合作还是不合作：人与自动驾驶汽车交互中驾驶行为的系统综述与元分析

文献标题

To Cooperate or Not to Cooperate: A Systematic Review and Meta-Analysis of Human Driving Behavior in Interactions with Autonomous Vehicles

出版信息

• 主题领域: 人类驾驶行为在与自动驾驶车辆（AVs）交互中的表现及其对交通安全与效率的影响。
• 关键词: 人类驾驶车辆、自动驾驶车辆、合作、驾驶行为、元分析、交通安全、人机交互、生态效度、AV轨迹规划、交通法规。

背景与问题

• 问题/挑战: 人类驾驶员（HVs）在与自动驾驶车辆（AVs）交互时表现出不一致的合作水平，现有研究结果混杂且结论不明确。现有综述缺乏系统性方法学，未能解决关键调节因素，限制了其提供精确估计或普遍性见解的能力。
• 重要性: 理解HV与AV之间的合作对于AV安全高效地融入交通系统至关重要。不合作行为可能导致安全风险、效率低下，并阻碍AV的普及。
• 动机与相关工作: 先前的叙述性综述和实证研究报告了相互矛盾的结果——一些研究表明与AV合作较少，另一些则显示与HV合作相似甚至更多。然而，这些研究通常缺乏对照组，聚焦于有限的场景，或使用非行为性测量。本研究通过系统性综述和元分析填补这些空白。

解决方案

• 提出的方法: 通过系统性综述和元分析，整合来自24篇文章、27个样本、32个效应量和5,778名参与者的数据，以量化HV与AV的合作并识别调节因素。
• 创新性:
  1. 首次通过元分析量化HV与AV合作的规模和方向。
  2. 全面考察潜在调节因素，包括实验环境、人口统计因素和发表年份。
  3. 包括多样化的驾驶场景和评估指标，以提供整体性理解。
  4. 讨论理论、方法学和实践对AV开发及交通法规的意义。
• 流程与关键技术:
  • 在三个数据库中进行系统性文献检索，明确纳入标准。
  • 使用Hedges’ g计算效应量，比较HV与AV和HV与HV的合作。
  • 元回归分析调节因素，如评估指标、数据收集方法、研究设计、AV驾驶风格和人口统计因素。
  • 进行敏感性分析、异质性评估和发表偏倚评估以确保结果稳健性。

结果

• 具体发现:
  • HV与AV的合作显著低于与其他HV的合作（Hedges’ g = −0.19, 95% CI [−0.31, −0.07], p = .003）。
  • 最近的研究中，与AV的合作有所增加（b = 0.07, p = .013）。
  • 对于评估指标、数据收集方法、研究设计或人口统计因素，未发现显著的调节效应。
• 相较基线的优势: 量化了先前不一致的研究结果，为HV与AV合作提供了标准化效应量，并识别了时间趋势。
• 实验/评估:
  • 包括来自24项研究的27个样本，涵盖欧洲、亚洲和美洲的5,778名参与者。
  • 驾驶场景包括变道（40.5%）、跟车（23.4%）、转弯（17.1%）、正面交互（9.9%）和并排行驶交互（3.6%）。
  • 评估指标包括交互决策（k = 19）、基于时间的指标（k = 10）、速度（k = 2）和驾驶波动性（k = 1）。
• 局限性与未来工作:
  • 纳入研究数量较少，限制了统计效能，尤其是调节因素分析。
  • 由于依赖问卷调查和驾驶模拟器，存在生态效度问题。
  • 对高风险场景（如恶劣天气、黎明/黄昏）的探索有限。
  • 缺乏综合性理论框架和开放科学实践。
  • 未来研究应聚焦于更大、更具多样性的样本、真实世界数据以及先进的AV轨迹规划算法。

总结

本研究首次对HV与AV合作进行了系统性综述和元分析，发现人类驾驶员与AV的合作低于与其他HV的合作（Hedges’ g = −0.19）。近年来，随着对AV的熟悉度增加，与AV的合作有所提升。研究结果强调了AV轨迹规划需考虑人类不合作行为，并建议通过信号化人类存在和采用更果断的驾驶风格来促进合作。未来研究应解决生态效度问题，扩展理论框架，并提高可重复性，以支持AV安全融入交通系统。