文献研读 | 人类驾驶员会礼貌对待自动驾驶汽车吗?

    社会各界对自动驾驶汽车（AV）改善道路安全、缓解交通拥堵的能力寄予厚望（Fagnant & Kockelman, 2015），谷歌（Google）、优步（Uber）、特斯拉（Tesla）等公司以及传统汽车制造商已在研发AV方面投入了数十亿美元。然而，AV的普及必然是一个渐进过程。在迎来基于AV互联的、近乎完全安全的交通时代之前，将经历一个漫长的混合交通（mixed traffic）过渡期，AV与人类驾驶汽车（HV）必须共存（Di & Shi, 2021）。这一过渡期的安全与效率，已成为交通心理学与人机交互领域的核心议题。

    现有研究表明，人类驾驶员对AV与HV的行为存在系统性差异：跟车时，跟随AV的驾驶波动性（driving volatility）更低、车头时距（time headways）更小、碰撞时间（TTC）更高（Rahmati et al., 2019; Wen et al., 2022）。更关键的是，即便AV与HV行为完全相同，人类仍会区别对待AV，例如更愿意加塞到AV前方、给AV留出更小的临界间隙（critical gaps）（Trende et al., 2019;Soni et al., 2022），并报告更强的“欺负”（bully）AV的意图（Liu et al., 2020）。亲社会驾驶被定义为旨在保护乘客、其他驾驶员和行人福祉，并促进驾驶环境中与他人有效合作的任何安全驾驶行为模式（Harris et al., 2014）。其中，让行行为（yielding behavior）是最重要的亲社会驾驶行为之一，直接关系到事故风险的降低（Kaye et al., 2022）。因此，有必要在混合交通的亲社会驾驶场景中，系统检验人类驾驶员对AV与HV的行为差异。

    本期，我们团队成员 — 胡凡，为大家研读分享Accident Analysis and Prevention期刊发表的一篇相关论文Greater prosociality toward other human drivers than autonomous vehicles: Human drivers‘ discriminatory behavior in mixed traffic。该研究通过驾驶模拟器实验，揭示了在混合交通的亲社会驾驶场景中，人类驾驶员会对不同类型的自动驾驶车辆和其他人类驾驶员表现出歧视行为，并探讨了可能的作用机制，为混合交通管理与人机交互设计提供了重要参考。

文献研读分享

题目：Greater prosociality toward other human drivers than autonomous vehicles: Human drivers’ discriminatory behavior in mixed traffic

作者：Hongli Sun, Yan Ge, Weina Qu

期刊：Accident Analysis and Prevention

年代：2024

理论基础与研究假设

“计算机是社会行动者”（CASA）理论

CASA理论指出，人类会无意识地将人际互动的脚本应用于与计算机和人工智能的互动中。(Nass and Moon, 2000)。大量证据表明，人类会无意识地将社会类别脚本应用于人工智能，根据其特征对其进行分类；群体成员身份会影响人与人工智能的互动方式。此外，人类还会评估与机器人的社交距离，采用机器人的视角，并对人工智能做出亲社会行为。然而，尽管人类像对待真人一样对待人工智能，但人工智能具有不同于真人的特征，从而在社会中形成了新的社会群体。人工智能（AI）所属的社会群体影响着人类对待它们的方式。自动驾驶汽车因其被感知为具有风险性、缺乏人类心智、驾驶风格更保守等特征，构成了与人类驾驶员不同的社会群体。

研究假设

实证研究

研究目的

在驾驶模拟环境中，系统比较人类驾驶员对不同行为模式的AV（保守型（conservative AVs）、类人型（human-like AVs）和激进型（aggressive AVs））与对HV的亲社会行为差异。具体考察让行率(yielding rates)、制动反应时间 (reaction times)和最小距离(minimum distances)三个核心指标。

实验设计

被试：62名驾驶员（43名男性，19名女性），年龄21-67岁（M=41.15，SD=11.45），均持有驾照至少一年并定期驾驶。

自变量：车辆类型（HV vs. AV）× AV行为模式（保守型、类人型、激进型），均为组内变量。

因变量：让行率、制动反应时间、与冲突车辆的最小距离。

实验流程：首先，参与者被告知实验内容是关于未来AV和HV如何和谐共享道路的。由一名研究人员解释，本实验中的AV指的是L4级（Level 4 AVs），它们能够处理道路上的大多数情况，并且在大部分时间不需要人类驾驶员。然后，参与者完成了一份关于其人口统计学变量和驾驶经验的问卷。接下来，参与者在研究人员的指导下操作驾驶模拟器。在训练参与者于模拟环境中平稳驾驶后，参与者按固定顺序依次经历三个阶段：HV与保守型AV（AV让行率100%）；HV与类人型AV（AV让行率50%，与HV相同）；HV与激进型AV（AV让行率0%）。每个阶段包含32次交通冲突任务（4种冲突场景×8次），HV与AV通过颜色区分（HV红色，AV白色）。参与者的驾驶行为由驾驶模拟器记录。每个阶段大约持续 30min，阶段之间休息10min。

冲突场景：外侧车道上的车辆起步并试图并入内侧车道（本车行驶车道）；另一车道上的车辆试图变道进入内侧车道；在无信号灯十字路口，本车与交叉车道上的另一辆车几乎同时试图直行通过；在无信号灯十字路口，本车试图左转，而对向车道上的另一辆车试图直行通过。

各阶段指导语：HV与保守型AV：目前的AV被设计得比较保守。每当检测到潜在冲突时，这些AV会停车让另一辆车先行。然而，HV是否让行取决于驾驶员的个性及对情境的判断。 HV与类人型AV：随着AV算法的发展，AV将越来越像人类驾驶员。在实验的下一部分，AV将不会在所有情况下都让行。这些AV现在的行为与HV相似。HV与激进型AV：为了满足AV车主对效率的需求，AV可能会变得越来越激进。这些AV将在所有冲突中尝试先行。然而，在此场景下，HV的行为将与之前的实验中相似。

实验设备：实验在一个模拟驾驶实验室中进行。（软件：STISIM Drive, Systems Technology Inc., Hawthorne, CA）道路场景显示在一台23英寸的LCD电脑显示器上（分辨率：1600×1200像素；刷新率：30 Hz）。车辆通过一个游戏控制器（Logitech G29）操纵，包括方向盘、油门和刹车踏板。车载立体声系统提供了逼真的引擎声。

核心结果

HV与保守型AV比较

让行率：参与者对HV的让行率显著高于对保守型AV。

制动反应时间：在冲突场景(a)和(c)中，参与者对AV让行时的制动反应时间显著长于HV。

最小距离：在冲突场景(c)中，当参与者不让行时，与保守型AV的最小距离显著短于与HV的最小距离；在场景(a)中，参与者对HV让行时的距离显著长于对AV让行时的距离。

HV与类人型AV比较

让行率：车辆类型主效应显著（参与者对HV的让行率高于类人型AV）；对方车辆行为主效应显著（对方不让行时参与者让行率更高）对方不让行时参与者让行率更高。

制动反应时间：在冲突场景(a)中，车辆类型主效应显著，参与者对AV让行的制动反应时间长于HV。

最小距离：当对方不让行且参与者也不让行时，参与者与AV的最小距离显著短于HV。

HV与激进型AV比较

让行率：参与者对激进型AV的让行率显著低于对HV的让行率，表明参与者更倾向于强行通过AV而非HV。

制动反应时间：在冲突场景(b)中，参与者对AV让行的制动反应时间显著长于HV。

最小距离：在冲突场景(b)中，参与者对AV让行时的最小距离显著短于HV。

不同类型AV之间的比较

保守型 vs. 类人型：让行率无显著差异；但在冲突场景(c)中，参与者对保守型AV让行的制动反应时间显著长于类人型AV。

类人型 vs. 激进型：让行率仅边缘显著；在冲突场景(a)中，参与者对类人型AV让行时的制动反应时间显著长于对激进型AV让行时；在不让行时，参与者与激进型AV的最小距离显著长于与类人型AV的最小距离。

本研究通过驾驶模拟实验证明：人类驾驶员对所有类型的自动驾驶汽车均表现出低于对人类驾驶员的亲社会驾驶行为。具体而言，在交通冲突中，人类驾驶员更愿意为其他人类驾驶员让行；当选择让行时，参与者面对任何类型的AV，其制动反应时间均长于面对HV；当试图抢先通过时，参与者与保守型、类人型AV的距离短于与HV的距离。此外，人类驾驶员对不同行为模式的AV也表现出差异化的亲社会行为。尽管让行率未发现显著差异，但类人型AV条件下的制动反应时间短于保守型AV条件，长于激进型AV条件；当抢行时，人类驾驶员与激进型AV的距离长于与类人型AV的距离。综上所述，人类驾驶员对AV的让行行为同时受客观因素与社会因素的影响，且会随AV行为模式的变化而改变。

理论意义与实践启示

理论意义

第一，本研究在混合交通的亲社会驾驶场景中考察了让行行为，将亲社会性差异的研究从跟车、加塞等场景拓展至让行行为，为理解人类与非人类道路使用者之间的社会互动提供了实证依据。

第二，本研究发现与扩展的CASA假说一致：社会身份对人类驾驶员与AV/HV的互动方式具有显著影响，社会因素在混合交通中发挥着独立于客观因素的作用。

第三，本研究表明，制动反应时间可作为驾驶员亲社会意图的有效指标；最小距离可揭示驾驶员不让行时的行为方式，并弥补了加速反应时间记录方面的空白。这为后续研究提供了可行的行为测量方法。

实践启示

第一，AV设计应趋向类人化。相较于完全保守或激进的设计，类人型AV（让行率50%）在保持人类驾驶员让行意愿和减少决策冲突方面表现最佳。建议车企将AV的驾驶风格设计为与人类驾驶员相似，以促进社会接受度。

第二，引入AV需要渐进式策略。在AV民用化之前，应先投放少量配备人类安全员的AV，增加人类驾驶员与AV的接触频率，以降低外群体偏见。

第三，需要重视公众教育与社会规范引导。权威机构应向公众倡导对AV的亲社会驾驶行为，并将其纳入交通规范；同时可考虑AV的拟人化设计（如外部人机界面eHMI），以提升人类驾驶员的信任与亲社会意愿。

✨本期分享人胡凡，浙江工商大学应用心理学专业一年级研究生，来自浙江杭州。当前研究兴趣聚焦于自动驾驶技术的应用及其社会影响，尤其关注公众对自动驾驶汽车与人类驾驶交互行为的反应。

✨智研前沿Human-AI Inquiry是由浙商大 Insight & Interaction Lab 研究小组运营管理的公众号，聚焦商科语境下人工智能与人类社会的交汇研究，分享学术文献精读与研究洞察。关注我们，洞见智能时代的商业与人文前沿。