Page 341 - 《软件学报》2026年第3期

1304 软件学报 2026 年第 37 卷第 3 期

究显示信任状态下对状态显示区的注视时长有明显增加. Rezvani 等人 [127] 发现制动反应时间与信任水平呈负相关.
混合测量范式正通过技术创新实现多维信任评估的突破性进展, Gupta 等人 [128] 基于数字孪生技术开发的 VR
平台实现了生理信号 (EEG/GSR)、行为数据 (操作延迟) 和主观评分 (实时反馈) 的毫秒级同步采集; Akash 等人 [129]
的闭环控制系统则能基于实时信任评估动态优化界面透明度, 使系统接受度显著提升; Huang 等人 [130] 基于强化学
习方法提出的 Q-learning 算法, 通过量化分析揭示系统透明度比可靠性对信任形成更具影响力. 这种数据驱动的
建模方式有效突破了传统量表在动态信任测量中的结构性限制, 为人机信任研究提供了更精准、更实时的评估新
范式.
2.5 人机信任校准方法
在人机共驾领域, 人机信任校准是确保人机共驾系统安全高效运行的关键环节. 当前研究中, 提高系统透明度
与实现个性化驾驶风格是两种主要的信任校准策略.
提高系统透明度作为广泛研究的校准手段, 其核心在于通过增强信息传递, 使用户理解系统的决策逻辑与实
时状态. Li 等人 [136] 的研究表明, 通过提升人机共驾系统的决策透明度, 配合增强处理效能和优化交互界面设计, 能
够显著提高驾驶者的感知收益和系统信任度. Liu 等人 [104] 在最短路径规划实验中发现, 增加反馈的可视化和提供
交互方式以修改解决方案能有效调整用户的信任水平. Lee 等人 [137,138] 指出, 当驾驶者获得系统的详尽信息时, 其
在系统受限时的信任度会上升. Kraus 等人 [139] 的研究表明, 接管或故障的经历可能导致信任短暂下降, 但如果在系
统交互前提供清晰的信息, 这种下降可以得到避免. Du 等人 [140] 探讨了解释时机和自动化程度对信任的影响, 发现
行动前解释 (BExpl) 比事后解释 (AExpl) 更有利于信任建立, 而允许用户选择是否接受系统决策 (PermReq) 虽未
显著提升信任, 但增强了用户控制感. Niu 等人 [141] 研究了车辆动作信息的拟人化展示对信任的影响, 发现“符号+
拟人化”的展示方法显著提升了信任评分. Khastgir 等人 [142] 则通过向用户提供系统真实功能与局限的知识, 促进信
任的准确校准. Petersen 等人 [143] 比较不同情境感知条件, 发现高 SA 条件 (提供状态更新与建议) 下的信任度最高,
其次为低 SA 条件 (仅提供状态更新), 控制组 (无信息) 最低. 尽管提高透明度有助于增强用户理解, 但也可能带来
系统复杂度上升、成本增加等问题, 过度透明甚至可能引发用户困惑与认知负荷上升.
个性化驾驶风格是另一种关键的信任校准策略, 其核心在于使人机共驾系统的行为更符合用户的驾驶习惯和
偏好, 从而增强自然交互和信任适配性. Abe 等人 [144] 通过模拟“个人化”“温和”和“猛烈”这 3 种驾驶策略, 发现用户
更倾向于稳定、安全且可预测的风格 (如保持较大横向距离或提前转向), 而非完全复现其个人驾驶数据. Hartwich
等人 [145] 进一步指出, 驾驶者对熟悉风格的接受度更高, 说明个性化适配能减少人机协作的摩擦. 然而, 这一策略的
实施面临数据、计算和稳定性的多重挑战: 首先, 系统采集大量驾驶数据可能涉及隐私问题; 其次, 实时调整驾驶
风格可能增加计算负担, 影响系统响应速度; 最后, 系统需在个性化与安全性之间做出权衡. 未来的研究应探索如
何结合透明度与个性化策略在提供驾驶风格选择的同时, 通过可视化解释帮助用户理解系统的决策依据, 实现更
精准的信任校准.
综合而言, 理想的信任校准体系需在信息透明性和个性化适配之间取得平衡, 既要确保用户充分理解系统能
力与局限, 又要提供自然且符合预期的交互体验. 同时, 应控制系统复杂度与计算成本, 避免过度设计影响可用性.
未来的研究方向可包括动态信任评估模型、自适应透明度调节机制, 以及更高效的个性化驾驶风格生成算法, 以
推动人机共驾技术向更安全、可信的方向发展.
3 驾驶接管技术与人机信任的融合

尽管驾驶接管技术的研究已取得长足进展, 但其在实际应用中的效能仍面临一系列挑战性难题. 这些挑战不
仅源于技术本身, 更源于与之交互的、具有高度复杂性和不确定性的“人”. 当前, 该领域的研究主要面临 3 大核心
挑战.
(1) 接管策略的个性化与自适应挑战: 现有接管策略, 如接管请求时机、交互方式, 多为基于固定阈值或群体
平均水平的静态模型, 难以适应不同驾驶技能、认知状态、文化背景下的驾驶员个性化需求. 一个对新手驾驶员