任务需求如何影响条件自动驾驶中的驾驶员行为：情境意识与接管绩效的多维度研究

　　针对条件自动驾驶(CAD)中驾驶员接管安全的关键问题，北京理工大学团队通过操纵接管时间预算(TOTB)、非驾驶相关任务(NDRT)和交通场景复杂度(TOR-Lane)，采用多水平模型分析其对情境意识(SA)和接管行为的影响。研究发现不同任务需求因素分阶段影响接管及时性，视觉补偿策略可优化SA恢复，并提出基于车道差异的TOTB设置建议，为人机交互设计提供理论依据。

　　

随着汽车自动化技术从L0向L5级发展，L3级条件自动驾驶(CAD)让驾驶员从持续监控中解放，却带来新的安全挑战——当系统达到运行边界时，驾驶员需迅速重建情境意识(SA)并安全接管车辆。然而，现有研究对任务需求如何动态影响驾驶员认知-行为链的机制仍不明确，特别是时间压力(TOTB)、分心任务(NDRT)和交通环境(TOR-Lane)的交互作用缺乏系统探索。

北京理工大学的研究团队在《Displays》发表的研究中，创新性地将接管过程分解为反应时间(RT)和信息处理时间(IPT)两阶段，通过驾驶模拟实验结合眼动追踪技术，定量揭示了任务需求影响驾驶员行为的深层机制。研究采用3(NDRT类型)×3(TOTB)×2(TOR-Lane)混合实验设计，使用SAGAT量表和眼动指标评估SA，通过多水平模型分析45名驾驶员的行为数据。

反应时间(Reaction Time)
研究发现NDRT类型显著影响RT：视觉-认知型任务使RT延长至2.25±0.67秒，较无任务状态增加0.3秒，而听觉任务影响最小。这表明NDRT对初期反应的影响取决于其资源占用特性。

信息处理时间(Information Processing Time)
TOTB与TOR-Lane的交互作用显著：在侧车道场景中，7秒TOTB下IPT比中心车道缩短23%，但TOTB≤5秒时，视觉-认知NDRT会使min(TTC)_min
降低41%，揭示时间压力与场景复杂度的协同效应。

情境意识(Situation Awareness)
SA恢复呈现"饱和效应"：中心车道需7-9秒TOTB达到SA平台期，而侧车道仅需5-7秒。眼动数据显示，驾驶员通过减少对低优先级区域的注视时长(降幅达35%)来优化视觉资源分配。

讨论与结论
该研究首次将TOR-Lane作为场景复杂度变量纳入分析框架，证实任务需求通过"时间-资源-环境"三维度影响接管绩效：1)NDRT类型主导RT阶段；2)TOTB与TOR-Lane共同调控IPT效率；3)驾驶员采用动态视觉补偿策略应对需求变化。提出的分级TOTB设置建议(中心车道7-9秒/侧车道5-7秒)突破了传统单一阈值模式，为自适应人机交互系统设计提供量化依据。研究结果深化了对TCI模型在CAD场景中的应用理解，对降低L3车辆事故风险具有重要实践价值。