117
本研究的目的是检查驾驶员与自动驾驶车辆系统之间的交互。本研究侧重于驾驶员是否能够安全地在自动驾驶和非自动驾驶车辆操作之间转换，以及这种交互如何受到人机界面（HMI）的影响。为了回答六个研究问题，进行了三项实验。表5-1提供了每个实验的摘要。在表后讨论了这六个研究问题的答案。
在本文档中，车辆用户被称为操作员或驾驶员。一旦用户激活了智能驾驶系统，他或她就不再积极且不间断地指导车辆的行驶方向。对于本文研究的L2级和L3级智能驾驶水平，用户可以将纵向和横向控制权都交给自动驾驶系统，有时会持续很长时间。然而，L2级和L3级的车辆可能看起来完全一样，唯一的区别在于界面。因此，设计时考虑到人的因素原则（即，用户的能力和限制）可以成为区分因素，包括使系统的功能和限制对操作员透明。本节讨论了研究结果如何影响界面设计。
表 5-1. 主要发现
主要发现
研究问题1：驾驶员如何与提供L2级和L3级智能驾驶功能的车辆互动和操作？
研究问题1特别询问：“驾驶员如何与提供L2级和L3级智能驾驶功能的车辆互动和操作；例如，在持续或持续的自动化期间，驾驶员的性能表现如何？”通过考虑操作员在面对意外事件时重新获得控制所需的时间，操作员是否错过了TOR（接管请求）警报或表现出困惑，以及操作员是否在需要时继续监视道路，评估了部分自动化车辆的安全操作。在测试的最有效的警报方法下，当遇到意外事件时（例如，在操作配备L2系统的车辆时发生意外的车道偏离，以及在操作配备L3系统的车辆时道路上出现意外的障碍物），操作员在被警报提醒后在合理的时间内重新获得了部分智能化车辆的控制权。当向配备L2系统的车辆呈现即将发生的视觉和触觉警报时，操作员平均需要1.3秒（标准误差=0.08秒）来重新获得控制权。当向配备L3系统的车辆呈现即将发生的视觉加听觉警报时，操作员平均需要2.1秒（标准差=0.7秒）来重新获得控制权，该警报伴随着自动驾驶功能提供的制动。需要注意的是，在呈现即将发生的警报时，意外事件的严重程度相对较低；在警报发出时，车道偏离尚未发生，而且TOR是在距离障碍物10秒的TTC（时间到碰撞）时发出的。然而，有些警报被操作员错过了。这突显了HMI（人机界面）在支持安全的人机交互中的重要性。数据显示，操作员对严格的视觉警告可能反应延迟，或者完全错过。然而，将视觉警告与其他非视觉模式（例如触觉、听觉）结合并不是一个简单的解决方案，因为这样做会增加操作员的烦恼。
随着时间的推移，操作员在自动化环境下的表现被观察到有所变化。随着参与者在研究中的时间推移，他们对提示的响应时间变得更长。他们在第一阶段的平均响应时间为2.4秒（标准误差=0.2秒），在第二和第三阶段增加到了3.0秒（第二阶段的标准误差为0.3秒，第三阶段为0.2秒）。这可能是因为提示并不是针对需要纠正措施的自动化性能问题生成的。鉴于车辆自动化不太可能频繁出现性能问题，提示的有效性随时间降低是有可能的。
对不同原型系统的暴露时间从90分钟到3小时不等。所有三项研究代表了对自动化系统的合理暴露，通过研究参与者的反应行为可以学到很多东西。同时，重要的是要考虑到这项研究测量的是新手用户的一次性暴露（即操作员之前没有接触过这些级别的车辆自动化）。因此，随着对自动化系统的暴露增加，可能会出现的各种意外后果，如智能驾驶滥用，可能没有显示出来。鉴于实验车内有实验员的存在，这一点尤其正确。
决定操作员如何与智能驾驶系统互动的另一个关键因素是他们对自动化的信任。如果对智能驾驶的信任度低，操作员可能不会将控制权交给系统；或者，如果他们决定这样做，他们可能会密切监视其性能。如果信任度高，操作员可能更愿意将车辆的控制权交给系统，并将注意力转移到其他感兴趣的事项上。研究发现，在研究之前、期间和之后，操作员都信任智能驾驶功能。事后经验访谈表明，参与者在研究开始时（经验之前）的想法与他们能够舒适地放弃控制权后不久的经历之间存在一些有趣的差异。当被问及他们达到舒适水平的速度（具体或相对时间）时，大多数参与者报告说他们在15分钟或更短时间内达到了他们的最终舒适水平。
然而，在第二项实验中，那些在L2智能驾驶车辆上经历了车道保持性能问题但没有警告的参与者被发现对智能驾驶失去了一些信任。这表明这些操作员可能已经根据智能驾驶的性能能力调整了他们的信任度，并变得不太可能过度依赖智能驾驶。然而，他们的信任度是否随时间持续降低还有待进一步调查。值得注意的是，在实验2中，并没有提供关于系统如何工作，或者不同功能应该如何执行的指导。因此，结果可以推广到“汽车租赁场景”，在这种情况下，操作员所获得的信息仅限于系统在“钥匙开启”时显示的内容（可能没有提供其他信息，也没有时间阅读车主手册或接受详细的经销商演示）。结果表明，人机界面（HMI）在指导操作员如何与自动化系统互动方面起着重要作用。
研究问题 #2：操作员参与次要任务时系统性能面临哪些风险？
第二个研究问题是：“当操作2级或3级自动化车辆系统时，操作员参与（例如便携式电子设备使用）以及从次要任务中断时，系统性能面临哪些风险？”作为这项工作的一部分进行的所有实验都要求并允许参与者在车辆智能驾驶激活时执行与驾驶无关的任务。测试的智能驾驶车辆原型并未阻止用户执行与驾驶无关的任务，这些任务也没有影响智能驾驶继续控制车辆。
发现的主要系统性能风险是，当参与者专注于视觉密集型的非驾驶任务时，会忽略或错过警报。例如，一些配备L2系统的车辆的操作员忽略了注意力提示的第一阶段（5秒的视觉警报），而一些配备L3系统的车辆的操作员直到接管请求的第二阶段发出后（第一阶段20秒后）才重新控制车辆。数据显示，一些操作员会完全颠倒从驾驶相关任务到非驾驶相关任务的优先级。可能这种主要任务颠倒现象是操作员在操作自动化车辆时参与次要任务面临的最大风险。当操作员将他们的优先级转移到非驾驶任务时，他们对驾驶相关提示和警报的响应准备可能会因为首先完成非驾驶任务的感知义务而延迟。
研究问题 #3：系统与操作员之间最有效的交接策略是什么？
第三个研究问题是：“系统与驾驶员之间最有效的交接策略是什么，包括对故障/失败的响应？” 本研究中，最有效的交接策略是那些涉及非视觉组件的策略。在实验1和实验2中，当操作员接收到视觉和触觉座椅警报相结合的信号时，他们重新控制车辆的速度最快。在实验2中，一些操作员错过了视觉提示，只有在提示包括触觉组件时才做出反应。在交接策略中包含非视觉组件可能会导致最佳结果，鉴于操作员在执行非驾驶任务时可能会表现出主要任务的逆转。
有趣的是，实验3使用L3级自动驾驶车辆显示，当呈现结合视觉和听觉元素的信息警报时，操作员会显著延迟重新控制车辆的时间。然而，这种延迟很可能是由于人机界面（HMI）通知参与者“准备”接管控制（而不是现在就接管控制），以及显示他们有多少时间可以做出反应（在这种情况下，呈现了一个倒计时计时器）。因此，如果HMI向操作员传达他们有时间准备重新控制，许多人会利用这段时间完成他们的非驾驶活动。例如，也许操作员信任计时器，并允许自动化尽可能长时间地控制车辆，然后再手动接管控制。
研究问题 #4：在L2级和L3级智能驾驶层度不同状态下，操作员是如何参与、脱离以及重新参与驾驶任务的？
第四个研究问题是：“在L2级和L3级智能驾驶功能发出任务接管请求（TOR）时，操作员是如何参与、脱离以及重新参与驾驶任务的？”当智能驾驶功能发出TOR时，操作员参与驾驶任务的特征是他们反应并重新控制所需的时间，以及他们采取的行动序列来重新控制。重新参与智能驾驶功能并释放控制所需的时间也被评估。
表5-2总结了操作员在这一系列事件中的表现。操作员在1.2秒内对TOR作出反应（即向前看），这取决于上下文。参与者更倾向于首先抓住方向盘来重新控制L2级自动驾驶车辆。平均需要1到2.4秒。如果参与者收到信息性警告，他们更倾向于按方向盘上的关闭按钮来重新控制L3级自动驾驶车辆。然而，参与者在执行此动作时使用了大部分分配的时间，平均用时为17秒。相比之下，操作L3级自动驾驶车辆的参与者如果收到即将发生的警告，更倾向于立即踩下刹车踏板。这需要不到2.3秒。有一名参与者未能成功地用力踩下刹车踏板以重新获得控制。然而，其他研究表明，在紧急事件中，并非所有驾驶员都会对刹车踏板施加适当的力以停止车辆。
关于在短暂的手动控制后重新参与智能驾驶功能，参与者平均在智能驾驶功能可用时少于4.6秒内释放控制。这个时间有些波动，可能取决于操作员是否相信智能驾驶功能可能会进入更严重的警告状态（如在分阶段警告的情况下）。由于单模态警告不如其多模态对应物有效，因此未将它们包括在表5-2中。
表 5-2. 不同警报和提示响应的平均时间（单位：秒）
a 不是所有操作员都能重新获得控制；这个值只包括那些能够为事件重新获得控制的操作员。
b 不是所有操作员都需要重新获得控制；只有提示的最后阶段要求操作员重新获得控制。
c 时间是相对于即将出现警报本应呈现的时间点计算的。
d 时间是从分阶段警报的信息阶段开始的时间点计算的。
应该指出，意外的车道偏离不应被视为系统的失败，而是早期智能驾驶水平的一部分，因为一些技术可能尚未完全成熟（例如，低太阳角度影响车道检测机制，由于低太阳角度情况下检测器饱和而受到影响）。在当前的研究中发生了这种情况（低太阳角度条件影响了车道中心化原型系统），并且在典型的驾驶环境中也可能发生；因此，操作员需要预期到这一点以及其他系统性能中的噪声，这将需要更高的情境意识。系统警报要求操作员接管时，应使用操作员未被其他任务占用的资源（例如，触觉或听觉），因为大多数注意力不集中的特征影响视觉资源。
还应该指出，L3级别的系统预计将为操作员提供足够的反应时间。测试的L3系统向操作员提供了分阶段的警报，从信息性警报开始，随着时间的推移根据条件的演变进展到警告和紧急阶段。测试的原型系统提前向用户提供了最多50秒的信息。这主要是为了信息阶段。在紧急警报条件下测试了更紧急的警报。重要的是要强调，带有信息组件的分阶段警报能够使操作员平均在警报进展到紧急警报阶段前约39秒作出反应。
与地面交通相关的典型人因研究，旨在评估安全结构，以预防致命伤害的潜力（例如，计算预防和暴露比率）。这项研究可能提供一个完全不同的视角。它可能向设计师和从业者提供信息，关于操作员需要多长时间才能反应并重新控制，以便有效地设计出能够考虑到操作员最可能反应的故障安全和故障操作状态。由于更先进的技术和更高水平的智能驾驶功能，一些警报可能是由于车辆内部的条件（例如，GPS信号恶化，由于路面标记褪色导致从摄像头捕获的信心降低）而不是与车辆外部的演变事件相关。因此，理解像“即将来临-无外部威胁”这样的情况非常重要。
研究问题 #5：在2级和3级智能驾驶功能下的不同操作概念中，操作员的表现如何？
第五个研究问题是，“在2级和3级智能驾驶功能下的不同操作概念中，驾驶员的表现如何，例如，为日常驾驶在开放道路上的混合交通设计的系统，或者为专用道路-车辆应用设计的系统（例如，自动化车道，远程高速公路）？”这项研究进行了三项实验，这些实验是在模拟混合交通高速公路条件的测试轨道设施上进行的。表5-3总结了所涵盖的操作条件。Marinik等人提供了一个扩展的测试参数列表。该列表描述了智能驾驶功能概念测试中常见的因素：高速公路、混合交通、现状基础设施、仅限蜂窝和GPS连接、无车辆协调（单个车辆操作）、对车辆、摩托车和行人的意识、干燥和潮湿的天气/道路条件、新手和经验丰富的驾驶员，以及由驾驶员或系统进行的接合/脱离。
在选定的条件下，操作员与智能驾驶系统互动，并在有效的人机界面（HMI）显示时表现得相当好。如前所述，然而，当HMI元素未能考虑操作员的潜在状态时，操作员的表现可能会大幅下降；在这种情况下，是高度视觉分散的状态。同时，有趣的是，当车辆在道路上靠近其他车辆行驶时，参与者迅速将控制权交给了自动驾驶车辆。这进一步突显了参与者在整个研究期间对部分智能驾驶功能所持的信任。结果表明，这种信任与智能驾驶功能的能力得到了适当的校准。
表5-3. 用于人机界面评估选定的自动化概念
（Marinik, Bishop, Fitchett, Morgan, Trimble, 和 Blanco, 2014）以及在实验设计中的相应表示
应该注意的是，L2级和L3级智能驾驶功能之间存在显著差异。
从L2级智能驾驶过渡到L3级智能驾驶，范式从操作员需要随时准备完全控制车辆转变为操作员承担监督或越来越被动的角色；这对设计者和从业者提出了多重挑战。
及时向操作员提供信息，以便在需要时鼓励适当的车辆控制，支持操作员的安全和用户接受度。此外，这两个系统的定义（由NHTSA定义）依赖于两个完全不同的前提。对于L2级，“驾驶员仍然负责监控道路和安全操作，并且应随时准备控制，且能够在短时间内做到。”而对于L3级，“……车辆设计得使驾驶员在驾驶时不需要持续监控道路。”这两种截然不同的描述提供了完全不同的性能模型和要求，关于系统需要能够持续多长时间的智能驾驶，以便操作员成功控制车辆。未来的研究应继续关注这个问题。
研究问题 #6：哪些是最有效的人机界面概念？
最后提出的研究问题是：“哪些是最有效的人机界面概念，这些概念遵循人类因素最佳实践，能够优化L2级和L3级系统的安全操作？”这项研究表明，最有效的HMI概念是那些除了视觉警报之外还涉及非视觉警报的概念。当从事非驾驶任务时，一些操作员表现出主要任务的反转，并选择优先完成非驾驶任务而不是操作部分自动化的车辆。那些包括听觉和触觉组件的HMI概念在参与者从事视觉要求高的任务时更能吸引他们的注意力，并且比仅依赖视觉警报的HMI概念在引发安全响应方面要有效得多。如前所述，需要注意的是，有许多不同类型的视觉、听觉和触觉警报可能会产生与本研究不同的结果。
有趣的是，考虑了仅视觉警报的概念，以减少对车辆操作员造成烦扰的可能性。存在一种担忧，即不断产生听觉或触觉警报的HMI将对操作员产生不可接受的烦扰，他们可能会选择不购买具有自动化技术安全优势的车辆。因此，平衡警报方法的显著性和烦扰性非常重要。未来的研究将有助于更好地理解如何为部分自动化车辆优化HMI。
从本研究中提取的设计启示列表如下：
多模态警报
• 操作员在经历多模态警报后对警报的反应时间显著少于仅视觉警报后的时间。
• 多模态警报导致恢复控制的时间显著少于单模态警报。
• 大多数操作员在多模态警报期间表现正确。
• 根据主观评估，如果在短时间内可能发生多个警报，建议采用触觉警报以减少烦恼。
• 对于需要详细指示的不频繁事件，可以增加听觉部分（口头指示）来补充警报的信息视觉部分。
• 警报的视觉部分应该被视为信息性的，原因如下：操作员在伴随听觉和/或触觉部分的视觉警告时反应更快。
• 操作员可能会从事与驾驶无关的任务，这可能会阻挡视觉提示或延迟它们。
随时间变化的提示有效性
• L2级智能驾驶功能可能会遇到超出其性能能力的情况，并在没有提前通知的情况下要求操作员接管（根据NHTSA的定义），这为人类因素提供了改善操作员表现的机会。评估这些情况的基本对策是尝试提示操作员保持对周围环境的一定程度的警觉。然而，这种类型的提示并不是一个简单的设计问题。诸如烦恼、紧迫感、积极强化和后果等主题，都是在研究优化界面设计时可以探索的。
• 实验2使用的提示的初始原型界面没有包括第三阶段（即以听觉“注意力提醒器”的形式出现的基本后果）。在试点测试显示了主要任务逆转的初步迹象后，增加了这一最后阶段。该界面具有一定程度的紧迫感和正确的视觉及触觉部分，但没有后果。在原型界面设计的这一点上，如果操作员决定继续进行非驾驶相关任务，甚至在重新关注道路之前完成它们，都没有后果。然后重新设计了提示，包括一个“注意力提醒器”。这种潜在的烦恼后果，与安全带提醒器的目的相似，但具有紧急警报的听觉特征，被选中。然而，结果表明，随着时间的推移，即使是烦恼因素也可能被完成另一项任务的紧迫感所克服。这为主要任务逆转理论提供了更多的支持，并建议可以调查更强的后果或更好的方法来强调积极强化策略，作为L2级智能驾驶功能的主要对策。
作为重新控制机制的制动
• 在这项研究中，只有一名参与者未能用力踩下刹车踏板以解除自动系统。尽管这可能是一个问题，但这一现象在之前完成的制动研究中已被记录。Fitch等人显示，在某些模式或力量要求下，制动对某些操作者来说可能是一个问题。这在要求紧急制动操作的情况下尤其如此。尽管过去的制动辅助技术只在驾驶员踩下制动踏板时激活，但重要的是要注意，本研究中测试的L3级自动驾驶车辆绕过了操作者的反应时间，并在冲突升级之前应用了刹车。
车辆自动化理论
主要任务逆转
主要任务逆转描述了从驾驶相关任务（例如，监控环境）到非驾驶任务（例如，回复电子邮件）的完全优先级转移。操作者完全专注于非驾驶任务，使这成为主要任务，并将控制车辆（驾驶）降级为次要任务。这与之前在“驾驶分心”或注意力不集中研究中观察到的情况非常不同。这是一个优先级的完全逆转，即使警报也不会“分散”用户对“新主要任务”的注意力，直到他或她感觉任务已经成功完成。这可能比几秒钟要长；潜在地，操作者可能会执行新主要任务几分钟而不被驾驶的次要任务分散注意力。人类是任务导向的个体，用户的思维模型基于可用性而演变。如果自动驾驶车辆提供了这样的感觉（可用性），即它能够完成主要驾驶任务（包括保持与其他车辆的车距，保持在车道内，以及检测和响应对象和事件），用户的主要任务可能潜在地成为非驾驶任务。
该研究中使用的非驾驶任务通过明确的研究指导，清晰地呈现了次要任务目标，试图解决“最坏情况”（对于L2级来说是不恰当的）智能驾驶使用问题。在这些实验中呈现的非驾驶任务代表了许多人在日常生活中执行的任务（例如，电子邮件、网页浏览、导航），这些任务使我们与工作、家庭和朋友保持联系。所有研究参与者都是智能手机用户，没有经历运动病；因此，远程或在移动中执行这些任务并不会阻碍他们的目标。当提供自动化辅助和明确的指导目标（例如，发送关于必须重新安排的会议的电子邮件）时，参与者经常将非驾驶任务作为他们的优先事项。如前所述，在进行实验2之前的试点研究中呈现的视觉警报并没有代表一个紧急水平，有助于将用户的注意力重新引导到前方道路上。这一发现促使团队迅速反应，开发了作为提示的一部分的额外阶段，试图提供必要的反馈并为长时间的主任务逆转增加后果。然而，在设计改进后，“注意力提醒器”并没有在整个会话中持续产生效果。可以进行进一步的研究，以调查其他可能打破这种非常强烈的“清晰指导目标”次要任务呈现的人机界面（HMI）元素。
目前尚未观察到意外后果。然而，很明显，在研究中提供的指导之下，非驾驶相关任务似乎比手动驾驶时具有更高的优先级。驾驶分心是一个被广泛研究多年的现象（Dingus等人，2011年；Fitch等人，2013年；Hickman和Hanowski，2012年；Klauer等人，2006年；Klauer等人，2014年；Llaneras等人，2013年；Olson等人，2009年）。车辆自动化为这一概念引入了一个新的转折——主任务逆转——前提是当前研究中提供的指导类型。也就是说，随着角色从驾驶员转变为操作员，以前的次要任务（例如，使用电子设备）可能成为操作员感兴趣的首要任务。
警报提醒习惯化
主要任务逆转中提到的结果暗示了另一个潜在理论：警报提醒习惯化。本研究的实验2中的系统提示旨在在检测到操作员未监视驾驶环境时通知操作员进行监视。如果操作员未能通过监视驾驶环境来响应这些提示，它们还设计成会增加紧急性。必须指出的是，这些提示是在智能驾驶系统没有任何性能问题的情况下生成的；只有在检测到操作员未监视驾驶环境时才会发出。
在参与的早期阶段，参与者对低级别的视觉提示做出了反应。然而，随着研究的进展，一些参与者对这些提示产生了习惯化，并且只有在提示的紧急性升级时才会监视驾驶环境。这种行为在初步的试点测试中就已被怀疑；因此，在提示的最后阶段增加了连续的听觉提示。尽管做出了这样的努力，但随着研究的进行，一些参与者甚至开始忽略更高层次的提示，有些甚至忽略了带有连续听觉提示的提示的最后阶段，以便完成非驾驶任务。这可能是因为他们对提示产生了习惯化，特别是因为这些提示是在没有任何可能立即产生后果的智能驾驶系统性能问题的情况下生成的。
有两个类比有助于解释这种行为。
• 首先，当没有明显的车辆问题或他们知道他们有几分钟的时间来响应时，驾驶员通常会忽略他们的检查引擎灯或低油量指示器。这些单阶段通知也不会升级其严重性。
• 考虑这种行为与新生儿父母的行为之间的相似之处也很有趣。新生儿的父母通常会对婴儿的任何哭声做出反应。然而，随着他们对这种沟通方式的习惯化，他们学会了区分不同类型的哭声，并区分何时以及如何需要做出反应。
基于这些证据，我们假设车辆操作员随时间可能会对注意力提示产生习惯化，并适应于对提示紧急性越来越高的接受程度。如何防止这种习惯化，并确保所有操作员都对警报做出反应——而不对那些遵守规则的人造成烦恼——是人类因素困境中的一个关键问题。因此，在未来的界面设计努力中考虑警报恼怒习惯化是至关重要的。
结论
这项研究努力产生了几份关键文件：《过去的研究》、《智能驾驶技术的现状》以及《新兴系统概念》，以及《L2级和L3级操作概念》。这些文件指导了本报告中呈现的研究实验设计的开发。这项研究努力还制定了一份与车辆自动化研究相关的操作定义的全面列表。此外，它还开发了理论，这些理论可以帮助优化自动化车辆的界面设计。
车辆自动化带来了许多改进的承诺，例如生活质量、舒适度，以及潜在的安全性。本文呈现的研究表明，对自动化有很高的信任度，并且提出了向这些车辆的驾驶员提供当前信息的替代方案，这些信息在需要时能有效地帮助他们反应并重新获得控制。下图5-1显示了从2级和3级自动化接收到的多模态紧急警报的平均反应时间。在两种条件下，参与者在接收到紧急多模态警报时的反应时间相似。图5-2显示了在多模态紧急警报条件下观察到的2级和3级车辆的反应时间排名顺序。还展示了反应时间的第90百分位数（1.08秒）。这些信息可能为设计师和从业者提供了警醒驾驶员的方法，以及大多数用户（例如，第90百分位数）在控制决策上可能需要的时间，如果优先级可能转向其他方便任务（例如，电子邮件，网页浏览）。这将有助于确保系统设计有足够的冗余，以便在必要时为操作员重新获得对车辆的控制提供足够的时间。使用2级和3级能力的车辆进行的额外研究将提供对更大范围设置中反应时间模式更完整的理解。
图5-1. 2级和3级自动化下的多模态紧迫警报反应时间
图 5-2. L2级和L3级智能驾驶多模式紧急警报的反应时间百分位数
这组研究代表了一项重要的研究努力。它更深入地审视了可能影响车辆自动化未来的多个方面。本文所呈现的信息代表了几个全面的测试轨道研究的结果，这些研究使用了三种不同的原型车辆（最先进的）。所实施的方法涉及在混合交通条件下使用真实车辆，以确保在所有时候都存在潜在碰撞的后果。这种可能性激励操作员尽可能地像在现实条件下提供自动化车辆时的天真司机那样行为。未来的研究应该通过自然驾驶研究调查操作员在现实驾驶条件下与自动化系统的互动。这项研究应该包括一个驾驶基线条件，以便能够调查不使用车辆自动化功能时的驾驶员表现。例如，这样的基线可以分析驾驶员在有无自动化支持的情况下保持车辆在车道内以及对危险做出反应的能力。
研究内容翻译结束，希望车企重视智能驾驶安全，杜绝满嘴跑火车
