20、驾驶员态势感知与未来城市交通洞察

驾驶员态势感知与未来城市交通洞察

驾驶员态势感知训练成效

在与大都会警察的示范驾驶中，我们直观见识到了驾驶的规范“黄金标准”，同时也见证了态势感知（SA）在其中的关键作用。研究发现，接受高级驾驶辅导的驾驶员呈现出多方面的积极变化。首先，构成其态势感知的新信息元素数量有所增加，这意味着他们能获取更多与驾驶相关的信息。其次，这些信息元素之间的整体互联性增强，使得驾驶员能够更全面、系统地理解驾驶情境。再者，新老信息元素的关键性都得到提升，有助于驾驶员更精准地把握重要信息。最后，有利的驾驶行为也增多了。基于这些发现，可以明确得出结论：驾驶员的态势感知能够通过训练得到改善。

然而，良好的驾驶员态势感知并非要与客观情况形成完全一致的心理模拟。尽管高级驾驶员提取的信息元素数量有所增加，但仅达到了对照组的水平。若采用像恩兹利流行的三级模型这类个体方法来衡量态势感知，可能会得出错误结论。该模型可能会让我们认为高级驾驶辅导反而使态势感知变差，尽管实际驾驶表现明显提升。这也会引发对态势感知是否真正有用的质疑，让人觉得它可能是任务结果的不良甚至负面预测指标。因此，需要一种基于具体情况的态势感知方法，使其与态势感知问题的关键方面相匹配。在某些情况下，规范的个体态势感知模型在解决特定研究问题上表现更佳。

从系统视角来看，态势感知能为非线性问题提供更合适的答案。知识互联性的增加比离散信息元素数量的增减更为重要和相关。通过关注信息网络的结构决定因素，可以在一定程度上独立于具体情境来评估个体和系统所持有的情境模型。这表明，重要的不是态势感知“是什么”，而是它“如何构建”。当前方法所诊断出的“构建”特征似乎与驾驶表现的提升相关，而非仅仅取决于信息的简单数量。

这种基于网络的驾驶员态势感知测量方法