文献研读 | 混合交通中自动驾驶汽车为何会被人类占便宜?

    随着自动驾驶汽车（Autonomous Vehicle, AV）从测试走向开放道路，交通正演变为“混合交通”（Mixed Traffic）形态，算法控制的AV与人类驾驶车辆将共享空间。然而，交通不仅是物理流动，更是社会协商。当人类追求效率最大化的行为逻辑与AV的谨慎编程相遇，一种“策略性利用”便应运而生：人类驾驶员利用AV的防御性编程，采取激进切入等行为胁迫其让行，以获取行驶优势。

    博弈论模拟已预测此类行为，但若人类驾驶员策略性利用AV的问题得不到解决，频繁的强制切入可能会触发AV的紧急制动，进而增加追尾风险并扰乱后续交通。若人类普遍利用AV的让行逻辑，这也可能导致系统效率下降，使AV在拥堵场景中难以有效运行。尽管这些潜在危害已被指出，但针对这一对抗性互动背后的心理前因的实证研究却严重匮乏。

    本期，我们团队成员 — 胡凡，为大家研读分享2026年Transportation Research Part F: Psychology and Behaviour期刊发表的一篇相关论文Exploiting the benevolent machine: Psychological antecedents of human drivers' strategic exploitation intentions toward autonomous vehicles in mixed traffic。该研究通过基于758名驾驶员的问卷调查与数据分析，揭示了人类驾驶员对自动驾驶汽车策略性利用意图的心理前因、认知机制及边界条件，为混合交通中的人机互动管理与AV算法设计提供了心理学依据。

文献研读分享

题目：Exploiting the benevolent machine: Psychological antecedents of human drivers' strategic exploitation intentions toward autonomous vehicles in mixed traffic

作者：Zhichao Li, Lujia Li, Jilin Huang

期刊：Transportation Research Part F: Psychology and Behaviour

年代：2026

理论基础与研究假设

计划行为理论

计划行为理论认为，行为意图由三个近端因素决定：态度、主观规范和感知行为控制。本研究选择TPB作为组织框架，是因为策略性利用被概念化为一种理性的、目标导向的违规行为，即效率收益与安全风险之间的权衡，而非冲动的情感反应。TPB已被证明对类似的理性交通违规行为（如超速、非法超车）具有强大的预测能力。在本研究情境中，态度被操作化为驾驶员对“利用AV是否高效或有益”的工具性评价；主观规范被操作化为关于“欺凌AV在同龄人中是否社会可接受”的感知社会压力；感知行为控制则被操作化为驾驶员对自己成功执行激进操作的能力的信心。

心智感知理论

心智感知理论指出，人们对他人心智的感知包含两个维度：能动性（计划与行动的能力）与体验性（感受疼痛、恐惧等情绪的能力）。人类驾驶员对AV的去人性化感知通过否认后一维度，将AV感知为“无心智的机器”，触发道德推脱。“伤害”一辆不会感到疼痛的机器不再引发道德负担，同时，传统人际互动中制约攻击性的互惠规范也随之失效。这一理论为理解“为何驾驶员对AV实施攻击性行为时道德约束会显著减弱”提供了关键的认知解释。

风险稳态理论

风险稳态理论认为，个体持有特定的目标风险水平，通过不断将感知风险与目标风险进行比较来调整行为，以维持两者平衡。道路使用者会调整其行为以维持一个目标风险水平。当AV被感知为“绝对安全”且“保证让行”时，感知到的环境风险便会下降到低水平。为了最大化行驶效率，人类驾驶员被激励通过增加自身自信度来“消耗”这种安全冗余。这一理论为理解AV的仁慈可预测性为何反而助长了人类的利用行为提供了解释。

研究假设

H1：对利用AV的积极态度将正向预测利用意图。

提出逻辑：TPB的核心路径表明，个体对行为结果的工具性评价越积极，行为意图越强。若驾驶者认为“利用AV让行节省时间”是明智的，其利用意图就会升高。

H2：支持利用的主观规范将正向预测利用意图。

提出逻辑：感知到的社会压力（如认为其他驾驶者也会这样做）会增强个体实施该行为的正当性认知，从而提升意图。

H3：更高的感知行为控制将正向预测利用意图。

提出逻辑：驾驶者对自己成功执行激进操作的信心越强，越可能将这种信心转化为实际行动意图。

H4a：对AV的感知去人性化将正向预测对利用AV的态度。

提出逻辑：当驾驶者将AV视为“无痛机器”时，利用行为不再伴随共情成本，从而将利用重构为无害的工具性行为，形成积极态度。

H4b：对AV的感知去人性化将负向预测反对利用的主观规范。

提出逻辑：对AV的感知去人性化使驾驶者否定人际互惠规范（如“我不需要尊重机器人”），从而削弱反对利用的社会压力感知。

H5a：感知仁慈可预测性将正向预测感知行为控制。

提出逻辑：对AV“必然让行”的确信度放大了驾驶者对冲突结果的掌控感，使其相信自己能安全完成切入。

H5b：感知仁慈可预测性将正向预测对利用AV的态度。

提出逻辑：让行的确定性使该行为在工具价值上更具吸引力，驾驶者会认为“利用这一确定性”是高效的选择。

H6：社会支配取向调节态度与意图之间的关系，即态度对利用意图的正向影响在高SDO驾驶者中更强。

提出逻辑：高SDO者倾向于将人机互动视为等级秩序的体现，利用AV符合其“人类支配机器”的世界观，因此更易产生实际行动意图。

H7：特质攻击性调节感知行为控制与意图之间的关系，即感知行为控制对利用意图的正向影响在高特质攻击性驾驶者中更强。

提出逻辑：高特质攻击性的个体将内部状态转化为行动的门槛较低。低攻击性驾驶员可能也会感知到高行为控制，但会因谨慎避免切入，但高攻击性驾驶员更可能将同样的控制感视为行动的“绿灯”。

实证研究

研究目的

系统检验对AV策略利用意图的心理前因，包括TPB核心路径、AV特定认知前因（感知去人性化与感知仁慈可预测性），以及人格特质的调节作用。

研究设计

采用分层随机抽样，通过Qualtrics平台收集问卷数据并分析。参与者阅读一段并线情境的文字描述：参与者正驾驶车辆赶往一场紧急商务会议，因前方道路施工，所在车道即将结束，必须汇入相邻车道；目标车道后方不远处有一辆标识清晰的L3级AV，两车距离虽物理上可超车但空间极为狭窄，处于“临界”状态；该AV严格遵守限速、保持稳定行驶轨迹，且完全由AI系统控制，无人类安全驾驶员干预。参与者需在该情境中决定是否在AV前方强行切入。阅读完成后，参与者基于该情境回答相关量表题项。

测量工具

所有心理构念均采用7点李克特量表测量。

核心TPB构念改编自Ajzen（2002）的研究，其中利用意图（INT）4个条目，态度（ATT）、主观规范（SN）和感知行为控制（PBC）各3个条目。

认知前因方面，感知去人性化4个条目改编自Haslam（2006）；感知仁慈可预测性3个条目为本研究自行开发，聚焦于驾驶员对AV防御性让行确定性的测量。

个体差异调节变量方面，社会支配取向使用Pratto等（1994）的四项短量表测量，特质攻击性使用Deffenbacher等（1994）的四项短版驾驶愤怒量表测量。

核心结果

测量模型各项指标均达到统计学标准，信度与效度获得充分支持。结构方程模型分析显示，态度是利用意图的最强预测因子，主观规范与感知行为控制亦发挥显著正向作用，三者共同解释了意图方差的58.7%。就认知前因而言，感知去人性化一方面强化了利用态度，另一方面削弱了反对利用的主观规范；感知仁慈可预测性则同时提升了感知行为控制与利用态度。中介效应检验进一步印证了上述路径的传导逻辑。调节效应表明，社会支配取向放大了态度对意图的驱动作用，特质攻击性则增强了感知行为控制向意图转化的倾向。必要条件分析揭示，工具性态度是高强度利用意图不可或缺的前提，感知去人性化亦构成一定程度的必要瓶颈。

第一，策略性利用意图本质上是工具理性的产物，受到道德疏离的促进。工具性态度是利用意图的必要前提，而这种态度显著受到感知去人性化的推动 — 当驾驶员剥离AV的能动性和“体验性心智”时，攻击的道德障碍被拆除，将互动框定为对工具的无风险操作。

第二，研究揭示了一个关键悖论“利用性信任”。与“信任促进合作”的直觉相反，对AV安全协议的高度信心在竞争场景中可能适得其反。AV将“不可避免地让行”的确定性使其安全冗余转化为人类参与者的策略机会，意味着当前“无过错”的算法逻辑虽然在物理上是安全的，但可能为对抗行为创造意想不到的心理驱动。

第三，对抗性互动的倾向在驾驶人群中并非均匀分布。具有高社会支配取向和特质攻击性的驾驶员是混合交通冲突的主要煽动者。对于这些人而言，与顺从机器的互动不仅服务于效率目标，还强化了等级或攻击性的行为脚本。

理论意义与实践启示

理论意义

第一，拓展对抗性互动研究。本研究将讨论从“接受范式”（用户信任）扩展到“对抗性范式”（外部利用），提供了混合交通互动涉及博弈动态的实证证据，填补了现有研究从外部驾驶员视角考察人-AV互动的空白。

实践启示

第一，AV算法设计优化。“仁慈可预测性”助长利用的发现表明，AV规划算法需要考虑如何超越简单的保守逻辑，在低风险场景中探索博弈论方法（如防御性自信），打破“无条件让行”的预期，以减少策略性欺凌的感知机会。

第二，外部人机界面（eHMI）设计。为对抗道德推脱的影响，外部人机界面不仅可用于传递意图，还可用于重新激活社会规范 — 模拟人类式协商的信号可能减少将AV视为纯粹障碍的感知，这种信号有助于重新激活互惠规范。

第三，政策与监管启示。政策制定者需关注“算法欺凌”的潜在影响。若“利用性信任”成为普遍现象，交通法规可能需要发展以专门处理故意阻碍自动化智能体的行为，承认AV虽然在技术上先进，但属于社会性弱势的道路使用者。

✨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。