任务的后备角色，在自动驾驶时不需要监督L3 级ADS，但在ADS 发生故障或驾驶环境超出系统运行设计域(Operational Design Domain,ODD)而不支持ADS 继续运行时，要求驾驶员在ADS发出接管请求时重新恢复动态驾驶任务。其中，ODD 指ADS 功能设计时，对ADS 功能执行环境的限制，包括：天气状况、地理条件、道路情况、前方区域是否可行驶及行驶路线是否明确等一系列限制[1]。

在驾驶员重新恢复动态驾驶任务的过程中，驾驶员对驾驶环境信息的感知和理解以及人-机交互系统的设计对整个接管过程起着重要作用，驾驶接管安全将更取决于人和自动化系统的综合性能[2-3]。因此，本文主要研究对象为L3 级别的自动驾驶车辆，除非特殊指明，下文所述自动驾驶车辆和ADS均指L3级别的自动驾驶。

接管过程由几个连续的阶段组成。在自动驾驶过程中突发紧急事件或ADS 超出ODD 时，系统会触发接管请求(Take Over Request,TOR)，并通过人-机交互系统提醒驾驶员接管车辆[4]。驾驶员在接收到系统的请求后，需要将注意力从非驾驶相关任务(Non-Driving Related Task,NDRT) 完全转移到驾驶环境上，通过对环境的重新感知和理解，恢复对车辆的控制[5]。同时，当驾驶员发现ADS无法胜任驾驶任务，或者因自身原因无法或不愿继续控制车辆时，在ADS具备自动驾驶的条件下，驾驶员可主动接管车辆或将驾驶任务转移给ADS[2,6]。由此可见，驾驶接管的安全性受较多因素影响，具体包括：人因问题(NDRT、驾驶员年龄、接管经验、情景感知、接管时间预算)、交通环境(交通密度、道路条件)以及人-机交互系统(接管请求方式、控制权切换形式)等[7-8]。

驾驶员接管车辆的表现通常用接管绩效来衡量，接管绩效包括时间和质量两大维度[8]。从时间维度看，接管时间通常定义为TOR与驾驶员第1次在视觉或行为反应之间的时间间隔。驾驶员的视觉反应时间通常用TOR 发出后与驾驶员第1 次关注某区域之间时间来衡量。驾驶员行为反应时间通常用手或脚第1 次重新定位到控制单元之间的时间以及驾驶员第1 次有效接管车辆时间来衡量(通常定义为驾驶员踩下刹车踏板超过10%或转动方向盘超过2°)。

接管事件中驾驶员对车辆的操作将导致车辆横、纵向的速度发生变化，因此，衡量接管质量最重要的指标是车辆的速度和加速度指标。同时，接管质量还取决于驾驶员对接管事件的反应，例如，与危险源之间的碰撞时间，对方向盘和制动踏板的操纵。同时，换道相关数据也可被收集于接管过程[9]。

除此之外，基于生理测量的评价方法也被用于评价驾驶员在自动驾驶过程中的情境意识和脑力负荷[10]。使用生理测量方式评估驾驶员脑力负荷的潜力已在先前的研究中得到广泛证实。其主要优势在于客观性、非中断性以及在现实世界和模拟环境中持续使用的潜力。但其局限性在于容易受实验环境的影响。因此，必须对生理数据进行预处理和标准化，最大限度地减少环境噪声和个体差异的影响。例如，ALREFAIE 等[11]使用平均标准化瞳孔直径和心率评估驾驶员在执行NDRT 时的脑力负荷。发现从事占用手部资源的NDRT 将导致心率显著增加，并认为瞳孔直径的测量仅在实验环境受到高度控制时才有效。在ZHANG 等[12]和CHARLES 等[13]的综述中，详细讨论了生理测量在驾驶员情景意识获取和脑力负荷方面的应用。

近年来，网联技术的发展使自动驾驶车辆获取信息的边界得到了极大的扩展。网联技术融合现代通信与网络技术，能实现车与X(车、路、人、云等)之间的信息交换和共享。智能网联车辆具备复杂环境感知、智能决策以及协同控制等功能，可实现安全、高效、舒适、节能行驶，并最终实现替代人来操作[14]。

TOR 以及控制权切换(Transitions of Control,ToC)问题作为自动驾驶车辆关键核心技术之一，在自动驾驶过程中需保证驾驶员在长时间脱离驾驶任务后仍具有一定的认知能力，且接管请求应能使驾驶员的注意力及时转移到对驾驶环境的感知中，避免因此引起驾驶员慌乱。在控制权切换过程中，需保证控制权能平稳安全的过渡给驾驶员，避免交通事故发生。同时，随着网联技术的发展，利用其提供的驾驶信息，更高效、更安全地完成接管，也是驾驶接管需要关注的重点。本文基于以上关键问题，以驾驶接管系统为中心，对接管过程中涉及的人因、交通环境、人机交互等影响因素进行分析与讨论，并对该领域未来的研究方向进行展望。

1 人因对接管过程的影响

由于人类不擅长长时间保持警惕和持续关注的任务[15]，当驾驶员从驾驶任务中解脱后，可能造成驾驶员精神负荷不足，并随着时间的推移，会出现注意力不集中和反应变慢等被动疲劳状态[16]。这些表现降低了驾驶员的监管能力，削弱了驾驶员在必要时进行接管的反应能力，从而导致潜在的危急情况。因此，驾驶接管过程中的人因问题研究受到了广泛的关注，成为该领域研究中的重点之一。

1.1 非驾驶相关任务

在L3 级ADS 中，驾驶员可以完全脱离驾驶任务，甚至无需监督驾驶环境，这意味着驾驶员可以在自动驾驶期间执行与驾驶无关的任务，即非驾驶相关任务或次任务。之前的研究发现，即使不被允许，驾驶员仍有可能在L3 自动化以下的车辆上从事非驾驶相关的任务，并对驾驶性能带来了负面影响[17-18]。更高水平的自动化进入市场后(L3～L5)，预计会推动更复杂的NDRT。同时，NDRT 也将从次任务级别提升为第2主要任务(除准备接管外)。根据FORSTER等[19]的研究发现，与L2级ADS相比，L3 级ADS 中的NDRT 参与度明显更强，并且驾驶员在NDRT中的参与度随着时间的推移而更高。

MORALES-ALVAREZ 等[20]根据NDRT 的资源需求将其划分为认知需求、视觉需求及身体需求(主要为手部)任务。先前的研究表明，NDRT 会延长接管时间并对接管绩效产生负面影响[21]。特别是执行具有手部资源需求的NDRT时，接管时间平均增加了1.33 s，而参与具有视觉和认知需求NDRT 的接管时间比不使用NDRT 时略微增加0.29 s[8]。此外，NDRT 也可根据其任务类型分为标准型任务(例如，N-back 任务，标准视觉SuRT 任务等)和自然型任务(例如，看视频，与乘客交谈等)。由于其出色的可控性和可重复性，标准型任务通常被用作NDRT 评估驾驶员在自动驾驶中的表现[22]。然而，标准型任务的缺点是将研究结果转化为现实的能力有限。尤其是在L3 级ADS 中，驾驶员从事的NDRT会更加复杂。事实上，当自然型任务和标准型任务被用作次要任务时，实验结果的差异已经确定，例如，驾驶员在执行标准型通话任务时(执行数学运算)要比自然型通话任务对驾驶的干扰更大，标准型通话任务下的速度差异(平均速度变化为2.1 m·s-1要显著高于自然型通话任务下的速度差异(平均速度变化为2.5 m·s-1)[23]。KO 等[24]认为，在研究NDRT 时，“flow”(对一项任务的强烈投入或完全专注)的概念相比于传统的基于工作负载的自动驾驶范式更合适，这也意味着自然型任务比传统的标准型任务更有效，驾驶员更有动力执行自然型任务。PFLEGING等[25]的一项调查也发现，驾驶员在更高级别的ADS中更倾向于使用智能手机，与乘客交谈以及听音乐等活动。因此，在L3级ADS 的研究中，需要更多地考虑自然型任务，以检查这些任务的分心潜力。

1.2 驾驶员认知负荷特性

ADS发出接管请求后，驾驶员需要完成对交通环境的重新感知，并做出合理预判和驾驶决策，因此，驾驶员的认知负荷会直接影响到接管绩效[26]。在长时间的自动驾驶过程中，驾驶员容易出现驾驶分心、被动疲劳、对ADS过度信任和驾驶技能退化等4个问题[27]。接管过程时间线如图1所示。

图1 接管过程时间线Fig.1 Timeline of takeover process

驾驶分心主要表现为驾驶员的注意力从监视路况等基本驾驶任务转移到NDRT 中，进而降低驾驶员对交通状况的认知。当系统发出接管请求后，驾驶员需要先脱离NDRT，才能恢复对场景的重新感知，因此，在一定程度上延长了接管时间，并对接管质量产生一定的影响[28-29]。驾驶员在未参与NDRT 时，会频繁地检查抬头显示器和后视镜，收集更多关于道路环境的信息，因执行NDRT而分心的驾驶员会更多地将目光集中在道路中心[30]。因此，参与NDRT 可能会降低驾驶员对驾驶环境相关因素的感知，导致较差的接管绩效[31]。在长时间的自动驾驶过程中，驾驶任务的大幅减少会导致驾驶员认知负荷降低并陷入被动疲劳，进而致其表现出昏睡、注意力不集中以及对周围刺激反应减弱等状态[32-33]。同时，驾驶员对ADS 功能的过于信任和过度依赖，也将进一步增加驾驶分心和被动疲劳的倾向[34]。

部分研究发现，在长时间自动驾驶后，适当的NDRT 使驾驶员有更好地接管绩效。驾驶员在从事NDRT 时，仍保持一定的认知负荷，从而降低了被动疲劳水平，在面对TOR 时能更加警觉[35-36]。GOLD 等[7]发现随着NDRT 负荷的增加，最小碰撞时间也上升了。可能的解释是，NDRT带来的认知负荷激活了驾驶员的注意力资源，降低了被动疲劳水平。

然而，一些研究却无法复制这些发现，并认为NDRT没有引起接管绩效的提高[37-38]。这些矛盾结果的一个可能原因是，强制性的NDRT对每个驾驶员来说没有相同的内在动机特征，因此，没有产生相同的刺激效果，由于工作量大，长期强制参与NDRT 甚至可能导致主动疲劳(由长时间的高工作负荷引起)[39]。因此，驾驶员适当的自愿参与可选的NDRT，在一定程度上可以自我调节，以消除被动疲劳，使驾驶员保持一定的认知负荷。

1.3 接管时间预算

1.3.1 人因对接管时间预算的影响

受限于车载传感器的探测范围和预测系统边界的能力，ADS只能在有限的时间内对即将到来的危险做出警报，以提醒驾驶员接管车辆。因此，驾驶员接管车辆所需时间是非常重要的问题。

接管时间提前量一般指从系统发出接管请求到关键事件发生所需的时间。然而，由于驾驶员的反应特性、所从事的NDRT 及所处的驾驶环境不同，驾驶员接管所需时间相差较大。在有时间要求的场景下，接管时间多在3～7 s范围内[40-41]。而在无时间压力的接管研究中，驾驶员接管的时间均值在4.5～6.0 s，但实际范围却在1.9～25.7 s[42]。相关研究发现，驾驶员的情境意识和注意力的恢复约占整个接管提前量的1/2，接管提前量越短，驾驶员反应越快，操纵车辆的时间也就越早，但是对车辆的操作也更激烈，接管质量也相对更差；当驾驶员没有足够时间恢复对情景的认知并做出正确的决定时，驾驶员往往更倾向于采取制动操作，以降低车速获得更多的时间来做出决定或进行变道[37]。

不同类型的NDRT 对接管时间的影响也有一定的差异，占据手部资源的NDRT表现出更长的接管时间，除此之外，进行视觉类NDRT 的平均接管时间略有增加。ALREFAIE 等[11]检查了由认知和视觉-认知NDRT 引起的瞳孔直径和心率的变化，发现在视觉-认知NDRT的条件下，瞳孔扩张最大，心率也较高，且驾驶员的反应时间也较长。ZEEB等[22]通过分析驾驶员的眼部运动和机动反应，认为驾驶员的视觉反应和建立运动准备状态几乎是条件反射的，但对环境认知的处理过程受到驾驶员分心的影响，从而影响最终的接管质量。

同时，接管经验对接管时间有很强的影响，重复接管试验将有助于缩短反应时间，即使在多次体验接管后，该现象会减弱，但不会消失[43]。徐筱秦等[44]的研究发现，年龄对接管的影响主要体现在驾驶操作方面，而非反应时间。接管时间在很大程度上反映了接管的机动过程，而不是年龄的限制，年长司机的反应时间较慢，但其驾驶风格可能更谨慎，即使在不是严格必要的情况下也可能很快接管。

驾驶接管请求往往是在较为紧急的情况下发出的，因此，接管时间提前量较为受限。然而，网联技术的应用，可以使车辆更早的发现危险源，增加接管时间提前量的可利用范围[45]。但是过早且频繁的警报有可能会造成驾驶员对警报信号缺乏警惕性。因此，如何利用好这段时间来引导驾驶员恢复对场景的感知，并做出合理的驾驶决策也是今后研究的重点。

1.3.2 双阶段接管请求研究

目前，大多数ToC的相关研究都采取单步接管的模式，尤其是在紧急场景中，驾驶员需要在系统发出接管请求后的几秒内重新恢复对车辆的控制权。然而，驾驶员的反应时间取决于多种因素，不能期望驾驶员在任何驾驶环境下都能在固定的时间内完成接管操作。

近年来，随着网联技术的发展，道路信息的获取边界得到了极大的扩展，智能网联车辆能更早地获取到潜在的危险，为ToC 提供了更长的过渡时间，如果能将其充分利用，ToC 将更加安全。DEMMEL 等[46]通过仿真技术得出，V2X 技术能将危险预警的提前时间增加6～7 s，通过提前预警，可以使驾驶员有足够的时间恢复场景感知并重新获得车辆的控制权。

双阶段接管模式将接管预警信号分为两次发出，第1 次作为预警，将驾驶员的注意力吸引到驾驶环境中，完成对驾驶环境的感知；第2 次作为最后的警报，提醒驾驶员已经到了最后的接管时间点，要求驾驶员接管[47]。双阶段接管模式在ToC前留给驾驶员一段过渡期，让驾驶员提前恢复对驾驶环境的感知，从而有效降低驾驶员接管过程中的工作负荷[48-50]。相比单步接管的方式，驾驶员在双阶段接管请求模式下展现出更好的接管质量以及更高的接受度[51-52]。ZHANG等[53]研究发现，双阶段接管模式下，5 s和7 s的警报间隔，要比3 s和9 s能带来更好的接管质量，且5 s 的时间间隔对驾驶员来说是最佳的。双阶段接管模式如图2所示。

图2 环境监督请求和接管请求Fig.2 Environmental monitoring requests and takeover requests

综上分析可知，与单步接管的情况相比，双阶段接管模式下，驾驶员表现出更好的接管绩效，对接管请求的响应时间更短，接管质量也更高。双阶段接管系统有望在未来依托于网联技术的提高而得到更好的应用，从而提高车辆的接管安全性，降低发生碰撞的风险[54]。

2 交通环境对接管过程的影响

2.1 交通密度

驾驶是一种动态的交互行为，需要实时获取其他道路使用者的行驶状态，并做出合理预判和驾驶决策。因此，驾驶员接收到接管请求，恢复情景感知并重新接管车辆的过程中，交通密度在一定程度上影响了接管过程。

相关研究表明，复杂的交通环境对接管绩效造成一定的负面影响，尤其是在驾驶员认知负荷较高的情况下，驾驶员眼部注视情况更为复杂，从而导致接管准备度相对较低，接管质量较差[55]。在交通密度较高且有转向操作要求工况下，驾驶员会更加关注相邻车道和左、右后视镜，在没有转向操作需求时，则会很少关注后视镜和人-机交互界面，而将更多的注视时间停留在本车道[56]。在高密度交通环境中，由于对复杂场景的认知度较低，驾驶员的心率加速模式处于一种较高的水平(比低交通密度环境中约高23%左右)，且在注意力需求较大的场景下，复杂的交通环境会使驾驶员选择性地忽视或拒绝接收一些交通信息[57]。

在高密度的交通场景下，周围车辆的动态会迫使驾驶员采取一些比较保守的操作，例如，谨慎使用转向或加速操作，致使驾驶员的制动频次增加[58-60]。同时，由于行车间距较小，车辆之间的碰撞时间减少，也在一定程度上增加了接管过程中的碰撞概率，相比于低密度条件，驾驶员在高密度场景下的碰撞概率增加了40%左右[61]。

2.2 道路条件及气候环境

影响接管的另一个关键因素是道路的几何形状，道路形状会对车辆的速度与加速度产生限制作用，进而影响驾驶员的操作。道路的曲率会影响驾驶员将车辆保持在车道中央的能力，且弯曲的道路阻碍了未来一段时间内道路交通情况的可见性。因此，在许多情况下，当驾驶员以较高的车速进入弯道之前，通常会采取紧急制动等措施来降低车速，以避免车辆失稳[62]。此外，当驾驶员重新控制车辆时，道路几何形状也会影响驾驶员的减速模式，在进入弯道时，驾驶员的减速操作会更加突然[63]。

自动驾驶车辆可以根据其开发的控制算法使速度适应当前的道路曲率，但触发TOR时，需要考虑道路形状对驾驶员接管操作的影响。道路曲率较高时，驾驶员需要更多时间做出操作反应，且驾驶员控制车辆时会出现较大横向偏差和更高的偏差变化率[64]。BOROJENI 等[65]发现道路形状和接管请求的紧急度之间存在明显的交互作用，在直线道路上发生接管请求时，驾驶员对高紧急度请求的反应速度平均要快0.22 s；在弯道条件下，驾驶员对高紧急度请求的响应平均要慢0.09 s。

除了道路曲率外，气候环境对驾驶员恢复场景感知也产生了一定的影响。例如，雾浓度较高时，驾驶员的注视区域更多停留在道路和仪表板之间，而雾浓度较低时，驾驶员更倾向于看路中间。同时，在可见度较低的场景下，驾驶员对关键事件的反应时间更长，需要花更多的时间重新将注意力转移到驾驶场景上[66]。

综上分析，道路曲率和可见度等因素会影响驾驶员的感知、认知及决策过程，当驾驶员感知到车辆在弯道上行驶或可见度较低时，需要更多的时间去理解当前的驾驶环境，才能执行比较安全的操作。

2.3 混合交通中智能网联车辆的控制权切换管理

随着网联车辆和自动驾驶车辆的普及，会出现不同级别的自动驾驶车辆、网联车辆及传统车辆共存的混合交通路况。由于缺少传感器输入，高度复杂的情况，人为因素等原因，自动驾驶车辆在道路上的某些区域可能无法维持现有的自动化水平[67]。因此，自动驾驶车辆在这些区域内将改变其自动化水平，称这些地区为“过渡区”[68]。

如果没有适当的交通管理系统，在“过渡区”内，可能会导致车辆发出TOR 甚至启动最低风险策略(Minimum Risk Maneuvers，MRM)将车辆停止到本车道或路肩[69]。且在驾驶员未能响应TOR 而导致车辆执行MRM 时，新的交通环境可能会触发其他车辆执行ToC，进而影响总体的交通流量和车辆行驶安全性。因此，需要新颖的交通管理系统来有效和安全地处理多种控制权过渡问题。不仅要考虑自车，还要考虑总体交通流，针对不同ToC 触发场景定义不同的管理方式，并适用于网联、自动驾驶及传统车辆共存的混合交通场景[70-71]。网联环境下接管时间线如图3所示。

图3 网联环境下接管时间线Fig.3 Timeline of takeover in connected environment

在这方面，欧盟TransAID(Transition Areas for Infrastructure-Assisted Driving)Horizon 2020 项目专注于混合交通场景中的ToC问题，开发协同智能交通管理系统(Cooperative Intelligent Transport Systems,C-ITS)，以实现自动化、网联及传统车辆的平稳共存，从而避免过渡区集中出现ToC和MRM，或通过一定的措施来管理它们，以提高总体交通安全性和效率。在TransAID项目中，定义以下3种方法处理过渡区域中的ToC问题，以最小化ToC对交通效率和安全性的影响[72]：

(1)预防ToC。分析当前总体交通状况，在交通效率不被扰乱的情况下，制定交通管理措施以维持智能网联车辆的自动驾驶等级。

(2)分布ToC。在预测到将要触发ToC 且无法预防的情况下，在时间和空间上对每个车辆的ToC进行分布，以避免在同一区域中出现多个车辆触发ToC的情况。

(3)管理ToC。当无法避免ToC，且没有时间或空间来分布ToC时，在执行ToC期间引导智能网联车辆以最小化负面影响。

针对上述方法，TransAID项目制定5种服务措施，每种服务作为一项交通管理措施，用以处理不同场景下可能出现的ToC 集中触发的事件[73]。针对混合交通下的不同交通场景，相关研究根据TransAID项目提出的5项服务措施，通过仿真技术验证了C-ITS所支持的交通管理措施，能最大程度地减少过渡地区ToC的负面影响，帮助过渡区ToC的管理[74-76]。过渡区交通管理服务如表1所示。

表1 过渡区交通管理服务Table 1 Traffic management services for transition zone

C-ITS 利用网联技术的优势，根据车辆以及基础设施等网联设备所提供的道路信息，制定不同的交通控制措施[77]。从宏观交通角度引导和管理智能网联车辆，避免大量智能网联车辆集中在过渡区发生ToC和MRM而导致交通混乱，并有助于平稳、安全地重新安置需要ToC的车辆。

3 人-机交互系统对接管过程的影响

人-机交互系统作为驾驶员和系统进行信息交互的枢纽，在发生紧急事件或超出系统运行域的时候，必须清晰有效地向驾驶员发出接管信息。如果驾驶员未能识别出接管请求或因此引起慌乱，可能会引起碰撞事故的发生。因此，在接管过程中，人-机交互是十分重要的。

3.1 视觉交互

视觉交互的优点在于能在较短的时间内给驾驶员提供较多的交互信息，不仅能提醒驾驶员及时接管车辆，还能传递请求接管的原因和当前驾驶状况等信息。同时，面对复杂的信息，人类在视觉上的处理速度具有一定的优势[78]。视觉交互的硬件多集成在车辆仪表盘和中控屏上，通过图标等方式提醒驾驶员接管车辆[78-80]。

然而，目前大多数研究均不建议采用单一的视觉交互形式，与其他交互类型相比，纯视觉警告可能会导致驾驶员的反应时间更长，驾驶员在仅有视觉交互场景下的平均接管时间为3.44 s，而在视觉-听觉组合场景下的平均接管时间为1.79 s[81]。且单一的视觉提醒可能不会立即引起驾驶员的注意，甚至可能被直接忽略[82]。驾驶员主要通过视觉来感知环境，视觉类的NDRT在一定程度上转移了驾驶员恢复环境感知时的注意力[83]。视觉交互设计如图4(a)所示。

图4 视觉交互设计Fig.4 Visual interaction design

近几年的相关研究发现，使用动态或环绕型的视觉交互方式更容易被分心的驾驶员注意到[84]。如图4(b)所示，在方向盘上使用LED灯并向产生接管原因的方向动态点亮，会使驾驶员的反应更加迅速，并能附加一些指向性信息[85]。YANG 等[86]设计了一种位于挡风玻璃底部的LED 氛围灯，通过改变LED 氛围灯的颜色、频率以及照明位置可以将接管请求、系统状态以及检测到的潜在危险等信息传递给驾驶员。

视觉交互所能传达的信息量以及对信息的展现模式是其他类型的交互形式所不能比拟的，在网联技术的支持下，车辆接收到的信息将更加多样化。未来的研究应该更加注重视觉交互的多样性，通过不同形式的视觉交互吸引驾驶员的注意力，并通过增加一些指向性的接管信息，辅助驾驶员快速认知接管原因和当前的行车环境[87]。

3.2 听觉交互

声音是与图像相互独立的一种信息传播形式，驾驶员可以同时进行听觉和视觉上的信息处理，因此，在很大程度上消除了接管信息对驾驶员利用视觉恢复情景感知能力的影响[88]。目前，基于听觉的交互类型多为警报(例如，短促的“嘟”和“哔”声)和语音两种类型。

语音交互通常由3 种特性组成，即语义、语速及语调。相关研究表明，语义对信息传递的紧迫性有一定影响，例如，“危险”会被认为比“注意”更紧迫，警告型的语义要比通知型的语义更具紧迫感[89-90]。语速的提高也将导致语音交互的紧迫性增加，且语速对紧迫性的影响与语音录制者的性别或情绪基调无关[91]。较为急促的语调会使接管信息更具有紧急性，能更快地引起驾驶员的注意[92]。RICHIE 等[93]对比了男性、女性语音以及警报型“哔”声对驾驶员反应时间的影响，结果显示，在男性提示音下，驾驶员的反应最快，而反应时间最长的是女性提示音。造成该现象的一项合理的解释为，男性声音听起来可能比女性声音更具权威性，而权威风格的信息比通知风格的信息更具遵从性[94]。一项调查显示，语音交互要比警报提醒更受欢迎，且女性的声音通常比男性的声音被认为更加舒适[95]。

听觉警告对驾驶员的警示性要强于视觉交互。警报型的传达率高，不分散注意力，但传递的信息量有限。语音型的信息量较大，但传递时间长，需要更多的注意力投入。因此，如何根据传递的信息和急迫性选择合适的通知类型，是听觉交互设计中的重中之重。

3.3 触觉交互

触觉交互方式多为振动型，即将振动触觉刺激作为接管信号使驾驶员可以有效地接收到来自系统的接管请求。目前，触觉交互硬件多集中在方向盘和座椅(座垫或靠背)等车内部件，通过刺激驾驶员不同的身体部位传递接管信号。例如，通过在方向盘上产生特定方向的振动或变型，可以为驾驶员提供指向性操作信息，有效降低驾驶员总体工作负荷[96]。然而，在自动驾驶模式下，驾驶员双手多会脱离方向盘，因此，基于方向盘的触觉交互可用作接管后的操作提示辅助(转向或保持直行)，不适合直接作为接管请求提示。可变型的方向盘如图5所示，振动触觉交互如图6所示。

图5 可变型的方向盘[96]Fig.5 Shape-changing steering wheel

图6 振动触觉交互Fig.6 Vibration tactile interaction

如图6(a)所示，为避免遗漏系统信息，触觉类的接管提示应该设置在诸如座椅等始终和驾驶员保持接触的汽车部件中[97]。座椅振动除了起到接管请求的作用，还可以利用振动的振幅、位置(坐垫或靠背)和振动的方向、节奏传递接管请求的紧急性和危险源的方向，为驾驶员提供指向性信息[98-99]。COHEN-LAZRY等[100]将包含6个触点的触觉控制器集成在座椅坐垫中，通过对比振动脉冲的方向发现，当脉冲的方向背离危险的方向时，驾驶员的反应最快。

除了将触觉交互集成在传统的汽车部件之中，一些新型的穿戴式触觉交互硬件也是未来人机交互的发展方向。如图6(b)所示，KRUGER等[101]将一条带有16 个等距安装的振动马达腰带作为人-机交互硬件，通过触发不同位置的马达和刺激强度指示危险源所在的位置和紧急程度。LIAO[102]提出了一种腕带式触觉交互方式，通过单独或同时触发左、右两个腕带提供一些简单的指向性信息，该研究也为接管请求的触觉交互设计提供了一些参考。

3.4 嗅觉交互及多种交互形式的组合

除了上述3 种比较常见的交互方式外，一些学者认为嗅觉类的交互同样值得关注。TANG等[103]将薄荷味的气体作为辅助刺激，发现薄荷味的气体使驾驶员的反应更加迅速，提高了驾驶员的唤醒水平和机敏性。然而，嗅觉类的交互形式虽然提高了接管绩效，但若作为主要的交互形式，可能导致驾驶员的反应时间较长而造成更为严重的后果，目前的研究多将其作为辅助刺激，提高驾驶员的注意力[104]。

无论哪种交互方式都有其优劣性，多项研究认为，与单一的交互类型相比，多种交互类型相互组合的交互方式能结合各种交互类型的优势，使驾驶员的反应更加迅速[105-106]。YUN等[107]发现，视觉-听觉-触觉这3 种交互模式的组合在驾驶员行为、生理数据以及车辆数据中显示出最佳性能。各种交互类型的优、缺点如表2所示。

表2 各种交互类型的优、缺点Table 2 Advantages and disadvantages of various interaction types

虽然多种交互形式相组合的模式更有效，但是目前的研究仍未很好地解决如何实现和协调各交互形式之间的工作，如何利用各交互形式的优点传送不同的接管信息、驾驶环境信息以及操作信息等问题。值得注意的是，车辆还有许多其他功能的音频警报，例如，碰撞警告、安全带警告及车道偏离警告等，因此，如何将警报型的接管提示与其他功能的音频警报以可区别的方式集成在一起，也是未来的研究重点之一。

3.5 网联环境下人-机交互研究

网联技术的应用增加了可用信息的范围和种类，但过多的信息展示和频繁的警告可能导致驾驶员超负荷工作。因此，网联环境下的人-机交互系统设计需要综合安全性、可用性以及交互效率，从而决定哪些信息应该以什么样的形式展现给驾驶员[108]。网联环境下车辆可以提供给驾驶员的信息按其出现的阶段可以大致分为以下3种[109]：

(1)持续性的信息，驾驶员可以随时获得(例如，前方车辆的速度)；

(2)基于事件的实时信息，仅在事件开始时可用(例如，超速的警告)；

(3)基于事件的高级信息，在重要事件发生之前提供(例如，前方拥堵等信号)。

驾驶员在同时处理多个展示信息以及警告的能力较为有限，车辆中信息资源的增加分散了对重要信息的注意力，在一定程度上影响了驾驶员的接管绩效。因此，必须根据这些信息的关键程度或信息性质筛选和组织并设立优先级，同时，考虑警告信息所处的阶段和警告模式，在车中以适当位置和不同的展现形式传递给驾驶员[110]。JIZBA 等[111]发现驾驶员更倾向于接收可能导致危险驾驶的信息提示，并根据信息的紧急程度，将低危险级别的警告利用触觉反馈，以减小声音提示的惊吓效应，同时以视觉的警告作为补充。

基于网联技术的警告信息应及时并用适当的方式吸引驾驶员的注意力，传达的信息应清晰易懂，并能通过视觉、听觉及触觉的不同组合模式传递，从而引导驾驶员更安全和更有效地驾驶[110]。WEIDNER 等[112]认为立体3D 技术可以利用网联信息，为驾驶员提供自适应的可视化，以提高驾驶员对交通场景可视化的理解，进行更安全的接管。信息的呈现数量也会在一定程度上影响人-机交互界面的有效性和理解性，驾驶员更倾向于同时接收“3个信息项目”，信息过多时，驾驶员无法一次性理解所有信息的含义，而少于3 个信息项时，会被认为缺乏警告信息[113]。以往大多数研究都显示了高级人-机交互界面的积极影响，而少数研究显示的负面影响，也都可能与信息过载有关[114]。

自动驾驶过程中，驾驶员多会从事NDRT，相关研究认为，与其阻止驾驶员从事NDRT，不如将驾驶情况，甚至TOR 提供到NDRT 的设备上，以增强接管过程的安全保障，并在驾驶员和车辆之间建立信任关系，使驾驶员更好地应对接管情况。WINTERSBERGER 等[115]将移动设备集成到自动驾驶车辆和智能交通系统中的感知体系结构，借助C2X通信，将一些不可预知的接管事件转化为有计划的接管，并允许驾驶员在紧急情况下，直接在手持设备上响应接管请求并进行接管操作。然而，在驾驶员未使用移动设备时，移动交互传达率较低，因此，移动交互可作为信息交互的辅助设备，而不建议将其作为主要的交互形式[116]。除交互设备以外，研究驾驶员对交通安全相关标志的理解也是至关重要的，网联环境下更多种类的信息需要一些新颖的符号来展示，尤其是以前没有在传统车辆交互界面使用过的[117]。

3.6 驾驶员状态检测及预警

如前所述，驾驶员在自动驾驶过程中较易出现疲劳和分心状态，除了合理地参与NDRT来抵抗疲劳和分心外，也可以通过驾驶员状态识别技术实时检测驾驶员所处状态，并在驾驶员处于疲劳和分心状态时，通过人-机交互系统提醒驾驶员，使其保持警觉。

驾驶员状态检测大致分为3种方式：基于车辆操纵信息、基于驾驶员面部特征及基于生理信号的检测方式。基于车辆操纵信息的检测技术，通过对方向盘的运动、油门或刹车模式以及汽车速度、横向加速度等数据的持续观察，发现这些数据不规则的变化，从而判断驾驶员状态[118]。这种方式多用在L1级的自动驾驶中，本文不再过多赘述。

基于驾驶员面部特征的检测技术，通过对驾驶员的面部活动(例如，眨眼、打哈欠、闭眼等)检查驾驶员的状态[119]。ZHANG 等[120]通过检测眼球的状态(闭眼持续时间、眨眼)识别驾驶员的疲劳程度。除此之外，眼睑闭合度(Percentage of Eye Closure,PERCLOS)也被证明是检测驾驶员疲劳状态的有效指标[121]。KHUNPISUTH 等[122]开发了一种提醒驾驶员疲劳的报警系统，通过检测驾驶员的头部倾斜和眼睛抖动的程度以判断驾驶员是否感到疲劳。

基于生理信号的检测技术，通过诸如心电和脑电等驾驶员生理指标检测驾驶员的疲劳状态。BABAEIAN 等[123]通过检测驾驶员心率，采用基于logistic 回归的机器学习算法检测驾驶员的困倦程度，并达到了90%的准确率。关伟等[124]的综述中，通过疲劳驾驶、分心驾驶、睡眠剥夺驾驶等4 个方面，对脑电研究涉及的关键科学问题、实验环境、脑电信号处理方法及数据分析方法等进行系统的归纳总结。

3.7 控制权切换形式

目前，大多数研究都集中在接管所需时间，请求方式的设计以及驾驶员状态和接管控制权的能力评估。然而，接管控制单元发出请求后驾驶员接管的时间跨度问题仍然没有得到很好的解决。通常情况下，即使驾驶员未准备好执行驾驶任务，控制权也会立即移交。目前，接管控制相关研究中比较常见的控制权移交方式有两种：一种是当接管请求发出后，自动化系统立即停止工作，等待驾驶员的操作[53-54]；另一种是当驾驶员对方向盘或踏板的操作行程达到某一设定值时，ADS 退出，由驾驶员操纵车辆[104]。

然而，由系统发起将控制权转移给驾驶员的情况，往往是由于某项指标超出系统临界点而产生的，这种情况多具有随机性和不可预知性，若此时驾驶员正在进行NDRT，那么对周围环境感知的缺失可能导致驾驶员产生错误的驾驶行为，从而降低接管的安全性。相关研究表明，对于系统发起的较为紧急的接管请求，通过一段时间的触觉共享控制逐步将控制权转移给驾驶员，并在此过程中引导驾驶员恢复环境感知，能使驾驶员更加安全地完成接管[125-126]。

触觉共享控制通过在控制引导和权利移交之间找到最佳平衡点，为控制权的切换设计提供一种系统的方法[127]。LI等[128]采用模型预测控制方法设计了一种新型的触觉接管控制器，通过考虑驾驶员和ADS的预期路径，得到最优转向输入，根据驾驶员的状态产生预测的转向力矩，引导驾驶员逐渐恢复手动控制，实现安全平稳的切换。OKADA等[129]提出一种针对弯道工况下的共享控制模式，控制权通过调整增益的方法逐渐转移到驾驶员手中。

综上所述，3 种切换形式各有优、缺点，如表3所示，直接切换形式对驾驶员不产生控制干扰，但是在驾驶员不接管车辆的情况下，车辆将停止工作；阈值型切换形式在驾驶员不接管的情况下仍会保持自动驾驶，但无法纠正错误和激进的驾驶行为；触觉引导切换形式能纠正错误驾驶行为，但容易对驾驶员产生控制干扰。

表3 3种切换形式的优、缺点Table 3 Advantages and disadvantages of three switching forms

4 研究展望

随着自动驾驶车辆的发展和普及，控制权切换问题得到较多的关注和研究，随着汽车行业电气化、智能化以及网联化的不断推进，车辆的接管控制仍有较大的发展空间，具体体现在以下几个方面：

(1)优化NDRT 的设计。不同复杂度的NDRT如何影响驾驶员认知和负荷特性及其内在的机理尚不明确，如何保证驾驶员在经历长时间的自动驾驶后仍能保持一定的认知能力，还需要对驾驶员认知和负荷特性进行更深层次的基础研究。现有的研究中认为适当的NDRT 对驾驶接管过程有着积极的影响，驾驶员保持一定的认知负荷可以有效防止驾驶员进入被动疲劳状态。今后的研究中需要针对不同类型和不同复杂度的NDRT 对驾驶员接管的影响开展试验分析和研究，并把握好NDRT复杂度的设计和NDRT的设计应满足不同的驾驶员。

(2)实现控制权的平稳过渡。TOR的设计应考虑在不同的驾驶环境下采取不同的切换策略。TOR可能在任何驾驶环境和道路条件下被触发，但不能期望驾驶员在任何场景下都能高效率地完成ToC。目前，自动驾驶接管的研究还很少涉及到不同接管条件下车辆稳定性的研究和不同驾驶员的操作差异。因此，未来TOR 系统的设计应考虑当前交通状况，遵循预测算法，采用辅助控制的方式辅助驾驶员完成控制权的平稳过渡，使驾驶员在最小化横向偏差的情况下接管车辆的控制权。同时，自动驾驶车辆可以利用机器学习，根据当前驾驶场景下各项参数进行建模，并根据特定驾驶员的历史表现逐步学习，以解决个体差异。

(3)有效利用网联信息。随着网联技术的不断应用，需要改进现有人-机交互系统的设计和性能。网联技术增加了车辆和驾驶员所能获取信息的种类和数量，但过多的信息展示和频繁的警告可能导致驾驶员的工作负荷超出其所能承受的范围。因此，在今后的人-机交互系统设计中，应根据信息的重要程度进行筛选并设立优先级，以确定驾驶员应接收的信息类型和数量，并用适当的交互形式清晰明了地展现给驾驶员。例如，未来增强现实(Augmented Reality,AR)技术在抬头显示设备(Head Up Display,HUD)上的应用，可以为驾驶员提供更加准确的交互信息，并为不同的驾驶员定制不同的交互形式。同时，网联环境下信息的种类也更为丰富，更多种类的信息需要一些新颖的符号来展示，信息符号在设计时应考虑交通法规和驾驶习惯，保证驾驶员能清晰明了地理解其所表达的含义。

(4)关注过渡区的管理。过渡区域ToC的管理仍需要进一步研究，尤其是在可预见的未来，网联和自动驾驶车辆将不得不与传统车辆共存，自动驾驶车辆在无法维持现有自动化水平的过渡区内，可能发生集体性的接管事件，进而对交通安全产生一定的影响，且从单车层面很难解决该问题。同时，人为因素在理解交通流动态和混合交通的管理中起着关键作用，但在现有的研究中很大程度上被忽略了，尤其是在研究ToC 期间，人类驾驶员行为的模型设计方面所做的工作还很少。因此，过渡区混合交通的研究需要更多的研究人为因素，更准确地了解驾驶员的接管行为对混合交通的影响。在自动化和网联车辆渗透率较低等非理想条件下，驾驶员的非理性操作，可能导致交通管理协议的效率大幅降低，因此，需要对驾驶员行为进行建模，并针对不同渗透率测试交通管理协议。

5 结论

(1)对驾驶接管过程中的人因问题展开分析，总结了驾驶分心、被动疲劳、对ADS 过度信任、驾驶技能退化以及NDRT对接管过程的影响，并对接管过程中的接管时间进行了讨论。长时间的自动驾驶以及对自动驾驶功能的高估和过度依赖，导致驾驶员更易陷入被动疲劳和驾驶分心状态。适当的NDRT可以使驾驶员保持一定的认知负荷，降低了驾驶员的被动疲劳水平，对接管绩效产生积极作用。限于车载传感器的探测范围，接管时间提前量较为有限，未来网联技术的应用，可以增加接管时间提前量的范围，利用时间的优势，将预警信号分为两次发出，以保证驾驶员在采取接管操作之前能及时、充分地完成对驾驶环境的感知，从而提高驾驶员的接管绩效。

(2)接管过程中复杂的驾驶环境会增加驾驶员的接管时间，增大驾驶员对车辆的操控难度，从而降低驾驶员的接管质量。且在混和交通中，可能造成多车集体发生ToC和执行MRM的情况。本文从交通密度、道路条件以及混合交通中控制权切换管理这3 个方面，对驾驶员的感知、认知及决策的影响和混合交通下的交通管理措施进行分析与讨论。研究发现，交通密度和道路曲率较高的接管场景，驾驶员需要更多的时间恢复对环境的感知，且在控制车辆时会出现较大横向偏差和更高的偏差变化率，给驾驶员带来更大的接管压力。因此，TOR系统的设计应考虑当前驾驶环境，通过辅助控制的方式来辅助和引导驾驶员完成控制权的平稳过渡。同时，在混合交通中，可以制定诸如提供路径信息、车速和车头时距、交通隔离、引入安全点以及对ToC的调度等交通管理措施，防止过渡区出现集中的ToC 和MRM，以缓解过渡区域中各车辆之间的相互干扰。

(3)从视觉、听觉、触觉、嗅觉以及多种交互组合等方面总结了在接管过程中各类交互形式的优、缺点，对网联环境下的人-机交互进行讨论，并分析控制权的切换形式。视觉交互可传递信息量较大，但驾驶员在分心状态下可能会错过TOR。听觉交互更容易引起驾驶员的警觉，但是警报型所传递的信息量较少，驾驶员可能不清楚所传达的信息含义，而语音型清晰易懂，传输的信息量大，但信息传递的时间长，需要占用驾驶员更多的注意力。触觉交互的传达率较高，但传输的信息量有限，不适合传递多个警报。嗅觉交互能提高驾驶员的机敏性，而因其传递时间较长，仅能作为辅助刺激。多种类型相结合的交互形式能形成优势互补，及时地将接管信息传递给驾驶员，并将其注意力集中在对环境的感知上，且通过一些指向性信息辅助驾驶员增强对驾驶环境的理解。网联技术的发展，使得可利用的行车信息的数量和种类都有所提高，网联信息需要诸如HUD 和ARHUD等技术实现更好地呈现策略，以保证人-机交互界面具有较高的可用性和接受性，为驾驶员提供更加准确的交互信息。除了合理的参与NDRT抵抗疲劳，也可利用驾驶员状态识别技术实时检测驾驶员所处状态，并通过人-机交互系统提醒驾驶员，使其保持警觉，提高接管绩效。