Miroslava Horáková等作者来自捷克交通研究中心（Transport Research Centre, CDV），于2025年在《European Transport Research Review》期刊发表了题为《Effects of non-driving-related tasks on driving performance after takeover request in automated driving (level 3): a simulator study》的研究论文。该研究探讨了L3级（有条件自动化）自动驾驶中非驾驶相关任务（NDRTs）对驾驶员接管表现的影响，采用卡车与巴士模拟器实验，结合多维度评估方法，为自动驾驶安全设计提供了实证依据。

学术背景

公路安全研究领域普遍认为，90%以上的事故由人为因素导致。随着自动驾驶技术（尤其是L3级）的发展，驾驶员在自动驾驶模式下可从事NDRTs，但此类任务可能影响紧急接管表现。现有文献表明，NDRTs会延长接管时间、降低情境意识（situational awareness），但不同任务类型的影响差异尚未系统量化。本研究旨在填补这一空白，通过模拟实验评估六类NDRTs（笔记本电脑办公、打电话、观看视频、音频课程、闭眼放松、手动拼装乐高）对卡车驾驶员接管表现的影响，为车辆设计及法规制定提供依据。

研究流程与方法

1. 实验设计与参与者

研究纳入31名职业驾驶员（28男，3女），平均年龄40岁，驾驶经验11-20年者占比32.3%。实验采用高保真Volvo卡车模拟器，配备运动平台、视觉投影及数据记录系统。参与者经历三个阶段：
- 训练阶段（5分钟）：熟悉模拟器与接管流程。
- 基线阶段：无任务自动驾驶后接管，记录基础表现数据。
- 任务阶段：依次执行六类NDRTs（各10分钟），每种任务后触发接管请求（TOR）。任务顺序随机分配以消除疲劳效应。

2. 任务设计与场景

六类NDRTs按感官模态（视觉/听觉）、认知负荷（高/中/低）和手部操作（持物/非持物）分类（见表1）。TOR通过视听信号提示，驾驶员需在10秒内完成以下流程：感知信号→评估路况→按喇叭声明接管→按下方向盘按钮切换手动模式。实验设置三种非紧急接管场景：
- 场景A：继续在右侧狭窄车道行驶。
- 场景B：避让右侧车道障碍物（左转变道）。
- 场景C：右侧车道完全停车并形成应急通道。

3. 数据采集与指标

客观指标：
- 接管时间（Takeover Time）：信号发出至按下接管按钮的间隔。
- 纵向控制：接管后10秒内的平均车速、加减速行为。
- 横向控制：车辆距车道中心线的距离及其标准差（SDLP）。

主观评估：
- 情境意识（SAGAT法）：接管后暂停模拟，询问参与者对路况要素（如交通标志、障碍物）的识别准确率。
- NASA-TLX量表：评估心理负荷。

4. 数据分析

采用SPSS 24进行非参数检验（Wilcoxon符号秩检验），比较各任务与基线表现的差异，显著性阈值设为p<0.05。

主要结果

1. 接管时间

   • 基线状态平均接管时间为2.8秒（场景间差异不显著）。
     
   • NDRTs显著延长接管时间至3.8秒（p<0.05），其中：
     
     • 最长延迟：手动拼装乐高（4.81秒，持物+视觉任务）。
       
     • 最短延迟：音频课程（2.97秒，纯听觉任务）。
       
   • 笔记本电脑办公（4.26秒）、观看视频（3.71秒）与闭眼放松（4.00秒）亦显著延长反应时间。
     

2. 驾驶质量

   • 车速控制：所有NDRTs导致接管后车速显著下降（如手动任务组降至27.4 km/h，基线34.4 km/h），表明参与者倾向减速以补偿情境意识损失。
     
   • 车道保持：无显著差异，但电话通话与观看视频组SDLP（车道位置标准差）升高，暗示横向控制稳定性下降。
     

3. 情境意识

   • 最低识别率：打电话（58.08%），因听觉任务分散对视觉环境的监控。
     
   • 最高识别率：观看视频（98.38%），可能因视频内容与驾驶场景无关，未占用认知资源。
     

讨论与结论

1. 任务特性影响机制

   • 视觉-认知复合负荷（如笔记本电脑办公）因同时占用视觉通道与工作记忆，显著损害接管表现。
     
   • 手部持有物体（如乐高、电脑）增加物理操作延迟，与Zhang等（2023b）结论一致。
     
   • 纯听觉任务（如音频课程）影响最小，支持“多通道任务干扰理论”（Wandtner et al., 2018）。
     

2. 实践意义

   • 立法建议：限制高视觉/手动负荷NDRTs（如办公、手持设备操作）。
     
   • 车辆设计：优化TOR提示模态（如触觉反馈减少听觉任务干扰）。
     
   • 驾驶员培训：制定接管前准备清单，提升情境意识重建效率。
     

研究亮点

1. 方法创新：首次在卡车模拟器上系统比较六类NDRTs，涵盖职业驾驶员群体与真实货运场景。
   
2. 多维评估：结合时序（接管时间）、空间（车道保持）、及心理指标（SAGAT），全面量化任务影响。
   
3. 应用导向：明确指出音频课程为L3阶段唯一低风险NDRT，为车企HMI设计提供直接依据。
   

局限性

1. 样本偏差：职业驾驶员群体可能低估非职业用户的接管困难。
   
2. 场景局限：未模拟极端碰撞场景，无法评估TTC（Time-to-Collision）等安全临界指标。
   
3. 设备差异：现有卡车模拟器与未来L3车辆人机界面可能存在交互差异。
   

本研究为自动驾驶安全研究提供了重要实证数据，未来可扩展至L4级自动化或非结构化道路场景的NDRTs影响评估。