自动驾驶中的接管安全驾驶员行为和心理工作负载:ACT-R预测建模方法

科学领域:

• 人与计算机的交互
• 认知科学 认知科学
• 汽车工程 汽车工程

背景情况:

• 条件自动驾驶 (SAE 3级) 在系统故障时需要驾驶员干预.
• 在这些接管情况下,驾驶员的心理工作量对安全和行为至关重要.
• 预测心理工作量对于开发先进的驾驶辅助系统至关重要.

研究的目的:

• 引入一种计算方法,用于在自动驾驶接管场景中预测心理工作负载.
• 使用ACT-R (思维理性的自适应控制) 认知架构进行这种预测.
• 为未来自动驾驶汽车中避免碰撞的技术奠定基础.

主要方法:

• 整合强大的ACT-R认知架构来模拟认知过程.
• 开发一个接管认知模型,包括用于情况检查和决策的象征性结构.
• 对ACT-R模型的预测与生理和性能数据的验证.

主要成果:

• 该模型实现了高精度,r平方值为0.97.
• 在预测和实际的心理工作量之间显示出强烈的相关性.
• 在接管场景中成功捕捉了多任务和认知需求的复杂性.

结论:

• ACT-R模型在预测自动驾驶接管的心理工作负载方面是有效的.
• 该模型可以增强驾驶辅助系统和车辆安全.
• 通过提供对自动驾驶中人类行为的洞察力,为认知建模做出贡献.