用于预测自动驾驶中人类认知与依赖的混合动态模型
系统与控制
2025-12-08 v1 系统与控制
摘要
我们提出了一个简单（12个参数）的混合动态模型，同时捕捉三个人类认知状态（信任、感知风险和认知工作负荷）的连续值动态以及自动化依赖的离散转换。每个认知状态的离散时间动态演化使用一阶仿射差分方程建模。将依赖定义为单个离散状态，其在每个时间步的演化取决于满足特定阈值条件的认知状态。在16名参与者的数据基础上，我们基于他们对自动化的依赖程度以及间歇自报告的认知状态来估计参与者特定的模型参数。该模型可通过单个用户的轨迹数据（例如8分钟驾驶）进行估计，适合用于在线参数适应方法。我们的结果表明，该模型对多个参与者的观察轨迹拟合良好，他们的依赖行为主要受信任、感知风险或两者影响。重要的是，该模型是可解释的，因此参与者之间模型参数的变化提供了关于认知状态演化时间尺度差异以及这些状态如何受任务复杂度影响的见解。讨论了关于人类中心车辆自动化设计的含义。
引用
@article{arxiv.2512.05845,
title = {A Hybrid Dynamic Model for Predicting Human Cognition and Reliance during Automated Driving},
author = {Sibibalan Jeevanandam and Neera Jain},
journal= {arXiv preprint arXiv:2512.05845},
year = {2025}
}