论文速递:把握驾驶人介入的可控窗口,让自动驾驶人车协同更安全

自动驾驶系统的安全能力不仅体现在其独立处理危险的水平，也体现在系统与驾驶人共同应对险态时实现的安全效果。

为更完整地评价这一过程，本研究区分了四个相互关联的层面：人工驾驶所能达到的参考表现、自动驾驶系统独立控制时的基础避险能力、人车交互后实际实现的安全结果，以及驾驶人参与避险时的风险状态与可控裕度。

研究依托高保真沉浸式驾驶模拟平台，构建了 L0 人工驾驶以及具有不同系统能力和控制权限的 L2、L3 和 L4 自动驾驶条件。实验设置前车紧急制动、相邻车辆突然切入和并道轨迹冲突三类典型高速安全关键场景，分别覆盖纵向、纵横向耦合及横向交汇风险。

44 名有效参与者共完成 2582 个有效险态案例。实验同步记录车辆状态、自动驾驶控制指令、周围车辆轨迹以及驾驶人的制动、转向和加速操作，并进一步提取感知反应时间、操作顺序、控制强度、碰撞结果和乘员损伤风险等指标。

从 L2 到 L4，驾驶人主动介入率呈单调下降：L2 为 92.54%，L3 为 73.27%，L4 降至 56.62%。与此同时，驾驶人的介入时间总体后移，表明随着系统能力增强，驾驶人更倾向于继续观察系统的避险过程，而不是立即重新控制车辆。

对应地，自动驾驶系统独立完成避险的比例从 L2 的 7.00% 上升至 L3 的 26.16%，并在 L4 达到 42.47%。这说明，更高能力的自动驾驶系统能够在无需驾驶人操作的情况下化解更多险态，减少进入控制切换的需求，使驾驶人的角色逐步由频繁介入转向关键情况下的协同参与。

驾驶人的具体操作还具有明显的场景差异。总体上，76.19% 的介入以制动作为首个有效操作；切入场景中制动主导更加明显，而并道冲突中转向参与更多。随着自动化等级提高，驾驶人的操作序列趋于简化；发生介入时，制动响应也更为果断。

图1 不同自动驾驶等级和场景下的驾驶人介入率与介入延迟

人车交互条件下的总体碰撞率从 L2 的 25.19% 下降至 L3 的 19.94%，并在 L4 进一步下降至 15.37%，逐步接近 L0 人工驾驶参考值 13.73%。损伤发生率也由 L2 的 23.2% 下降至 L3 的 18.2% 和 L4 的 13.5%。这些结果表明，更高能力的自动驾驶系统能够减少碰撞及损伤事件的发生，在安全关键场景中带来持续的总体安全收益。

与系统单独控制相比，人车交互在 L2 和 L3 条件下分别使总体碰撞率降低 46.21 和 20.46 个百分点，体现了驾驶人介入对系统避险的重要补充作用。到 L4 时，系统自身已经能够承担更多前端避险任务，人车协同的重点也由频繁补位逐步转向关键风险窗口内的精准配合。

对于仍然发生的碰撞案例，损伤后果仍存在一定差异。这也提示未来自动驾驶安全技术需要继续推动主动避撞、碰撞缓解和乘员保护的协同发展，从“减少事故发生”进一步拓展到“减轻碰撞后果”。

图2 系统基线、人工基准与人车交互碰撞率

在总体碰撞率持续下降的同时，研究进一步聚焦那些仍然进入驾驶人介入阶段的安全关键案例。

在本实验条件下，L2、L3 和 L4 驾驶人介入案例中的条件碰撞风险分别为 26.72%、26.43% 和 25.54%，呈现出较为稳定的跨等级规律。需要特别说明的是，这一比例描述的是进入驾驶人介入阶段后的剩余风险，并不代表自动驾驶系统的总体碰撞风险，也不否定更高能力自动化带来的总体安全提升。

随着自动化能力提升，系统已经在前端自主化解更多冲突；仍然需要驾驶人参与的，往往是风险演化更快、剩余时间和空间裕度更有限的复杂案例。因此，进一步提升安全性的关键，并非简单增加驾驶人介入，而是识别驾驶人在什么风险状态下介入最为有效，并尽可能保留充分的可控裕度。

图3. 人车交互结果及驾驶人介入条件化碰撞风险

研究采用驾驶人风险感知场（Driver’s Risk Perception Field，DRPF）刻画驾驶人介入时所处的风险状态。结果显示，虽然 L2-L4 条件下驾驶人介入的频率和时间明显不同，但其介入时的 DRPF 分布未呈现可靠的自动化等级差异。进一步比较不同安全结果发现，未能避免碰撞的介入案例通常具有更长的感知反应时间，介入时的 DRPF 也更高。

研究据此估计了成功避险案例与未能避免碰撞案例之间的可控性边界。在本实验条件下，L2、L3 和 L4 的边界估计值均位于 0.75-0.80 的相近高风险区间。更重要的是，这一边界可为判断驾驶人介入是否仍处于可控窗口，以及系统何时需要强化主动保护，提供风险状态参考。

上述介入后碰撞风险的跨等级稳定性，可以从三个相互耦合的层面理解：

• 系统层面：更高能力的自动驾驶系统能够提前识别并化解更多中低风险冲突，同时延缓或改变险态在驾驶人介入前的风险演化；

• 交互层面：尽管驾驶人介入的时间随自动化等级发生变化，但其通常在相近的感知风险状态下判断有必要采取行动；

• 人因层面：剩余时间和空间裕度被压缩，而驾驶人的感知、决策与执行能力有限，使部分案例即使发生介入仍难以避免碰撞。

可控性边界为系统判断何时提示、何时协同、何时强化自动保护提供了参考。

图4 介入时风险状态及人车交互的可控性边界