面向人机共驾模式下驾驶人接管过程的视觉转移特性研究

doi:10.19562/j.chinasae.qcgc.2024.05.006

摘要/Abstract

摘要：

当在L3级自动驾驶系统操作期间，驾驶人无须时刻监管车辆，往往会处于脱离驾驶任务的状态，并可能从事各种与驾驶无关的任务。当自动驾驶系统遇到突发状况并发出接管请求时，驾驶人是否能安全及时地进行人机交互操作并顺利接管车辆是目前L3级自动驾驶所面临的重要问题。本文针对驾驶人接管操作过程，根据道路线形的差异性，设计了5种不同道路场景进行L3级自动驾驶接管试验，分析了驾驶人在不同道路场景下的注视熵，构建了驾驶人接管行为的马尔可夫链注视模型，探讨了自动驾驶人机交互过程中驾驶人的视觉转移特性。结果表明，驾驶人在接管操作期间表现出明显的注视行为规律，重点关注道路前方、次任务区域和人机交互区域。随着道路曲率半径的减小，驾驶人的视觉特性呈现出明显的变化，对道路前方和右侧区域的关注增加，而对次任务区域的关注减少。结果可为自动驾驶人机界面的优化研究提供科学依据，从而提高驾驶员接管绩效和驾驶安全。

关键词: 自动驾驶, 人机交互, 人机接管, 注视特性, 马尔可夫链

Abstract:

When the driver is not required to supervise the vehicle at all times during the L3 autonomous system operation， he or she is often removed from the driving task and may be engaged in a variety of non-driving related tasks. When the autonomous driving system encounters unexpected situation and sends a takeover request， whether the driver can safely and timely conduct human-machine interaction and take over the vehicle is an important issue for L3 autonomous driving. In this paper， five different road scenarios are designed for L3 autonomous driving takeover experiments based on the difference of road alignment， the entropy of driver's gaze in different road scenarios is analyzed， a Markov chain gaze model of driver's takeover behavior is constructed， and the visual transfer characteristics of the driver during human-computer interaction in the intelligent cockpit are explored. The results show that the driver shows obvious staring behavior in the process of take over， with a focus on the road ahead， sub task areas and human-machine interaction areas. With the decrease of road curvature radius， the driver's staring behavior changes obviously， and the driver's attention to the front and right side of the road increases， while the attention to the sub-mission area decreases. The results can provide a scientific basis for the optimization of the human-machine interface for autonomous driving， thereby improving driver takeover performance and driving safety.

Key words: autonomous driving, human-computer interaction, human-machine takeover, gaze characteristics, Markov chain

李梦凡,冯忠祥,张卫华,李靖宇. 面向人机共驾模式下驾驶人接管过程的视觉转移特性研究[J]. 汽车工程, 2024, 46(5): 795-804.

Mengfan Li,Zhongxiang Feng,Weihua Zhang,Jingyu Li. Study on Driver's Visual Transfer Characteristics During the Takeover Process of Human-Computer Co-driving Mode[J]. Automotive Engineering, 2024, 46(5): 795-804.

图/表 7

图1

图2

图3

图 4

图5

图6

图7

参考文献 29

1	WU H， WU C， LYU N， et al. Does a faster takeover necessarily mean it is better？ a study on the influence of urgency and takeover-request lead time on takeover performance and safety［J］. Accident Analysis & Prevention， 2022， 171： 106647.
2	SHADRIN S S， IVANOVA A A. Analytical review of standard SAE J3016 《taxonomy and definitions for terms related to driving automation systems for on-road motor vehicles》 with latest updates［J］. Avtomobil'. Doroga. Infrastruktura， 2019，3 （21）： 10.
3	王琳岩，张慧珺，胡宏宇.驾驶经验对L3级自动驾驶接管绩效的影响［J］.汽车工程， 2022， 44（10）：1521-1526.
	WANG L Y， ZHANG H J， HU H Y. The impact of driving experience on the performance of L3 level autonomous driving takeover ［J］. Automotive Engineering， 2022， 44 （10）： 1521-1526.
4	SHI E， BENGLER K. Non-driving related tasks’ effects on takeover and manual driving behavior in a real driving setting： a differentiation approach based on task switching and modality shifting［J］. Accident Analysis & Prevention， 2022， 178： 106844.
5	胡宏宇，张慧珺，姚荣涵，等.L3级自动驾驶接管过程驾驶员情景意识［J］.吉林大学学报（工学版）， 2022： 1-12.
	HU H Y， ZHANG H J， YAO R C， et al. Driver's situational awareness during L3 automatic driving takeover ［J］. Journal of Jilin University （Engineering Edition）， 2022： 1-12.
6	YOON S H， JI Y G. Non-driving-related tasks， workload， and takeover performance in highly automated driving contexts［J］. Transportation Research Part F： Traffic Psychology and Behaviour， 2019， 60： 620-631.
7	DILLMANN J， DEN HARTIGH R J R， KURPIERS C M， et al. Keeping the driver in the loop through semi-automated or manual lane changes in conditionally automated driving［J］. Accident Analysis & Prevention， 2021， 162： 106397.
8	ZHAO Y， GENG H， LIANG J， et al. Effects of driver response time under take-over control based on CAR-ToC model in human-machine mixed traffic flow［J］. Automotive Innovation， 2023， 6（1）： 3-19.
9	ZHOU F， YANG X J， DE WINTER J C F. Using eye-tracking data to predict situation awareness in real time during takeover transitions in conditionally automated driving［J］. IEEE Transactions on Intelligent Transportation Systems， 2021， 23（3）： 2284-2295.
10	胡立伟，李耀平，林玉珍. 不同等级公路环境下驾驶人动态视觉特性规律研究［J］. 交通运输系统工程与信息， 2014， 14（3）： 58-63.
	HU L W， LI Y P， LIN Y Z. A study on the dynamic visual characteristics of drivers in different levels of highway environment［J］. Transportation Systems Engineering and Information，2014，14（3）： 58-63.
11	邢大伟. 驾驶人视觉感知特性及其建模研究［D］. 长春：吉林大学， 2019.
	XING Dawei. Research on driver visual perception characteristics and its modeling ［D］. Changchun： Jilin University， 2019.
12	SHERIDAN T B， MEYER J E， ROY S H， et al. Physiological and psychological evaluations of driver fatigue during long term driving［C］. SAE Paper 910116.
13	REIMER B. Cognitive task complexity and the impact on drivers’ visual tunneling［C］. Proceedings of the Transportation Research Board 88th Annual Meeting， 2009.
14	WONG J T， HUANG S H. Attention allocation patterns in naturalistic driving［J］. Accident Analysis & Prevention， 2013， 58： 140-147.
15	王琳虹，张朋. 驾驶人视觉注视特性分析［J］. 收藏， 2019（12）.
	WANG LH， ZHANG P. Analysis of driver's visual gaze characteristics［J］. Collection， 2019（12）.
16	彭金栓，张磊，邵毅明，等. 山区公路驾驶人动态视觉试验研究［J］. 中国科技论文， 2018， 13（7）： 741-746.
	PENG J S， ZHANG L， SHAO Y M， et al. Experimental study on dynamic vision of drivers on mountain roads［J］. Chinese Scientific and Technical Papers， 2018， 13（7）： 741-746.
17	CARSTEN O， LAI F C H， BARNARD Y， et al. Control task substitution in semiautomated driving： does it matter what aspects are automated？［J］. Human Factors， 2012， 54（5）： 747-761.
18	ONNASCH L， WICKENS C D， LI H， et al. Human performance consequences of stages and levels of automation： An integrated meta-analysis［J］. Human Factors， 2014， 56（3）： 476-488.
19	郭子慧，郭伟伟，谭墍元. 驾驶员接管自动驾驶车辆的眼动特性和行为分析［J］. 中国安全科学学报， 2022， 32（1）： 65.
	GUO Z H， GUO W W， TAN J Y. Analysis on eye movement characteristics and behavior of drivers taking over automated vehicles［J］. Chinese Safety Science Journal， 2022， 32（1）： 65.
20	CLARK J R， STANTON N A， REVELL K M A. Automated vehicle handover interface design： focus groups with learner， intermediate and advanced drivers［J］. Automot. Innov.， 2020， 3（1）： 14-29.
21	NAUJOKS F， MAI C， NEUKUM A. The effect of urgency of take-over requests during highly automated driving under distraction conditions［J］. Advances in Human Aspects of Transportation， 2014， 7（Part I）： 431.
22	SADEGHIAN B S， B S C J， HEUTEN W， et al. Feel the movement： real motion influences responses to take-over requests in highly automated vehicles［C］. Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems， 2018： 1-13.
23	DOGAN E， RAHAL M C， DEBORNE R， et al. Transition of control in a partially automated vehicle： effects of anticipation and non-driving-related task involvement［J］. Transportation Research Part F： Traffic Psychology and Behaviour， 2017， 46： 205-215.
24	ERIKSSON A， STANTON N A. Takeover time in highly automated vehicles： noncritical transitions to and from manual control［J］. Human Factors， 2017， 59（4）： 689-705.
25	BAO S， BOYLE L N. Age-related differences in visual scanning at median-divided highway intersections in rural areas［J］. Accident Analysis & Prevention， 2009， 41（1）： 146-152.
26	韩磊，朱守林，高明星，等. 注视熵和马尔科夫链的弯道诱导设施信息量研究［J］. 中国安全科学学报， 2020， 30（8）： 122-128.
	HAN L，ZHU S L，GAO M X，et al．Research on information volume of guidance facilities on bends based on gaze entropy and Markov chain［J］．China Safety Science Journal，2020，30（8）：122-128．
27	BRÉMAUD P. MARKOV Chains. Gibbs fields， Monte Carlo simulation， and queues［M］. Springer-Verlag， Springer Science & Business Media， 2001.
28	SERFOZO R. Basics of applied stochastic processes［M］. Springer-Verlag， Springer Science & Business Media， 2009.
29	CINLAR E. Introduction to stochastic processes［M］. Courier Corporation， 2013.

[1]	杜国栋,邹渊,张旭东,孙文景,孙巍. 基于双估计强化学习结合前向预测控制的自动驾驶运动控制研究[J]. 汽车工程, 2024, 46(4): 564-576.
[2]	丁志杰,王亚飞,章翼辰,邬明宇,王亦乐. 基于复合动态采样的自动驾驶矿车节能路径规划方法[J]. 汽车工程, 2024, 46(4): 588-595.
[3]	刘辉,张发旺,聂士达,段京良,郭丛帅,郭凌雄. 基于逆模型预测控制的拟人驾驶控制[J]. 汽车工程, 2024, 46(4): 596-604.
[4]	张培兴,秦孔建,朱冰,赵健,范天昕,赵文博. 自动驾驶仿真多逻辑场景综合评价方法[J]. 汽车工程, 2024, 46(3): 375-382.
[5]	周亦威,夏莫,朱冰. 城市道路场景下考虑多类交通参与者的多模态车辆轨迹预测方法研究[J]. 汽车工程, 2024, 46(3): 396-406.
[6]	付新科,蔡英凤,陈龙,王海,刘擎超. 不确定性环境下的自动驾驶汽车行为决策方法[J]. 汽车工程, 2024, 46(2): 211-221.
[7]	赵晓聪,房世玉,李子睿,孙剑. 社会性驾驶交互关键效用析取与应用[J]. 汽车工程, 2024, 46(2): 230-240.
[8]	马艳丽, 秦钦, 董方琦, 娄艺苧. 基于风险场的不同认知次任务下接管风险评估模型[J]. 汽车工程, 2024, 46(1): 9-17.
[9]	刘卫国,项志宇,刘伟平,齐道新,王子旭. 基于分布式强化学习的车辆控制算法研究[J]. 汽车工程, 2023, 45(9): 1637-1645.
[10]	王明,唐小林,杨凯,李国法,胡晓松. 考虑预测风险的自动驾驶车辆运动规划方法[J]. 汽车工程, 2023, 45(8): 1362-1372.
[11]	朱向雷,吴志新,张宇飞,赵帅,李克秋,孙博华. 基于场景降维及采样方法的场景库优化方法研究[J]. 汽车工程, 2023, 45(8): 1408-1416.
[12]	吴新政,邢星宇,刘力豪,沈勇,陈君毅. 基于错误注入的决策规划系统抗扰性测试与分析[J]. 汽车工程, 2023, 45(8): 1428-1437.
[13]	高锋,冯德福,胡秋霞. 面向NMPC运动规划系统的数值优化加速技术[J]. 汽车工程, 2023, 45(8): 1438-1447.
[14]	芦涛,金馨,廖毅霏,黄圣杰,杨依琳,谢国涛,秦晓辉. 基于雅克比域零空间边缘化的视觉SLAM[J]. 汽车工程, 2023, 45(8): 1457-1467.
[15]	伍文广,田双岳,张志勇,张斌. 非铺装道路凹凸不平特征语义分割方法研究[J]. 汽车工程, 2023, 45(8): 1468-1478.