L2 级智能驾驶车辆随时间变化的HMI系统提示效果研究

目的

实验2的目标是检查在混合交通环境中（涉及周围的传统车辆，即L0级），模拟高速公路驾驶条件下，操作员如何随时间识别和响应注意力状态提示。为此，分析了注意力状态提示对操作员整体行为随时间的影响。如第一章所述，最终目标是确定操作员如何与自动驾驶车辆互动，并确定自动驾驶技术如何最好地支持安全驾驶。对于本研究对L2级操作定义的两个方面至关重要，并为实验设计和感兴趣的场景设定了基调：

• “驾驶员仍负责监控道路和安全操作，并应随时准备控制，并在短时间内可用。”

• “系统可以在没有预先警告的情况下放弃控制，驾驶员必须准备好安全地控制车辆。”

基于这些操作定义，实验2旨在研究一种机制的有效性，该机制提示操作员监控驾驶环境。

方法

对于实验2，进行了一次单一的长时间曝光实验。参与者首先对车辆及其操作进行了简短的熟悉，然后进行了三个60分钟的实验环节。在这些环节中，参与者使用平板电脑完成了一系列任务。在执行任务期间，根据参与者预先确定的提示条件（2秒、7秒或无提示），参与者会在相应的时间段内收到提示。对于2秒或7秒提示条件的参与者，在注意力不集中的时段后会收到提示。给予无提示条件的参与者则不会收到任何提示，他们可以自由地按照自己认为适当的方式行动。

除了这些提示外，在一个预先确定的环节中，参与者会在随机时间收到一个意外的左车道偏离警报，包括触觉座椅警报和闪烁的红色LED灯。在另一个预先确定的环节中，参与者体验了一个没有警报的意外车道偏离，仅包括左车道偏离而不伴随任何警报，并且提示系统被禁用。实验者注入的车道偏离用于模拟车道保持性能问题以及提示系统的失败。请注意，对于2秒和7秒提示条件的参与者来说，他们与车道偏离同时收到的警报与他们基于注意力状态所接收的提示是无法区分的。本实验检查了参与者对这些提示、警报和车道偏离的反应，包括反应的持续时间和反应方式。

实验设计

该研究采用了一个3 x 3 x 3混合因素设计。每位参与者完成了三次连续的驾驶会话，每次会话包括以下一种情况：有警报的车道偏离、无警报的车道偏离或无车道偏离。在实验过程中，参与者经历了这些条件中的每一种一次。此外，还使用了三种不同的提示条件与驾驶员监控系统配合使用，每位参与者只经历了一种提示条件，分别是2秒提示、7秒提示或无提示。提示时间是基于先前的分心研究（2秒提示）（例如，Klauer等人，2006年）和专家意见（7秒提示）。此外，该研究旨在模拟当监测道路条件减少时的最坏情况场景。

独立变量

本研究设计使用了三个独立变量，如下所述：

提示条件

这是一个组间变量，有三个水平：2秒、7秒和无提示。

根据L2级智能驾驶定义，操作员应随时准备控制，并且能够迅速响应。这些提示的目的是在参与者的注意力从道路转移超过他们提示条件所确定的阈值时，提供一次提示。

• 2秒。当参与者在进行非驾驶相关任务时，注意力状态离路2秒后，会提供一个渐进的实验性提示。

• 7秒。当参与者在进行非驾驶相关任务时，注意力状态离路7秒后，会提供一个渐进的实验性提示。

• 无提示。不呈现任何实验性提示。

事件类型

这是一个有三个层级的组内变量。

• 警报。系统提供了一个视觉和触觉指示，表明它没有提供L2级别的智能驾驶。车辆在提供警报后开始意外的车道偏离，并进入了相邻车道。

• 无警报。系统没有表明它已经停用或存在任何问题。车辆在3到5秒内开始意外的车道偏离（发生时没有提供警报），并进入了相邻车道。在这种情况下，提示系统也被禁用，模拟了一个故障。

• 没有注入车道偏离。

会话编号

这是一个有三个层级的组内变量：

• 会话1

• 会话2

• 会话3

依赖变量

本研究设计包括九个依赖变量，如下所述。

操作员行为

• 反应时间（以秒计）

此变量定义为从激活车道偏离或提示开始的那一刻起，直到参与者执行一个可以被视为反应的动作（例如，向前看）的时间。

• 恢复控制时间（以秒计）

此变量定义为从激活车道偏离或提示开始，到参与者通过握住方向盘手动控制车辆的时间。

• 表现

此变量定义为参与者对感兴趣事件的正确反应（例如，当信号指示时，参与者控制车辆）。

• 激活自动化的时间（以秒计）

此变量定义为从系统指示自动化可用性到参与者激活自动化的时间。

• 释放方向盘控制的时间（以秒计）

此变量定义为从成功激活自动化到参与者将双手从方向盘上移开的时间。

• 恢复非驾驶任务的时间（以秒计）

此变量定义为从成功激活自动化到参与者恢复与非驾驶相关任务互动的时间。

图3-1展示了与操作员行为相关的依赖变量测量的顺序。

眼动行为

眼动行为在车道偏离前10秒和偏离后60秒内被采样；在随机采样的提示前15秒和后15秒内被采样；对于无提示条件，在选定的时间点前后各采样15秒。

• 监控率。这被定义为在给定时间间隔内驾驶相关眼动时间的百分比。（驾驶相关眼动指的是对驾驶环境的注视。这些包括以下眼动：向前看，左右挡风玻璃，左右窗户，左右侧视镜，后视镜，人机界面（HMI），以及仪表盘。）

• 非驾驶相关眼动。这被定义为在给定时间段内非驾驶相关眼动的数量和持续时间。（非驾驶相关眼动不涉及驾驶环境，包括对以下对象的注视：智能手机，平板电脑，乘客，卫生相关眼动等。）

参与者的主观评估

在每个实验会话中，通过附录E的问卷，信任量表被实施了7次，每次间隔10分钟（在3次实验中总共21次信任评分）。参与者被要求使用7点李克特量表来评估他们对自动化系统在执行非驾驶任务时正常工作的信任程度，其中1分对应“强烈不同意”，7分对应“强烈同意”。

除了在实验会话中收集的21次信任评分外，参与者还被要求在每次驾驶会话后完成一个体验后的信任量表和一个体验后的满意度量表，并在完成所有驾驶会话后进行一次开放式访谈。

设施

正如实验1的情况一样，实验2也是在密歇根州米尔福德的通用汽车米尔福德试车场的圆形赛道上进行的（见图2-2）。实验2是在第2车道进行的，允许的速度范围在48至80公里/小时（30至50英里/小时）之间。如前一章所述，圆形赛道在之前的自动驾驶研究中已被使用，以模拟高速公路条件，并且仅限于批准的研究和经过批准的训练有素的驾驶员。因此，在实验期间，现场还有其他非研究交通。

车辆

一辆2010年款的凯迪拉克SRX，配备了原型L2自动驾驶系统，被用作实验2的实验车辆（图3-2）。作为自动驾驶系统的一部分，安装了几个HMI组件。这些包括一个安装在仪表板上的屏幕，提供关于自动驾驶系统的相关信息，以及两个方向盘按钮来控制自动化：一个ACC按钮和一个用于车道居中系统的按钮，一个原型自动驾驶车辆系统。

该车辆装备了弗吉尼亚理工学院交通研究所（VTTI）的数据采集系统（DAS）。DAS通过以太网连接到原型自动驾驶系统。DAS收集的变量包括自动化状态、车速和车道位置。此外，还收集了以下视频视角（如图3-3所示）：

• 操作员的脸部

• OTS视角

• 前方道路

• 外部左侧后方

• 脚部（踏板区域）

• 人机界面（HMI）

平板电脑

本研究使用了一台华硕Nexus 7平板电脑，与实验1中使用的完全相同，以便为参与者在车辆处于2级自动化时提供执行非驾驶任务的机会（见图2-5）。平板电脑通过Wi-Fi连接到便携式热点以获得互联网连接。在驾驶过程中，车内实验员向参与者提供了一系列导航、电子邮件和网页浏览的干扰任务以完成。参与者完成了多达90个不同的非驾驶相关任务，每个类别30个。任务以随机顺序呈现。

参与者

从56名参与者（28名男性，28名女性）收集数据，平均年龄为41岁（标准差=16.3），年龄范围从18岁到72岁。为了确保所有年龄组都有代表，参与者被分为四个不同的年龄组：18-24岁、25-39岁、40-54岁和55岁以上；其中，14人年龄在18至24岁之间（7名男性，7名女性），12人年龄在25至39岁之间（6名男性，6名女性），16人年龄在40至54岁之间（8名男性，8名女性），14人年龄在55岁及以上（7名男性，7名女性）。然而，年龄组并不是本研究的依赖变量。有关实验2参与者的额外信息，请参见附录C。

指令和培训

在参与者进入测试车辆之前，他们被提供了将在车辆中使用的平板电脑。他们被简要介绍了他们将要执行的任务类型，并且如果有需要，被允许提问和练习每种不同类型的任一任务。然后，参与者接受了对实验车辆的静态定位培训，包括基本控制和L2自动化功能。之后，参与者接受了在测试轨道上的四圈实地培训。在这次培训中，参与者没有被告知自动化级别的解释，也没有被给予系统应该允许他们将注意力从道路上转移开的印象。这次实地导向的目的是为了让参与者适应车辆和测试赛道环境。参与者被要求开车到圆形赛道入口处，进入第二条行车道，并保持时速50英里。第一圈是在手动驾驶下完成的。在第二圈期间，激活了自适应巡航控制（ACC），这允许参与者将纵向控制权交给自动化系统，同时他们保持对车辆的横向控制。第三圈和第四圈是使用L2级智能驾驶（ACC加上车道居中）完成的，这允许参与者释放对车辆的纵向和横向控制。原型系统清晰地显示了系统何时准备好激活自动化。之后，参与者被提供了有关实验环节的额外指示，并有机会提出任何额外的问题。注意：为了确保实验者之间的一致性，实验者遵循了一套固定的脚本和协议。

学习会议

参与者完成了三次驾驶会议，每次会议大约持续60分钟。参与者被指示在激活L2智能驾驶后，在驾驶会议期间开始与各种非驾驶任务互动。

参与者被呈现了三种类型的非驾驶任务：导航、电子邮件和网页浏览。总共完成了多达90种不同的非驾驶任务，每个类别30个。这些任务在视觉/手动需求方面是相似的，并且它们以随机顺序呈现。所有任务都是使用平板电脑完成的，该平板电脑配备了标准的QWERTY触摸屏键盘。每个任务都在记事卡上键入。对于每个任务，车载实验员向参与者提供记事卡，并在完成任务后，参与者将记事卡交回给车载实验员。实验员在30到60秒后向参与者提供包含不同任务的新记事卡。请注意，这些任务的节奏不是强制的，而是由参与者自行决定。

• 导航。导航任务要求参与者打开设备上的应用程序，选择新的目的地选项，并按照打印的数字-街道-城市-州格式输入提供的地址。

• 邮件。邮件任务要求参与者使用平板电脑撰写一封电子邮件。

• 网页浏览。网页浏览任务要求参与者打开平板电脑上的网页浏览器。参与者被要求确定一个特定问题或任务的答案，这需要搜索或与互联网互动。

每位参与者被分配了一个提示条件：2秒提示、7秒提示或无提示。驾驶员监控系统根据分配的提示条件和参与者的注意力状态提供了三个阶段的提示。如果参与者的注意力状态偏离道路，系统将根据分配的提示条件提供警报。对于2秒提示条件，提示在参与者注意力状态偏离道路2秒后开始。对于7秒提示条件，提示在参与者注意力状态偏离道路7秒后开始。被分配到无提示条件的参与者不会收到任何提示。驾驶员监控系统提供了三个渐进阶段的警报。下面提供了各阶段的详细信息。

• 第一阶段：一旦参与者的注意力偏离道路，达到提示条件设定的阈值，此阶段即被激活。

此阶段的特点是低紧迫性的视觉警报。

如果参与者的注意力状态改变为在道路上，提示结束，系统恢复到正常运行。

如果参与者的注意力状态在5秒内没有改变为在道路上，提示继续进入第二阶段。

• 第二阶段：一旦第一阶段的提示激活了5秒而参与者的注意力状态没有改变为在道路上，此阶段即被激活。

此阶段的特点是更高紧迫性的多模式警报（即视觉和触觉）。

如果参与者的注意力状态改变为在道路上，提示结束，系统恢复到正常运行。

如果参与者的注意力状态在5秒内没有改变为在道路上，提示继续进入第三阶段。

• 第三阶段：一旦第二阶段的提示激活了5秒而参与者的注意力状态没有改变为在道路上，此阶段即被激活。

此阶段的特点是更高紧迫性的多模式警报（即视觉、触觉和听觉）。

这是提示的最后阶段，持续到参与者控制方向盘为止。

一旦参与者控制了方向盘，系统关闭并需要手动重新启动。

图3-4展示了2秒和7秒任务间隔场景下的警报时间线。

图3-4. 实验2中2秒和7秒提示条件的警报时间线

在实验过程中，每位参与者在不同的驾驶会话中，各自体验了两种类型的车道偏离（有警报和无警报）以及无车道偏离，各一次，并且是在随机时间。

下面描述了每种事件类型（有警报的车道偏离、无警报的车道偏离、无车道偏离）的细节。所有的意外车道偏离都是预先设定的，并通过实验员控制台注入到感兴趣的条件中。带有警报的车道偏离代表了车道保持性能问题的情况，在这种情况下，系统会警告车辆操作员重新控制。没有警报的情况代表了车道保持性能问题和提示系统同时失效的情况，因此系统不会警告车辆操作员。

• 警报：警报事件类型包括一个带有多种模式警报（视觉和触觉）的左车道偏离。这个事件在三个会话中的任意一个随机时间触发，而参与者正在从事非驾驶任务。

• 无警报：这种事件类型包括一个没有警告或警报的左车道偏离。这个事件在三个会话中的任意一个随机时间触发，而参与者正在从事非驾驶任务。如果实验条件使用了提示系统，那么在这个事件中该系统将被禁用，模拟该系统的同时失效。

• 不偏离车道：在三次驾驶会话中的一次，没有人为注入的车道偏离。

通过DAS（驾驶分析系统）的视觉证据来测量参与者对注意力状态提示和实验者注入的车道偏离的反应。参与者总共经历了两次车道偏离，一次有警报，一次没有，这些发生在不同的驾驶会话中。这些车道偏离只在没有周围交通的情况下触发，并且当参与者正在积极从事非驾驶任务时。如果参与者在主题车辆完全进入相邻车道后（大约3到5秒）没有响应车道偏离，前座的实验者随后会指示他们控制方向盘。

完成三次驾驶会话后，参与者被指示退出环形赛道并返回准备区域。然后对参与者进行采访，要求他们完成体验后的信任量表和访谈，并对研究目的进行说明。参与者因参与研究而获得补偿。图3-5展示了本次实验的事件时间线。

图3-5. 实验2的实验会话时间线

车道偏离分析结果

操作员行为

反应时间

如果存在视觉加触觉警报（平均值 M = 1.00 秒，标准误差 S.E. = 0.59 秒，样本数 n = 54，最小值 min = 0.08 秒，最大值 max = 2.81 秒），参与者对意外车道偏离的反应速度比完全没有警报时（平均值 M = 3.70 秒，标准误差 S.E. = 0.35 秒，样本数 n = 49，最小值 min = 0.14 秒，最大值 max = 8.72 秒）快 3.7 倍，且这一结果在统计上是显著的，F(1,48.5) = 56.78, p < .0001。

唯一显著的提示条件效应发生在第一阶段，针对那些在没有警报的情况下经历车道偏离的参与者。在这种情况下，那些处于2秒提示条件下的参与者比那些完全没有收到提示的参与者反应更快，t(9.05) = -2.95, p = .048。在没有警报的情况下，经历车道偏离后，7秒提示条件下的参与者也比没有提示条件下的参与者反应更快，t(12.3) = -5.83, p < .0001。然而，2秒和7秒条件之间没有显著差异，p > .05。

总体而言，经历2秒条件的参与者对车道偏离的平均反应时间为1.97秒（标准误差 S.E. = 0.35 秒，样本数 n = 32，最小值 min = 0.43 秒，最大值 max = 7.68 秒），7秒条件为2.14秒（标准误差 S.E. = 0.32 秒，样本数 n = 39，最小值 min = 0.08 秒，最大值 max = 7.29 秒），而没有提示的参与者为2.77秒（标准误差 S.E. = 0.44 秒，样本数 n = 32，最小值 min = 0.14 秒，最大值 max = 8.72 秒）。

反应时间的平均值和误差条形图按事件类型显示在图3-6中。

图3-6. 平均值和标准误差条形图，按事件类型划分的实验2反应时间

恢复控制的时间

当参与者在车道偏离时接收到视觉加触觉警报时，他们更有可能在车辆完全离开车道之前重新控制车辆（54次中的53次，98.2%），相比于车道偏离但未接收到警报的情况（49次中的26次，53.1%），这一结果具有统计学意义（χ2 = 15.09, p = .0001）。如果车道偏离被宣布，并且参与者及时重新控制了车辆，那么接收到2秒后提示的参与者的平均恢复控制时间为2.02秒（S.E. = 0.14秒，n = 17，最小值= 1.18秒，最大值= 3.15秒），接收到7秒后提示的参与者的平均恢复控制时间为2.50秒（S.E. = 0.48秒，n = 21，最小值= 0.89秒，最大值= 9.48秒），而未接收到提示的参与者的平均恢复控制时间为2.57秒（S.E. = 0.29秒，n = 15，最小值= 1.22秒，最大值= 5.25秒）。这些差异在统计上并不显著。图3-7展示了参与者在退出车道前是否重新控制车辆的条形图，按事件类型分层。在这个图表中，“正确”意味着参与者在没有车内实验员指示的情况下重新控制了车辆，“错误”意味着参与者需要车内实验员的指示才能重新控制车辆。

图3-7. 实验2中不同警报类型对性能的条形图

激活智能驾驶功能的耗时

如果参与者经历了警报，在车道偏离后激活自动化的平均时间为7.27秒（标准误=0.50秒，n=51，最小值=0.96秒，最大值=15.63秒），而没有经历警报的参与者为5.02秒（标准误=0.59秒，n=47，最小值=0.12秒，最大值=22.00秒）。警报类型和会话之间存在显著的交互作用，F(2,56.2) = 4.78, p = .0121，表明警报对车道偏离后激活自动化时间的影响随时间变化而变化。事后检验表明，在第一会话中，经历警报的参与者比未经历警报的参与者激活自动化的时间更长，t(64.5) = 3.96, p = 0.0002。对于不同的提示条件，接收提示后2秒内看开的参与者激活自动化的平均时间为5.18秒（标准误=0.71，n=30，最小值=0.56秒，最大值=11.80秒），接收提示后7秒内看开的参与者为7.10秒（标准误=0.74秒，n=37，最小值=1.29秒，最大值=22.00秒），从未接收提示的参与者为6.07秒（标准误=0.56秒，n=31，最小值=0.12秒，最大值=12.51秒）。未观察到提示条件的显著效应。此外，激活自动化的时间随时间没有显著变化。

释放转向控制的时间

无论是警报还是提示，对释放控制的时间都没有显著影响，时间上也没有显著变化。当参与者在车道偏离时收到警报，平均释放控制的时间为3.25秒（标准误差=0.45秒，n=50，最小=0.01秒，最大=16.47秒），而当参与者没有收到警报时，平均时间为4.23秒（标准误差=0.72秒，n=47，最小=0.03秒，最大=25.00秒）。对于提示条件，当参与者在看别处2秒后收到提示时，平均释放控制的时间为4.67秒（标准误差=1.09秒，n=29，最小=0.31秒，最大=25.00秒），当参与者在看别处7秒后收到提示时，平均时间为3.37秒（标准误差=0.48秒，n=37，最小=0.10秒，最大=16.47秒），而当参与者没有收到提示时，平均时间为3.25秒（标准误差=0.58秒，n=31，最小=0.01秒，最大=11.92秒）。

恢复非驾驶任务的时间

无论是警报还是提示，对恢复非驾驶任务的时间都没有显著影响，时间上也没有显著变化。当参与者在车道偏离时收到警报，平均释放控制的时间为3.25秒（标准误=0.45秒，n=50，最小=0.01秒，最大=16.47秒），而当参与者未收到警报时，平均时间为4.23秒（标准误=0.72秒，n=47，最小=0.03秒，最大=25.00秒）。对于提示条件，当参与者在看别处2秒后收到提示时，平均释放控制的时间为4.67秒（标准误=1.09秒，n=29，最小=0.31秒，最大=25.00秒），当参与者在看别处7秒后收到提示时，平均时间为3.37秒（标准误=0.48秒，n=37，最小=0.10秒，最大=16.47秒），而当参与者未收到提示时，平均时间为3.25秒（标准误=0.58秒，n=31，最小=0.01秒，最大=11.92秒）。

驾驶员行为分析摘要

在对意外事件的响应中，驾驶员行为分析的最强结果出现在车道偏离时经历警报与未经历警报的效果比较中。具体来说，当参与者在车道偏离时经历警报，他们对车道偏离的反应速度比没有警报时快66%。同样，如果在车道偏离时经历警报，参与者在没有指令的情况下在车道偏离后重新获得控制的可能性是没有警报时的26.1倍。此外，那些在车道偏离时经历警报的参与者可能最初对激活自动化系统比那些没有警报的车道偏离经历者更犹豫，但这种差异可能会随时间消散。表3-1总结了实验2的操作员行为分析结果。表 3-1. 实验2操作行为分析摘要表

眼球注视行为

监测率

实验2包括了对参与者监测率的分析。观察到，如果存在视觉+触觉警报，参与者在车道偏离后立即显著更频繁地监测驾驶环境，F(1,43) = 126.13, p < .0001，但如果车道偏离没有警报，这种关系则不成立，p > .05。进一步地，如果参与者没有收到提示，与他们在2秒提示条件下的变化相比，变化更大，t(50) = -4.75, p < .0001，或者与他们在7秒提示条件下的变化相比，t(50) = -3.56, p = .0024。这主要是因为，在宣布车道偏离之前，那些没有收到提示的参与者的监测率显著低于那些收到提示的。如果警报被宣布，那些在2秒提示条件下的参与者在车道偏离前的驾驶相关注视时间的平均百分比为22.12%（S.E. = 4.87%，n = 16，最小值 = 4.73%，最大值 = 75.37%），车道偏离后为47.41%（S.E. = 4.01%，n = 16，最小值 = 20.41%，最大值 = 76.03%）。对于7秒条件下的参与者，车道偏离前的平均值为20.67%（S.E. = 5.25%，n = 20，最小值 = 0.00%，最大值 = 100.00%），车道偏离后为59.50%（S.E. = 6.27%，n = 20，最小值 = 0.00%，最大值 = 100.00%）。对于那些没有经历提示的参与者，车道偏离前的平均值为3.86%（S.E. = 1.42%，n = 16，最小值 = 0.00%，最大值 = 18.57%），车道偏离后为56.79%（S.E. = 3.74%，n = 16，最小值 = 28.39%，最大值 = 74.03%）。监测率在宣布车道偏离前后立即的平均值和误差条形图显示在图3-8中。

图3-8. 在车道偏离前后立即监测率的平均值和误差条形图，根据提示条件分层

非驾驶相关的视线转移

发现提示条件和会话之间存在显著的交互作用，χ2(4) = 11.9, p = .0181，表明提示条件对非驾驶相关视线转移率的影响随时间变化。具体来说，在第一会话中，未接受任何提示的被试的非驾驶相关视线转移率显著低于那些接受2秒提示的被试，z = -5.63, p < .0001，以及那些接受7秒提示的被试，z = -4.09, p < .0001，但这种显著差异在第二和第三会话中不存在。在第一会话中，未接受提示组的非驾驶相关视线转移平均率为每秒0.22次（标准误=0.03次/秒，n = 22，最小值=0.10次/秒，最大值=0.61次/秒），与2秒条件下的平均0.45次/秒（标准误=0.06次/秒，n = 16，最小值=0.14次/秒，最大值=0.87次/秒）和7秒条件下的平均0.42次/秒（标准误=0.05次/秒，n = 26，最小值=0.00次/秒，最大值=1.12次/秒）相比。

此外，如果存在警报，从车道偏离前到车道偏离后，非驾驶相关视线转移率显著增加，但如果不存在警报，则没有显著增加，χ2(1) = 53.69, p < .0001。

提示分析结果

驾驶员行为

反应时间

从第一阶段到第三阶段，对提示的反应时间显著增加，t(38.3) = 2.59, p = .0405。尽管发现会话和提示条件之间存在显著的交互作用，表明提示条件对反应时间的影响随时间显著变化，但事后检验在调整多重比较后并未揭示显著发现。

在2秒条件下，第一阶段提示的平均反应时间为2.41秒（标准误=0.26秒，n=88，最小=0.01秒，最大=11.42秒），第二阶段为2.45秒（标准误=0.32秒，n=90，最小=0.06秒，最大=18.57秒），第三阶段为3.26秒（标准误=0.32秒，n=75，最小=0.13秒，最大=11.19秒）。在7秒条件下，第一阶段提示的平均反应时间为2.33秒（标准误=0.29秒，n=72，最小=0.14秒，最大=13.95秒），第二阶段为3.72秒（标准误=0.51秒，n=70，最小=0.09秒，最大=30.86秒），第三阶段为3.25秒（标准误=0.32秒，n=75，最小=0.13秒，最大=11.19秒）。有关统计分析的更多细节，请参见附录C，提示结果，操作者行为，反应时间分析，统计分析。

恢复控制时间

尽管参与者仅在提示的第三阶段开始后（提示开始后10秒）才被要求恢复对车辆的控制，但在几次提示未进展到第三阶段的情况下，参与者还是选择恢复了控制。在337个仅进展到第一阶段的提示中，参与者在97个提示后恢复了控制（28.8%）。在117个进展到第二阶段的提示中，参与者在63个提示后恢复了控制（53.9%）。需要注意的是，在他们对这些样本提示做出反应和恢复控制之间可能发生了额外的提示，因此在这些情况下可能是不同的提示导致参与者恢复控制。不同阶段恢复控制的参与者比例的条形图按条件和会话分层显示在图3-9中。

图3-9. 提示后重新控制频率，按提示阶段划分

驾驶员行为分析摘要

除一个例外情况，当提示系统升级到要求操作员接管控制时，参与者在所有情况下都做到了。然而，时间可能在车辆操作员对这些提示的反应速度上起作用。具体来说，参与者对提示的反应时间随时间增加。然而，参与者接收到提示的频率似乎并没有显著影响他们对提示的反应速度，也没有影响他们在提示后重新控制的可能性。该实验没有检查在车道偏离但未报警时提示的任何效果；如果在车道偏离时进行了提示，假设是它可能有所帮助。

眼动行为

为了调查提示周围的眨眼行为，每个驾驶会话中，对于经历了2秒或7秒提示的参与者，在每个信任尺度之间采样了一个提示。为了与未接收提示的参与者进行比较，对于无提示组，在信任尺度之间随机采样了一个时间点。然后研究了提示前15秒和提示后15秒（或无提示组内的随机时间点）的眼动行为。

这项分析有助于确定警报类型是否影响眼动行为，以及这种效应是否会随时间变化，这将有助于确定未来研究调查中是否应考虑随时间的效应。表3-2提供了监测率和非驾驶相关眨眼行为分析的总结和一般启示。事件类型和会话被标记为“显著”，如果它们达到了统计显著性，否则标记为“不显著”。

表3-2. 实验2眼动行为分析摘要表

监控率

当参与者参与非驾驶任务时，监控率（即在给定时间间隔内驾驶相关视线时间的百分比）在2秒提示前显著高于无提示条件下的参与者，t(45) = 5.20, p < .0001（图3-10），而在7秒提示前与无提示条件下的监控率没有显著差异，p > .05。然而，只有7秒提示条件在提示前后的监控率有显著增加，t(45) = 4.65, p < .0001。这可能是因为7秒提示仅在参与者视线离开7秒时发生，因此这是该组内监控率较低的极端情况。

在2秒条件下的驾驶相关视线时间的平均百分比在提示前为34.51%（S.E. = 1.44%，n = 254，最小值 = 0.00%，最大值 = 92.44%），提示后为31.50%（S.E. = 1.35%，n = 254，最小值 = 4.44%，最大值 = 100.00%）。在7秒条件下的驾驶相关视线时间的平均百分比在提示前为17.20%（S.E. = 0.99%，n = 205，最小值 = 0.00%，最大值 = 61.41%），提示后为27.88%（S.E. = 1.54%，n = 205，最小值 = 0.00%，最大值 = 100.00%）。在无提示条件下，随机选定时间点前15秒内的驾驶相关视线时间的平均百分比为18.23%（S.E. = 1.89，n = 185，最小值 = 0.00%，最大值 = 100.00%）。提示条件下的监控率的平均值和误差条形图显示在图3-10中。

图3-10. 参与者在提示开始或选定时间点进行非驾驶任务时的驾驶相关视线时间百分比

非驾驶相关视线

当参与者从事非驾驶任务时，非驾驶相关视线的数量在2秒条件下的提示前后的变化显著，t(45) = 2.77, p = .0400，在7秒条件下的提示前后的变化也显著，t(45) = 3.98, p = .0010。此外，与7秒提示前相比，2秒提示前的非驾驶相关视线数量显著更高，t(45) = .3.28, p = .0100，也高于无提示条件下的数量，t(45) = 3.49, p = .0055。然而，在无提示条件和7秒条件下的提示前之间，非驾驶相关视线数量没有显著差异。

2秒提示前的非驾驶相关视线平均数量为3.26（S.E. = 0.09, n = 254, 最小值 = 1, 最大值 = 9），提示后的平均数量为3.47（S.E. = 0.09, n = 254, 最小值 = 0, 最大值 = 7）。7秒条件下的非驾驶相关视线平均数量在提示前为2.5（S.E. = 0.08, n = 205, 最小值 = 1, 最大值 = 6），提示后为3.07（S.E. = 0.08, n = 205, 最小值 = 0, 最大值 = 6）。最后，对于无提示条件，随机选定时间间隔的前15秒内的非驾驶相关视线平均数量为2.27（S.E. = 0.11, n = 186, 最小值 = 0, 最大值 = 8）。

信任量表分析结果

随时间变化的信任

有趣的是，参与者对所体验系统的信任程度以及他们的信任评分是否随时间变化。图3-11显示了整个实验（三个阶段）中三个不同条件下的平均评分变化。从第一阶段到第二阶段，信任略有增加，t(45) = 2.95, p = 0.0045。然而，从第二阶段到第三阶段，这种增加并没有持续，p > .05。

图3-11. 根据提示条件分层的信任时间趋势

值得注意的是，那些经历了车道保持性能问题但没有警报的参与者对自动化系统的信任有所下降。这表明操作员可能已经根据自动化的能力对他们的信任进行了某种程度的校准。

车道偏离前/后的信任

在宣布和无声的车道偏离之间，从车道偏离前到车道偏离后的信任变化是不同的，F(1,88) = 14.48, p = .0003。具体来说，从无声的车道偏离前到车道偏离后，平均信任评分显著下降，t(88) = -5.11, p < .0001，但如果车道偏离被宣布，则没有显著变化，p > .05。如果车道偏离是无声的，参与者在车道偏离前的平均信任评分为6.06 (S.E. = 0.17, n = 50, min = 2, max = 7)，如果车道偏离被宣布，则为5.88 (S.E. = 0.19, n = 52, min = 1, max = 7)。车道偏离后不久，如果车道偏离是无声的，平均评分为5.26 (S.E. = 0.21, n = 50, min = 1, max = 7)，但如果车道偏离被宣布，则为5.94 (S.E. = 0.17, n = 52, min = 1, max = 7)。图3-12显示了按事件类型分层的车道偏离前后评分的平均值和标准误差条形图。

图3-12. 实验2中车道偏离前后信任评分的平均值和标准误差条形图，按警报类型分层

体验后的信任量表

在每次三个驾驶会话结束时，对参与者信任系统的程度进行了调查。参与者被要求对以下陈述做出回应：

TS1. 当我在做其他事情时，我可以依赖自动化系统正常工作。

TS2. 自动化系统在需要时提供了警报。

TS3. 自动化系统发出了错误警报。

TS4. 自动化系统是可靠的。

TS5. 我熟悉自动化系统。

TS6. 我信任自动化系统。

所有回应都是基于7点李克特量表，选项范围从“1”表示强烈反对到“7”表示强烈同意。除了一个陈述外，所有陈述都是正面措辞，因此高分表示更高水平的信任。陈述3，“自动化系统发出了错误警报”，措辞是负面的，因此对这个陈述的回应被重新编码，使得“1”=“7”，“2”=“6”，依此类推。所有陈述的回应的平均值和标准误差条形图分别在图3-13和图3-14中显示，分别对应2秒和7秒提示条件。

图3-13. 2秒提示条件下的平均会话后信任量表评分

图3-14. 7秒提示条件下的会话后信任度量平均评分

会后满意度量表

仅针对实验2，在三个驾驶会话结束时，对参与者进行了包含三个问题和五个陈述（与参与者对智能驾驶系统的满意度程度相关）的调查。参与者被要求回答以下问题：

1. 总体来说，您对智能驾驶系统有多满意？

2. 您对提供的警报数量有多满意？

3. 您对提供的警报类型有多满意？

4. 智能驾驶系统的警报提供了足够的时间来做决定。

5. 智能驾驶系统的警报提供了足够的信息来做决定。

6. 我会在我的正常驾驶中使用这种类型的智能驾驶系统。

7. 我希望将这种类型的智能驾驶系统作为我当前车辆的一部分。

8. 我希望将这种类型的智能驾驶系统作为未来车辆的一部分。

请注意，满意度问题1、2和3基于7点李克特量表，选项范围从“1”表示“非常不满意”到“7”表示“非常满意”。满意度陈述4、5、6、7和8基于7点李克特量表，选项范围从“1”表示“强烈反对”到“7”表示“强烈同意”。所有问题和陈述都使用了正面措辞，因此高分表示更高的满意度水平。每个满意度问题和陈述的平均值和标准误差条形图显示在图3-15中。

图3-15. 实验2满意度调查的平均评分

体验后访谈

在车内体验之后，参与者被问了一系列六个问题。访谈被音频录制作为研究者笔记的备份。数字音频记录被转录成文本，但没有任何评论附上个人名字。所有56名参与者的回答都被记录并转录。这些转录文本和研究者笔记作为定性内容分析的基础，该分析使用框架分析方法完成。这次分析的结果被用来帮助研究者可能理解与常规不同的参与者行为。完成框架分析所用方法的完整讨论和详细发现已包含在附录F中。

总体上，参与者表示他们有一个积极的体验，并且似乎对系统印象深刻且有信心。大多数参与者报告说他们对系统感到舒适（图3-16）。

图3-16. 实验2参与者对自动化系统的自我报告舒适度水平

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30分钟或更短时间内达到了他们的最终舒适水平（图3-17）。两位对问题给出时间上模糊回答的参与者表示，他们“非常快”和“很快”就达到了对系统的最终舒适水平。此外，九名参与者指出，直到实验的后半段（例如，90到180分钟）他们才达到舒适水平。达到系统舒适度的最长报告时间是“第三个小时的第一季度”（即135分钟），这是由55岁以上年龄组的一名成员报告的。

图3-17. 实验2参与者达到系统舒适度所需时间随年龄变化

需要超过91分钟才能达到最终舒适度水平的参与者更可能处于2秒或7秒提示条件下（见图3-18）。

图3-18. 实验2：参与者在不同提示条件下达到系统舒适度所需时间

实验2总结

以下表格总结了每个依赖变量中事件类型和提示条件相关组合之间显著差异。在每个表格中，特定的事件类型和提示条件组合与其他所有相关组合进行比较。例如，在表3-3中，感兴趣的组合是带有2秒提示条件的警报，它直接与带有7秒提示条件的警报和无提示条件的警报进行比较，因为它们具有相同的事件类型；它还与无警报但带有2秒提示条件的情况进行比较，因为它们具有相同的提示条件。

表3-3. 实验2中带有2秒提示条件的警报与其他相关事件类型/提示条件组合的平均值比较。