施工区域临时占用了车道，一辆自动驾驶车停下来，请求远程操作员确认绕行方案。

几公里外，另一辆接驳车因为前方车辆占道停在了公交车道里，也在等待处理。第三辆车已经完成最低风险停车，乘客没有危险，但行程暂时无法继续。

从控制中心的界面上看，它们都可以显示成“等待远程协助”。但多等一分钟，对三辆车造成的影响并不一样。操作员数量有限时，控制中心迟早要回答一个很实际的问题：先处理哪一辆？

一、先别急着算“一个人能管几辆车”

2025年CHI会议上的ROADS研究把并发远程协助直接放进了实验。23名参与者使用路径规划、轨迹引导和航点引导三种方式，处理1到4个同时出现的车辆请求。随着请求数量增加，操作员漏掉的请求更多，车辆请求处于等待状态的时间也明显增加。

论文专门统计了 neglected time：车辆已经发出请求，也需要远程操作员采取行动，但操作员正在处理别的任务，这段时间就被算作“被搁置”的时间。并发请求越多，这个时间越长；在三种交互方式里，路径规划造成的等待相对较少，轨迹引导最明显。

这项实验说明，多车远程协助的压力并不只来自屏幕上多了几个窗口。只要几个任务都需要人做判断或操作，就一定会出现等待。交互方式越依赖连续人工操作，一个人同时处理多个请求就越困难。

ROADS也没有给出一个可以直接拿来排班的行业数字。参与者只有23人，年龄集中在18到28岁，没有远程控制经验，实验场景主要是施工区域，研究的也是模拟环境。作者发现参与者对两个并发请求最满意，多请求在实验条件下可以处理但表现会下降。这些结果更适合用来说明“并发有代价”，而不是规定“一名操作员最多负责三辆车”。

二、监控五辆车和同时处理五个任务，是两种工作

Bogg和Birrell在2025年的另一项研究里，让24名参与者分别监控3、5、7和9辆自动驾驶车。参与者主要负责发现异常、判断是否需要人工介入，真正的车辆交互再交给另一名远程操作员。

在这个任务里，5辆车条件下的情境意识最好，研究者认为5到7辆车的监控负荷表现较好，短时间增加到9辆也没有出现明显的整体性能崩溃。反过来，只监控3辆车时，有些参与者会出现过度干预，把本来不需要人工接管的情况也升级出去。

这个结果和ROADS并不矛盾。一个人看着几辆大部分时间正常运行的车，与一个人同时帮助几辆车处理施工、障碍物或路线异常，所占用的注意力和操作时间完全不同。

因此，控制中心讨论人车比例之前，先要把岗位任务说清楚：这个人是在监控车队，还是正在解决单车问题；系统能自己完成多少动作，哪些步骤必须等人；请求是偶尔出现，还是会在短时间内集中到来。

三、实际运营中心已经开始给请求分轻重

这种排序并不只存在于实验里。SHOW项目记录了法国Les Mureaux的实际运营案例：三辆没有车载安全员的EasyMile接驳车，由现场运营控制中心的一名远程监督员负责监督。监督员接收来自车辆平台、自动驾驶系统以及相关基础设施的告警，告警会按照需要远程人员采取的操作进行优先处理；需要进一步动作时，系统再把车辆视频调出来。

这个案例的重点不是“三辆”这个数字，而是控制中心已经不能把所有告警平铺在一起。不同请求需要不同的人类动作，系统必须先帮助监督员判断哪些事情值得马上占用注意力。

2025年的一项控制中心框架研究把这种分工进一步说清楚。Wolf等人把Fleet Manager和Remote Operator区分开：Fleet Manager看多辆车或整个车队，处理车队层面的协调和运行问题；Remote Operator集中处理单辆车的远程协助、远程驾驶等任务。论文还把识别并优先处理车辆请求、必要时把驾驶或协助任务转给Remote Operator，列入车队管理工作。

到了这里，“先帮谁”就已经不只是界面排序问题。它还关系到岗位分工：谁负责看整个队列，谁负责进入单车任务，什么时候把请求交出去，以及一个任务占住操作员之后，其他车辆怎样继续等待。

四、排队最难的地方，是判断这辆车还能不能等

假设两辆车同时求助。一辆已经停在不影响交通的位置，只需要确认前方障碍物类型；另一辆虽然也安全停车，却堵住了公交车道。两条请求如果只按照到达时间排序，控制中心很可能看不到它们等待后果的差别。

任务本身也有差别。确认一个已经生成好的候选路径，可能只需要很短的判断；重新理解复杂施工区域、查看多个摄像头并给出新的方案，会占用操作员更长时间。如果长任务先占住唯一的操作员，后面几个本来很快能处理的请求也会一起延后。

Walocha等人的2025年实验正好说明，人的处理能力不能只用“当前有没有空”来判断。19名参与者在不同任务频率和任务复杂度下处理远程协助任务。高频和高复杂度都会增加负荷；复杂任务需要更长完成时间，也出现更多错误。更值得注意的是，低频但复杂的条件表现反而很差，低任务频率还带来了更长的任务启动时间。长时间没有任务，并不保证人下一刻面对复杂请求时一定进入状态更快。

另一项37人的远程协助研究人为增加了操作员的心理负荷。负荷升高后，远程协助任务表现随之下降。研究还尝试用瞳孔、皮电和心血管指标识别工作负荷，三分类平均准确率为58%。这说明操作员状态值得监测，但距离“看一眼生理数据就能可靠自动派单”还有明显距离。

把这些结果放进调度系统，比较稳妥的做法不是先设计一个漂亮的优先级公式，而是先把几个基础信息弄清楚：车辆目前处于什么状态，继续等待会带来什么影响；这个请求大概需要多少人工处理；当前操作员正在做什么，下一项任务需要多快进入状态。至于这些因素怎样加权，现有研究还没有给出统一答案。

五、ISO 7856管的是远程支持本身，车队怎么排队还要另做设计

ISO 7856:2025已经把低速L4自动驾驶的远程支持做了比较系统的规范。它覆盖远程监控、远程协助和有限条件下的远程驾驶，并规定相关的系统架构、性能要求、系统要求、测试程序，以及车辆与远程支持设施之间需要交换的数据。

这个标准很重要，因为多车调度不能建立在“操作员什么都能看到、车辆什么都能等”的假设上。远程支持系统先要把单车状态、环境和远程交互本身做可靠，车队层面的任务分配才有基础。

但ISO 7856的公开适用范围也写得很清楚：它面向连续运行中的操作和战术层远程支持，不覆盖战略功能。车队里多个请求怎样排队、怎样在人之间分配，更接近运营和调度层的问题，不能把ISO 7856写成一套现成的多车派单规则。

目前仍在制定中的ISO/CD TS 17691开始从人因角度讨论远程监控和远程协助人员的能力与限制，并覆盖工作交接、感知与操作、乘客管理等问题。它强调的是支持系统开发和评价的人因原则，也没有指定某一种具体实现。标准化工作正在把人的能力边界纳入远程支持，但具体到“几辆车同时求助时谁先处理”，仍然需要控制中心自己形成可验证的调度方法。

六、这条问题线可以继续落到课题、专利和课堂

现有研究已经分别测过并发请求、多车监控、任务复杂度和操作员负荷，实际运营也开始做告警优先处理。下一步很适合把这些因素放到同一个远程控制中心实验里。

一个可以继续推进的课题是“面向多车远程协助的风险—负荷联合动态调度方法研究”。实验里可以同时改变车辆的等待条件、任务复杂度和请求到达频率，再比较先来先处理、紧迫任务优先、短任务优先以及根据操作员状态动态调整等策略。评价指标不只看平均完成时间，还可以看 neglected time、漏处理数量、错误率、操作员NASA-TLX，以及车辆恢复正常运行所需时间。这样才能知道一种调度方法到底是在提高效率，还是只是把等待从一辆车转移到了另一辆车。

对应的专利候选可以做成“远程协助请求动态优先级与操作员匹配方法及系统”。车辆发出请求时，同时上报当前运行状态、请求类型和可用的安全处置状态；调度端结合任务预计处理时间、正在排队的其他请求以及操作员当前任务状态，持续更新任务顺序。当某个请求的等待条件发生变化时，系统重新排序或升级处理。这个方向目前还没有做专利新颖性检索，因此只能作为专利候选，不能直接判断是否具备授权前景。

教学上，这个题目也很适合做成智能网联汽车或自动驾驶人因课程的控制中心实训。给学生同时发出4到6个车辆请求，每辆车提供不同的现场状态、任务复杂度和预计处理时间，让学生先设计自己的调度规则，再用同一组场景比较“先来先处理”“紧迫任务优先”“短任务优先”等方案。最后要求他们用ROADS、多车监控实验、工作负荷研究和ISO 7856解释结果，并指出自己的规则在哪些场景会失效。

如果要进一步形成软件成果，还可以把这套实训扩展成“远程协助任务调度与回放仿真平台”：一侧生成多车事件和请求，另一侧记录操作员选择、等待时间、任务切换、错误和负荷数据。它既能服务课堂，也能成为后续课题实验的平台。

结语

一人多车当然关系到远程运营成本，但控制中心不能只追求把更多车辆挂到一个操作员名下。

车都正常运行时，一个人可以同时监控多辆；几个复杂请求一起出现后，系统的瓶颈很快会变成人的处理时间。那时最重要的已经不是监控列表里有几辆车，而是哪辆车还能等、哪个任务会占住人多久、谁现在适合接手。

远程协助真正走到车队规模以后，“先帮谁”会和“怎么帮”一样，成为系统必须提前设计和验证的问题。

参考文献

（1）Colley, M., Westhauser, J., Andersson, J., Mirnig, A. G., & Rukzio, E. (2025). Introducing ROADS: A Systematic Comparison of Remote Control Interaction Concepts for Automated Vehicles at Road Works. CHI 2025.

（2）Bogg, A., & Birrell, S. (2025). Overloaded, underloaded or in control: How many automated vehicles can one person supervise? Computers in Human Behavior, 170, 108690.

（3）Wolf, M.-M., Krauss, N., Schmidt, A., & Diermeyer, F. (2025). Control Center Framework for Teleoperation Support of Automated Vehicles on Public Roads.

（4）Cornet, H., Pavlakis, S., Levassor, W., & Morael, N. (2025). Remote Supervision Strategies for Automated Vehicles Fleets: Three Real-Life Operational Case Studies. In Shared Mobility Revolution: Pioneering Autonomous Horizons. Springer.

（5）Walocha, F., Schrank, A., Nguyen, H. P., & Ihme, K. (2025). Multimodal Assessment of Mental Workload During Automated Vehicle Remote Assistance: Modeling of Eye-Tracking-Related, Skin Conductance, and Cardiovascular Indicators. Information, 16, 64.

（6）Walocha, F., Valerio, A., Nguyen, H. P., & Ihme, K. (2025). Understanding Effects and Physiological Correlates of Operator Workload Across Remote Assistance Scenarios for Automated Vehicles—Results from a User Study. HCII 2025, CCIS 2523, 102–111.

（7）ISO 7856:2025. Intelligent transport systems — Remote support for low speed automated driving systems (RS-LSADS) — Performance requirements, system requirements and performance test procedures.

（8）ISO/CD TS 17691. Road Vehicles — Principles for human remote support of automated driving systems. Committee Draft / under development.