L2 级智能驾驶车辆随时间变化的HMI系统提示效果研究

目的

本实验旨在考察在模拟高速公路上与L0级传统车辆共存的动态交通环境中（即高速公路驾驶条件），操作员实时监测并评估驾驶员的注意力变化情况以及相应行为模式的变化趋势。研究重点在于分析驾驶员注意力状态对其行为模式及决策过程的影响规律，并结合第一章内容确定驾驶员与自动驾驶车辆交互的最佳策略（即L2级操作定义的关键要素）。本研究对L2级操作定义的两个方面至关重要，并为实验设计及后续感兴趣的应用场景奠定了基础：即通过深入理解人车交互机制（包括驾驶员注意集中度评估方法）并优化高级别自动驾驶技术参数设置（以最大化行车安全性），从而实现人机协作下 safest road travel.

驾驶员负责道路安全监控，并应随时准备施加控制，在短时间内能够实施

系统可在无需提前发出警示的情况下脱离对车辆的控制权；驾驶员须确保能够安全地操作车辆

根据这些操作定义, 本实验旨在评估某种机制的效能, 该机制引导驾驶员员监控驾驶 surroundings。

方法

在实验2中进行了一次单一且持续时间较长的曝光测试。随后，在参与者的操作和车辆熟悉阶段进行了简短培训。接着安排了三个连续60分钟的任务阶段，在这些阶段中，参与者通过平板电脑执行了一系列任务。当执行任务时，请注意不同时间段可能出现的操作异常情况：依据预先设定的不同提示时间点（如2秒钟、7秒钟或无时间限制），系统会根据不同的指示周期向您发出相应的提醒信息：那些接受2秒钟或7秒钟提醒的时间段内的参与者，在注意力分散时仍会收到提醒；而接受无时间限制提醒条件的参与者则无需任何额外提醒

除了上述提示之外，在预先设定好的阶段中（即预先确定环节），参与者会在随机的时间点接收到一个意外的左车道偏离警报（即所谓的车流动态变化）。此警报警号会伴随触觉反馈座椅警示以及闪烁的红色LED指示灯等多感官刺激信息。而在另一个预先设定好的阶段中（即另一个预先确定环节），则体验了一个没有报警但仍然出现左车道偏离的情况（即所谓的车流动态变化）。这种情况下仅包含左车道偏离本身而未发出任何报警信号，并且此时提示系统处于关闭状态。实验者通过模拟车辆行驶中的车道保持问题以及提示系统失效情况来注入这种车流动态变化信息。请注意，在接受2秒和7秒持续时长（即所谓的持续时间设置）下参与者的反应与其在此时所处注意力状态所作出的相关反应之间存在难以区分之处（即所谓的反应方式无法明确区分）。本实验旨在考察参与者对上述提及的各种信息源——包括相关提醒信息、警示信号以及潜在车流动态变化——的具体感知及其相应的处理机制。

实验设计

本研究采用了3×3×3混合因素设计。每个参与者参与了三次连续驾驶对话，在每次对话中涉及以下三种类型之一：带有报警标志的道路偏移、没有报警标志的道路偏移或没有道路偏移的情况。在实验过程中体验了所有这些情况各一次。此外还应用了三种不同的提示方案与驾驶员监控系统协同工作，并确保每位参与者仅体验了一种特定类型的提醒方案——分别是持续2秒提醒、持续7秒提醒以及无提醒状态。其中提醒时间依据先前的研究结果确定（例如基于分心行为的研究确定2秒提醒的时间框架），而专家建议则支持7秒提醒策略。（注：此处保留原文中关于引用的内容）该研究的主要目标是为了模拟道路条件下出现故障时最坏的情况场景并评估其影响程度。

独立变量

本研究设计使用了三个独立变量，如下所述：

提示条件

这是一个组间变量，有三个水平：2秒、7秒和无提示。

按照L2级智能驾驶的标准，在驾驶员须时刻准备接管控制并能迅速做出反应的基础上设置这些指示的目的，在参与者注意力从道路转移超过设定的时间段时给予一次提醒

两秒钟时长。当参与者执行非驾驶任务时（注意：此处可省略），其注意力状态距离道路边缘两秒钟后将提供一个渐进式的实验性提示。

七秒钟，在执行与驾驶无关的任务时，在距离障碍物七秒钟时随后会呈现一个渐进式的实验提示

• 无提示。不呈现任何实验性提示。

事件类型

这是一个有三个层级的组内变量。

系统通过视觉和触觉手段发出警示信息，并未提供L2级自动驾驶功能。当系统发出警告时,车辆随后偏离了车道并转入了旁边的行驶道

未发出警报信号。系统并未明确表示已处于停用状态或存在任何问题。车辆在三至五秒的时间段内突然发生了Unexpected lane deviation（未发出警报）并转向了相邻车道。在此情况下，提示系统同样被关闭，并模拟了一个故障场景。

• 没有注入车道偏离。

会话编号

这是一个有三个层级的组内变量：

• 会话1

• 会话2

• 会话3

依赖变量

本研究设计包括九个依赖变量，如下所述。

操作员行为

• 反应时间（以秒计）

此变量被定义为自激活车道偏离或提示那一刻开始，并持续至参与者完成了一个被认为是反应的行为的时间。

• 恢复控制时间（以秒计）

此变量被定义为始于激活车道偏离或提示阶段，并持续至驾驶员在握转向盘时的手动控制时间。

• 表现

此变量被定义为参与者对感兴趣事件做出的准确反应（如信号指示时），参与者进行车辆操作。

• 激活自动化的时间（以秒计）

此变量定义为从系统指示自动化可用性到参与者激活自动化的时间。

• 释放方向盘控制的时间（以秒计）

该变量被定义为从成功执行自动化操作到参与者何时将双手从方向盘上移开的时间。

• 恢复非驾驶任务的时间（以秒计）

该变量被定义为从自动化的成功启动至参与者恢复非驾驶任务互动的能力时间

图3-1展示了与操作员行为相关的依赖变量测量的顺序。

图3-1. 实验2中与操作员行为相关的依赖变量序列

眼动行为

眼动行为在车道偏离前10秒至偏离后60秒之间被持续捕捉；在随机采样的提示阶段前后各延长15秒进行监测；对于无提示条件下的测试样本，则在整个选定的时间窗口内完成两次连续捕捉。

监控率被定义为在指定时间段内驾驶员对驾驶环境的关注行为占比。（这些关注行为包括但不限于向前凝视前方区域、左右打转向时的注意力集中在挡风玻璃上、持续关注左侧及右侧车窗区域、频繁调整左右侧视镜以获取视野信息、持续凝视后视镜以监测后方车辆动态以及频繁操作人机交互界面（HMI）以接收或输出指令等行为）

non-driving-related eye movements. This is defined as the quantity and duration of non-driving-related eye movements within a specified time frame. (Non-driving-related eye movements do not involve any driving environment, including attention directed at devices such as smartphones, tablets, passengers, and other hygiene-related activities.)

参与者的主观评估

在每个实验会话中，在附录E的基础上采用了问卷调查的方法进行测试，并每隔10分钟进行一次数据采集（总共进行了21次数据采集）。参与者则采用7点李克特量表对自动化系统执行非驾驶任务时的正常运作表现给予信心度评价。

除了在实验会话中记录的21次信任评分之外，在每次驾驶会话结束时还需让参与者填写一份体验后的信任量表以及一份体验后的满意度量表，并需参与一次开放式的访谈。

设施

如前文所述，在密歇根州米尔福德的通用汽车米尔福德试车场进行过自动驾驶研究，并且当时仅限于批准的研究和经过批准的训练有素驾驶员参与

车辆

基于2010年款设计的凯迪拉克SRX汽车配备了L2级自动驾驶功能模块，并被指定为实验阶段二的关键测试车辆（图3-2）。其中一项重要组成部分是该车配备了多个人机交互设备。这些设备包括位于仪表板上的屏幕单元提供与自动驾驶相关的详细信息，并配有两个方向盘按钮分别负责自动化控制功能：一个是ACC制动能制导按钮（ACC Button），另一个是用于车道居中的自动辅助按钮（Lane Centering Assisted Button）。

图3-2. 2010款凯迪拉克SRX配备原型L2系统，用于实验2

该车辆配备了弗吉尼亚理工学院交通研究所的数据采集系统（DAS）。DAS通过网络接口连接到原型自动驾驶系统。该系统收集的变量包括运行状态、速度与车道居中情况等参数。此外，在实时监控界面中还提供了以下视频视角（如图3-3所示）：

• 操作员的脸部

• OTS视角

• 前方道路

• 外部左侧后方

• 脚部（踏板区域）

• 人机界面（HMI）

图3-3. VTTI的实验2用DAS相机视图

平板电脑

本研究采用了一台华硕Nexus 7型平板电脑，并与其前一阶段实验所使用的一样设计，在此期间参与者有机会在车辆达到二级自动驾驶状态时执行非驾驶相关的工作（如图2-5所示）。该设备通过Wi-Fi连接至便携式热点设备来实现网络联结功能。在驾驶员操作期间，在车内布置了一系列干扰性任务供参与者完成这些工作包括导航指令、电子邮件查询以及网页浏览操作等项目。研究者总计让参与者完成了90个不同领域内的工作内容其中每个领域包含30项具体项目这些工作内容是以随机顺序依次呈现给参与者的

参与者

从56位研究参与者（其中28位为男性和28位为女性）开展数据收集工作。这些参与者的平均年龄约为41岁左右（标准差16.3），其年龄范围从18岁延伸至72岁。为了确保各个年龄段都有足够的代表性，在研究中将参与者划分为四个年龄段区间：18至24岁、25至39岁、40至54岁以及55岁以上四个区间；具体而言，在18至24岁的年龄段内有14人参与（其中7人为男性和7人为女性），而处于25至39岁的年龄段内则有12人参与（包括6名男性和6名女性）。此外，在40至54岁的年龄段中有16人参与（占用了8个男名额与8个女名额），而在最年长的群体中也有14人参与（同样由7名男性与7名女性组成）。值得注意的是，在本次研究中并非以年龄作为主要变量进行分析；关于实验二的额外信息，请参考附录C中的相关内容

指令和培训

在参与者进入测试车辆之前，他们被分发了装有任务操作界面的平板电脑设备。参与者被简要讲解了将执行的任务类型，并可在需要时提问并练习每种任务的基本操作。随后，在模拟赛道上完成了四次实地训练轮次。特别说明：所有实验者均需遵循相同的操作流程。参与者的静态定位培训旨在提升他们在固定位置下的操作熟练度。在手动驾驶模式下完成了第一圈的任务后，在第二圈期间自适应巡航控制（ACC）系统开始工作以维持与前车的距离。第三圈及第四圈则借助自适应巡航控制（ACC）配合车道居中辅助功能完成任务。第三圈及第四圈的具体表现将直接反映系统当前是否具备转入自动驾驶状态的能力。完成上述步骤后，请每位参与者仔细阅读并确认《实验环节指导手册》，并在确认无误后提出任何疑问或建议

学习会议

参与者参加了三次驾驶会议，并且每次会议均耗时大约60分钟。参与方在开启L2级智能辅助驾驶功能之后，在会议期间启动与其他各项非驾驶任务的交互操作。

参与人员被安排执行了三类非驾驶操作：导航指令输入、邮件收发以及网页浏览功能测试。总共进行了高达90次不同类型的非驾驶操作，在每个类别中安排了30次操作机会。这些操作在视觉与手动控制需求上具有相似性，并且是以随机顺序进行的。所有操作均在配备标准QWERTY触摸屏键盘的平板电脑上完成。每个操作的具体步骤均记录在专用记事卡上。每位参与者在开始每个操作前都会收到一份记事卡，并在完成之后将这份记事卡归还给负责该操作的任务负责人（车载实验员）。负责下一组不同类型的非驾驶操作的新记事卡会在参与者完成当前工作后约30至60秒内发送给他们（注意：并未规定参与者的操作节奏；他们可以根据自己的情况灵活安排）。

指引路线。指导参与者完成一项任务要求他们启动设备上的导航应用，并从提供的选项中选择一个新的目标地点。然后，请按照指定的数字-街道-城市-州格式填写地址信息。

• 邮件。邮件任务要求参与者使用平板电脑撰写一封电子邮件。

访问网页。访问网页的任务要求参与者打开平板电脑上的浏览器应用程序。参与者需要找到特定问题或任务的答案，并在完成这一过程时进行搜索和互联网交互。

每位参与者被分配了一个提示条件类型：包括2秒提醒、7秒提醒以及无提醒三种类型。驾驶员监控系统依据参与者注意力状态及所分配的提醒类型执行了三个阶段的提醒程序。当参与者的注意力状态偏离道路时，系统将依据所分配的提醒类型发出警示。对于2秒提醒类型，在参与者注意力状态偏离道路后2秒钟时发出警示；而对于7秒提醒类型，则会在其注意力离开道路7秒钟时报警。未被分配到任何提醒类型的参与者将不会收到任何警示信息。驾驶员监控系统采用了三个递进阶段的安全预警机制。下面提供了各阶段的具体说明信息

参与者一旦将注意力转移至非道路方向，并达到预设阈值时，则该阶段会被触发。

此阶段的特点是低紧迫性的视觉警报。

如果参与者的注意力状态变为在道路上，则触发结束提示

当参与者在5秒内感知到路面状况未发生变化时，在等待5秒钟后，在道路上的提示应继续引导进入下一阶段

第二阶段启动的条件是：当第一个环节的提示持续5秒后且参与者并未从道路驾驶中转移注意力时

此阶段的特点是更高紧迫性的多模式警报（即视觉和触觉）。

当参与者的注意力状态变为位于道路边缘时,提示消失后系统将恢复正常工作状态

当参与者在整个时间段（前五秒）未离开道路时，请触发进入第三阶段的提示信息。

第三阶段：当第二阶段的提示在5秒钟内未被取消时（...），如果参与者仍然停留在道路旁，则直接进入该阶段。

此阶段的特点是更高紧迫性的多模式警报（即视觉、触觉和听觉）。

这是提示的最后阶段，持续到参与者控制方向盘为止。

一旦参与者控制了方向盘，系统关闭并需要手动重新启动。

图3-4展示了2秒和7秒任务间隔场景下的警报时间线。

图3-4. 实验2中2秒和7秒提示条件的警报时间线

在实验阶段中，在不同的驾驶会话期间每位参与者分别体验了有警报指示与无警报指示两类车道偏移情况，并且还有一次纯粹的无偏移状态的情形。全部是在随机的时间段内进行的。

以下是对原文的改写

该警报事件类型包含一个具有视觉与触觉双重模式的左车道偏离。此事件可能在任意一个三个会话中的随机时间触发，并且此时参与者正在进行非驾驶任务。

无警报的情况下：这类事件涵盖了一个未发出任何警告或警报的左车道偏移行为。该事件会在任意三个会话中的某个随机时间点触发，并且参与者的活动与驾驶无关。当实验设置采用了提示机制时，在此特定情况下相关提示功能会被暂时关闭，并导致模拟过程中出现故障。

• 不偏离车道：在三次驾驶会话中的一次，没有人为注入的车道偏离。

通过DAS（驾驶分析系统）提供的视觉反馈来评估参与者对注意力状态提示和实验者注入的车道偏离的反应。在不同驾驶会话中发生了两次车道偏移事件，在其中有一次带有警示标志的情况下触发。这些偏移事件仅在无 surrounding traffic 的情况下发生，并且当参与者同时专注于非道路任务时更容易出现。如果参与者的主题车辆完全进入相邻车道后（大约持续3至5秒期间未作出任何反应），前排的研究员随后将指示他们如何操作方向盘以纠正位置。

在经历三次驾驶对话后（...），参与者被要求退出环形赛道并返回准备区（...）。随后对参与者展开访谈（...），并详细阐述研究的目的（...）。作为研究人员的一部分，在参与本项目后将获得一定的补偿报酬（...）。图3-5展示了本次实验的事件时间线（...）。

图3-5. 实验2的实验会话时间线

车道偏离分析结果

操作员行为

反应时间

当设置包含视觉加触觉报警装置时（其均值为M=1.00秒、标准误SE=0.59秒等），受试者的反应时间比对照组（M=3.70秒、SE=0.35秒）更快达369%，并且这一差异具有统计学意义（F(1,48)=568, p<．ooo1）。

在第一阶段中出现了一个显著的提示条件效应，在那些未收到任何警报并经历车道偏移的参与者中尤为明显。在此情况下，在2秒提示条件下参与者的反应速度明显快于未获得任何提示的情况。t(9.05) = -2.95, p = .048。同样地，在7秒提示条件下参与者的反应速度明显快于未获得任何提示的情况。然而，在2秒和7秒条件下两组间的差异并不显著

总体而言，在接受2秒钟条件下参与者的车道偏离平均反应时长为1.97秒（标准误差SE=0.35秒），样本数量n=32人（最小值min=0.43秒至最大值max=7.68秒）。与之相比，在接受7秒钟条件下参与者的车道偏离平均反应时长为2.14秒（标准误差SE=0.32秒），样本数量n=39人（最小值min=0.08秒至最大值max=7.29秒）。而未进行提示干预的参与者其车道偏离平均反应时长达至2.77秒（标准误差SE=0.44秒），样本数量n=32人（最小值min=0.14秒至最大值max=8.72秒）。

反应时间的平均值和误差条形图按事件类型显示在图3-6中。

图3-6. 平均值和标准误差条形图，按事件类型划分的实验2反应时间

恢复控制的时间

当参与者在车道偏离时接收到视觉和触觉警报时

图3-7. 实验2中不同警报类型对性能的条形图

激活智能驾驶功能的耗时

当个体感知到警报信号时，在车道偏离后触发自动化响应所需的平均时间为7.27秒（标准误=0.50秒；样本量n=51；最小值=0.96秒；最大值=15.63秒），这一数值较之未感知到警报信号的个体（平均反应时间5.02秒；标准误=0.59秒；n=47；最小值=0.12秒；最大值=22.00秒）表现出显著差异。研究发现，在会话的不同阶段中观察到显著的时间依存效应：具体而言，在第一轮对话中（即接收到警报信号后），能够预判车道偏离并触发自动化响应的个体所花费的时间明显高于未能预判该行为的同行者（t(64.5)=3.96, p<0.001）。此外，在提示条件下（即接收到提示信息后），参与者可分为三个时间窗口进行评估：在提示生效后的第2秒钟内快速识别出问题并采取行动的个体平均耗时较长（5.18± 74毫秒），随后此数值逐渐缩短至第7秒钟内解决问题所需的时间（7.18± 89毫秒），而未能及时获得提示信息的一组个体则呈现出相对稳定的反应速度（6.07± 69毫秒）。

释放转向控制的时间

无论是警报还是提示，在释放控制所需的时间上都没有显著变化。当参与者接收到车道偏离警报时（提示条件），平均释放控制所需的时间为3.25秒（标准误=0.45秒；样本量n=50；最小值=0.01秒；最大值=16.47秒），而未接收到任何信号时（对照条件），平均时间为4.23秒（标准误=0.72秒；样本量n=47；最小值=0.03秒；最大值=25.00秒）。对于提示条件下的观察，在参与者两次看向别处后接收到提示时（提示频率高），平均释放控制所需的时间为4.67秒（标准误=1.09秒；样本量n=29；最小值=0.31秒；最大值=25.00秒），而在七次看向别处后再接收提示的情况下（提示频率低），平均时间为3.37秒（标准误=0.48秒；样本量n=37；最小值=0.10秒；最大值=16.47秒）。而未接收任何信号的情况下（对照条件），平均时间为3.25秒（标准误=0.58秒；样本量n=31；最小值为零点零一秒钟）

恢复非驾驶任务的时间

无论是警报还是提示，在恢复非驾驶任务的时间方面均未产生显著影响，并且时间变化也较为有限。当参与者车道偏离时接收到警报时（即收到警报的情况），平均释放控制的时间为3.25秒（标准误=0.45秒；样本量n=50；最小值=0.01秒；最大值=16.47秒）；而未接收到警报的情况则平均时间为4.23秒（标准误=0.72秒；样本量n=47；最小值=0.03秒；最大值=25.00秒）。对于提示条件下的参与者而言，在观察其他事物2秒钟后接收到提示时（即观察其他事物后接收提示的情况），平均释放控制的时间为4.67秒（标准误=1.09秒；样本量n=29；最小值=0.31秒；最大值=25.00秒）；而在观察其他事物7秒钟后接收到提示时（即观察其他事物较长时间后接收提示的情况），平均时间为3.37秒（标准误=0.48秒；样本量n=37；最小值=0.10秒；最大值=16.47秒）。而未接收任何提示的情况下，则平均时间为3.25秒（标准误=0.58秒；样本量n=31；最小值为零点零一秒；最大值为十一点九二秒钟）。

驾驶员行为分析摘要

在意外事件应对中，关于驾驶员行为分析的关键发现聚焦于比较两种情况：一种是参与者在遭遇车道偏移并触发了报警信号时的表现；另一种是参与者未触发任何报警信号的情况。具体而言，在发生车道偏移并触发报警信号的情况下（即参与者经历了报警事件），他们在恢复车道行驶上的反应速度较未触发报警的情况提升了66%。此外，在这种情况下（即参与者经历了报警事件），他们从失去控制状态重新获得对方向盘和刹车系统的有效控制的概率是未触发报警情况下的26.1倍。值得注意的是，在经历了报警事件的参与者中（即发生车道偏移并触发了报警信号的人群），可能最初会对于启动自动紧急制动系统抱有更多疑虑；然而这种疑虑可能会随着时间逐渐消散。表3-1总结了实验2中操作员行为分析的具体数据摘要。

眼球注视行为

监测率

实验2主要考察了参与者监控车道偏离时的表现。研究表明，在存在视觉+触觉警报的情况下，在车道偏离后参与者立即表现出更高的监测频率（F(1,43) = 126.13, p < .0001），而当没有警报时这种现象并不明显（p > .05）。总体而言，在未收到任何提示的情况下与接受过快速提示条件下的表现相比监测水平有所下降（t(50) = -4.75, p < .0001），或者与长时间提示条件下的表现相比也呈现较低水平（t(50) = -3.56, p = .0024）。这主要是由于在警报被宣布之前未收到任何提示条件下的参与者整体水平则略低于接受过快速提示条件下的群体（t(50) = -4.75, p < .0001）。具体而言，在接受过快速提示条件下的参与者在被宣布车道偏离前对驾驶环境的关注度平均为22.12%（标准误=4.87%，n=16；最小值=4.73%，最大值=75.37%），而在被宣布车道偏离后这一数值上升至47.41%（标准误=4.01%，n=16；最小值=20.41%，最大值=76.03%）。对于长时间提示条件下的参与者，在被宣布车道偏离前其关注度平均仅为20.67%（标准误=5.25%，n=20；最小值=0%，最大值=100%），而在被宣布车道偏离后则提升至59.5%（标准误=6.27%，n=20；最小值= ）

图3-8. 在车辆发生车道偏离前后的实时监测数据平均值及其对应的误差条形图，在提示条件下进行层次划分

非驾驶相关的视线转移

研究发现提示条件与会话间存在显著的交互作用（χ²(4) = 11.9, p = .0181），这表明提示条件对非驾驶相关视线转移率的影响是随着对话时间的变化而变化的。具体而言，在第一轮对话中，默认未接受任何提示的参与者表现出较低的非驾驶相关视线转移频率（M±SD = 0.22±0.03次/秒），这一水平显著低于接受持续时间为两秒及七秒的不同干预组别中的观察者（分别对应z = -5.63, p < .0001；以及z = -4.09, p < .0001）。然而，在随后进行的第二轮及第三轮对话中并未观察到这种显著差异的存在

此外，在有报警触发的情况下，在车道偏离前至车道偏离后期间内与驾驶员操作无关的视线转移率明显提升；而在无报警触发时则明显减少或无变化（χ²(1)=53.69, p<.0001）。

提示分析结果

驾驶员行为

反应时间

在经过三个阶段的发展后，在接受特定提示所需的时间上出现了明显增长（t(38.3) = 2.59, p = .0405）。值得注意的是，在分析对话内容时，在处理不同时间段的数据时所观察到的现象并不一致；具体而言，在分析对话内容时我们发现提示条件对于不同时间段的问题解决效率呈现出不同的趋势；然而即便如此，在进行多重比较校正后仍然未能达到统计学意义上的显著性

在特定时间段内，在第一时段呈现的时间平均值为 2 秒多一点（S.E.= 0 秒多一点），样本数量达到 88 例，在最低和最高测量值之间呈显著差异

恢复控制时间

尽管参与者仅在提示第三阶段启动（即提示开始后10秒）才被要求重新掌控车辆，在经历多次无法推进到第三阶段的情况后仍选择恢复控制的行为较为普遍。具体而言，在完成第一阶段的所有测试案例中共有97次（占28.8%）的成功复盘记录而对于完成第二阶段测试案例中有63次（占53.9%）的成功复盘记录值得指出的是，在参与者对这些样本测试做出反应并重新掌控车辆的过程中可能存在其他额外测试触发这一行为因此无法完全确定导致复盘行为的具体原因不同测试条件下的复盘行为分布特征可以通过分层分析的方式得以展现具体数据结果将在图3-9中进行详细展示

图3-9. 提示后重新控制频率，按提示阶段划分

驾驶员行为分析摘要

除了一个特殊情况外，在操作员接管控制时参与者普遍表现出了这种能力。然而，在车辆操作员对提示的反应速度上可能存在延迟问题。具体而言，在某些情况下参与者对提示的响应速度随着时间推移而加快。然而，在接受提示的频率上并未显示出显著的影响因素；无论是频繁还是偶尔收到提示，在处理完信息后重新获得控制的能力似乎没有受到明显影响。该实验未能评估当车辆偏离车道但未触发报警系统时相关提示的效果；如果在这种情况下进行报警提醒假设可能会有所帮助

眼动行为

为了研究周围眨眼行为的影响因素，在每场驾驶会话中，在接受2秒或7秒提示的参与者间均设置了信任度梯度，并采集了一个对应的时间点作为观察指标。随后通过与未接受任何时间点提示组别进行对比分析，在无时间信号组别中采用随机抽样的方式进行数据采集。最后对所有观察样本分别在收到刺激信号前15秒至刺激发生后的15秒时间段内（或无信号组别内的相应随机时间段）进行了眼动行为特征的记录和分析

这项研究旨在识别警报类型对眼动行为的影响及其随时间的变化趋势；以及这种效应是否会随着时间发生变化？这将有助于明确未来研究中是否需要考虑时序因素的影响。表3-2汇总了监测率与非驾驶相关的眨眼行为及其在一般情况下的意义。事件类别及会话被标注为‘显著’或‘不显著’取决于其统计学意义。

表3-2. 实验2眼动行为分析摘要表

监控率

当参与者参与非驾驶任务时，在2秒提示前的监控率（即驾驶时的注意时间占总观察时间的比例）明显高于无时间提示条件下的受试者（t(45)=5.20, p<.0001, 见图3-10），然而在7秒提示条件下两者并无显著差异（p>.05）。然而，在7秒提示条件下，在提示前后监控率的变化却表现出显著性提升（t(45)=4.65, p<.0001）。这可能是因为只有在参与者视线离开后7秒才触发了这一提醒机制的缘故。

在2秒条件下的驾驶相关视线时间均值在无任何干预之前达到34,51%,并在接受干预后降至31,5%,其标准误差分别为±,±,样本数量均为,且观察范围从到延伸至到；同样地,在7秒条件下,无干预时驾驶相关视线时间均值仅为,,而接受干预后的数值提升至,,其标准误差分别为±,±；相比之下,当未给予任何指导时,随机选取的时间点上每分钟内可观察到的道路视野的有效率仅为,,而经过指导后的数值达到了,,,通过误差条形图显示的结果表明,在有指导的情况下监控率的均值呈现显著下降。

图3-10. 被试者在被要求启动或选择时间段点时进行的非驾驶操作任务中的驾驶员专注度百分比

非驾驶相关视线

在执行非驾驶任务的过程中，在2秒提醒前后的时间段内观察到与非驾驶相关的视线数量发生了明显变化（t(45) = 2.77, p = .0400），而在7秒提醒前后的时间段内同样显示出显著的变化（t(45) = 3.98, p = .0010）。另外，在2秒提醒前观察到的与非驾驶相关的视线数量不仅明显高于7秒提醒前的情况（t(45) = .3.28, p = .0100），同时也高于无提醒条件下记录的数量（t(45) = 3.49, p = .0055）。然而，在无提醒条件下与7秒提醒前之间的比较中，并未发现任何统计学意义上的差异

在未被提醒时，在持续时间为2秒的情况下，在线驾驶员在关注区域停留的非驾驶相关视线均值达到3.26分（标准误差=0.09分, 样本量n=254, 最小观察时间为1秒, 最大观察时间为9秒）。而在接受视觉提醒后，在持续时间为2秒的情况下，在线驾驶员在关注区域停留的非驾驶相关视线均值上升至3.47分（标准误差=0.09分, 样本量n=254, 最小观察时间为1秒, 最大观察时间为9秒）。当持续时间延长至7秒时，在未被提醒时，在线驾驶员在关注区域停留的非驾驶相关视线均值降至2.5分（标准误差=0.08分, 样本量n=205, 最小观察时间为1秒, 最大观察时间为6秒）。但在接受视觉提醒后，则提升至3.07分（标准误差=0.08分, 样本量n=205, 最小观察时间为1秒, 最大观察时间为6秒）。此外，在没有任何视觉提醒的情况下，在随机选择的时间间隔内考察在线驾驶员在关注区域停留的非驾驶相关视线均值，在持续时间内达到约15秒钟时约为每段时间内平均有较高的数值呈现为每段时间内约有较高的数值呈现为每段时间内约有较高的数值呈现为每段时间内约有较高的数值呈现为每段时间内约有较高的数值呈现为每段时间内约有较高的数值

信任量表分析结果

随时间变化的信任

值得探究的是参与者对所体验系统的信任程度以及他们的信任评分是否随着时间发生变化。图3-11详细展示了整个实验（共分为三个阶段）中不同条件下参与者的平均评分变化趋势。具体而言，在第一阶段至第二阶段间观察到了显著的信任提升现象,t(45) = 2.95, p = 0.0045。然而，在第二阶段至第三阶段之间，并未持续增长趋势

图3-11. 根据提示条件分层的信任时间趋势

注意到那些经历了车道保持性能出现故障却未收到任何警示信息的参与者对其自动驾驶系统的信任程度有所降低。这反映出操作者可能已经基于其自动驾驶能力对他们所持有的信任进行了一定程度的调整或校准。

车道偏离前/后的信任

在声明与无声车道偏移之间，在车道偏离前至车道偏离后之间的信任变化呈现出差异性。详细而言，在声明发生时，并未显示出显著的变化趋势；然而，在无声场景下，则出现了较为明显的下降趋势。具体数据表明，在声明前至声明后的过渡期间（t(88) = -5.11, p < .0001），参与者对 lane change 的信心水平从6.06分（标准误为0.17分、样本量50人）降至5.88分（标准误为0.19分、样本量52人）。值得注意的是，在事件发生后不久（即 post-shift period），参与者对 lane change 的信心水平进一步下降至5.26分（标准误为0.21分）；而在声明发生的情况下，则维持在较高的水平（5.94分）。如图3-12所示，在事件类型维度上进行了细分的 lane change 前后的评分均值及标准误柱状图。

图表3-12在实验二过程中展示了车道偏离前后的信任评分均值及标准误柱状图，并根据警报类型进行了分类

体验后的信任量表

每当三个连续的驾驶会话结束时，在参与者的信任系统效果评估方面进行了调查。参与者被要求针对以下陈述发表意见：

TS1. 当我在做其他事情时，我可以依赖自动化系统正常工作。

TS2. 自动化系统在需要时提供了警报。

TS3. 自动化系统发出了错误警报。

TS4. 自动化系统是可靠的。

TS5. 我熟悉自动化系统。

TS6. 我信任自动化系统。

所有回答均采用了七级李克特量表（LSDAQ），其范围是从'1'表示强烈反对到'7'表示强烈同意（ID: 005）。除一项陈述外的所有陈述均为正面措辞（ID: 006），因此较高的分数表明更高的信任度（ID: 007）。该特定陈述（ID: 008）为"自动化系统触发了错误警报"（ID: 009），由于其措辞为负面性质（ID: 010），故对该条目做出的回答进行了重新编码（ID: 011），具体转换关系为：'1'= '7'；'2'= '6'；以此类推（ID: 012）。各条目回答的数据均以平均值及标准误差的形式展示于图3-13及图3-14中（ID: 015），分别对应于2秒提示条件下的结果及7秒提示条件下的结果。

图3-13. 2秒提示条件下的平均会话后信任量表评分

图3-14. 7秒提示条件下的会话后信任度量平均评分

会后满意度量表

针对本实验，在三个驾驶会话结束后，研究人员完成了涉及的问题（与参与者对智能驾驶系统的满意度程度相关）的问卷调查。研究人员要求参与者回答以下问题：

1. 总体来说，您对智能驾驶系统有多满意？

2. 您对提供的警报数量有多满意？

3. 您对提供的警报类型有多满意？

4. 智能驾驶系统的警报提供了足够的时间来做决定。

5. 智能驾驶系统的警报提供了足够的信息来做决定。

6. 我会在我的正常驾驶中使用这种类型的智能驾驶系统。

7. 我希望将这种类型的智能驾驶系统作为我当前车辆的一部分。

8. 我希望将这种类型的智能驾驶系统作为未来车辆的一部分。

请注意，在本次研究中采用了多种满意度量表来评估不同维度的服务质量。具体而言，在测量客户总体满意度时采用了三个基于7级李克特量表的问题：一、二、三；而对于具体服务态度评估则采用了五个基于同样量表的问题：四至八。在测量客户忠诚度方面，则采用了四个基于同样量表的问题：四至七；而在测量品牌感知方面则采用了八个同样设计的问题：八到十一。所有这些问题均采用正面措辞设计，在这种情况下较高的评分表明较高的满意度水平。为了直观展示各变量的平均值与标准误关系，在图3-15中展示了各变量的平均值与标准误柱状图

图3-15. 实验2满意度调查的平均评分

体验后访谈

在车内体验结束后，参与者接受了六项问题的询问。其录音文件作为研究者记录的补充材料保存。录音文件随后转换为文字稿，但未附加任何个人标识信息。所有受访者的回答均被完整记录并转录为文字稿，并与原始录音文件一并纳入定性内容分析的范畴。通过这项定性内容分析采用系统动力学框架进行数据分析，并通过这项结果的研究者能够更好地解释不同寻常的参与者行为模式。关于本研究中采用的方法及其详细讨论，请参阅附录F中的相关章节

总体而言，在参与者的反馈中可以看出大家普遍拥有积极的体验感受，并且整体而言感觉该系统令人 impressions and confident. 普遍认为该系统令人 impression and confident.

图3-16. 实验2参与者对自动化系统的自我报告舒适度水平

当被询问达到舒适状态所需的时间时

图3-17. 实验2参与者达到系统舒适度所需时间随年龄变化

达到所需时间的参与者通常会更倾向于在短时或较长时长的提示条件下进行操作（见图3-18）。

图3-18. 实验2：参与者在不同提示条件下达到系统舒适度所需时间

实验2总结

下面列出的表格展示了每个依赖变量中与事件类型及提示条件相关的各种组合之间的显著差异。在每个表格中列出了特定的事件类型与提示条件组合与其他所有相关组合之间的对比。例如，在表3-3所示的情况下（或在表3-3中），感兴趣的组合是那些带有2秒提示条件的警报（或警报），它们分别与带有7秒提示条件以及无时间限制的时间限制警报（或无时间限制）进行比较；同时这些警报还被与其他不带时间限制但带有2秒提醒的情况进行对比（或比较）。

实验2中的数据对比表展示了触发带有两秒提示信息的警报事件与其其它相关事件类别及其提示条件配对情况下的均值对比分析

表3-4. 在实验2中使用了7秒提示条件下产生的警报事件与其关联的不同事件类型及提示策略组合所导致的结果进行了对比分析

表3-5展示了无指示条件下警报的平均值与实验2中各关联事件类型及其搭配情况下的平均值对比

Table 3-6. Average values under the condition of no alarm and a 2-second warning period are compared with those from other event types or warning conditions in Experiment 2.

该表格对比了无警报及7秒提示条件下计算得到的平均值与其他相关的事件类型及提示条件组合在实验2中计算得到的平均值。

表3-8显示，在无提示情况下实现的零错误率与实验2中涉及其他事件类型或提示条件的情况下的平均表现进行了对比分析