Sometimes right, sometimes wrong: Drivers' responses to inconsistently accurate automated vehicle system confidence information
作者：Myeongkyu Lee，Brandon J. Pitts
知识搬运工：吴颖琳
随着自动驾驶汽车智能化程度不断提升，越来越多的车辆开始配备辅助驾驶员决策的智能功能。其中，通过车载人机界面传达车辆对应对道路挑战的"置信度"信息，被认为将成为一项普遍配置。这类置信信息显示能够增强驾驶员的情境意识，但呈现给驾驶员的信息未必总能准确反映真实路况——受技术故障、传感器误差或系统固有不确定性影响，信息可能时对时错。当信息准确度不一致时，驾驶员可能形成对信息可信度的误判，即认知偏差；而且，反复暴露于不一致准确度的信息中，还可能强化负面偏差。
已有研究指出，偏差往往由用户对信息的"初次体验"塑造：首次接触准确信息会让人倾向于相信后续信息同样准确，反之亦然。然而在以安全为重的自动驾驶领域，反复暴露于（不）准确的车辆自评信息如何随时间影响驾驶员的感知与行为，目前尚不清楚。基于此，本文提出两个核心研究问题：（1）车辆自评置信信息的准确度是否影响驾驶员的感知、决策与生理反应？（2）反复暴露中形成的初始感知与策略是否会随时间持续？
本研究聚焦于配备 SAE L3 级能力的自动驾驶汽车，考察"初次暴露于准确或不准确的置信信息"如何随时间塑造驾驶员的决策、注意力分配、生理反应与信任。研究采用驾驶模拟器，让驾驶员根据车辆显示的"绕过道路障碍的自评置信度"，决定是否接管车辆。与以往多关注驾驶员主观行为反应的研究不同，本研究还引入了皮肤电反应（GSR）、心率变异性（HRV）、瞳孔直径等非自主生理指标，以捕捉意识决策之前发生的自动化、无意识过程，从而识别偏差形成与适应的早期信号。
每名参与者完成 12 次驾驶。模拟车辆具备 SAE L3 能力，在雨天双车道高速公路上以 55 英里/小时行驶。每次驾驶启动后，车辆先自主行驶 60 秒（置信度在 85%~90% 间波动）；随后系统检测到前方车道内的施工区障碍，发出一次性"障碍检测"提示音并显示文字提示。此时置信信息显示在接下来的 15 秒内呈现两种趋势之一：上升趋势（先从 85% 降至 60%，再升回 85%）或下降趋势（从 85% 降至 60%）。驾驶员需据此决定是否接管。
车辆可靠性设定为 83.3%，即 12 次驾驶中能自主避障 10 次，另有 2 次无法自主避障、需驾驶员接管。研究将 30 名参与者分为两组（各 15 人）：在前 6 次"初始暴露阶段"，准确信息组始终获得准确信息（置信趋势与车辆实际能力一致），不准确信息组始终获得不准确信息。在后 6 次"反转暴露阶段"，准确信息组被插入 2 次不准确信息，不准确信息组被插入 2 次准确信息。这样在全部 12 次驾驶中，准确信息组共获得准确信息 10 次（准确率 83.3%），不准确信息组仅获得准确信息 2 次（准确率 16.7%）。两组均不知晓车辆可靠性与信息准确度。为促使驾驶员形成决策策略而非每次都接管，每次驾驶后会在白板上反馈其决策的对错。
研究使用爱荷华大学 DSRI 的 miniSim 中保真驾驶模拟器（三块 48 英寸显示屏 + 一块仪表盘屏）。眼动数据由 FOVIO FX3 桌面式眼动仪采集；GSR 由 Shimmer3 设备采集（电极贴于非利手食指与中指）；心率相关数据由 Polar H10 胸带采集。
共 30 名参与者（17 名男性、13 名女性），平均年龄 23.10 岁（SD 4.47，范围 18~39 岁），平均驾龄 4.87 年。参与者均持有效美国驾照、视力正常或矫正正常、无听力障碍、不易晕车，且此前从未接触过 L2/L3 级自动驾驶车辆（如特斯拉 Autopilot、自适应巡航 ACC、车道保持 LKA）。每人获 20 美元报酬。
研究在障碍提示后 15 秒（即与施工区的碰撞时间）的时间窗内提取以下指标：
（1）驾驶行为：接管决策（是/否）、接管时间；
（2）眼动数据：瞳孔直径、扫描路径长度、HMI 与道路两个兴趣区（AOI）的注视占比、凸包面积、注视次数、注视时长；
（3）生理数据：GSR（原始值与幅值）、心率（HR、RR 间期、SDNN）；
（4）信任：每次驾驶后以 1~7 分自评对系统避障能力的信任。研究采用比例检验分析接管决策，采用两因素（混合）方差分析处理其余指标，显著性水平设为 0.05。
360 次试验中共发生 97 次接管（占 26.94%），准确信息组 51 次、不准确信息组 46 次。比例检验显示，两暴露阶段间接管行为存在显著差异（Z=2.15, p=0.03）：反转阶段（41 次）显著少于初始阶段（56 次）；但两组之间无显著差异（Z=0.72, p=0.47）。
接管时间平均为 9.77 秒。方差分析显示信息类型与暴露阶段均有显著影响：准确信息组（9.28 秒）显著快于不准确信息组（10.32 秒）；初始阶段（9.17 秒）显著快于反转阶段（10.59 秒）；二者无交互作用。
信息类型对多项眼动指标有显著影响：（1）瞳孔直径——不准确信息组（3.89mm）显著大于准确信息组（3.60mm）；（2）HMI 注视占比——准确信息组（0.38）显著高于不准确信息组（0.28）；（3）道路注视占比——准确信息组（0.62）显著低于不准确信息组（0.72）；（4）凸包面积——准确信息组（28.71 兆像素²）显著大于不准确信息组（22.64 兆像素²）；（5）注视次数——准确信息组（21.59）显著多于不准确信息组（18.05）；（6）注视时长——准确信息组（0.47 秒）显著短于不准确信息组（0.71 秒）。这表明准确信息组更依赖、更频繁地利用 HMI 信息，而不准确信息组因怀疑信息可信度，更多地直接监控道路环境。各眼动指标均不受暴露阶段影响，也无交互作用。
GSR 方面：原始 GSR 受暴露阶段显著影响，反转阶段（3.12μS）显著高于初始阶段（2.57μS）；GSR 幅值受信息类型显著影响，准确信息组（0.14μS）显著高于不准确信息组（0.08μS）。心率方面：仅 SDNN 受信息类型显著影响，准确信息组（55.21ms）显著小于不准确信息组（61.17ms），提示准确信息组承受更高的压力/认知负荷。
信息类型对信任有显著影响：准确信息组的信任水平（4.49）显著高于不准确信息组（4.14）。但暴露阶段无显著主效应，也无交互作用——即便后期信息准确度发生了变化，两组信任仍保持稳定。这与"第一印象具有长久影响"的观点一致：初始 6 次驾驶形成的"习得信任"在整个实验中保持稳定，难以被后续相反体验所改变。
本研究通过驾驶模拟实验，系统考察了不一致准确度的车辆置信信息对驾驶员感知、行为与生理反应随时间的影响，结论如下：
（1）初次暴露于准确信息的驾驶员表现出更高的注意投入、更快的决策、更高的信任，以及对系统信息更强的依赖；但这种依赖也可能带来过度信任、误信不准确信息或漏接管的风险。
（2）初次暴露于不准确信息的驾驶员则反应更慢、信任更低、对系统依赖更少，但花更多时间监控道路——这虽可能导致不必要的接管，却也可作为降低过度信任风险的保护性机制，使驾驶员保持警觉、随时准备接管。
（3）反转阶段两组接管次数均下降、所有人 GSR 升高，反映出驾驶员对系统可靠性认识的加深，以及信息准确度预期与实际不符所带来的困惑。
（4）从实践角度看，AV 开发者应重视系统初期行为与置信信息设计对驾驶员早期信任校准与使用习惯的塑造作用；可借助 AI 驱动的智能 HMI，依据驾驶员的行为或生理反应监测并预测偏差倾向，并据此动态调整信息呈现的详略与模态，从而支持安全、有效的人车交互。
Lee, M., & Pitts, B. J. (2026). Sometimes right, sometimes wrong: Drivers' responses to inconsistently accurate automated vehicle system confidence information. Accident Analysis and Prevention, 228, 108412.
本研究的亮点在于将自主行为指标（接管决策与时间）与非自主生理指标（GSR、心率、瞳孔等）相结合，揭示了"初次信息体验"在塑造人车交互中的关键作用：准确信息在带来更高信任与依赖的同时，也潜藏过度信任的风险；而不准确信息反而可能促使驾驶员保持对道路的警觉。这一发现对自动驾驶 HMI 的置信信息设计与早期信任校准颇具启发。
