Relevance and predictive role of human values in pedestrian and cyclist interactions with automated vehicles
人类价值观在行人和骑行者与自动驾驶车辆交互中的相关性及预测作用
作者：Josephine Halama、Jakob Siegmund、Angelika Bullinger-Hoffmann、Stefan Brandenburg
1. 引言
随着车辆自动化程度的提高，行人、骑行者等弱势道路使用者（Vulnerable Road User, VRU）需要与L4级和L5级自动驾驶车辆（Automated Vehicle, AV）协商路权。现有研究多聚焦AV的安全性能、外部人机交互效果等问题，对交互背后的人类价值观维度缺乏系统探究。价值敏感设计（Value Sensitive Design, VSD）为分析技术设计中的价值问题提供了系统框架，但该框架在交通场景中存在两个核心缺口：一是缺乏具体交互场景下的价值观优先级量化证据，二是尚未验证人类价值观对道路使用者行为意图的预测效力。本研究将VSD理论与交通心理学实验方法结合，在共享道路瓶颈场景中，系统探究行人和骑行者两类VRU的核心价值观，检验人类价值观对其交互行为意图的预测作用，为AV的人性化交互设计提供实证依据。
2. 研究内容
本研究围绕两个核心问题展开：
（1）在具体的VRU与AV交互场景中，哪些价值观被道路使用者认为具有相关性？
（2）这些价值观能否有效预测VRU的交互行为意图？
研究将从三个层面逐层论证：
（1）场景行为层面：对比行人与骑行者在AV和人工驾驶车辆（Manual Vehicle, MV）、有无额外弱势道路使用者的场景下，感知危急程度与通行和等待行为意图的差异。
（2）价值感知层面：通过定量评分与定性编码结合的方式，识别瓶颈交互场景下的核心相关价值，分析不同实验条件下的价值感知差异。
（3）预测效应层面：提取价值观的公共因子，检验价值维度对行为意图的预测效力，明确个体行为偏好与价值感知的相对作用。
研究同时将人口统计学变量纳入控制，分别对行人和骑行者群体开展独立分析，确保结果的可靠性。
3. 方法
3.1 参与人员
本研究共招募133名德国高校学生参与者，经场景理解度筛查后，最终有效样本为125人。其中行人组60人，平均年龄约21.93岁；骑行组65人，平均年龄约22.09岁。两组参与者中90%以上持有有效机动车驾照，日常出行涵盖步行、骑行、公共交通与私家车等多种方式。
3.2 研究设计与流程
本研究采用基于视频的实验室实验，基于2×2×2混合因子设计，组间变量为VRU类型，包含行人与骑行者两类；组内变量为车辆驾驶模式与是否存在额外VRU，前者分为AV与人工驾驶车辆，后者分为有与无两种条件。如图1和图2所示，实验场景设定为共享道路瓶颈路段，参与者视角下，路边停放的车辆形成窄路，对向有一辆以10 km/h行驶的白色车辆驶来，视频在车辆即将驶入瓶颈处暂停，由参与者完成问卷作答。AV通过青色外部人机交互（external Human-Machine Interface, eHMI）灯标识，MV可见驾驶人并配有白色车灯。实验流程中，参与者先阅读知情同意书与场景说明，学习AV的标识规则，随后以随机顺序观看4段实验视频，每段视频后依次完成危急性感知评分、行为意图判断、决策理由开放作答，以及21项人类价值观的相关性评分。实验平均时长约33分钟，所有数据匿名处理。
图1 共享道路瓶颈路段场景
图2 示例视频截图（视频停止时）
3.3 测量量表
研究采用四类测量工具。危急性感知采用经过验证的单项目危急评分量表（Critical Rating Scale, CRS），0分代表完全不危急，100分代表极度危急，并适配本场景调整了问题表述。行为意图采用单项目滑块评分，0分代表一定会抢先通过瓶颈，100分代表一定会等待车辆通过后再通行。人类价值观评分量表整合前人实证研究结论与经典VSD框架，选取完整性、可理解性、可靠性、信任、礼貌、自我效能等21项价值，每项均附场景化定义，采用7点李克特（Likert）量表评分。定性开放问题则让参与者用文字解释自己做出通行或等待决策的理由，后续通过质性内容分析映射对应价值维度。
3.4 分析方法
研究采用重复测量方差分析（Analysis of Variance, ANOVA）检验场景变量对危急度与行为意图的影响，通过定性内容分析对开放作答进行编码，归纳场景中的核心价值与价值关联模式，编码一致性检验的Cohen's Kappa系数达0.66，表明编码者之间具有较好一致性。研究再通过主成分分析（Principal Component Analysis, PCA）对21项价值进行降维，提取价值公共因子，最终采用线性混合模型（Linear Mixed Model, LMM）检验价值因子对行为意图的预测作用，同时纳入个体随机截距与随机斜率以控制个体差异。所有异常值均采用±3倍标准差法进行缩尾处理，经Harman单因子检验，未发现严重的共同方法偏差。
4. 研究结果
4.1 场景感知与行为意图结果
重复测量ANOVA结果如图3和图4所示，危急性感知方面额外 VRU 的存在对两组受试者均产生显著影响：行人组中，有额外 VRU 时危急性感知显著更高（p<0.001，ηp²=0.25）；骑行组呈现一致规律（p<0.001，ηp²=0.23）。而驾驶模式的主效应在两组中均未达到统计显著性，行人组（p=0.075）和骑行组（p=0.108），说明AV与MV并未引发受试者截然不同的风险感知。两组均未出现驾驶模式与额外VRU的交互作用。
行为意图层面，行人组表现出显著的驾驶模式效应（p=0.026，ηp²=0.08），面对 AV 时，行人选择等待车辆先行的倾向显著高于MV场景；额外 VRU 的存在未对行人整体行为意图产生显著影响（p=0.844）。骑行组的行为意图则未受驾驶模式的显著影响（p=0.114），额外VRU的主效应同样未达显著性水平（p=0.136），仅在LMM中呈现边际效应。
图3 瓶颈场景下行人的危急性感知和行为意图
图4 瓶颈场景下骑行者的危急性感知和行为意图
4.2 定性分析，行为决策中的价值映射
开放式作答的内容分析如图5所示，两组受试者的决策理由绝大多数可映射至具体人类价值观：行人组240份解释共拆分出426个编码单元，其中420个可归入价值类别，匹配率达98.6%；骑行组260份解释共拆分出520个编码单元，510个完成价值匹配，匹配率为98.1%。
可理解性、可预测性、物理完整性、可靠性是被提及频次最高的四项核心价值，合计占总编码量的60%以上，受试者的决策逻辑大体可概括为“观察场景线索—预判车辆行为—评估自身安全”的认知路径，并涉及“可理解性—可预测性—完整性”等相互关联的价值。编码共识别出200余次价值共现，其中可理解性与完整性的关联达22次，可理解性与可预测性关联21次，可预测性与完整性关联17次，可靠性与完整性关联25次，表明安全类价值经常共同出现；同时也存在效率与完整性、自主性与礼让之间的价值张力，反映了道路交互中的多目标权衡特征。
图5 行人与骑行者行为意图解释的价值编码结果
4.3 定量评分，价值的相关性层级
21项人类价值观的7点量表评分呈现出清晰的三级分层结构，与定性分析结果高度吻合。高相关价值（平均评分＞5.8分）集中在安全与规则维度，行人组中物理完整性以6.65分位列首位，其后依次为可理解性、可靠性、公正或合法合规与信任；骑行组的排序与行人组高度一致，前五名价值完全重合。中等相关价值（3~5.8分）涵盖自我效能、平等、可用性、礼貌、放松感等体验类维度，反映了受试者对交互舒适度的次级诉求。低相关价值（＜3分）包括所有权与财产、隐私、环境可持续性等，其中行人组所有权与财产评分仅为2.66分，说明这类脱离即时交互场景的价值与瓶颈会车行为关联度极低。
场景变量对价值评分的影响十分有限：仅可靠性在行人组的AV场景中评分显著更高，礼貌性在MV场景中被认为更重要；其余19项价值在AV或MV、有或无额外VRU的条件下均未出现有意义的评分差异，说明在本实验条件下，价值评分总体较为稳定。
图6 各实验条件下价值相关性的平均评分。数值按平均相关性排序，误差条表示95%置信区间
4.4 价值观对行为意图的预测效力
如表1所示，经PCA与Varimax旋转，21项价值被降维为4个结构稳定的公共因子，分别为可靠交互因子（含可靠性、信任、可理解性，α=0.71）、自我效能交互因子（含自我效能、自主性、自由）、放松交互因子（含放松感、平静感）与时代精神因子（含隐私、身份、环境可持续性、所有权）。
表1 价值观之间关联的出现频次
基于LMM的预测检验表明，四个价值因子对行人与骑行者的行为意图均未产生显著的正向或负向预测作用，所有因子的回归系数p值均大于0.05。与之形成鲜明对比的是，个体稳定的决策偏好对行为意图的解释力极强：行人组模型的边际R²仅为0.05，纳入个体随机截距后的条件R²升至 0.84，而包含个体随机效应的完整模型可解释84%的变异，表明个体间差异具有重要作用；骑行组呈现相同规律，边际R²为0.06，条件R²为0.42。这一结果表明，在本研究情境下，抽象价值评分对瞬时通行决策的直接预测力有限；相比之下，个体相对稳定的等待或通行偏好具有更强的预测作用。
5. 结论
本研究系统结合价值敏感设计框架与交通心理学实验方法，在瓶颈共享道路场景下验证了价值观在VRU与自动驾驶交互中的作用，主要结论如下：
（1）价值观在VRU-AV交互中具有普遍相关性。物理完整性、可理解性、可靠性、信任等安全类价值是道路使用者的核心关切，礼貌、放松感、效率等体验类价值也共同构成了交互评价的完整维度，仅隐私、所有权等远距离价值与本场景关联较弱；
（2）价值感知与具体行为意图的直接关联较弱。尽管人们在阐述决策理由时会援引价值，但抽象的价值评分无法有效预测瞬时的通行或等待决策，个体稳定的行为偏好才是行为意图的最强预测因素。在本研究中，价值评分更适合用于理解交互评价，尚不足以作为瞬时决策的直接预测变量；
（3）价值之间存在系统性关联与张力。可理解性、可预测性、可靠性共同构成了安全价值的基础，形成价值协同；而效率与安全、自主与礼让之间则存在价值张力，是自动驾驶交互设计需要平衡的核心矛盾；
（4）行人与骑行者的价值模式整体相似，行为表现存在差异。两类VRU的价值重要性排序高度一致，但行为表现并不完全一致：行人在AV场景中更倾向等待，而骑行者的驾驶模式效应和额外VRU效应均未达到显著水平。因此，自动驾驶交互设计仍需区分不同道路使用者的特点。
6. 文献出处
Halama, J., Siegmund, J., Bullinger-Hoffmann, A., & Brandenburg, S. (2026). Relevance and predictive role of human values in pedestrian and cyclist interactions with automated vehicles. Transportation Research Part F: Traffic Psychology and Behaviour, 122, 103734.
7. 点评
该研究的核心贡献在于打通了价值敏感设计的伦理框架与交通心理学的实证范式，为自动驾驶的人性化设计提供了量化依据。研究采用定量和定性的混合方法，既通过评分明确了价值的优先级，又通过质性编码揭示了价值在决策中的作用逻辑，结论较为扎实，并为设计提供了有价值的启示。同时，研究同时覆盖行人与骑行者两类弱势道路使用者，对比视角丰富了VRU交互的研究体系。但本研究也存在一定的局限性：（1）样本代表性有限，参与者均为年轻大学生，教育背景与出行习惯相对同质，结论向全年龄段、不同文化群体推广需谨慎；（2）生态效度有待提升，采用静态视频实验室场景，与真实交通环境的沉浸感、动态性存在差距，行为意图不等于真实道路行为；（3）场景单一，仅聚焦瓶颈会车场景，斑马线、无信号交叉口等不同场景下的价值优先级可能存在差异。
注：由于水平有限，翻译中难免存在不准确或错误之处，请以原文为准，并欢迎指正。
知识搬运工（翻译者）丨 赵发杨
审核丨 董俊
出品丨 合肥工业大学 运输与安全研究所
版权声明
本文为《合肥工业大学 运输与安全研究所》独家撰写，如需转载，
请注明出处，谢谢！
