远程驾驶中与人类表现相关挑战的识别与分类
系统与控制
2025-10-21 v3 系统与控制
摘要
远程驾驶在交通运输领域正变得越来越重要，尤其是在自动驾驶系统（ADS）达到其系统边界极限时。本研究调查了远程驾驶员（RD）在远程驾驶过程中面临的挑战，特别关注通过全面分析来自拉斯维加斯的真实世界远程驾驶数据来识别和分类与人类表现相关的挑战。为此，共分析了183起与RD表现相关的安全驾驶员（SD）干预事件，并使用引入的严重性分类对其进行分类。由于防止SD干预至关重要，本研究识别并分析了激进驾驶事件，以检测SD干预可能性增加的情况。此外，还利用RD主观问卷的结果来评估SD干预和激进驾驶事件的客观指标是否也能得到RD的确认，以及是否能发现额外的挑战。分析揭示了学习曲线，表明随着RD经验的增加，SD干预显著减少。远程驾驶经验的早期阶段，尤其是经验不足200公里时，安全相关事件的发生频率最高，包括对交通标志迟于刹车以及对其他交通参与者反应不耐烦。随着时间推移，RD遵循既定规则来改善其控制，经验使得刹车、加速度和转向操作变得不那么激进。本研究有助于理解RD的需求，强调了针对性培训以应对人类表现局限性的重要性。它还突出了系统改进的必要性，以应对诸如延迟和有限的触觉反馈被视觉反馈替代等挑战，这些因素会影响RD的感知和车辆控制。
引用
@article{arxiv.2503.09865,
title = {Identification and Classification of Human Performance related Challenges during Remote Driving},
author = {Ole Hans and Jürgen Adamy},
journal= {arXiv preprint arXiv:2503.09865},
year = {2025}
}
备注
This work has been submitted to the IEEE for possible publication