自动驾驶人机共驾环境下驾驶人接管能力研究进展

曾嘉宾，李靖宇，尤志栋

(1.合肥工业大学 汽车与交通工程学院，合肥 230009；2.合肥工业大学 土木与水利工程学院，合肥 230009；3.公安部交通管理科学研究所，江苏 无锡 214000)

随着科学技术的进步，人们对于出行的要求越来越高，为了进一步满足人们的出行需求并减少道路交通事故的发生，科学家们开始追求更加便捷、快速的出行方式[1]，于是自动驾驶汽车应运而生。自动驾驶汽车，又称为无人驾驶汽车，是一种能够依靠车辆传感器感知周围的道路环境、车辆和障碍物等信息，进而控制车辆的横向和纵向运动操作，使车辆能够高效、安全地在道路上行驶的新驾驶方式[2]。同时由于自动驾驶汽车能够根据感知的信息规划出最优的出行线路，减少出行距离，因此能够有效减少碳排放量，提高经济效益。目前，大部分汽车制造商如特斯拉、丰田、优步等，以及一些互联网公司如百度、谷歌等都纷纷投入到自动驾驶汽车的研发之中，期望研发出一款完全不需要驾驶人操作的汽车，解放驾驶人的双手，缓解交通拥堵，减少道路交通事故。

根据美国汽车工程师学会(SAE)2018年的标准，将驾驶自动化等级分为0～5级[3]。其中，0级为无自动化，即需要由驾驶人全程操控车辆以完成动态驾驶任务；1级为驾驶辅助系统，自动化系统能够在其设计运行域(ODD)范围内对车辆的横向或纵向运动控制提供驾驶支持；2级为部分自动化，自动化系统能够在其设计运行域范围内对车辆的纵向和横向运动操作提供驾驶支持，但需要驾驶人在驾驶过程中实时监控道路环境，并在自动化系统停止工作时接管车辆的控制权；3级为条件自动化，自动化系统能够在其设计运行域范围内执行全部的动态驾驶任务，并且不再需要驾驶人实时监控道路环境，仅仅需要在自动化系统提醒时完成对车辆控制权的接管；4级为高度自动化，自动化系统能够在其设计运行域范围内执行全部的动态驾驶任务以及执行接管；5级为完全自动化，自动化系统不再有使用条件的限制，车辆能够在任何可行驶的道路环境中执行全部动态驾驶任务。

接管的本质就是车辆控制权在驾驶人与自动化系统之间的转换问题，根据控制权转换的发起者和执行者不同，可将接管分为被动接管(本研究所提到的接管均指被动接管)和主动接管。被动接管由自动化系统发起，由驾驶人被动执行，指当自动化系统应对问题的能力不足或超出设计运行域范围时，自动化系统向驾驶人发出接管请求，驾驶人需要在有限的时间内予以响应，完成控制权转换；主动接管则由驾驶人主动发起，指驾驶人在自动化系统仍处于活动状态时，由于自动化系统表现不及驾驶人预期，主动进行控制权转换。

随着自动驾驶技术的快速发展，目前汽车市场中已经出现了2级和3级的自动驾驶汽车。在此级别的自动驾驶过程中，自动化系统是动态驾驶任务的执行者，而当自动化系统遇到不能处理的状况时，驾驶人作为最终接管者需要手动接管车辆的控制权。在这一阶段中，动态驾驶任务由传统的连续过程转变为手动驾驶与自动驾驶交替转换的离散过程[4]，人与系统都可以对车辆进行控制，同时两者需要相互协同才能完成动态驾驶任务，即人机共驾。

相关研究人员针对人机共驾环境下驾驶人接管能力进行了一系列探索性研究，主要包括如何对驾驶人接管能力进行评价、影响驾驶人接管能力的相关因素以及提升驾驶人接管能力的方法。尽管如此，自动驾驶汽车发展仍存在一些瓶颈问题，因此，本研究能为未来人机共驾环境下驾驶人接管能力的进一步研究提供参考依据。

1 人机共驾环境下驾驶人接管能力评价方法

现有的人机共驾环境下驾驶人接管能力评价方法主要以驾驶人车辆操纵、眼动特性、接管行为和生理特性等方面为基础，选取合理的数据指标评价驾驶人的接管能力，其优点在于实验数据指标客观且可靠性强。

在车辆操纵方面，钮建伟等[5]采集了36名驾驶人在2种不同危险场景下(前车急刹车、前方车辆切入)接管车辆控制权时的车辆操纵数据，包括速度、车辆横向位移、车头间距等，分析结果表明，不同危险场景影响着驾驶人的车辆操纵水平，驾驶人在前方车辆切入场景中的速度更快、横向位置标准差更大，车头间距更大。尹娟[6]招募了25名被试驾驶人开展驾驶模拟器实验，采集了驾驶人在前车发生碰撞场景下接管时的纵向减速度、横向加速度、车道中心偏移量等车辆操纵数据，探究不同的非驾驶相关任务(无任务、手机任务和中断手机任务)参与对驾驶人接管能力的影响，实验结果表明，与无任务组相对比，手机组驾驶人的最大纵向减速度要增大1.05 m·s-2、横向加速度增大0.19 m·s-2，而车道中心偏移量却减小0.04 m。在眼动特性方面，马蓉[7]利用驾驶模拟器和眼动仪开展接管避障实验，记录了接管避障过程中驾驶人的注视行为、扫视行为和眨眼行为数据，分析人机共驾环境下非驾驶相关任务对驾驶人接管能力的影响，分析结果显示：在注视行为方面，驾驶人在文字任务下的有效注视时长最小；在扫视行为方面，驾驶人在文字任务下的扫视速度比其它非驾驶任务略高；在眨眼行为方面，驾驶人在文字和语音任务下的眨眼频率较高，而在无任务下的眨眼频率较小。郭子慧等[8]采集了19名驾驶人在2种接管场景下(动态、静态)的眼动数据，以此分析驾驶人在接管自动驾驶车辆期间的视觉特性，实验结果显示：在接管请求出现前，与静态场景相比，驾驶人在动态场景下的平均注视时间更短且扫视次数更多；在接管请求出现后，相较于接管请求出现前，驾驶人的平均注视时间增加，瞳孔直径增大，眨眼频率降低，眼跳幅度变大。在生理特性方面，Alrefaie等[9]通过测量驾驶人的心率评估其在自动驾驶下从事非驾驶相关任务时(无任务、发送电子邮件、20问任务)接管车辆控制的能力，共33名参与者进行了实验，实验结果表明，非驾驶相关任务引起了驾驶人心率的变化，与无任务组相比，当驾驶人从事非驾驶相关任务时，心率显著增加。在接管行为方面，Vogelpohl等[10]通过开展实验记录了驾驶人在疲劳状态下接管时的一些接管行为指标，如接管请求后第一次注视速度表盘的时间、接管请求后第一次注视左后视镜的时间、接管请求后将脚重新放在刹车踏板上的时间等，并以此评估疲劳驾驶人在自动驾驶后恢复手动控制和情境感知的能力，研究发现，与手动驾驶相比，驾驶人在自动驾驶过程中收到接管请求后，第一次注视速度表盘的时间更长，而手重新抓住方向盘的时间和脚重新放到刹车踏板上的时间没有增加。Yoon等[11]探讨了在自动化驾驶中驾驶人从事非驾驶相关任务(无任务、接听电话、玩手机和观看视频)对其接管能力的影响，实验采集了驾驶人在接管车辆控制期间的接管时间、第一次触碰方向盘时间和第一次注视道路时间等接管行为数据，研究表明，非驾驶相关任务类型对接管行为有显著影响。

综上，当前研究人员主要以驾驶模拟器开展实验，利用眼动仪、生理记录仪和摄像装置等设备采集驾驶人接管时的车辆操纵、眼动特性、生理特性和接管行为等方面的数据作为评价驾驶人接管能力的重要指标，但由于仪器设备限制等原因，研究人员往往只选取车辆操纵、眼动特性等单方面或两个方面的数据指标衡量驾驶人的接管能力，无法对接管能力进行全面评价。因此，未来研究应建立接管能力综合评价体系，综合考虑驾驶人各方面指标并对驾驶人接管能力进行评价，同时应用量表采集驾驶人的自我评价数据，通过主客观指标相结合的方式进一步评价驾驶人的接管能力，并对其量化。

2 人机共驾环境下驾驶人接管能力影响因素

2.1 接管请求方式

在人机共驾环境下，控制权的转换方式作为一个重要因素，影响了驾驶人的接管能力，国内外众多学者也围绕视觉、听觉、触觉或多模态等对不同的接管请求方式开展了大量研究。

在视觉提醒方面，Brandenburg等[12]进行了一项驾驶模拟器研究，考察了在不同路面曲率和车头时距条件下，抽象和拟物化的视觉接管请求设计是如何影响驾驶人的接管能力。其中，抽象设计是将驾驶人应该接管的控制方向进行可视化，垂直箭头表示需要接管纵向控制，而水平箭头表示需要接管横向控制；而拟物化设计用手和方向盘表征横向控制，脚和踏板表征纵向控制。研究结果表明，与抽象设计相比，在车头时距较短的情况下驾驶人经历拟物化设计时的反应更快且更准确，同时驾驶人认为拟物化设计在直观上更容易理解。Yang等[13]设计了一个简洁的人机界面概念的LED环境灯，它包含有关自动化状态的信息，通过改变LED的颜色、频率等来检测潜在的危险和发出接管请求，50名参与者在有或没有新的人机界面的情况下进行实验，结果显示，相较于没有使用新的人机界面的参与者，使用新的人机界面参与者的注视行为和接管质量都得到了显著提高。在听觉提醒方面，Bazilinskyy等[14]选取了140种不同语速、背景噪音、说话短语、说话者性别和情绪语调的语音接管请求方式，通过众包的方式，使来自95个国家的2 669名参与者随机听取了140个接管请求中的10个，并对每个接管请求的紧迫性、命令性、愉悦性和理解度进行评分，研究发现，语速的增加和特殊的口头短语会使驾驶人感觉更加紧迫，同时当背景噪音较高时，女性的声音比男性的声音更容易被理解。Geitner等[15]比较了听觉警告与触觉警告对驾驶人接管的影响，研究发现，与触觉警告相比，驾驶人对听觉警告的反应时间明显较块。在触觉提醒方面，Telpaz等[16]评估了在自动模式下使用振动触觉座椅提供车辆从后面接近的信息对驾驶人控制权转换以及眼球跟踪行为的影响，研究表明，使用振动触觉座椅可以使驾驶人在控制权转换期间作出更快、更有效的响应，同时影响了驾驶人在控制权转换后的视觉扫描模式，驾驶人会更多地关注后视镜。Cohen-Lazry等[17]比较了3种不同振动触觉警报方式(无方向、振动触觉方向指向危险、振动触觉方向远离危险)对驾驶人接管的影响，研究结果表明，无方向组驾驶人比其他两个方向组驾驶人的反应时间更慢。在多模态提醒方面，Naujoks等[18]利用驾驶模拟器研究了分心条件下高度自动化驾驶过程中视觉和视觉-听觉接管请求的有效性，研究表明，当驾驶人在多模态的视觉-听觉提醒时，他们的手会更快地(2.29 s)回到方向盘上，而在视觉提醒下这个时间为6.19 s。Petermeijer等[19]招募了24名参与者进行一项驾驶模拟器实验，每名参与者共驾驶3次，每次经历6次接管请求，探究3种不同的接管请求方式(听觉、振动触觉和听觉-振动触觉)对驾驶人接管能力的影响，实验结果表明，相较于单模态振动触觉提醒，驾驶人在多模态听觉-振动触觉提醒下会更快地触摸方向盘。

综上所述，不管是视觉、听觉和触觉等单模态的接管请求方式还是混合的多模态接管请求方式都能在一定基础上提升驾驶人的接管能力，但相比单模态提醒，多模态提醒有更明显的益处。目前针对接管请求方式的研究大多只分析了不同接管请求方式的有效性和差异性，并没有综合考虑其他因素影响。未来的研究应增加多模态提醒方式应用，同时综合考虑驾驶人状态等其他因素的干扰，进一步完善接管请求方式，使其能够帮助驾驶人准确接受到接管信息，并且更快地识别到风险来源。

2.2 接管时间提前量

在人机共驾环境下，当自动化系统遇到无法处理的一些情况时，需要驾驶人手动接管车辆的控制权，而研究表明驾驶人在自动驾驶时的反应比手动驾驶明显滞后[20]，所以驾驶人必须能够在一个合理的过渡时间内接管车辆控制权以确保安全[21]。国内外研究学者一般将接管请求的发送时机称为接管时间提前量(Lead Time)或者接管时间预算(Time Budget)，是指从自动化系统发出接管请求，到驾驶人不接管车辆控制权而导致关键事件发生(如发生碰撞)的时间。接管时间提前量也是自动驾驶技术的主要挑战之一，许多研究人员围绕此展开了大量研究。

Samuel等[22]招募了32名被试驾驶人开展驾驶模拟器实验，对比驾驶人在4 s、6 s、8 s或12 s接管时间提前量与完全手动驾驶条件下驾驶人发现潜在危险的能力，研究结果表明，驾驶人在较长的接管时间提前量(8 s和12 s)条件下能够以与完全手动驾驶的驾驶人相同速度检测到潜在危险，而驾驶人在较短的接管时间提前量(4 s和6 s)条件下能够检测到的潜在危险较少。Mok等[23]在驾驶模拟器实验中观察了驾驶人在接管时间提前量分别为2 s、5 s和8 s时的接管能力，研究结果表明，当接管时间提前量为2 s时，很少有驾驶人能够安全通过关键事件，而当接管时间提前量为5 s或8 s时，大多数驾驶人都能够安全通过关键事件。Du等[24]招募80名参与者进行驾驶模拟实验，探究不同接管时间提前量(4 s、7 s)与驾驶人接管能力的关系，每名被试驾驶人共经历了8次接管事件，研究表明，与7 s的接管时间提前量相比，在4 s的接管时间提前量时，驾驶人接管准备程度较低，接管能力较差。Radlmayr和Bengler[25]总结了11项关于调查接管时间提前量影响的研究，并得出了结论，较长的接管时间提前量与更好的接管质量有关。Wan和Wu[26]通过驾驶模拟器实验研究了接管时间提前量对自动驾驶驾驶人接管行为的影响，研究结果表明，当接管时间提前量为10～60 s时，驾驶人的接管能力最佳，表现为事故发生率降低、最小碰撞时间增加、横向加速度降低。

综上所述，接管时间提前量目前还没有统一的标准，尽管较长的接管时间提前量会使驾驶人有更为稳定的接管能力，但如果自动化系统过早发出接管请求，可能会诱发敏感的驾驶人出现不适当的刹车行为，进而导致驾驶人对自动化系统不再信任，引发更危险后果，正如文献[4]中所述，而如果接管时间提前量较短，会导致驾驶人接管质量变差，甚至无法及时完成接管。因此，在未来的研究中应根据不同的驾驶人属性(年龄、驾驶经验等)、状态(如疲劳、分心等)以及环境变量(如交通密度、天气条件等)，设计出更为科学合理的动态接管时间提前量模型，使驾驶人能够安全高效地完成接管。

2.3 非驾驶相关任务

在人机共驾环境下，驾驶人不再从事驾驶任务，仅仅作为一个备用者，他们更愿意在自动驾驶过程中参与一些非驾驶相关任务[27]，如阅读、看视频[28]等。因此，一些研究人员认为非驾驶相关任务会导致驾驶人接管时间的增加及接管质量的损耗，并对此展开了研究。林庆峰等[29]利用驾驶模拟器进行实验，研究分析了自动驾驶过程中非驾驶相关任务对驾驶人接管能力的影响，实验结果表明，相较于无任务，非驾驶相关任务会降低最小碰撞时间TTC，且增加驾驶人的接管时间。高岩等[30]选择了3种不同的分心等级次任务(与乘客聊天、观看视频、玩手机游戏)，并通过开展实验探究其对条件自动化过程中驾驶人接管能力的影响，研究发现，次任务的分心程度越高，驾驶人在接管过程中的安全性越差，同时玩手机游戏和观看视频会导致驾驶人的接管反应时间与车辆纵向加速度增加。Merat等[31]研究发现在无任务的情况下，驾驶人在手动驾驶和自动驾驶时对于关键事件的反应相似，而当驾驶人从事非驾驶相关任务时，驾驶人在自动驾驶时的接管表现较差。但又由于自动驾驶过程中驾驶任务的缺乏以及单调的驾驶环境，驾驶人的认知负荷会降低，警觉性会下降，进而影响接管能力，因此一些研究人员期望通过一些非驾驶相关任务提高驾驶人的注意力。如Naujoks等[32]探究了在部分自动化车辆中非驾驶相关任务对接管能力的影响，结果表明，非驾驶相关任务有助于驾驶人在部分自动驾驶过程中保持警觉性。Neubauer等[33]研究发现参与非驾驶相关任务可以减少驾驶人在自动驾驶过程中的无聊程度。Miller等[34]发现，在自动驾驶模式下进行非驾驶相关任务的驾驶人表现出更低的疲劳倾向。

综上所述，当前对于在自动驾驶过程中从事非驾驶相关任务对驾驶人的影响并没有统一的说法，一方面，非驾驶相关任务可能使驾驶人降低对周围驾驶环境的感知能力，使驾驶人不能安全、及时地接管，接管能力变差；另一方面，非驾驶相关任务可以使驾驶人在单调的自动驾驶过程中保持警惕性，避免出现疲劳。因此，未来的研究应建立更加科学的综合评价体系，通过客观评价和主观评价指标相结合，进一步明确非驾驶相关任务对自动驾驶驾驶人接管的影响，为后续非驾驶相关任务研究提供理论基础和有力依据。

2.4 驾驶人属性与状态

在人机共驾环境下，尽管驾驶人将从复杂的驾驶任务中解放出来，但仍需在必要的时候接管车辆控制权，因此，驾驶人的驾驶经验、年龄等个人属性，以及驾驶时的疲劳程度、情绪，甚至自动驾驶期间可能出现的饮酒、瞌睡等个人状态都会影响驾驶人的接管能力，进而影响接管安全。众多研究人员也针对驾驶人的属性和状态与接管能力的关系展开了研究。

He和Donmez[35]利用驾驶模拟器比较了新手驾驶人和经验驾驶人在自动驾驶过程中非驾驶相关任务的参与行为，研究结果显示，经验驾驶人对非驾驶相关任务的平均注视时间比新手驾驶人更短，经验驾驶人在非驾驶相关任务参与行为上更加保守。Körber等[36]探究了非驾驶相关任务和3种不同的交通密度条件下，年龄对接管时间和接管质量的影响，研究将参与者分为老年驾驶人(≥60岁)和年轻驾驶人(≤28岁)，结果表明，老年驾驶人和年轻驾驶人反应一样快，即老年驾驶人能够像年轻驾驶人一样快速地接管车辆控制权，但老年驾驶人在接管后的刹车行为更频繁、更有力，并且保持了更高的TTC。Feldhütter等[37]在一项驾驶模拟器研究中，将47名驾驶人分为两组：疲劳组和警觉组，并通过特定措施(如实验时间、含咖啡因的饮料、体育锻炼等)使驾驶人达到相应状态，以此检验疲劳对驾驶人接管能力的影响，研究结果显示，两组驾驶人在接管时间方面没有显著差异，但疲劳组驾驶人比警觉组驾驶人在接管时更有压力，且在应对关键事件时表现得更不自信。Du等[38]在条件自动化驾驶中通过播放电影片段对驾驶人进行情感诱导，考察了情绪效价和唤醒水平对驾驶人接管时间以及接管质量的影响，其中，效价表示刺激是消极的还是积极的，而唤醒水平表示刺激的程度，实验结果显示，积极的情绪效价使驾驶人有更好的接管质量，表现为最大加速度较小，而高唤醒水平并没有使驾驶人的接管时间变得更短。Hirsch等[39]利用驾驶模拟器对比了自动驾驶过程中驾驶人在没有睡觉与睡醒1 min、7 min、15 min后接管车辆控制权时的接管能力，研究发现，睡醒1 min后的接管尽管会使驾驶人感到忙乱，但驾驶人能够顺利地完成接管，而睡醒15 min后接管会让部分驾驶人感到疲劳。Wiedemann等[40]招募了36名被试驾驶人开展驾驶模拟实验，探究不同水平的血液酒精浓度(安慰剂、0.05%和0.08%血液酒精浓度)对驾驶人接管时间和质量的影响，实验结果表明，0.08%的血液酒精浓度增加了驾驶人接管时间，并使驾驶人在纵向和横向的车辆控制水平变差，而0.05%的血液酒精浓度与安慰剂组相比，仅在部分指标有变差趋势。

综上所述，驾驶人个人属性以及驾驶时的个人状态都会在一定程度上影响驾驶人接管能力。目前的研究大多只针对一种驾驶人属性或状态进行开展，而驾驶人是多方面属性和状态的集合体，当前的研究成果并不能对此作出进一步的解释。因此，未来的研究应该综合考虑驾驶人多方面属性和状态对接管的影响，明确统一的被试选取标准，建立科学的实验体系，进一步完善相关基础理论，提高人机共驾环境下的驾驶人接管安全。

3 人机共驾环境下驾驶人接管能力提升方法

在人机共驾环境下，驾驶人可以通过查看用户手册，学习自动驾驶相关的知识和技能，进而提高对自动化系统的了解，提升驾驶人的接管能力。但由于文本信息在用户手册中占主导地位，而有关自动驾驶的信息只占很小一部分，驾驶人可能会迷失在复杂的文本信息中，难以学习有效内容。同时，由于查看用户手册是一种被动、无引导式的学习，学习的内容仅取决于驾驶人阅读的多少，又由于人机界面元素是单独呈现的，驾驶人很难从抽象的人机界面元素描述中获得相关知识，并将其应用到具体的人机交互场景。因此，通过查看用户手册不足以支持驾驶人适应在自动驾驶汽车中的新角色[41]，对于提升驾驶人接管能力的作用十分有限，国内外研究人员也开展了其他研究以期提升驾驶人的接管能力。

Payre等[42]为研究简单和精细的训练对驾驶人在自动驾驶过程中恢复控制权的影响，招募了113名驾驶人开展实验，关键事件为系统故障，实验结果表明，培训提高了驾驶人的反应时间，减少了与踏板的交互次数，同时，接受精细训练的驾驶人在第二次系统故障时与踏板的互动次数少于第一次系统故障。Ebnali等[43]招募了15名驾驶人开展实验，探究沉浸式VR培训对驾驶人在部分自动化驾驶中的接管能力影响，实验结果显示，驾驶人的接管能力在接受培训后得到了显著提高，其接管时间更短、TTC更长、碰撞次数更少。Forster等[44]为探究用户手册和交互式教程培训对驾驶人与自动化系统交互的影响，选取24名被试驾驶人进行驾驶模拟实验，实验结果表明，用户手册和交互式教程培训都加强了驾驶人对自动化系统的理解，提高了驾驶人在人机交互时的交互表现。Noble等[45]通过开展实车实验，研究在自动驾驶过程中两种培训方案(用户手册、多媒体)对驾驶人关于车辆知识、熟悉度及环境监测行为的有效性，实验结果显示，接受不同培训方案的驾驶人在车辆知识方面存在显著差异，而驾驶行为方面不存在显著性差异。Casner等[46]通过概述部分自动化汽车驾驶人的知识标准，形成了一套培训方案，并认为如果驾驶人在日常出行中融入这些知识将会提高对车辆的安全操作，同时鼓励个人制造商以此标准为出发点，创建培训方案。Sportillo等[47]研究发现头戴式显示器(HMD)是一种在条件自动化中驾驶人驾驶技能获取的有效工具。Ebnali等[48]对比模拟器培训与视频培训对自动驾驶过程中驾驶人操作程序技能和高阶认知技能的影响，研究结果表明，两种培训方法均对驾驶人的速度控制、横向控制以及接管时间有所改善，同时接受模拟器培训的驾驶人在决定是否必要接管方面表现得更加出色。

综上所述，目前国内外针对人机共驾环境下驾驶人接管能力提升方法的研究较为缺乏，研究主要以培训教育为主，对比不同培训方法对驾驶人接管能力的影响，但仍未形成系统性的培训教育体系。未来的研究应将驾驶人在自动驾驶接管过程中的接管行为科学化、规范化，明确标准的接管行为步骤，教导驾驶人安全有效的接管操作，在此基础上形成具有普适性的驾驶人接管能力提升方法。

4 结 论

1)当自动驾驶汽车属于2～3级时，车辆能够在自动化系统的设计运行域范围内执行全部的动态驾驶任务，但驾驶人需要在自动化系统无法处理时接管车辆的控制权，这种驾驶人与自动化系统需要彼此协同才能完成动态驾驶任务阶段,即人机共驾阶段。

2)关于人机共驾环境下驾驶人的接管能力尚无统一的评价方法，目前主要以驾驶人车辆操纵、眼动特性、接管行为和生理特性等方面作为评价指标，因此，未来应选取合理的数据指标形成一套能得到广泛认可和应用的综合评价方法。

3)人机共驾环境下驾驶人接管能力的影响因素众多，国内外研究学者主要针对接管请求方式、接管时间提前量、非驾驶相关任务或驾驶人的属性与状态等多个方面进行研究，尽管取得了一定成果，但仍有许多关键性问题需要进一步解决。

4)目前，关于人机共驾环境下驾驶人接管能力的提升方法较为缺乏，主要以培训教育为主，尽管培训教育的优势显著，但仍未形成规范化、系统性的培训教育体系，使得现有的培训方法并不能够实际应用于人机共驾阶段的接管培训。因此，未来研究应探索建立更科学有效的培训教育方法，进而切实有效地提升驾驶人的接管能力。