Page 338 - 《软件学报》2026年第3期

章程 等: 人机共驾场景中驾驶权接管技术研究综述 1301

表 7 通用 vs. 人机共驾场景人机信任影响因素对比与综合表

信任层级 通用人机交互因素 人机共驾场景因素 对比与综合说明
人机共驾中更依赖系统声誉 (如车企品牌) 替代通用技术
倾向层 对技术的信念 隐性存在, 较少独立研究
信念, 风险敏感性更高
强化版的熟悉度. 人机共驾需主动构建心理模型 (如培
熟悉度 心理模型
训), 通用场景依赖被动经验积累
通用场景关注“是否常见”, 人机共驾需明确告知“何时不
情境层 情境常态 不确定性信息
可靠” (如恶劣天气)
拟人化 (如语音风格) 是人机共驾中主动设计的情感触发
情感反应 拟人化
点, 通用场景更依赖自然交互
人机共驾需动态协商目标 (如路线选择), 通用场景多为静
共享心理模型 目标/意图理解 共同目标
态任务 (如工业机器人)
人机共驾中合规性 (如安全认证) 需通过专家形象传递,
结构信任 专家/声誉
通用场景更依赖协议透明度
人机共驾需实时能力证明 (如变道解释), 通用场景侧重长
能力信任 反馈+原因和方式信息
期可靠性
人机共驾通过个性化服务 (如座椅调节) 实现情感信任,
习得信任层 情感信任 自适应自动化+定制化
通用场景更强调协作性
人机共驾的信任修复依赖错误信息解释, 通用场景可能容
一般信任 融合至系统声誉与错误处理
忍更高模糊性
人机共驾使用意图更受实时风险反馈影响 (如传感器告
使用意图 直接关联风险感知
警), 通用场景侧重功能效用
人机共驾因复杂性强制要求培训, 通用场景多为可选 (如
特殊新增因素 － 培训
家用机器人)

2.3 主要的人机信任模型
近年来, 人机信任建模研究取得了显著进展, 涵盖了从心理学理论到计算模型的多元化方法. 本文将从理论模
型和计算模型两个维度梳理主要研究成果, 具体如表 8 所示.

表 8 主要人机信任模型统计表

分类 模型名称 年份 核心方法/理论 应用场景 文献
三维信任模型 1994 Barber的信任三维定义 (持续性、技术能力、信托职责) 通用人机交互 [103]
用户-环境-系统动态交互; 依赖意向受风险感知、自信等
综合动态模型 2004 自动化系统 [92,103]
影响
理论 三层次信任模型 2015 倾向性信任、情境信任、习得信任 通用人机交互 [93]
模型
多因素动态模型 2023 初始信任→演进信任→使用依赖的循环过程 智能系统 [104]
元分析综合模型 2024 倾向层面、情境层面、习得层面的三层次结构 通用人机交互 [97]
医疗人机信任机制模型 2024 机器、人、行为、环境这4个视角 医疗机器人 [98]
双向评估模型 2023 高斯函数量化操作差异; Sigmoid函数转化信任度 人机共驾 [103]
动态定量信任模型 2024 LTI状态空间模型+卡尔曼滤波; 行为与感知风险输入 人机共驾 [105]
多模态生理分类模型 2025 EDA/ECG/fNIRS信号; 随机森林+BP神经网络+贝叶斯网络 高速列车驾驶 [106]
贝叶斯信任模型 2025 期望效用理论+变分贝叶斯推理 多决策任务 [107]
计算 CTEM综合信任评价模型 2025 残差CNN (IBR)+VGG16 (PTA)+LSTM (CTA); 阈值0.715 5 智能驾驶 [108]
模型
POMDP信任动态模型 2019 部分可观察马尔可夫决策过程; 信任与工作负荷联合建模 模拟侦查任务 [109]
ARMA问卷预测模型 1992–1994 自回归滑动平均模型; 信任水平问卷输入 自动化系统 [110,111]
HMM状态转移模型 2008 隐马尔可夫模型+强化学习; 信任/中性/不信任三状态 动态环境 [112]
卡尔曼滤波实时预测模型 2021 线性非时变状态空间模型; 眼动+次要任务数据 驾驶信任监测 [113]

在理论模型研究方面, Muir 等人 [103] 基于 Barber 的信任定义强调技术能力和动态预测, 最早提出涉及自动化
系统、用户信任和系统行为预测三者关系的信任概念模型, 不仅为后续的研究提供了指导, 更在人机信任领域占