在过渡到自动驾驶的过程中,量化安全改进和人机权衡

科学领域:

• 人与计算机的互动.
• 汽车工程 汽车工程
• 道路交通安全问题 道路安全问题

背景情况:

• 目前对自动化对人类驾驶错误的影响的理解缺乏经验数据.
• 在自动驾驶汽车中,人为和机器错误引起的危险之间的权衡没有定量定义.
• 在过渡到自动驾驶期间改善安全的理论模型尚未开发.

研究的目的:

• 调查人类和机器因素在安全性能中的关联.
• 引入和利用一个新的指标",人机冲突减少比率" (H/M比率).
• 在各种自动化级别中建立与人为错误相关的可量化的安全改进.

主要方法:

• 60名参与者在自动化0,2,3和4级的模拟器中完成了驾驶任务.
• 安全性能通过计算冲突频率和严重程度来衡量.
• 从人为因素的角度使用理论模型来估计安全改进.

主要成果:

• 与手动驾驶相比,4级自动化显示了最大的安全改善 (93.3%),其次是2级 (70.7%) 和3级 (40.5%).
• H/M比率表明,2级具有最高比率,表明最佳的人机错误权衡,其次是4级和3级.
• 在每个自动化级别考虑所有人为错误类型时,评估了安全性能.

结论:

• 该研究提供了经验证据,证明随着自动化水平的提高,安全性得到了改善.
• 新的H/M比为人机错误权衡提供了定量指数.
• 这些发现为自动驾驶汽车 (AV) 专家和制造商提供了关于人机合作驾驶安全的关键见解.