2025年自动驾驶汽车用户接管能力研究：10秒接管窗口下的情境意识重建挑战

随着自动驾驶技术的快速发展，全球汽车产业正经历前所未有的变革。英国交通部与自动驾驶汽车中心(CCAV)的最新研究报告《自动驾驶汽车用户接管能力：应对过渡需求》揭示了在自动化驾驶向人工驾驶过渡过程中，用户情境意识(SA)重建面临的关键挑战。该研究由Lacuna Agency联合伦敦大学学院和拉夫堡大学共同完成，通过高保真驾驶模拟器对97名英国驾驶员进行测试，深入分析了不同类型非驾驶相关活动(NDRA)对用户接管表现的影响。研究特别聚焦于自动车道保持系统(ALKS)规定的10秒接管窗口期，探讨了在这一严格时间限制下，用户如何从各种分心活动中快速重建驾驶所需的情境意识。本文将全面解析这项研究的主要发现，剖析自动驾驶技术发展面临的现实挑战，并展望未来人机协同驾驶的可能发展方向。

一、自动驾驶接管情境中的情境意识三层次理论

情境意识(SA)是确保自动驾驶安全过渡到人工驾驶的核心要素。根据Endsley的经典理论，驾驶中的情境意识包含三个递进层次：感知环境要素(Level 1)、理解当前情境(Level 2)和预测未来状态(Level 3)。在自动驾驶接管场景中，用户必须在极短时间内完成这三个认知层次的构建，这对现行的10秒接管窗口提出了严峻挑战。

​​感知层面的时间压力​​尤为显著。研究数据显示，在模拟测试中，用户从发出接管请求到实际控制车辆的平均时间为3-5秒，但存在极大个体差异，最长可达24.4秒。这种差异主要源于不同NDRA对感知注意力的占用程度不同。例如，观看车载电影时，用户平均需要4.28-4.57秒接管，而阅读杂志则需要4.33-4.5秒。值得注意的是，这些时间仅反映物理接管动作，并不代表完整情境意识的建立。研究中的眼动追踪数据显示，即使用户已手握方向盘，其视觉注意力仍可能滞留在NDRA上，导致"接管但未感知"的危险状态。

​​理解层面的认知负荷​​同样不容忽视。在模拟的施工区场景中，用户需要识别限速标志(50mph)并相应调整车速。数据显示，UCL参与者达到目标车速的平均时间为15.9秒，LU参与者为2.7秒，这种巨大差异揭示了情境理解的速度差异。更值得关注的是，约16.6%的参与者未能及时调整车速，表明他们虽然完成了物理接管，但未能充分理解道路环境变化的意义。这种"感知但不理解"的状态在拥堵场景中同样存在，当周围车辆开始加速时，部分用户表现出迟疑和速度调整滞后。

​​预测层面的能力欠缺​​最为隐蔽也最危险。研究通过车道偏离指标评估用户对车辆未来轨迹的预判能力，结果显示在施工区场景中，UCL参与者有64.3%出现车道偏离，LU参与者为16.7%。这种偏离并非有意变道，而是控制不稳的表现，反映出用户未能准确预测车辆运动状态与道路几何的关系。特别令人担忧的是，眼动数据显示用户极少使用后视镜(平均仅0.25秒)和右侧镜(平均0.31-0.36秒)来建立全面空间意识，这种"理解但不预测"的行为模式大大增加了变道风险。

​​情境意识重建的神经机制​​研究还通过EEG技术探索了大脑活动与接管表现的关系。初步发现表明，成功的SA重建伴随着枕叶和颞叶的特定激活模式，这些区域负责视觉空间处理和情景记忆。当用户从深度分心状态转换时，这些脑区需要更长的"启动时间"，这解释了为何沉浸式NDRA会导致接管延迟。这一发现对ALKS的10秒标准提出了生物学层面的质疑——人脑在某些情境下可能需要更长的情境意识重建时间。

二、非驾驶相关活动的分类影响与接管表现差异

研究将NDRA系统划分为移动设备活动、非技术性活动和动作性活动三大类，每类对情境意识重建产生独特影响。这种分类不仅具有学术意义，更为政策制定提供了实证基础，帮助界定自动驾驶中可允许的次级活动范围。

​​移动设备活动的双重效应​​表现最为复杂。测试中，手持手机玩Tetris游戏的接管时间最长(5.25秒)，而观看支架手机视频的接管时间稍短(4.28-4.57秒)。表面看，支架手机似乎更安全，但深入分析揭示相反结论：支架手机用户的完全脱离率仅15.5%(UCL)和43.5%(LU)，意味着多数用户边驾驶边继续观看；而手持手机用户因需要放下设备，完全脱离率达82.6%(LU)和12.1%(UCL)。这种"快速但不安全"与"慢速但彻底"的悖论，挑战了单纯以接管速度评价安全性的传统观念。研究还发现，移动设备活动导致的车道偏离率达36.7%，显著高于其他NDRA，证实了视觉分心的持续影响。

​​非技术性活动的认知特点​​呈现另一番图景。阅读杂志的完全脱离率高达95.7%(UCL)和90.3%(LU)，表明这是最容易中断的活动；但接管时间却相对较长(4.33-4.5秒)，因为用户需要标记阅读位置并合上杂志。填字游戏/数独活动则因需要双手操作(一手持书一手持笔)，导致接管延迟更明显(4.43-4.67秒)。这类活动的优势在于不产生持续感官输入(如视频音频)，一旦中断，认知资源可快速转向驾驶。数据显示，非技术性活动后的车道偏离率为48.3%，主要发生在施工区场景，说明空间认知能力恢复不完全。

​​动作性活动的低干扰特性​​令人意外。饮水活动的接管时间最短(3.11-3.87秒)，完全脱离率达88.1%(UCL)和87.5%(LU)，证明这类简单动作最容易中断。模拟吃"爆米花"(实际为转移棉球)的接管时间为4.02-4.59秒，完全脱离率81.4%(UCL)和79.2%(LU)。动作性活动的优势在于允许视线保持道路方向，数据显示其车道偏离率为55.6%，但主要发生在复杂场景。瞳孔直径变化率分析表明，动作性活动后的认知负荷增加最少，用户能更快达到最佳警觉状态。

​​NDRA的沉浸度主观评价​​与研究数据形成有趣对照。参与者自评显示，手机活动和填字游戏沉浸度最高(3.7-3.9/5)，而饮水和吃"爆米花"沉浸度最低(1.7-2.6/5)。然而，客观指标却显示高沉浸活动不一定导致最差接管表现。这种主观感受与客观数据的脱节，暗示用户对自身准备度的判断可能不准确，凸显了明确接管标准的重要性。研究还发现，不同年龄段对NDRA的偏好差异显著：年轻人更倾向单手操作手机，而年长者偏好双手活动，这种差异可能导致不同年龄组的接管模式系统差异。

三、场景复杂度与接管协议的交互影响

研究设计的施工区与拥堵两大场景，代表了自动驾驶系统不同的运行设计域(ODD)边界情况。数据分析显示，场景复杂度不仅影响接管时间，更重塑了用户的情境意识重建模式，这对ALKS的情景化设计具有重要启示。

​​施工区场景的认知挑战​​尤为突出。在此场景中，用户需要识别限速标志并减速，这一过程平均需要15.9秒(UCL)和2.7秒(LU)达到目标车速，远超过10秒接管窗口。更值得关注的是场景与NDRA的交互效应：使用支架手机时，施工区场景的接管时间(4.71秒)显著长于拥堵场景(4.43秒)；而阅读杂志时，这种差异更加明显(施工区4.61秒vs拥堵4.05秒)。这种"场景放大效应"表明，复杂道路环境会加剧NDRA的干扰程度。车道偏离数据强化了这一结论，施工区场景的车道偏离率(56.9%)显著高于拥堵场景(45.6%)，尤其在同时进行视觉-认知双重任务时。

​​拥堵场景的动态特性​​带来不同挑战。当周围车辆突然加速时，用户需要迅速识别这一变化并相应调整车速。数据显示，拥堵场景的平均接管时间稍短(3.08-3.24秒)，但达到目标车速的时间差异巨大(UCL 6.2-8.7秒 vs LU 3.6-5.21秒)。这表明用户虽能快速采取行动，但动作精确度受NDRA残留影响。拥堵场景的特殊性在于其动态变化特性，眼动追踪显示用户在此场景下使用后视镜的频率(0.44秒)显著高于施工区场景(0.28秒)，反映出对周围车辆运动的高度关注。

​​接管协议的设计缺陷​​在研究中暴露无遗。现行的"感觉安全时尽快接管"的模糊提示，导致用户对安全接管的认知差异巨大：有人立即接管但持续分心，有人则过度准备导致延迟。研究视频分析显示，部分用户将接管请求视为"开始准备驾驶"而非"立即驾驶"的信号，这与安全接管的基本要求背道而驰。更严重的是，不同测试地点(UCL为主动控制，LU需口头确认)的协议差异，导致了系统性表现差异，凸显标准化接管协议的必要性。

​​人机界面(HMI)的优化方向​​在数据中逐渐清晰。研究发现用户极少查看后视镜(仅25%的试验)，反而过度关注仪表盘(1.63-1.75秒)和HMI界面(0.35-0.38秒)。这种非自然的视觉模式，反映出用户不确定何处获取关键驾驶信息。研究建议HMI应整合情境化信息，如接管原因(施工区/拥堵)、预期动作(减速/加速)和关键注意区域(后视镜/侧镜)，引导用户高效重建情境意识。瞳孔直径数据支持这一观点，显示在明确指引下，用户的认知负荷显著降低。

四、个体差异与自动驾驶系统设计的包容性挑战

研究数据揭示的个体间差异远超预期，这不仅关乎公平性问题，更对"一刀切"的自动驾驶设计范式提出了根本性质疑。从年龄、技术接受度到认知风格，多重因素交织影响用户的接管表现，要求系统具备更强的适应能力。

​​测试地点的系统性差异​​提供了有趣洞见。UCL参与者平均接管时间普遍短于LU参与者(如手持手机：4.58秒vs5.25秒)，但达到目标车速的时间却更长(施工区场景：15.9秒vs2.7秒)。这种"快接管、慢适应"与"慢接管、快适应"的对比，可能源于两地的测试协议差异(UCL为主动控制，LU需口头确认)，但也可能反映地域驾驶文化差异。更值得关注的是，不同地点对同一NDRA的反应不同：在LU，支架手机的脱离率(43.5%)远高于UCL(15.5%)，这种协议导致的系统性偏差，警示我们研究结果的语境依赖性。

​​年龄与NDRA偏好的代际差异​​明显影响接管模式。年轻参与者更倾向单手操作手机，导致设备掉落风险增加；年长者则偏好双手活动，虽接管较慢但更彻底。技术接受度调查显示，87%参与者拥有智能手机，但对自动驾驶的接受度仅3.6/5，这种"高科技生活但低驾驶自动化信任"的矛盾心态，可能导致使用中的警惕性过高或过低。研究还发现，自评技术娴熟的用户在模拟中反而表现出更高的事故风险，暗示过度自信的危险。

​​情境意识评估的多维性​​在个体差异背景下更显重要。研究采用绩效指标(接管时间、车速调整)、行为观察(脱离完整性)、眼动追踪(注视分布)和生理指标(瞳孔变化)等多维评估，发现这些指标间常呈现不一致性。例如，有人快速接管但持续分心(好绩效、差行为)，有人则完全脱离但适应迟缓(好行为、差绩效)。这种多维割裂表明，安全接管评估必须综合多种指标，单一维度可能产生误导性结论。EEG数据的初步分析显示，不同个体的脑激活模式存在显著差异，这可能解释了为何统一接管时间标准难以适应所有人。

​​包容性设计的迫切需求​​从数据中呼之欲出。研究建议自动驾驶系统应：1)允许个性化接管时间窗口，基于实时生理指标动态调整；2)提供差异化NDRA建议，考虑用户年龄和技术能力；3)开发自适应HMI，根据用户认知风格优化信息呈现。这种"以人为本"而非"技术为本"的设计哲学，可能是实现安全接纳自动驾驶的关键。研究特别指出，现有10秒标准可能不适合老年用户或特定NDRA情境，政策制定需要更多包容性考量。

以上就是关于自动驾驶汽车用户接管能力的研究分析，通过模拟实验揭示了情境意识重建的复杂过程。研究发现，10秒接管窗口在部分情境下面临严峻挑战，特别是当用户从事沉浸式非驾驶活动或在复杂道路环境下。不同类型的NDRA对安全接管产生差异化影响，其中移动设备活动风险最高，而简单动作性活动干扰最小。研究同时强调，个体差异、场景复杂度和接管协议设计等因素共同决定了接管安全性，呼吁更灵活、包容的自动驾驶系统设计。这些发现不仅对ALKS等自动驾驶系统的政策制定具有直接参考价值，也为未来人机协同驾驶界面的优化指明了方向。随着自动驾驶技术逐步走向现实应用，如何平衡技术便利性与安全可靠性，将成为产业界和监管机构面临的核心挑战。

编辑：666知识控