1、研究背景

无人驾驶是如今汽车发展的一个重要方向，根据美国机动工程师协会（SAE）对自动驾驶技术的分级，Level5为完全实现无人驾驶，Level3-Level4则为有条件和高度自动化的无人驾驶，如特定场景下的自动泊车、堵塞路段驾驶等。现在许多自动驾驶的研究成果仍处在Level3-Level4等级，这些等级下存在着人机共同驾驶的场景，那么汽车驾驶权在人与机器之间切换就存在着安全问题。根据对人、车、环境三者的关系，由于自动驾驶系统局限性，以及在一些紧急情况时，安全性受到影响^[1]，需要切换驾驶权至手动操纵。在这个切换过程中，驾驶员有可能因为反应不及时、短时间内无法接受过量路况信息等，导致操作失误，威胁乘员安全；同时根据李胜江等人的研究，切换过程中由于涉及到音视频或者其他方式的提醒，也会对驾驶员造成一定程度的视觉注意力分散^[2]，进而因为分心导致车道偏离，特别是在高速驾驶情况偏离更为严重^[3]，影响安全。因此，有必要对驾驶权在人机之间切换的场景、条件和机制进行研究，以驾驶负荷为评定依据，考察不同切换机制下驾驶员所承受的驾驶负荷是否合理、安全，以便更好地反馈调整和优化驾驶权切换机制。

2、国内外研究现状

2.1 国内研究现状

目前国内对于驾驶权切换机制的研究较少。在驾驶负荷方面，常见一些关于特定路段或特定环境下的驾驶负荷分析，一般均为借助确立的主观评价方法，如NASA2TLX等，或者利用生理参数进行客观评价，此方面国内外各类评价指标也较为统一。从研究结果来看，包括年龄、道路类型、车况、天气等多种因素都会对驾驶负荷造成不小的影响^[4]。驾驶人机交互，尤其是在驾驶权切换方面，国内研究还比较少。驾驶交互和分心行为的研究方面，党珊等人对手机使用对分心驾驶状态的影响进行过研究，结果显示驾驶员在分心时反应时间增长^[5]，类比到本次研究上，可推测出分心状态下切换驾驶权后驾驶员可能需要一定时间反应；交互方式层面上，牛世峰、袁伟等人，开展过关于语音信息对驾驶员超速行为干预，属于对交互信息类型和提醒方式相关的研究，结论说明提醒方式对于干预效果影响很大^[6]；冯凤等人，基于眼动交互对驾驶过程中的车载音乐以及驾驶员的分心情况进行了研究，评估了直觉化交互和安全驾驶的达标程度^[7]；沙强、孙婷婷等人，对智能驾驶的交互总体趋势进行了研究分析，认为回归自然的交互行为才能满足用户的舒适性和体验性^[8]。总体来说，现有研究大多为交互形式以及一些驾驶负荷的研究，关注到驾驶权切换方式上的研究暂时不多见。

2.2 国外研究现状

国外研究无人车起步时间早，有关于驾驶员负荷的相关研究，如2.1中所提到的已经确立出不少得到认同的评价标准；同时对于自动驾驶或者辅助驾驶中，甚至具体到驾驶权切换的场景下，对驾驶员的专注程度、驾驶安全性等进行过研究。例如Joost C.F. de Winter等人对自适应巡航以及高度自动化驾驶中驾驶员的路况认知能力、分心进行非驾驶任务次数等进行过比较，研究ACC以及HAD是否对驾驶员的驾驶能力造成影响^[9]；Natasha Merat等人，对驾驶员在自动驾驶的情况下切换为手动操纵的不同方式进行了研究，考察了定时切换和根据驾驶员分心程度切换时，完成切换流程所需要的时间以及驾驶员的分心程度，结果显示固定间隔切换驾驶权更有利于驾驶员专注驾驶^[10]。Willem B. Verwey等人对不同驾驶员的驾驶负荷进行研究，了解到驾驶地区（熟悉程度相关联）、路况、年龄等的差异会对驾驶负荷造成驾驶负荷上的各种差异化表现^[11]；Simone Benedetto等人对移线实验中的驾驶员分心和眨眼情况进行了实验考察，眨眼时长对驾驶员的驾驶负荷情况异常敏感^[12]，因此也可以作为一种驾驶负荷评价方法使用。

2.3 研究现状综述

无论国内还是国外，具体到驾驶权切换方面的研究仍处于起步阶段。很多厂商都在尝试直接实现Level5的完全无人驾驶，但是现阶段从技术、硬件和方案等多方面来说，挑战完全无人驾驶还有许多问题需要先解决。其关键技术一般为感知、决策、控制、人机共驾、通信交互、信息安全^[13]。在硬件方面，多类传感器需要相互配合互补，如何协调以及组合才是最优的还需要研究，同时硬件参数上也需要进一步进行优化，如提高精度和探测范围等；技术上传感、感知、决策等模型和算法仍需要继续研究和需要大量实验、测试数据进行优化。因此，对Level3-Level4的人机交互尤其是对安全有重要影响的驾驶权切换机制更是需要作进一步研究。

3、研究目的