文献研读 | 在与人类共享的道路上,自动驾驶汽车应如何行驶?

实证研究

研究目的

在受控且生态效度较高的仿真驾驶场景中，系统考察路权、冲突类型与AV驾驶风格对人类驾驶员感知安全性与可接受性的主效应与交互效应。

实验设计

本研究采用3×2×2的三因素被试内设计。

自变量：第一个自变量为路权优先级，包含三个水平：AV拥有路权、人类车辆拥有路权、路权不清晰。第二个自变量为冲突类型，包含两个水平：交叉冲突（即十字路口交叉车流）与交织冲突（即同向车流在有限距离内变道交叉）。第三个自变量为AV驾驶风格，包含两个水平：激进型与防御型。

被试：103名英国驾驶员，通过大学内通讯、研究传单和英国招聘网站招募。符合条件的个体必须年满18岁并具有英国境内的驾驶经验。为了补偿参与者的时间，提供了一次抽奖机会，包括一张100英镑和四张25英镑的代金券。

实验材料：基于英国考文垂实际道路布局，在RoadRunner中创建静态道路场景，随后导入Unreal Engine生成动态视频素材。共制作12段驾驶视频，对应12个实验场景（3种路权条件 × 2种冲突类型 × 2种驾驶风格）。

实验流程

被试通过Qualtrics平台在线完成调查。首先阅读参与者信息页并签署知情同意书，随后填写人口统计学信息（年龄、性别、驾龄、英国年度驾驶里程、英国以外驾驶经历）。每位被试观看全部12个视频，顺序由Qualtrics随机化处理以最小化顺序效应。每个视频包含两个片段。

第一片段：AV与HV同时向冲突点行驶。当碰撞时间（TTC）为3秒时，视频暂停，画面最后一帧出现黄色箭头指示AV位置。此时被试需回答两个问题：Q1 — “您认为图中箭头所指的自动驾驶汽车接下来会做什么？”（继续行驶/转弯不让行 vs. 给您的车辆让行）；Q2 — “我对自己预测自动驾驶汽车接下来行为的能力有信心”（7点李克特量表，从-3“非常不同意”到+3“非常同意”）。

第二片段：视频从暂停处恢复，展示AV与HV在冲突中的实际决策行为。播放结束后，被试回答三个问题：Q3 — “对于所展示的场景，您认为自动驾驶汽车的行为是否可接受？”（7点李克特量表，从-3“非常不同意”到+3“非常同意”）；Q4 — “对于所展示的场景，您认为自动驾驶汽车的行为是否安全？”（7点李克特量表，从-3“非常不同意”到+3“非常同意”）；Q5 — “在此场景中，自动驾驶汽车可以做得更好的是什么？”（无需改变/改为相反的让行行为/其他，请说明）。每个场景的五个问题回答完毕后，自动进入下一个场景，直至12个视频全部完成。

核心结果

本研究采用CLMM对可接受性与感知安全性进行统计分析，发现路权优先级、AV驾驶风格及冲突类型对AV行为的可接受性和感知安全性均具有显著主效应。路权优先级与AV驾驶风格的交互作用、路权优先级与冲突类型的交互作用、AV驾驶风格与冲突类型的交互作用亦显著。三者之间的三阶交互作用未达显著水平。年度驾驶里程对可接受性与感知安全性均具有显著影响，且呈现非线性趋势。其他协变量（年龄、性别、驾龄、境外驾驶经历）未达显著水平。

研究结论

人类驾驶员对AV驾驶风格的偏好具有情境依赖性。在路权清晰的场景中，驾驶员期望AV严格遵守交通规则：即当AV拥有路权时应果断通行，当HV拥有路权时必须让行。在路权不清晰的场景中，在较高车速的交织冲突下，防御风格普遍被偏好；而在低速城市交叉冲突中，激进风格同样可以被接受。驾驶员年度驾驶里程对AV行为的接受度存在非线性影响，不同经验水平的驾驶员对AV行为的期望与容忍度不同。

理论意义与实践启示

理论意义

1.填补了关于人类驾驶员对AV行为决策期望的研究空白。 现有研究主要关注人类与AV互动中的行为变化，而对于“当人类驾驶员在道路上遇到AV时，他们期望AV如何响应”知之甚少。本研究首次系统考察了路权优先级、冲突类型和AV驾驶风格如何共同影响人类驾驶员的接受度与感知安全性，弥补了这一空白。

2.揭示了人类驾驶员对AV驾驶风格的偏好具有情境依赖性。研究发现，驾驶员并非普遍期望AV在所有情况下都为人类车辆让行，而是根据路权清晰程度和冲突类型表现出不同的偏好。这一发现挑战了“AV应始终让行”或“始终激进”的简化观点，为情境自适应的AV行为设计提供了理论依据。

3.发现驾驶经验与AV接受度之间存在潜在的非线性关系。年度驾驶里程对可接受性与感知安全性的影响呈现三次曲线趋势（新手和经验极高的驾驶员接受度较高，中等经验驾驶员接受度最低）。这一发现为理解驾驶经验如何塑造对自动化系统的心理模型提供了新的理论方向，并提示未来研究不应将驾驶经验视为简单的线性变量。

实践启示

1.AV的运动规划算法应采用情境自适应策略，而非单一的“永远让行”规则。AV的行为应整合正式交通规则与非正式的人类驾驶期望，根据路权条件和冲突类型动态调整。

2.AV应利用现有车辆信号系统（如车灯）明确传递驾驶意图。在未广泛部署eHMI之前，建议AV有效利用现有车辆信号系统（如转向灯、刹车灯、甚至远光灯闪烁）来明确传递驾驶意图。特别是在路权不清晰场景中，AV的“犹豫”被参与者识别为最大安全隐患，因此AV应避免在让行与通行之间犹豫不决。

3.道路测试标准应将人类驾驶员的行为期望纳入评估维度，而非仅关注AV的物理安全性能。对于环岛交织、无信号路口等路权不清晰场景，应充分考量符合当地驾驶文化的行为模式。

✨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。