响应方法对半自动驾驶警告反应的影响

响应方法对模拟半自动驾驶中驾驶员对听觉警告反应的影响

斯科特·米舍尔，老道明大学陈静，老道明 大学

我们通过对比传统的直接响应方法与一种新的间接响应方法，研究了驾驶员对自动化警告的反应如何提升驾驶员性能。直接响应是指驾驶员在听到警告并看到场景后手动接管车辆控制；而间接响应则是指驾驶员按下“是”或“否”按钮，以协助自动化系统做出正确决策。结果表明，两种响应方法在反应时间（RT）上没有差异，但直接响应的准确性更高。从反应时间中减去动作执行时间后发现，间接响应在心理处理上耗时更长，这解释了为何间接方法并未更快，并指出了错误增加的潜在原因。虽然间接方法中的按钮操作最终可能更快，但未来的研究仍需探索更有效的警告传达方式，并改进人机界面。

随着车辆碰撞避免预警系统和高级驾驶辅助系统的日益普及，人类驾驶员在驾驶过程中比以往更有可能遇到这些辅助功能。汽车可以向驾驶员警告潜在的即将发生的碰撞，提醒驾驶员注意道路危险，甚至无需人类驾驶员采取任何操作即可采取避让行动（美国国家公路交通安全管理局（NHTSA），2016）。然而，自动化系统并非总是完美无缺。某些复杂或不可预测的情况和事件可能使自动化难以检测或正确解读道路上的危险。自动化系统可能会受益于驾驶员快速评估情况并决定最佳行动方案的能力（威肯斯、霍兰兹、班伯里和帕拉苏拉曼，2015）。

自动驾驶警告系统和接管请求

自动化并不总是能够处理所有情况，人类操作员有时必须介入以确保系统的安全性和性能。这种自动化的“脆弱性”要求驾驶员保持“参与其中”，以便在必要时协助自动化并提供帮助（Woods&Cook，2006）。情境意识和系统透明度是设计自动化时的关键考虑因素，以确保驾驶员保持“参与其中”（恩兹利，2017b）。自动驾驶汽车根据其能力水平被分为六个等级（0‐5级）（美国国家公路交通安全管理局（NHTSA），2016）。除了最先进级别（即5级）之外，在所有其他情况下，人类都需要以某种方式参与。在自动化出现错误或不足的情况下，系统可能需要请求驾驶员接管或协助决定可能采取的行动。

驾驶员必须了解车辆自动化的能力和局限性，以正确校准信任并做出安全反应。在布朗和洛里埃（2017）关于半自动驾驶汽车性能的观察性研究中，他们发现了一些情况：当车道开始分叉时，即使对人类驾驶员而言明显不需要驶出，半自动驾驶汽车仍多次出现“猛冲”向出口的现象。因此，有必要让人类参与其中，以便在系统对正确行动不确定、需要驾驶员协助决策的情况下，驾驶员能够及时应对。驾驶员可以协助自动化系统以建议的方式，就像乘客向驾驶员指出规避危险情况的更好方法一样。或者驾驶员可能需要重新接管车辆控制权，就像乘客伸手过来猛拉方向盘使汽车回到道路上一样。在半自动驾驶车辆领域中，考虑这些因素来设计自动驾驶汽车的益处和可行性是一个关键的区别（帕拉苏拉曼和莱利，1997）。

接管请求（TOR）是自动驾驶汽车向驾驶员发出的、要求驾驶员重新控制车辆的请求，因为系统已无法维持正常驾驶（多甘等人，2017；恩兹利和基里斯，1995；具等人，2015；西尔金、马泰拉罗、约翰斯和朱，2017）。这些请求可能源于自动化系统表现不佳的道路状况，例如恶劣天气或维护不良的道路，也可能由于模糊和异常情况，例如道路上的意外物体（伦纳德等人，2009）。有时，自动化系统可能会开始执行可能危及车辆安全的行动，例如并入不安全车道，此时驾驶员必须对自动化系统进行纠正（布朗和劳里尔，2017；恩兹利，2017a）。此外，在关于道路上事物的不确定情况下，自动化系统可能会发出警告，并需要驾驶员协助以引导车辆朝正确方向行驶（布朗和劳里尔，2017；具等人，2015；瓦尔赫、兰格、鲍曼和韦伯，2015）

向驾驶员传递警告的难点在于他或她将如何响应该警告。该设计较为复杂，因为驾驶员必须处理外部环境、自动化警告以及做出正确的最终决策，并执行该决策。人机界面（HMI）必须经过合理设计，以支持驾驶员并实现系统的最佳性能和安全性。

驾驶员响应方法

通常，驾驶员采取纠正行动的唯一方式是通过抓握方向盘并将其转向正确路线、用力踩下制动踏板，或以其他类似方式在没有自动化协助的情况下控制车辆。我们将这种响应方法称为 直接响应 ，因为用户会针对当前情况直接控制车辆。这种方法可能导致车辆控制权从自动化系统突然转移到驾驶员手中，而驾驶员可能并未完全意识到当前的道路环境。驾驶员或许意识到并道车道存在危险，并迅速将方向盘转回原始车道，但却没有注意到另一辆车辆已从后方驶入其原始车道。因此，当驾驶员猛打方向盘回到车道，否定了自动化的决策时，可能会与已进入该车道的新车辆发生碰撞。

然而，如果驾驶员能够以一种使自动化系统保持控制并做出适当调整的方式告知自动化并道是危险的，则情况可能会变得更安全，因为汽车整体上具有更强的情境感知能力。汽车可以在返回原始车道的同时加速，从而远离危险的并道车道，并避开原始车道中即将到来的驾驶员。我们将这种响应方式称为 间接响应 ，因为驾驶员是在建议自动化系统如何操作，而不是直接接管控制权。

人类信息处理

人类信息处理是认知心理学和人机交互领域中广泛研究的主题，关注人类如何感知、理解和响应环境中的信息（参见普罗克特和武，2012，综述）。在最简单的形式中，人类信息处理由三个不同阶段组成：感知、认知和行动。

每个阶段都可以在个体层面进行分析，以了解不同因素如何影响整体的人类性能，例如反应时间（RT）。

• 在 感知阶段 ，个体必须通过某种感官观察并接收刺激。总体反应时间中的感知成分会因感觉通道和刺激类型的不同而有所差异。
• 接下来，在 认知阶段 ，个体必须处理刺激并确定适当的决策。总体反应时间中的认知成分会根据情境的复杂程度而变化。研究认知阶段常用的两种任务是简单反应任务（参与者仅有一个响应选项）和选择反应任务（参与者有多个响应选项）。如果要求个体在屏幕上出现一个圆点时按下某个按钮，其反应时间将比在出现三种不同颜色的圆点时需从三个可能的响应选项中进行选择的情况更短（即简单反应任务比选择反应任务更快）。因此，更复杂的选择反应任务可能导致更长的反应时间。
• 最后， 动作阶段 是个人根据认知阶段的决策来准备、激活并执行对刺激反应的阶段。不同的物理反应方式可能导致反应时间不同。例如，按下键盘上的按钮通常比移动操纵杆所需的时间更短，即使感知和认知阶段的时间可能非常相似。

通过应用减法逻辑（唐德斯，1969），可以分别测量每个阶段。简单反应任务仅包括刺激检测和反应执行。选择反应任务除了刺激检测和反应执行外，还需要刺激识别和反应选择（唐德斯，1969；Proctor&VanZandt, 2017）。如果从选择反应任务的反应时间中减去简单反应任务的反应时间，则剩余部分即为认知过程时间，包括刺激识别和反应选择。

当前研究

目前，自动驾驶汽车无法在所有驾驶场景中实现100%的可靠性，有时需要人类驾驶员介入以确保做出最佳决策。本研究的总体目标是测试一种新的响应方法（即间接响应），在这种方法中，当自动化系统无法可靠运行时，人类作为自动驾驶汽车的顾问进行干预，与传统方式（即将车辆的完全控制权交还给驾驶员，即直接响应）进行比较。参与者会看到三车道道路上两辆汽车的图像，并需要选择正确的车道进行变道，以避免撞上其所在车道上的车辆。他们可以选择向右变道以避开左车道和中间车道上的车辆，或向左变道以避开中间车道和右车道上的车辆。

在直接响应条件下，自动化系统会向驾驶员发出听觉警报，提示驾驶员应将方向盘转向哪个方向以应对视觉刺激。参与者通过转动方向盘来表示其响应，类似于手动将车辆驶入相应车道。在间接响应条件下，参与者会接收到相同的听觉和视觉刺激，但需通过按下“同意”或“不同意”自动化系统的按钮来进行响应。

由于转向与按钮按压在行动执行上存在明显差异，因此进行了一项基线条件实验，以考虑运动反应的差异。然后通过从实验条件的反应时间中减去基线反应时间，计算认知处理的差异。该条件为简单反应任务，参与者在各自独立的区块中对提示音做出相应行动（向左、向右转动方向盘或按下按钮）。直观来看，用于间接反应的按钮按压由于行动执行上的差异，应比直接反应中的转动方向盘更快，并应在基线结果中得到体现。

我们通过两种方式实现了目标。首先，我们比较了驾驶员在直接反应与间接反应下的反应时间性能，并分析了导致差异的因素。预期结果是，由于行动执行上的差异，间接反应会更快。其次，我们评估了响应方法对驾驶安全的影响。为了评估安全性，我们分析了每种反应类型产生的不安全行为，并通过总体错误率来计算。预期结果是，两种反应的错误率均同样较低，因此反应时间将成为关键的衡量指标。一方面，如果间接反应更快且更准确，将使驾驶员能够在驾驶情境中转向更具指导性的角色，并通过允许自动化以保持控制。另一方面，如果直接反应产生更好的性能，则表明当前对接管请求的反应方式具有优势，且需要对间接方法进行进一步修改以提高性能。

方法

参与者

共有20名参与者（10名女性；平均年龄= 20.05岁，标准差= 4.2）来自新墨西哥州立大学，参与了本实验。他们均为入门心理学课程的学生，并因其参与获得实验学分。

设备和刺激材料

参与者坐在一台计算机显示器（27英寸HPEliteDisplayS270c曲面显示器）前，桌上安装有罗技G920驾驶力量方向盘。视觉刺激使用STISIM驾驶模拟软件（stisimdrive.com）创建，以模拟真实的驾驶场景。图像显示的是从驾驶室视角看到的三车道高速公路，车辆位于左侧和中间车道，或右侧和中间车道（示例见图1）。

这些图像的创建旨在呈现驾驶员前方通道被分组的外观，且只有一个可能的正确解决方案：转向开放车道。使用听觉警告是因为视觉警告可能会干扰对危险场景的视觉处理，导致观察时间增加和总体反应时延长。对听觉刺激的平均简单反应时间在140‐160毫秒之间，而对视觉刺激的反应时间约为180‐200毫秒（Galton, 1899；Woodworth&Schlosberg，1954；Fieandt等， 1956；Welford，1980；Brebner&Welford，1980）。由于目标是缩短总体反应时间并提高准确性，因此听觉警告将是最佳选择。

被试通过向左或向右转动方向盘，或按下方盘上的按钮来做出反应（见图2）。

反应时间从听觉警告开始时测量，直到方向盘向任一侧转动50度或按下按钮为止，具体取决于实验条件。实验使用E‐Prime（版本2.0）编程完成。

流程

要求参与者坐在计算机前，双手放在方向盘上，准备阅读说明。随后，要求参与者向实验人员大声朗读说明，以确保他们理解任务内容。每位参与者进行两个阶段：一个直接反应阶段和一个间接反应阶段，各参与者进行这两个阶段的顺序采用平衡设计。两个阶段之间有两分钟的休息时间。在每个阶段中，参与者首先进行一个基线阶段，然后进行一个实验阶段。每个基线阶段包含90个试验（左转、右转和按钮按压各30个），每个实验阶段包含100个试验，每位参与者总共完成380个试验。基线阶段和实验阶段的具体流程如下所述。在所有阶段中，均要求参与者尽可能快速且准确地做出反应。

基线条件

在基线阶段中，包含三个子会话：左转、右转和按钮按压。在每个子会话开始前，参与者会被明确告知具体的反应行动，并被告知在该子会话期间每次听到提示音时都要执行该行动。每个子会话包含30次试验。这三种反应采用分组方式呈现，以便我们获取每种单独反应的简单反应时，而非选择反应时（唐德斯，1969；普罗克特和武，2012）。三个子会话的顺序错开安排，即第一位参与者从右转开始，第二位从左转开始，第三位从按钮按压开始，然后依次重复，从而确保每个子会话作为首个出现的次数相等。基线条件在两种实验条件之前均进行一次，以保持各组间实验的一致性。

实验条件

在实验阶段，参与者被告知他们需要想象自己正在驾驶一辆半自动驾驶汽车，该汽车可以为他们完成大部分驾驶任务，但在某些情况下可能需要他们介入。他们被告知自动预警系统并非100%准确，而他们所使用的系统在所有试验中的准确率为94%。选择这一可靠性水平是因为参与者需要对系统保持适当程度的信任。如果可靠性设为100%，则不需要人类决策过程，仅需对警告做出反应即可。如果可靠性低于90%，参与者可能会根据系统和情境开始倾向于忽视自动化的警告（李和席，2004；李和莫雷，1992；缪尔和莫雷，1996）。94%的可靠性使得我们在左侧和右侧反应中各有三次试验出现自动化错误，总共产生六次错误试验。在指导部分进行了注意力检查。

在被告知可靠性后，屏幕上会显示信息，以确保参与者记住系统的可靠性。如果参与者回忆的准确率百分比有误，系统会提醒他们实际的百分比。

在每次试验中，参与者根据屏幕上显示的图像（见图1）以及关于建议操作的听觉自动化警告做出反应。听觉警告与图像同时呈现，以最大程度模拟注意力集中的驾驶员观察道路的情景。在直接反应条件下，参与者被要求听取自动系统的建议，然后做出正确的直接响应（向左或向右转动方向盘）。在间接条件下，参与者的指示基本相同，但不是转动方向盘，而是用右手拇指按下方盘上的两个按钮之一。当他们同意自动化系统时，按下“Y”按钮（见图2），确认所述操作应被执行；当不同意该操作时，则按下“A”按钮，阻止自动化系统执行该操作。

设计

基线阶段以反应（左转、右转、按钮按压）作为被试内因素。实验阶段以反应类型（直接、间接）作为被试内因素。

结果

反应时数据采用单因素方差分析和计划对比进行分析。基线条件显示，方向盘左转和右转的反应时间之间无显著差异（平均值分别为=698.45 ms和702.59 ms），t < 1。因此，我们将左右方向盘转动的反应时间取平均值，并将其视为相同的合并的方向盘转动反应时值。

我们发现，基线条件下的基线简单反应时结果支持了我们的假设，即按钮反应比转动方向盘更快（平均值分别为= 514.97毫秒和700.54毫秒），F(1, 19) = 28.14，p < .001，ηp²=.60。就响应方法而言，间接响应方法（按钮按压）的动作执行阶段显著快于直接方法（方向盘转动），因为假设两种反应类型的刺激检测过程相同。所有试验的基线准确性数据均为100%准确。这是预料之中的，因为参与者在每个试验块之前均被明确告知应做出何种反应，并且在整个试验块中只需执行相同反应。

在实验条件下，直接反应和间接反应的反应时间之间无显著差异（平均值分别为= 826.55毫秒和857.42毫秒），F < 1。这意味着两种响应方法本质上相似，在总体反应时方面无法显示其中一种方法优于另一种。然而，准确性数据显示，直接反应比间接反应更准确（平均值分别为= 99.95%和98.65%），F(1, 19) = 6.97，p = .016，ηp² = .27。此时，直接响应方法在具有更高准确性的同时，总体反应时无差异，表明更倾向于直接响应方法。

由于两种响应方法的基线反应时间不同，我们根据基线结果调整了实验条件下的响应反应时间，以考察认知处理时间。通过从响应条件的得分中减去基线响应的均值，得到认知过程的平均反应时间。在这些得分上，直接响应方法与间接响应方法之间存在显著差异（平均值分别为126.55毫秒和342.42毫秒），F(1, 19) = 30.84，p < .001，ηp² = .62（见图3）。直接方法使驾驶员在认知处理和决定响应行动方面比间接方法更快，尽管间接响应在反应执行上更快。认知处理时间的差异解释了为何在基线条件下按钮响应更快，但在实验任务中的反应时间相同。

讨论

本研究的目的是比较半自动驾驶车辆驾驶员对自动化警告的两种响应方法，以了解每种方式的性能差异。总体目标是为危险情况下与自动驾驶汽车的交互提供一种更好的方法，使自动化系统能够在需要时请求驾驶员协助，从而提高安全性。实验通过两种响应方法（直接和间接）对驾驶员进行了测试，并设置基线条件以区分反应执行时间与认知处理时间。在直接条件下，驾驶员通过直接操作并转动方向盘来响应道路上其他车辆的听觉自动化警告。在间接条件下，驾驶员通过按压按钮来响应，指示自动化系统执行或不执行其建议的行动。

基线条件显示，在转动方向盘和按压按钮之间，动作阶段的反应时间存在显著差异。较快的按钮按压反应可能会让人认为按钮按压可以防止碰撞，因为响应会更快。然而，这未能考虑决策过程中涉及的认知处理。实验条件揭示了直接响应方法和间接响应方法在反应时间上没有差异，这表明在感知与动作阶段之间必然存在某些影响结果的因素。否则，应出现与基线条件相同的模式。此外，直接响应的准确率优于间接响应，表明间接响应方法的认知负荷较高。当我们为了研究认知处理时间而排除动作阶段反应时间的影响后，出现了不同的模式。通过从总体反应时中减去基线反应时，使动作阶段保持一致，发现直接响应方法明显快于间接响应方法。因此，间接响应方法的认知处理时间更长。

这意味着，即使某些响应方法看似更快因而更安全，也必须考虑任务的认知过程。尽管通过替代机制进行响应在物理上可能更快，但它可能需要更多的认知努力，从而抵消反应时间减少带来的好处，并导致更高的错误率。先前的研究表明，当人类处于支持和咨询角色时，串行模型最适合用于人‐自动化交互（恩兹利、博尔斯特德、琼斯和莱利，2003）。与通常假设的并行性能相反，在考虑人类和自动化的可靠性时，串行系统的整体可靠性较低（恩兹利，2017b）。本质上，自动化的决策和人类的决策无法并行处理，导致串行系统的决策时间更长且可靠性更低。对我们的结果的一种解释是，在间接响应中，串行系统中存在另一个模块，人类必须在考虑自动化建议的同时重新评估世界状态，然后才能做出最终决策。而直接响应则允许自动化的决策直接引导其最终决策，无需在最终决策前重新评估世界状态。

局限性与未来研究方向

本研究的局限性包括驾驶模拟的低保真度以及对间接方法的测试方式。该实验仅是对真实自动驾驶的一种简化呈现，旨在演示一种概念，并作为使用新响应方法的可能性的初步测试。未来的研究将在此基础上，采用更高保真度的模拟器和更加动态的驾驶环境。如果处理自动化警告所需的认知负荷干扰了反应决策，那么可以考虑通过按钮以更接近直接响应行动概念的方式来引导系统。例如，如果驾驶员可以直接说出“向左转”，而不是做出确认或否定响应，可能会提升间接响应的性能。此外，参与者连续快速地进行试验，且手始终未离开方向盘。这与真实的半自动驾驶情境不同，因为在实际情况下，驾驶员可能正在进行其他活动并对驾驶环境分心。后续研究可引入次要任务，以更好地模拟驾驶员在自动驾驶过程中的行为表现。