自动驾驶与手动驾驶模式下注意力的动态：一项驾驶模拟研究

本研究旨在探索驾驶员对各种区域（包括道路、中央镜盘、嵌入式人机界面（HMI）和速度表）注意力的动态情况，以及这些注意力在自动驾驶车辆（AV）中不同驾驶模式下的分配。自动驾驶车辆（AVs）的集成引入了关键安全问题，尤其是关于在模式转换期间驾驶员重新投入注意力的 concerns。过去的事故强调了对自动化过度依赖的风险，并凸显了理解动态注意力分配以支持自动驾驶安全的必要性。进行了高保真度驾驶模拟实验。使用眼动追踪技术测量注意力在不同区域的固定持续时间、固定次数和首次固定时间，在不同的驾驶模式（自动模式、手动模式和转换模式）下进行测量，然后用于评估驾驶员如何分配注意力到各种感兴趣区域（AOI）。结果表明，驾驶员的注意力在不同驾驶模式下的分配存在显著差异。在手动模式下，注意力始终集中在道路上；而在自动模式下，观察到对嵌入式 HMI 的持续固定。在交接和接管阶段，注意力在环境元素和技术元素之间动态变化。该研究表明，驾驶员的注意力分配取决于驾驶模式。这些发现为设计与驾驶员注意力模式相匹配的自适应 HMI 提供了依据。通过根据驾驶情境呈现相关信息，这些系统可以增强驾驶员-vehicle 交互，支持有效的转换，并提高整体安全性。对驾驶模式下视觉注意力动态的系统性分析正日益受到重视，因为它为自适应 HMI 设计和驾驶员准备干预措施提供了信息。GLMM 的发现可直接应用于自适应 HMI 的设计或驾驶员培训计划，以增强注意力并提高安全性。