车辆行驶中车道偏离预警系统的驾驶员精神模型建立

目前，汽车上常见的先进驾驶员辅助系统（ADAS）有车道偏离预警系统（LDWS）、车道保持辅助系统（LKAS）、盲点预警系统（BSWS）、前撞预警系统（FCWS）和带制动控制的全速范围内自动巡航控制（ACC）系统。ADAS能够探测车辆行为和周围环境的变化，并且能迅速及时地响应，然而其也有使用条件限制和适用场合。根据外部环境，ADAS需要满足一定条件后才会工作。

本文探索在驾驶员几乎不熟悉LDWS的情况下是否能识别系统的速度阈值，并且在动态驾驶环境下更新速度阈值。由于驾驶员在驾驶过程中不能总是保持全神贯注，所以试验中把试验人员分成两组：一组只执行开车任务；另一组除了开车外还要执行一个次要任务。由于缺乏从经验中学习、情景意识等方面的知识，调查只能估计系统中驾驶员的最小精神模型。与单一驾驶任务相比，多任务需求会降低驾驶员观测系统状态的能力并延迟精神模型改进的过程。在驾驶员模拟器上进行试验，统计了没有意识到LDWS操作条件的驾驶员人数，没考虑两组本身的任务属性。试验结果表明，两组人员中忽略该操作条件的人数都比较多。根据试验结果，可以推断出驾驶员对于LDWS技术的认知有限，当LDWS不工作时驾驶员仍依赖于系统提醒其不同的驾驶环境。因此，这些因素不仅影响ADAS的社会效益，而且影响系统的可接受性和实用性。

刊名：Journal of Advanced Mechanical Design, Systems, and Manufacturing（英）

刊期：2014年第3期

作者：Tabinda Aziz et al

编译：于立娇