[论文解读] Psychophysiological responses to takeover requests in conditionally automated driving

Na Du, X. Jessie Yang+1 more|arXiv (Cornell University)|Oct 6, 2020

Human-Automation Interaction and Safety参考文献 52被引用 10

一句话总结

本研究利用高保真模拟器，调查了 SAE 级别 3 自动驾驶中接管过渡期间的身心反应，采用心率变异性、皮肤电反应、注视行为和面部表情作为测量指标。主要发现表明，4 秒的接管请求提前时间及高认知负荷会引发更大的压力并降低注意力；而交通密集则导致心率加速，表明在性能下降前已出现认知负荷增加的迹象。

ABSTRACT

In SAE Level 3 automated driving, taking over control from automation raises significant safety concerns because drivers out of the vehicle control loop have difficulty negotiating takeover transitions. Existing studies on takeover transitions have focused on drivers' behavioral responses to takeover requests (TORs). As a complement, this exploratory study aimed to examine drivers' psychophysiological responses to TORs as a result of varying non-driving-related tasks (NDRTs), traffic density and TOR lead time. A total number of 102 drivers were recruited and each of them experienced 8 takeover events in a high fidelity fixed-base driving simulator. Drivers' gaze behaviors, heart rate (HR) activities, galvanic skin responses (GSRs), and facial expressions were recorded and analyzed during two stages. First, during the automated driving stage, we found that drivers had lower heart rate variability, narrower horizontal gaze dispersion, and shorter eyes-on-road time when they had a high level of cognitive load relative to a low level of cognitive load. Second, during the takeover transition stage, 4s lead time led to inhibited blink numbers and larger maximum and mean GSR phasic activation compared to 7s lead time, whilst heavy traffic density resulted in increased HR acceleration patterns than light traffic density. Our results showed that psychophysiological measures can indicate specific internal states of drivers, including their workload, emotions, attention, and situation awareness in a continuous, non-invasive and real-time manner. The findings provide additional support for the value of using psychophysiological measures in automated driving and for future applications in driver monitoring systems and adaptive alert systems.

研究动机与目标

• 调查非驾驶相关任务（NDRTs）、交通密度和接管请求（TOR）提前时间如何影响 SAE 级别 3 自动驾驶过渡期间驾驶员的身心状态。
• 评估心率变异性（HRV）、皮肤电反应（GSR）、注视行为和面部表情等身心指标是否能够实时检测工作量、注意力、情绪和情境意识的变化。
• 通过持续、非侵入性的内部状态监测，补充行为接管性能指标（如反应时间、碰撞率），以提升安全预测能力。
• 评估利用身心信号用于未来驾驶员监控系统和自适应报警系统的可行性。
• 为生理测量对接管过渡期间驾驶员状态细微、性能下降前的变化的敏感性提供实证证据。

提出的方法

• 在固定基座驾驶模拟器中开展研究，共 102 名参与者在不同条件下经历 8 次接管事件：NDRTs（通过 2-back 任务诱导低 vs. 高认知负荷）、交通密度（轻度 vs. 重度）和 TOR 提前时间（4 秒 vs. 7 秒）。
• 连续采集身心数据：心率（HR）、心率变异性（HRV）、皮肤电反应（GSR）、眼动（水平注视分散度、视线在道路时间）和面部表情。
• 分两个阶段分析数据：（1）自动驾驶阶段和（2）接管过渡阶段，重点关注生理指标的变化。
• 使用统计分析比较不同条件下的生理反应，包括重复测量方差分析及与主观评价的相关性分析。
• 应用既定的心身反应解释框架，将信号与认知工作量、情绪唤醒、注意力和情境意识关联起来。
• 通过自我报告的情境意识、情绪状态与生理数据之间的相关性分析验证研究发现，以增强结果的可解释性。

Figure 1: The RTI fixed-base driving simulator.

实验结果

研究问题

• RQ1 不同认知负荷水平（由 NDRTs 引发）如何影响自动驾驶期间驾驶员的身心状态？
• RQ2 TOR 提前时间（4 秒 vs. 7 秒）如何影响接管过渡期间压力和注意力的生理指标？
• RQ3 交通密度（轻度 vs. 重度）如何调节接管请求期间的心率加速及其他自主神经反应？
• RQ4 身心测量在可观察行为变化发生前，能在多大程度上检测到工作量、情绪和注意力的变化？
• RQ5 身心信号能否作为可靠、实时的驾驶员状态指标，用于未来驾驶员监控或自适应报警系统的集成？

主要发现

• 在自动驾驶阶段，高认知负荷（2-back 任务）导致心率变异性降低，水平注视分散度减小，表明工作量增加且视觉扫描减少。
• 处于高认知负荷的驾驶员视线在道路时间更短，表明对驾驶环境的注意力下降。
• 4 秒的 TOR 提前时间相比 7 秒，显著提高了瞬时 GSR 活动（平均值与最大值），表明情绪唤醒和压力水平更高。
• 4 秒提前时间还导致眨眼频率抑制，这是过渡启动期间认知投入与压力的生理标志。
• 重度交通密度相比轻度交通，显著引发了更多心率加速模式，表明认知超载和信息处理能力受损。
• 身心测量提供了工作量、情绪、注意力和情境意识的连续、实时指标，在性能下降前即可早期识别驾驶员状态不佳。

Figure 2: N-back memory task.