从意识到意图：通过前瞻性态势感知增强界面减轻静默驾驶系统故障

文献标题

From Awareness to Intent: Mitigating Silent Driving System Failures through Prospective Situation Awareness Enhancing Interfaces

出版信息

• 主题领域: 提升部分自动驾驶系统（ADS）在静默故障情况下的驾驶员表现与安全性。
• 关键词: 静默故障、情境意识、增强现实、抬头显示、自动驾驶系统、信任、生理指标、脑电图（EEG）、肌电图（EMG）、人机交互。

背景与问题

• 问题/挑战: 部分自动驾驶系统（ADS）的静默故障发生时，系统未能检测到危险且未发出警告，导致驾驶员无法及时介入。现有研究主要关注接管请求（TOR），但忽略了静默故障场景，尤其是如何在此类情况下支持驾驶员。
• 重要性: 静默故障对SAE Level 2车辆构成重大安全风险，驾驶员需保持警觉并随时准备介入。解决这些故障对于提升自动驾驶系统的安全性和信任至关重要。
• 动机与相关研究: 之前的研究探讨了自动驾驶系统的解释性和透明性，但假设系统感知准确。鲜有研究关注感知与动作规划信息如何在不同环境条件下影响驾驶员在静默故障中的表现。

解决方案

• 提出的方法: 通过增强现实抬头显示（AR-HUD）提供前瞻性情境意识增强（PSAE）界面，以提升驾驶员在静默故障中的情境意识（SA）和接管表现。
• 创新点:
  1. 定量建模PSAE对驾驶员在静默故障中心理和生理状态的影响。
  2. 研究驾驶员心理、生理与接管表现之间的层级路径。
  3. 确定情境意识的神经生理相关性及其对自适应人机界面的启示。
• 研究流程与关键技术:
  • 设计三种PSAE界面：环境感知（EP）、动作规划（PM）和组合界面（EP+PM）。
  • 在驾驶模拟器中进行实验，48名参与者在不同光照条件（白天/夜晚）和危险可见性（可见/不可见）下进行测试。
  • 测量心理状态（SA、信任、感知安全）、生理指标（EEG、EMG）及接管表现（成功率、提前时间）。
  • 使用混合效应回归和结构方程模型（SEM）分析数据，识别因果路径。

结果

• 具体发现:
  • EP界面显著提升SA，相较于基线和EP+PM界面，而PM和EP+PM界面提高了信任。
  • 较高的SA与较早的神经激活（α波抑制）以及更好的接管成功率和提前时间相关。
  • 夜间条件提高了警觉性（更高的SA、肌肉准备），但降低了信任。
• 相较基线的优势:
  • PSAE界面（EP、PM、EP+PM）相较于基线显著提升了SA和信任，其中EP界面对SA的提升效果最强。
  • 路径分析表明，PSAE对接管表现的影响通过SA中介，而非直接的生理变化。
• 实验/评估:
  • 混合4×2×2因子设计，以PSAE类型、光照条件和危险可见性为因子。
  • 通过心理问卷、EEG、EMG和行为日志收集数据。
  • 回归和SEM分析证实了SA在PSAE有效性中的中介作用。
• 局限性与未来工作:
  • 每种PSAE条件的样本量较小，限制了统计效能。
  • 基于模拟器的研究可能无法完全复制真实驾驶条件。
  • 未来研究应探索多样化的静默故障场景、接管后驾驶质量，以及通过真实环境验证自适应人机界面。

总结

本研究探讨了前瞻性情境意识增强（PSAE）界面在缓解SAE Level 2自动驾驶系统静默故障中的作用。结果表明，PSAE界面提升了驾驶员的情境意识（SA）、信任及接管表现，其中SA是关键中介。EP界面对SA的提升效果最显著，而PM和EP+PM界面提高了信任。神经生理研究发现α波抑制可能是SA的潜在标志。本研究强调了清晰、情境感知的界面的重要性，并为设计自适应系统以提升自动驾驶安全性提供了重要启示。