研究背景与意义

在探索自动驾驶技术的未来时，我们不得不关注它如何逐渐融入我们的日常生活。近年来，随着人工智能的飞速发展，自动驾驶汽车已经从科幻小说中的概念，变成了现实世界中的一部分。众多汽车制造商和科技公司纷纷推出了自己的自动驾驶解决方案，技术不断进步，成本逐步降低，预示着自动驾驶汽车将很快成为我们交通出行的常态。

目前大多数自动驾驶车辆仍处于L2或L3级别，车辆可以执行如车道保持、定速巡航等任务。但驾驶员仍然需要时刻监督，在必要情况下，自动驾驶车辆会退出自动驾驶模式并把控制权交还给驾驶员，这样的过程被称为“接管”。

尽管驾驶员被要求保持在控制回路内，但人在监管过程中仍然可能会分心，甚至从事非驾驶相关任务，这会导致驾驶员降低对情景的感知，这会严重影响接管的质量与安全。此外，即使驾驶员在接管过程中保持注意力，接管时也可能会发生过激行为[1]。这种紧张、突兀的接管过程会导致车辆不平稳或置于危险的境地，进而影响后续的手动驾驶。因此，实现平滑和安全的接管过程对保证车辆安全至关重要。

为了确保车辆在接管过程中的稳定性和安全性，实现平滑和安全的接管过程至关重要。目前，一种常见的策略是在发出接管请求后，立即切换到人类控制。但这种方法可能会使驾驶员感到紧张，尤其是当他们正在从事非驾驶任务时。此外，这种生硬的切换不仅可能导致事故，还可能削弱人们对自动驾驶系统的信任。

在自动驾驶的场景中，驾驶权限的平滑过渡对于保持车辆稳定、减少事故和提升驾驶员对环境的认知至关重要，同时也能增强驾驶员对自动驾驶系统的信任。

研究现状

接管过程的设计受到了全球研究人员的广泛关注。这个过程是自动驾驶和手动驾驶两种模式之间的桥梁，如图1所示。在接管过程中，控制权逐渐从自动驾驶系统转移到人类驾驶员，形成了一种人机共驾的系统。这种系统将融合自动驾驶算法，以实现合理的权限分配。


图1 接管过程示图示

在人机共驾的研究中，大多数研究集中在操作层，即车辆的具体控制，如加速、减速和转向。在这一层面，驾驶员的输入与自动驾驶系统的控制器相互作用，对于不同的驾驶场景，不同的学者利用不同的控制器来实现对人类的辅助。尽管这种融合可以提高系统性能并减轻驾驶员的工作负担[2]，但它难以解决因人机目标意图分歧而产生的冲突。产生冲突的根本原因在于人的意图与自动驾驶系统的规划目标不同，二者朝着不同的目标执行控制动作，势必会产生冲突。

战术层的融合则关注具体的驾驶操作，如超车。在这一层面，驾驶员的意图与自动驾驶系统的规划层相互融合，直接影响操作的执行。许多研究集中在人机协作轨迹规划上，即驾驶员意图直接影响自动驾驶系统的规划结果。通过在代价函数中加入人类意图，使轨迹更符合人类期望[3]。此外，还有人提出了基于模糊控制的共享控制方法，实现了操作层和战术层的人机融合，证明了规划层的人机合作可以有效降低人机冲突。然而，人机协作轨迹规划的结果可能难以在短时间内被驾驶员理解，尤其是在接管这种时间窗口较短的行为中。因此，人机协作行为规划将人类意图与自动驾驶系统的行为规划层融合，生成高级的语义动作，如变道、超车等，这种规划结果更适合在接管过程中展现机器的意图和决策结果。

对于接管过程这一场景，学界从接管方式，接管界面，接管时机，测评方法[4]等多方面进行了研究。针对权限转移方面，不同学者提出了不同的方法，来确保接管过程的平滑与安全[5], [6]。但是和人机共驾的大多研究一样，大部分研究都集中在操作层。但是，可以预见，通过在操作层和战术层的融合，我们能够更好地理解人类驾驶员的意图，并将其与自动驾驶系统的决策相结合，从而实现更安全、更有效的接管过程。

展望

接管过程是当前非完全自动驾驶技术能力下不可避免的一环，这一过程天然的有人与机器的共同参与，是人机共驾领域一个重要的研究方向，对于接管过程控制权限的平滑移交，保证驾驶安全，未来的研究或许可以从以下几个方面进一步深入：

  1. 接管时机的优化：研究如何更准确地预测接管的最佳时机，以减少驾驶员的紧张感和提高接管的平稳性。
  2. 人机交互界面的改进：开发更直观、更友好的人机交互界面，使驾驶员能够更清晰地理解自动驾驶系统的意图和状态。
  3. 多种模式提醒的综合应用：使用多种提醒模式，兼顾舒适性与安全性，在驾驶员监管过程中使用声、光、触等方式提示驾驶员。
  4. 驾驶员行为的建模：通过机器学习等技术，建立更精确的驾驶员行为模型，以预测驾驶员在不同情况下的反应。
  5. 多模态感知系统的集成：集成视觉、听觉、触觉等多种感知方式，以提高系统对驾驶员状态的感知能力。
  6. 安全冗余的自动驾驶算法：在接管过程中，使用安全系数更高的自动驾驶算法，进一步保证安全。

参考文献

  1. [1]李享泰, “智能汽车人机共驾系统测试评价方法研究,” 硕士, 吉林大学, 2020.
  2. [2]F. Roche, M. Thüring, and A. K. Trukenbrod, “What Happens When Drivers of Automated Vehicles Take over Control in Critical Brake Situations?,” Accident Analysis & Prevention, vol. 144, p. 105588, Sep. 2020.
  3. [3]A. Benloucif, A.-T. Nguyen, C. Sentouh, and J.-C. Popieul, “Cooperative Trajectory Planning for Haptic Shared Control Between Driver and Automation in Highway Driving,” IEEE Transactions on Industrial Electronics, vol. 66, no. 12, pp. 9846–9857, Dec. 2019.
  4. [4]M. Li, H. Cao, X. Song, Y. Huang, J. Wang, and Z. Huang, “Shared Control Driver Assistance System Based on Driving Intention and Situation Assessment,” IEEE Transactions on Industrial Informatics, vol. 14, no. 11, pp. 4982–4994, Nov. 2018.
  5. [5]C. Lv et al., “A Novel Control Framework of Haptic Take-Over System for Automated Vehicles,” in 2018 IEEE Intelligent Vehicles Symposium (IV), Changshu, 2018, pp. 1596–1601.
  6. [6]T. Saito, T. Wada, and K. Sonoda, “Control Authority Transfer Method for Automated-to-Manual Driving Via a Shared Authority Mode,” IEEE Transactions on Intelligent Vehicles, vol. 3, no. 2, pp. 198–207, Jun. 2018.

相关科研项目

人机混合智能系统双层智能测试评估技术研究