V  人工接管機(jī)制與時(shí)間

依據(jù)加州DMV的測(cè)試要求，只要出現(xiàn)自動(dòng)駕駛系統(tǒng)無(wú)法處理的情況，測(cè)試車駕駛員必須以安全的方式立即接管駕駛?cè)蝿?wù)。對(duì)各個(gè)制造商所設(shè)置的人工干預(yù)機(jī)制以及接管控制時(shí)間進(jìn)行研究，可以幫助我們更好地理解對(duì)駕駛員注意力回歸駕駛?cè)蝿?wù)時(shí)間點(diǎn)所應(yīng)有的要求，并據(jù)此去設(shè)計(jì)合理的切換控制系統(tǒng)及算法。

5．1人工接管機(jī)制

人工接管操作可以由自動(dòng)控制系統(tǒng)請(qǐng)求、駕駛員響應(yīng)，也可以由駕駛員人工控制輸入直接觸發(fā)。

1）接管請(qǐng)求信號(hào)

接管請(qǐng)求通常是在系統(tǒng)檢測(cè)到故障無(wú)法處置之后，通過(guò)聽覺(jué)、視覺(jué)反饋信號(hào)來(lái)提示駕駛員立即介入操作、接管車輛控制。

2）接管操作

在收到自動(dòng)控制系統(tǒng)的接管請(qǐng)求，或當(dāng)駕駛員想主動(dòng)干預(yù)車輛控制時(shí)，車輛駕駛權(quán)限的交接可以由駕駛員通過(guò)動(dòng)作觸發(fā)，包括按下自動(dòng)／手動(dòng)控制切換開關(guān)、操縱方向盤、剎車或油門踏板等。各制造商測(cè)試車輛接管控制機(jī)制概述如下。

制造商A：發(fā)出一個(gè)獨(dú)特的音頻和視覺(jué)信號(hào)，表明需要駕駛員立即接管［15］。

制造商B：任何硬件故障會(huì)觸發(fā)蜂鳴信號(hào)，提醒駕駛員需要手動(dòng)接管。測(cè)試過(guò)程中，車輛駕駛員必須一直將一只手放在方向盤上，另一只手放在中控臺(tái)自動(dòng)／手動(dòng)切換開關(guān)上。按下該開關(guān)將切斷自動(dòng)駕駛系統(tǒng)的電源及自動(dòng)執(zhí)行機(jī)構(gòu)（油門、轉(zhuǎn)向、剎車及檔位），并允許操作員立即接管［14］。

制造商E：駕駛員接受到技術(shù)故障提醒，或駕駛員主動(dòng)通過(guò)對(duì)剎車、油門、轉(zhuǎn)向的輸入觸發(fā)自動(dòng)駕駛退出，實(shí)現(xiàn)人工接管［16］。

制造商F：當(dāng)發(fā)生自動(dòng)駕駛退出時(shí)，駕駛員會(huì)立即收到聲音和視覺(jué)上的提示信號(hào)，須立即采取接管措施。然而，重新介入的人工控制并不一定意味著駕駛員必須在方向盤、剎車或油門踏板上立即可測(cè)量的輸入［13］。

制造商G：接管警告是基于視覺(jué)和聽覺(jué)信號(hào)設(shè)計(jì)的。自動(dòng)駕駛系統(tǒng)不會(huì)試圖對(duì)車輛采取減速操作，當(dāng)看到或聽到警告信號(hào)時(shí)，駕駛員有責(zé)任立即采取措施，通過(guò)踩下剎車或?qū)⒆赃m應(yīng)巡航控制桿回位［25］，觸發(fā)自動(dòng)駕駛模式的退出，進(jìn)而實(shí)現(xiàn)人工接管。

5．2  接管時(shí)間

總體而言，接管時(shí)間可以定義為自駕駛員收到技術(shù)故障、人工干預(yù)請(qǐng)求信號(hào)起，至其對(duì)車輛進(jìn)行手動(dòng)控制為止，所花費(fèi)的時(shí)間［15］。目前沒(méi)有一種統(tǒng)一的技術(shù)標(biāo)準(zhǔn)與方法來(lái)測(cè)量這一接管過(guò)程時(shí)間。此外，制造商提高的報(bào)告亦沒(méi)有充分描述他們記錄接管時(shí)間數(shù)據(jù)的方法。在表IV中展示了每個(gè)制造商自動(dòng)駕駛退出事件所報(bào)告相關(guān)接管時(shí)間的統(tǒng)計(jì)結(jié)果。

制造商A：測(cè)試駕駛員針對(duì)人工接管接受了專門的訓(xùn)練與準(zhǔn)備，平均響應(yīng)時(shí)間為0．84秒［15］。

制造商B：在報(bào)告中部分有記錄的接管時(shí)間均小于 1s （無(wú)具體時(shí)間），剩余被記為N／A［14］。

制造商C：平均接管時(shí)間為3．06s［18］。

制造商D：平均接管時(shí)間為0．875s［18］。

制造商E：大部分記錄值平均不到1 s。在所有駕駛者主動(dòng)干預(yù)的情況下中，時(shí)間被記錄為0；在幾乎所有的自動(dòng)控制系統(tǒng)故障情形下，時(shí)間被記錄為＜1。

制造商F：無(wú)法測(cè)量每一個(gè)自動(dòng)駕駛退出時(shí)間，因?yàn)椴⒉皇撬�有的接管情況下需要施加可測(cè)輸入。因此，采取的安全方法為，模擬在一個(gè)特定的自動(dòng)駕駛測(cè)試場(chǎng)景，讓駕駛員不斷訓(xùn)練人工接管過(guò)程，只有通過(guò)訓(xùn)練的駕駛員才能駕駛測(cè)試車輛，他們會(huì)不斷地監(jiān)控車輛的運(yùn)行情況。這種安全方法已由獨(dú)立的第三方安全組織進(jìn)行審查［13］。

注：雖然報(bào)告的大部分接管時(shí)間的平均值在1秒內(nèi)，但自動(dòng)駕駛權(quán)限的交接及其切換控制絕非一件容易完成的簡(jiǎn)單任務(wù)。在所有報(bào)告的自動(dòng)駕駛車輛測(cè)試中，駕駛員均訓(xùn)練有素、經(jīng)驗(yàn)豐富，且集中注意力、隨時(shí)準(zhǔn)備接管車輛控制。然而，在日常生活中，我們不能保證所有的司機(jī)都經(jīng)過(guò)良好的訓(xùn)練、以及保有足夠的注意力來(lái)立即恢復(fù)人工控制。此外，駕駛場(chǎng)景、駕駛員認(rèn)知負(fù)荷、注意力、疲勞狀況、對(duì)周圍狀況的感知等，均對(duì)其接管控制有很大的影響。因此，如何準(zhǔn)確的在線實(shí)時(shí)監(jiān)測(cè)駕駛員狀態(tài)、評(píng)估其接管能力，及HMI的設(shè)計(jì)，仍然是需要不斷探索的重要挑戰(zhàn)［17］。

VI  討論與建議

6．1 討論

自動(dòng)駕駛功能退出是反映自動(dòng)駕駛技術(shù)成熟度的一個(gè)關(guān)鍵指標(biāo)。在上述分析的基礎(chǔ)上，我們認(rèn)為不同類型的自動(dòng)駕駛退出事件與高級(jí)自動(dòng)駕駛技術(shù)的成熟度可以相對(duì)應(yīng)。如圖17所示，PDE和ADE可嵌入到L2和L3自動(dòng)駕駛的技術(shù)特點(diǎn)與要求中去。具體來(lái)說(shuō)，PDE對(duì)應(yīng)于L2自動(dòng)駕駛研發(fā)的初級(jí)階段。充分解決PDE故障可使制造商技術(shù)水平達(dá)到成熟的L2自動(dòng)駕駛階段。而在PDE之外，ADE的案例則可以映射到L2自動(dòng)駕駛技術(shù)發(fā)展的高級(jí)階段。ADE的主要誘因表明，解決面向高度自動(dòng)駕駛的技術(shù)問(wèn)題是更加困難的。如果這些問(wèn)題能夠得意妥善解決，那么自動(dòng)駕駛技術(shù)應(yīng)接近或達(dá)到了L3自動(dòng)化的程度。

圖17  自動(dòng)駕駛退出事件與自動(dòng)駕駛技術(shù)水平之間的映射關(guān)系

6．2 建議

在上述分析的基礎(chǔ)上，為了幫助進(jìn)一步完善自動(dòng)駕駛技術(shù)，尤其是L2和L3車輛自動(dòng)化，以下為OEM、制造商和政府組織提供了一些建議。

1）針對(duì)OEM的建議

根據(jù)分析，PDE和ADE的主要原因是軟件問(wèn)題，其涵蓋了感知、決策、路徑規(guī)劃和車輛控制的諸多方面的問(wèn)題。隨著車輛自動(dòng)化程度的提高，軟件的功能、性能和魯棒亟待提升。OEMs應(yīng)該遵循系統(tǒng)工程方法的軟件設(shè)計(jì)和驗(yàn)證過(guò)程，目標(biāo)是設(shè)計(jì)出不存在不合理安全風(fēng)險(xiǎn)的HAV系統(tǒng)。同時(shí)，如NHTSA建議，OEMs應(yīng)關(guān)注人工智能、機(jī)器學(xué)習(xí)等相關(guān)軟件技術(shù)和算法的演變、實(shí)施和安全評(píng)估，以提高HAVs的有效性和安全性［6］。

此外，了解人機(jī)之間的交互作用是非常重要的。尤其是L2和L3系統(tǒng)中，駕駛員必要時(shí)需返回駕駛?cè)蝿?wù)，但是其接管能力可能受到主客觀多重因素的影響，OEMs應(yīng)該考慮如何將對(duì)駕駛員注意力、意圖和任務(wù)參與度的監(jiān)控納入軟件系統(tǒng)。此外，HAVs將如何向周圍環(huán)境、及交通參與者發(fā)出信號(hào)，這些因素也應(yīng)該被OEMs考慮。

2）針對(duì)制造商的建議

制造商應(yīng)該根據(jù)SAE發(fā)布的自動(dòng)駕駛分級(jí)定義，適當(dāng)?shù)卮_定其系統(tǒng)的自動(dòng)化級(jí)別。對(duì)于所有的HAV系統(tǒng)，制造商應(yīng)確保其HMI設(shè)計(jì)的合理性、適當(dāng)?shù)呐鲎玻�乘員保護(hù)已被考慮、消費(fèi)者的教育和培訓(xùn)已經(jīng)得到解決［6］。

尤其是在處理人工接管是，制造商應(yīng)該有能保證自動(dòng)駕駛車輛在遇到問(wèn)題時(shí)能夠過(guò)渡到最小風(fēng)險(xiǎn)條件下運(yùn)行。在道路上運(yùn)行的HAV應(yīng)該能夠及時(shí)準(zhǔn)確的檢測(cè)到系統(tǒng)的故障，并告知人類駕駛員，使駕駛員能夠盡可能快速、安全的接管車輛控制。相應(yīng)控制策略亦應(yīng)該考慮到駕駛員可能存在分心、受酒精或其他物質(zhì)影響的情形。應(yīng)以有利于車輛安全操作和盡量減少不穩(wěn)定駕駛行為的方式來(lái)管理駕駛權(quán)，同時(shí)也應(yīng)盡量減少駕駛員在接管過(guò)渡過(guò)程、決策過(guò)程中出現(xiàn)錯(cuò)誤的影響。除此之外，自動(dòng)駕駛退出事件及相應(yīng)的人工接管控制也應(yīng)該在出現(xiàn)后進(jìn)行充分的分析和利用［15］。

3）針對(duì)政府組織的建議

政府組織在促進(jìn)車輛自動(dòng)化方面發(fā)揮著重要作用，例如確保安全部署，并促進(jìn)相應(yīng)的安全保證機(jī)制。為了幫助發(fā)展和完善自動(dòng)駕駛技術(shù)，各國(guó)政府應(yīng)對(duì)自動(dòng)駕駛車輛保留其對(duì)車輛登記許可、交通法規(guī)和執(zhí)法、以及機(jī)動(dòng)車保險(xiǎn)、責(zé)任制等傳統(tǒng)職責(zé)。此外，應(yīng)該建立、升級(jí)更多的測(cè)試區(qū)域和設(shè)施，以支持自動(dòng)駕駛技術(shù)的發(fā)展［6］。須開展充分的教育和培訓(xùn)活動(dòng)，以確保自動(dòng)車輛的安全部署。除了制造商和其他實(shí)體，政府機(jī)構(gòu)也應(yīng)開發(fā)和組織相關(guān)活動(dòng)，如教育和培訓(xùn)、研討會(huì)、及自動(dòng)駕駛車輛示范運(yùn)行，以幫助公民了解自動(dòng)駕駛車輛的基本原理、與傳統(tǒng)汽車使用和操作方面存在的差異等。

【參考文獻(xiàn)】

［1］    F．Y． Wang． “Control 5．0： from Newton to Merton in popper＇s cyber－social－physical spaces”． IEEE／CAA Journal ofAutomatica Sinica， 3（3）， 233－234， 2016．

［2］    M． Da Lio， F． Biral， E．Bertolazzi， M． Galvani， P． Bosetti， D． Windridge， and F． Tango， “Artificialco－drivers as a universal enabling technology for future intelligent vehicles and transportation systems”， IEEE Transactions on intelligent transportationsystems， 16（1）， 244－263， 2015．

［3］    L． Li， Y． Lv， and F． Y． Wang，＂Traffic signal timing via deep reinforcement learning，＂ IEEE／CAAJournal of Automatica Sinica， 3（3）， 247－254， 2016．

［4］    T． Qu， H． Chen， D． Cao， H． Guo，and B． Gao， ＂Switching－Based Stochastic Model Predictive Control Approach for Modeling Driver Steering Skill，＂ IEEE Transactions on Intelligent Transportation Systems， 16（1）， 365－375， 2015．

［5］    G． Xiong， F． Zhu， X． Liu， X．Dong， W． Huang， S． Chen， et al．， ＂Cyber－physical－social system in intelligent transportation，＂ IEEE／CAA Journal of Automatica Sinica， 2（3），320－333， 2015．

［6］    National Highway Traffic Safety Administration， “Federal Automated Vehicles Policy， Department of Transportation”，pp． 1－112， 21 Sep．， 2016．

［7］    SAE On－Road Automated Vehicle Standards Committee， “Taxonomy and definitions for terms related to on－roadmotor vehicle automated driving systems”， 2014．

［8］    National Highway Traffic Safety Administration，＂Human factors evaluation of level 2 and level 3 automated driving concepts，＂ pp． 1－300， 2015．

［9］    M． Johns， B． Mok， D． Sirkin， N．Gowda， C． Smith， W． Talamonti， W． Ju， “Exploring shared control in automateddriving”． 11th ACM／IEEE International Conference on Human－Robot Interaction，IEEE， 2016．

［10］  L． Lorenz， P． Kerschbaum， J． Schumann，＂Designing take over scenarios for automated driving： How does augmented reality support the driver to get back into the loop？．＂ Proceedings of the Human Factors and Ergonomics Society Annual Meeting， 2014．

［11］  B． Mok， et al． ＂Emergency，Automation Off： Unstructured Transition Timing for Distracted Drivers ofAutomated Vehicles．＂ International Conference on Intelligent Transportation Systems． IEEE， 2015．

［12］  C． Lv， Y． Liu， X． Hu， H． Guo，D． Cao， F．－Y． Wang， ＂Simultaneous Observation of Hybrid States for Cyber－Physical Systems： A Case Study of Electric Vehicle Powertrain，＂ IEEETransactions on Cybernetics， 2017．

［13］  Robert Bosch， LLC， ＂Annualreport of autonomous mode disengagements＂， 18 Dec．， 2015．  https：／／www．dmv．ca．gov／portal／wcm／connect／e1e48704－583e－4cfd－aa9a－fa464cb6903d／bosch＿disengagement＿report．pdf？MOD＝AJPERES（Accessed： 21 Sep． 2016）

［14］  Delphi Automotive Systems， LLC，＂Summary of Autonomous Vehicle Disengagements＂， 1 Jan．， 2016． https：／／www．dmv．ca．gov／portal／wcm／connect／851838fb－da8b－45da－bd95－ae0451de988／delphi＿disengagement＿report．pdf？MOD＝AJPERES（Accessed： 21 Sep． 2016）

［15］  Google Auto， ＂Googleself－Driving car testing report on disengagements of autonomous mode＂，Dec．， 2015． https：／／www．dmv．ca．gov／portal／wcm／connect／dff67186－70dd－4042－bc8c－d7b2a9904665／google＿disengagement＿report．pdf？MOD＝AJPERES（Accessed： 21 Sep． 2016）

［16］  Nissan North America， Inc，＂Nissan Autonomous Vehicle Disengagement Report 2015＂， 23 Dec．， 2015．https：／／www．dmv．ca．gov／portal／wcm／connect／0170b0e7－7992－45f6－918d－8d3cc5bce9ee／nissan＿disengagement＿report．pdf？MOD＝AJPERES

［17］  Mercedes－Benz R＆D North America，＂Disengagements of autonomous vehicle system＂， 17 Dec．， 2015． https：／／www．dmv．ca．gov／portal／wcm／connect／3e78951e－5501－412b－ada96ad7fdcb9b82／mercedesbenz＿disengagement＿report．pdf？MOD＝AJPERES（Accessed： 21 Sep． 2016）

［18］  Volkswagen Group of America， ＂Volkswagen Group ofAmerica， Inc．’s Disengagement Reports＂， 31 Dec．， 2015． https：／／www．dmv．ca．gov／portal／wcm／connect／2ce9a481－e91c－408c－98069df33c3a65de／volkswagen＿disengagement＿report．pdf？MOD＝AJPERES（Accessed： 21 Sep． 2016）

［19］  Tesla Motors Inc， ＂Reporting Disengagement ofAutonomous Mode＂， 1 Jan．， 2016． https：／／www．dmv．ca．gov／portal／wcm／connect／d4114e78－4c45－4328－a6b9－428e400bf067／tesla＿disengagement＿report．pdf？MOD＝AJPERES（Accessed： 21 Sep． 2016）

［20］  California DMV， ＂Final Statement of Reasons＂，2016． https：／／www．dmv．ca．gov／portal／wcm／connect／70791ede－d798－4628－b3a964acebcb881／final＿sor．pdf？MOD＝AJPERES＆amp；CONVERT＿TO＝url＆amp；CACHEID＝70791ede－d798－4628－b3a9－764acebcb881（Accessed： 21 Sep． 2016）

［21］  K． Kritayakirana， J． C． Gerdes，＂Autonomous vehicle control at the limits of handling，＂ International Journal of Vehicle Autonomous Systems， 10， 271－296， 2012．

［22］  C． Urmson， J． Anhalt， D． Bagnell，C． Baker， R． Bittner， M． N． Clark， et al．， ＂Autonomous driving in urban environments： Boss and the Urban Challenge，＂ Journal of Field Robotics，25， 425－466， 2008．

［23］  Y． Tian， W．Y． Lo， and D．Ferguson． ＂Real－time active emergency vehicle detection．＂ U．S． Patent Application No． 14／471，640， 2014．

［24］  Iso， I． S． O． ＂26262： Roadvehicles－Functional safety．＂ International Standard ISO／FDIS 26262， 2011．

Tesla Motors Inc， ＂Tesla Model S － Owner＇s Manual＂． https：／／carmanuals2．com／tesla／model－s－2016－owner－s－manual－89478（Accessed： 21 Sep． 2016）

作者簡(jiǎn)介

呂辰：現(xiàn)任英國(guó)克蘭菲爾德大學(xué)先進(jìn)車輛工程中心博士后研究員。2016年1月博士畢業(yè)于清華大學(xué)汽車工程系，加州大學(xué)伯克利分校聯(lián)合培養(yǎng)博士。研究方向包括自動(dòng)駕駛、人車協(xié)同、智能電動(dòng)汽車協(xié)同優(yōu)化、電驅(qū)動(dòng)車輛設(shè)計(jì)與控制。

曹東璞：現(xiàn)任加拿大滑鐵盧大學(xué)副教授、博導(dǎo)，曾任英國(guó)克蘭菲爾德大學(xué)講師、駕駛員認(rèn)知與自動(dòng)駕駛實(shí)驗(yàn)室主任。在汽車動(dòng)力學(xué)與控制，自動(dòng)駕駛與平行駕駛領(lǐng)域發(fā)表論文120余篇、合編1本英文專著及1項(xiàng)美國(guó)專利，獲2010 ASME AVTT國(guó)際會(huì)議最佳論文獎(jiǎng)和2012 國(guó)際汽車工程師學(xué)會(huì)SAE Arch T． Colwell Merit Award。近5年作為項(xiàng)目總負(fù)責(zé)人，在研智能車項(xiàng)目從英國(guó)自然基金和歐盟地平線2020等獲超過(guò)300萬(wàn)英鎊資助。目前擔(dān)任 IEEE Trans on Vehicular Technology，IEEE Trans on Intelligent Transportation Systems，IEEE／ASME Trans on Mechatronics，IEEE Trans on Industrial Electronics，ASME Journal of Dynamic Systems， Measurement， and Control，IEEE／CAA Journal of Automatica Sinica，Intl J of Vehicle Design 等國(guó)際期刊副主編，國(guó)際汽車工程師學(xué)會(huì)（SAE）汽車動(dòng)力學(xué)國(guó)際標(biāo)準(zhǔn)委員會(huì)投票委員，第29屆國(guó)際智能車大會(huì)（IEEE IV 2018）程序共同主席。

趙一帆：現(xiàn)任英國(guó)克蘭菲爾德大學(xué)制造系講師。2007年博士畢業(yè)于英國(guó)謝菲爾德大學(xué)自動(dòng)控制與系統(tǒng)工程專業(yè)。研究方向包括計(jì)算機(jī)視覺(jué)、非線性系統(tǒng)識(shí)別、駕駛員行為監(jiān)測(cè)。

Daniel J． Auger：現(xiàn)任英國(guó)克蘭菲爾德大學(xué)先進(jìn)車輛工程中心講師。博士畢業(yè)于英國(guó)劍橋大學(xué)。研究方向包括先進(jìn)控制方法及其應(yīng)用、電池系統(tǒng)建模、系統(tǒng)狀態(tài)估計(jì)、魯棒控制。

Mark Sullman ：現(xiàn)任塞浦路斯中東技術(shù)大學(xué)教授，曾任英國(guó)克蘭菲爾德大學(xué)高級(jí)講師。博士畢業(yè)于新西蘭梅西大學(xué)。研究方向包括先進(jìn)控制方法及其應(yīng)用、電池系統(tǒng)建模、系統(tǒng)狀態(tài)估計(jì)、魯棒控制。研究方向包括駕駛員行為、人因工程、及認(rèn)知心理學(xué)。

王化吉：現(xiàn)任英國(guó)克蘭菲爾德大學(xué)先進(jìn)車輛工程中心博士后研究員。2016年博士畢業(yè)于英國(guó)劍橋大學(xué)工程系。研究方向包括自動(dòng)駕駛、人車協(xié)同。

Laura Millen Dutka ：現(xiàn)任英國(guó)捷豹路虎公司人機(jī)界面技術(shù)工程師。

Lee Skrypchuk：現(xiàn)任英國(guó)捷豹路虎公司人機(jī)界面技術(shù)工程師。

Alexandros Mouzakitis ：現(xiàn)任英國(guó)捷豹路虎公司電力電子與軟件工程研發(fā)部主任。