Page 342 - 《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 1305

而言恰到好处的提醒, 可能对经验丰富的驾驶员构成干扰, 反之亦然. 这种“一刀切”的模式是导致接管体验不佳甚
至引发安全事故的重要原因.
(2) 人机交互中的认知鸿沟挑战: 认知鸿沟的本质是知识、理解与意图的不对称. 当自动化系统处于主导控制
地位时, 处于监控者角色的驾驶员的心智模型与情境意识会发生系统性退化. 当系统因性能边界或故障发出接管
请求时, 驾驶员在有限的时间内, 其因处于环外而退化了的认知状态与成功接管所需的情境意识及认知负荷之间
存在的显著差异, 这种巨大的认知鸿沟使得驾驶员难以在极短时间内恢复对车辆和环境的充分理解, 从而导致接
管延迟、操作失误. 如何通过多模态融合的人机交互模式, 高效、无缝地弥合这一认知鸿沟, 是亟待解决的问题.
(3) 人机信任的动态校准挑战: 驾驶员对自动化系统的信任并非一成不变, 而是随着交互体验动态演化的. 信
任不足会导致驾驶员过早干预或拒绝使用系统, 削弱自动化带来的益处; 而过度信任则可能使驾驶员过度依赖系
统, 在需要接管时准备不足, 酿成严重后果. 因此, 如何实时评估并智能调节驾驶员的信任水平, 使其保持在“校准”的
理想状态, 是提升接管安全性的关键.
驾驶接管技术与人机信任的深刻融合是解决上述挑战的一个有效途径, 成为必然的研究趋势和突破口. 本节
将聚焦于此, 首先探讨人机信任与驾驶接管之间的交互机制, 分析信任水平如何影响驾驶员的接管意愿、反应时
间和行为模式; 其次, 基于人机信任模型, 提出接管策略的优化方法, 包括接管请求时机、交互方式和控制策略的
个性化设计; 最后, 总结当前研究的不足与挑战, 为未来研究提供方向. 通过融合人机信任模型与接管技术, 可以更
精准地预测和调整驾驶员的信任水平, 实现更安全、高效的接管过程, 推动人机共驾技术的进一步发展.
3.1 人机信任与驾驶接管之间的交互机制
在人机共驾系统中, 人机信任与驾驶接管之间存在着复杂且紧密的交互机制. 本文将分别从人机信任对驾驶
接管策略的调节作用以及接管表现对人机信任的反馈影响两个角度进行阐述.
从人机信任对驾驶接管策略的调节作用来看, 驾驶员对机器的信任程度会显著影响驾驶接管策略. 研究表明,
不同驾驶技能的驾驶员对机器的信任度有所差异, 且这种信任度会在安全和危险等不同驾驶条件下对控制权限的
分配产生影响. Shi 等人 [146] 通过对 67 名驾驶员的问卷调查和统计分析发现, 驾驶技能水平与对机器的信任呈负相
关, 即驾驶技能越好, 对机器的信任和需求越低. 基于此, 该研究设计了一种基于驾驶员信任的人机协同控制策略,
在安全条件下, 根据驾驶员对机器的态度分配控制权限, 驾驶技能好的驾驶员拥有更多控制权; 在危险条件下, 则
将大部分权限交给机器以确保安全. 这种策略有助于减少人机冲突, 保障车辆安全, 降低驾驶员的体力消耗. 此外,
在驾驶过程中, 当驾驶员信任自动化系统时, 可能会更倾向于依赖系统, 自身对路况的关注度下降, 此时若系统发
出接管请求, 信任度会影响驾驶员的响应速度和接管决策. 若驾驶员对系统高度信任, 可能会因过度依赖而在面
对 TOR 时反应迟缓; 反之, 若信任度低, 可能会对系统提示过度警惕, 影响驾驶体验和效率. Liu 等人 [147] 研究了不
同拓扑结构下的驾驶模式切换策略, 旨在结合信任考量缓解人机共驾中的疲劳与注意力分散问题; Li 等人 [148] 提出
的扩展共享转向控制系统, 也通过融入信任因素对接管策略进行优化, 以提升协同驾驶的安全性.
从接管表现对人机信任的反馈影响角度而言, 驾驶员的接管表现会反过来影响其对机器的信任程度. 如果驾
驶员在接管过程中表现良好, 例如能够快速、准确地响应 TOR, 顺利完成接管操作, 那么他们对机器的信任可能
会得到增强. 相反, 若接管过程中出现问题, 如接管时间过长、操作失误导致车辆不稳定等, 可能会削弱驾驶员对
机器的信任. Du 等人 [149] 和 Zang 等人 [150] 指出, 接管是一个多阶段过程, 需结合驾驶员状态与交通环境进行综合判
断, 以实现平稳过渡与有效协作, 其效果直接关联信任的演变. Umpaipant 等人 [151] 通过实验发现, 在强警报条件下
驾驶员若能快速响应并成功接管车辆, 其对警报系统及整体自动驾驶系统的满意度和信任度将显著提升. 这说明
良好的接管表现能够正向强化人机信任, 促进驾驶员后续更愿意接受与使用自动化功能. 相反, 若接管过程表现不
佳, 如出现较长响应时间或较大控制波动, 则可能引发不信任情绪. Shi 等人 [152] 的研究表明, 当驾驶员使用某些人
机界面 (HMI) 进行接管时出现较长的接管时间或较高的最大合成加速度, 可能会使驾驶员对该 HMI 以及相关的
自动化系统产生不信任感, 影响他们在未来驾驶中对自动化功能的使用意愿和信任程度. 此外, Seet 等人 [153] 通过
脑电图对信任相关认知状态进行研究, 也从认知层面印证了接管表现作为关键交互环节对人机信任的显著影响.