高鐵ATO對駕駛?cè)蝿?wù)效能的影響研究

郭北苑，易子旺 ，杜昊

(1.北京交通大學(xué) 軌道交通控制與安全國家重點實驗室，北京 100044；2.北京交通大學(xué) 電子信息工程學(xué)院，北京 100044)

1 引言

高速列車駕駛?cè)蝿?wù)效能指在保障列車安全的前提下，駕駛員或自動化設(shè)備對列車實現(xiàn)精準(zhǔn)可靠控制的能力。在自動化程度不斷提高的高速列車運營環(huán)境中，人和自動化共同執(zhí)行列車運行控制任務(wù)成為新的趨勢。我國高速列車自動化程度不斷提高，探究自動化技術(shù)發(fā)展對高速列車的駕駛?cè)蝿?wù)效能產(chǎn)生的影響，將對保障行車安全和乘客生命財產(chǎn)安全，以及人-自動化列車控制系統(tǒng)的優(yōu)化升級產(chǎn)生重要指導(dǎo)意義。

高鐵ATO是未來軌道交通發(fā)展的活力源泉，為智能高速鐵路時代的到來奠定了堅實的基礎(chǔ)[1]。有研究指出高鐵ATO提高了運行效率，減輕了駕駛員的工作負(fù)荷和人為失誤的幾率[2]。但由于高速列車速度高、運行環(huán)境復(fù)雜、易受外界影響等特點，使得人類駕駛員作為保障列車運行的最后一道安全防線，仍具有不可或缺的地位。高鐵ATO會對駕駛?cè)蝿?wù)效能中與駕駛員有關(guān)的指標(biāo)產(chǎn)生不良影響。未來的高速列車具有運行高度自動化、駕駛員監(jiān)督持續(xù)時間長的特點，這樣的駕駛模式使得駕駛員由主動操作者的角色轉(zhuǎn)變?yōu)楸粍颖O(jiān)督者[3]，并且導(dǎo)致駕駛員的警惕性降低和突發(fā)事件的反應(yīng)能力延長，駕駛員的精神壓力增加。尤其是自動化出現(xiàn)故障時，由情景意識喪失帶來的后果將更加嚴(yán)重。相似的結(jié)果也可見于Brandenburger等人[4]的研究，他們認(rèn)為自動化系統(tǒng)降低了列車駕駛員的主動性和警惕性。此外他們還發(fā)現(xiàn)在降級運行的場景中，自動駕駛模式比手動駕駛模式表現(xiàn)出更差的接管績效，并且在突發(fā)狀況時需要更長的時間采取緊急制動措施[5]。上述研究均顯示出自動化對駕駛?cè)蝿?wù)效能的負(fù)面影響。但沒有分析高速列車ATO對駕駛?cè)蝿?wù)效能產(chǎn)生負(fù)面影響的原因。

基于此，本文開展模擬駕駛試驗，以手動駕駛模式為基線，探究自動駕駛模式下的高鐵ATO對駕駛?cè)蝿?wù)效能的影響。并在此基礎(chǔ)上，對駕駛過程進(jìn)行認(rèn)知工作分析，深入剖析影響駕駛?cè)蝿?wù)績效的機理，為高速列車人-自動化系統(tǒng)的設(shè)計提供參考。

2 對象與方法

本試驗將基于模擬高速列車的駕駛?cè)蝿?wù)開展。試驗考察手動駕駛模式和自動駕駛模式下的駕駛?cè)蝿?wù)效能。選取了具有代表性的若干指標(biāo)：駕駛績效、突發(fā)事件檢測績效、工作負(fù)荷和情景意識。情景意識水平反映了被試對工作環(huán)境的認(rèn)識程度，情景意識水平越高，表明被試越能對環(huán)境保持清楚的認(rèn)識，在遇到突發(fā)事件或者緊急狀況時會處理得更加及時且適當(dāng)。

2.1 被試

考慮到尋找實際的駕駛員作為試驗被試的困難程度，本研究考慮使用學(xué)生作為試驗被試。有研究表明高水平學(xué)生可以成為相關(guān)專業(yè)人員的合適替代對象[6]，他們經(jīng)過培訓(xùn)后可以達(dá)到年輕司機的水平。高速列車的駕駛員通常為男性，所以我們選取了18名北京交通大學(xué)的男性學(xué)生，年齡分布在20-28歲(Mage=23.8，SD=1.70)作為試驗被試，所有被試均無高速列車模擬駕駛經(jīng)驗。為了確保被試具有良好的駕駛能力和應(yīng)急事件處理能力，我們對被試進(jìn)行了約兩小時的駕駛技能培訓(xùn)，并進(jìn)行考核?？己藰?biāo)準(zhǔn)為：被試需要精確地連續(xù)完成5次速度追蹤任務(wù)，即在手動駕駛模式下追蹤目標(biāo)速度的精度在±1 km/h以內(nèi)。

2.2 試驗平臺

本試驗依托北京交通大學(xué)國家重點試驗室的高速列車仿真駕駛平臺。平臺由視景、仿真駕駛臺、控制顯示面板、音頻設(shè)備等組成，為列車司機提供仿真駕駛環(huán)境。列車司機通過視景獲取駕駛環(huán)境信息。仿真駕駛臺的操縱器件采用真實的高速列車控制器件，其布局與真實的高速列車駕駛臺相似。被試操控駕駛臺的物理控件或觸碰控制顯示面板進(jìn)行交互，實現(xiàn)對列車的運行控制。手動駕駛模式下，被試通過司控器施加速度控制指令，司控器前置為牽引，后置為制動。自動駕駛模式由列車自動運行單元ATO提供支持。正常行駛條件下，駕駛員無需額外操縱列車。音頻設(shè)備主要用作模擬列車運行過程中的聽覺效果。

2.3 試驗場景

試驗場景為總長145公里的三站兩區(qū)間高速鐵路線路。線路沒有較大的坡度、曲度變化，線路周邊環(huán)境簡單，主要由車站、軌道、建筑物、接觸網(wǎng)、天空等組成。當(dāng)駕駛員進(jìn)行較長時間的巡航駕駛時，其駕駛表現(xiàn)在30 min前和70 min后隨時間變化情況較為明顯，在30 min后趨于穩(wěn)定[7]。因此我們將每次模擬駕駛試驗的時間設(shè)定為40 min。

2.4 試驗任務(wù)

本試驗?zāi)M列車在手動駕駛模式和自動駕駛模式下的區(qū)間速度控制任務(wù)。手動駕駛模式下，被試操縱牽引制動手柄，追蹤Automatic Tvain Protection生成的限速曲線，手動完成速度控制任務(wù)。將低于ATP限制速度5 km/h設(shè)置為手動模式下的目標(biāo)追蹤速度，追蹤精度為目標(biāo)追蹤速度±1 km/h。假設(shè)當(dāng)前ATP限速為300 km/h，則目標(biāo)追蹤速度295 km/h。被試將速度控制在294 km/h至296 km/h表示成功完成速度控制任務(wù)。當(dāng)速度超過300 km/h，系統(tǒng)記錄為超速。當(dāng)列車司機結(jié)束速度調(diào)整任務(wù)時，若速度追蹤精度不滿足要求，系統(tǒng)程序會記錄為追蹤失誤，當(dāng)列車運行速度超過限制速度5 km/h時則觸發(fā)列車的緊急制動，視為試驗任務(wù)失敗，需重新開始試驗。在自動駕駛模式下，速度控制任務(wù)由自動駕駛單元ATO完成，駕駛員僅需要完成與駕駛安全相關(guān)的其他任務(wù)。

為了模擬列車運行過程中可能出現(xiàn)的意外狀況，我們設(shè)置了視景屏幕的障礙物識別和DMI的車門報警信號處理兩個子任務(wù)。視景障礙物由程序編寫實現(xiàn)，為了模擬現(xiàn)實場景中異物出現(xiàn)的過程，視景障礙物由小變大出現(xiàn)，被試需要盡可能快的識別障礙物的類型(石頭、轎車、動物)并做出口頭報告，由主試記錄反應(yīng)時間。Directional Movement Index車門報警信號反映了車門意外打開的情況，被試需要及時觸碰DMI上的車門信號將門關(guān)閉。被試對兩個子任務(wù)的反應(yīng)時間均由系統(tǒng)程序記錄。

2.5 試驗變量

本研究旨在確定高鐵ATO對駕駛?cè)蝿?wù)效能的影響，試驗的自變量為手動駕駛模式和ATO駕駛模式。試驗的因變量為超速次數(shù)、追蹤失誤次數(shù)、車門故障反應(yīng)時、視景障礙物反應(yīng)時、主觀工作負(fù)荷和情景意識。采用SART量表測量被試的情景意識，采用NASA-TLX量表用作主觀負(fù)荷評價量表。這兩種量表的可信度及有效性已經(jīng)得到了驗證，被廣泛應(yīng)用于主觀評價。NASA-TLX是美國國家航空航天局開發(fā)的一套對工作負(fù)荷進(jìn)行多維度主觀評估的流程和標(biāo)準(zhǔn)。具體包括心智要求(Mental Demands)、體力要求(Physical Demands)、時間要求(Temporal Demands)、個人表現(xiàn)(Own Performance)、努力程度(Effort)及挫折感(Frustration)六個維度。最終的工作負(fù)荷評分通過上述六個維度由被試確定的權(quán)重值進(jìn)行加權(quán)平均計算，得分越高，代表工作負(fù)荷越高。SART是一種應(yīng)用最為廣泛的情景意識自評量表，它由10個維度、每個維度劃分了7個級別的量表。通過將不同維度的評定值進(jìn)行綜合，計算被試的情景意識水平，得分越高，代表情景意識水平越高。

2.6 試驗流程

共有兩種試驗方案：手動駕駛模式和依靠ATO運行邏輯的自動駕駛模式。試驗流程如圖1所示在每種模式下的正式試驗開始之前，被試需要進(jìn)行10 min左右的練習(xí)模式。然后休息5 min后進(jìn)行正式試驗。在正式試驗的過程中，被試需要完成手動駕駛模式下的速度控制任務(wù)以及兩種駕駛模式下的檢測事件處理。在40 min的駕駛過程結(jié)束后，被試立即填寫情景意識量表SART和主觀負(fù)荷量表NASA-TLX。填寫完成后，當(dāng)次試驗結(jié)束。兩種駕駛模式都完成后，該被試的試驗結(jié)束。試驗場景如圖2所示。

圖1 試驗流程

圖2 試驗場景

2.7 數(shù)據(jù)分析

對試驗數(shù)據(jù)使用IBM SPSS statistics25軟件進(jìn)行單因素方差分析(One-Way ANOVA)，分析了被試在手動駕駛模式和ATO自動駕駛模式下的駕駛?cè)蝿?wù)績效指標(biāo)，即超速次數(shù)、追蹤失誤次數(shù)、車門故障反應(yīng)時、視景障礙反應(yīng)時、工作負(fù)荷主觀評價和情景意識的差異，數(shù)據(jù)的離散程度采用標(biāo)準(zhǔn)誤S表示。顯著性水平P=0.05。

3 結(jié)果

3.1 駕駛績效

列車超速次數(shù)和列車追蹤失誤次數(shù)作為駕駛績效的考察指標(biāo)。如圖3所示，手動駕駛模式下的超速次數(shù)(M=0.560，S=0.232)較自動駕駛模式(M=0.0，S=0.0)更高，手動駕駛模式下的追蹤失誤次數(shù)(M=1.78，S=0.298)比自動駕駛模式下的追蹤失誤次數(shù)(M=0.0，S=0.0)高。由于ATO模式下的超速次數(shù)和追蹤失誤次數(shù)均為0，不具有正態(tài)性，無法與手動駕駛模式下的數(shù)據(jù)進(jìn)行方差分析。由圖可見，ATO顯著降低列車速度控制的失誤次數(shù)。然而，本試驗并未考慮ATO失效的情況，在實際的列車運行中，一旦ATO發(fā)生失效，便需要駕駛員介入干預(yù)。關(guān)于ATO失效情況下駕駛員的接管績效，也是未來的研究中需要探索的問題。

圖3 駕駛績效

3.2 事件檢測績效

駕駛員能否快速地對駕駛過程中出現(xiàn)地突發(fā)狀況采取反應(yīng)措施，是衡量駕駛員駕駛績效的重要標(biāo)準(zhǔn)。如圖4所示，手動駕駛模式下，被試對車門故障的反應(yīng)時間(M=3.943，S=0.546)低于自動駕駛模式(M=11.974，S=2.105)，二者存在顯著性差異(F(1,34)=13.634,P=0.001,η2=0.286)。手動駕駛模式下的視景障礙物反應(yīng)時間(M=10.105，S=0.463)低于自動駕駛模式(M=14.917，S=2.152)，二者存在顯著性差異(F(1,34)=4.777,P=0.036,η2=0.123)。

圖4 事件檢測績效注：***P<0.001； **P<0.01；*P<0.05;圖中誤差線表示標(biāo)準(zhǔn)誤。

2.3 主觀評估

如圖5所示，手動駕駛模式下的主觀工作負(fù)荷(M=47.260,S=3.469)高于自動駕駛模式下的主觀工作負(fù)荷(M=40.408,S=2.854)。兩種模式下的工作負(fù)荷不存在顯著性差異(F(1,34)=2.326,P=0.136,η2=0.064)。

圖5 主觀評價注：***P<0.001； **P<0.01；*P<0.05;圖中誤差線表示標(biāo)準(zhǔn)誤。

手動駕駛模式下的情景意識得分(M=48.56,S=2.223)高于自動駕駛模式下的情景意識得分(M=38.67,S=2.139)，且兩種模式存在顯著性差異(F(1,34)=10.274,P<0.001,η2=0.232)。

4 討論

通過模擬駕駛平臺開展手動駕駛和自動駕駛對照試驗，結(jié)果發(fā)現(xiàn)，被試在兩種駕駛模式下的駕駛績效、事件檢測績效、情景意識水平存在顯著性差異，主觀工作負(fù)荷不存在顯著性差異。自動駕駛單元具有較高的可靠性，它在避免人為控制速度失誤方面發(fā)揮了積極的作用，這也是發(fā)展自動駕駛技術(shù)的重要原因之一。然而，自動駕駛單元仍然存在一定的故障幾率，當(dāng)自動駕駛單元故障，便需要駕駛員執(zhí)行手動接管。駕駛員的檢測績效關(guān)乎行車安全。在自動駕駛模式下，被試對異常事件的檢測時間延長，十分不利于行車安全。自動駕駛模式無需人工執(zhí)行速度控制，看似減少了駕駛員的客觀工作負(fù)荷。但試驗結(jié)果表明兩種駕駛模式下的工作負(fù)荷并沒有顯著性差異，換而言之，自動駕駛模式在降低工作負(fù)荷的作用方面并不顯著。被試在手動駕駛模式表現(xiàn)出更好的情景意識水平。

為了更深入分析自動駕駛場景，我們閱讀了相關(guān)操作流程、采用半結(jié)構(gòu)化訪談采訪了京張線的指導(dǎo)駕駛員，并使用認(rèn)知任務(wù)分析中的決策梯，對駕駛過程中的認(rèn)知活動進(jìn)行描述。

認(rèn)知作業(yè)分析(Cognitive Work Analysis，CWA)是一個用作對復(fù)雜社會技術(shù)系統(tǒng)建模的理論框架，能夠有效地分析系統(tǒng)中人員的認(rèn)知需求并獲得用于支持作業(yè)績效的系統(tǒng)潛在配置[8]。決策梯模型是最常用的一種控制任務(wù)分析工具，可以清楚地獲得任務(wù)處理所涉及的不同認(rèn)知階段。決策梯中的矩形框表示信息處理活動，圓形框表示信息處理之后獲得的知識狀態(tài)。為了明確駕駛員在駕駛過程中需要進(jìn)行哪些認(rèn)知活動，從而深入了解駕駛過程，我們采用決策梯模型描述了高速列車的速度控制任務(wù)，如圖6所示。

圖6 速度控制任務(wù)的決策梯分析

在手動駕駛模式下，速度控制從“激活”開始。當(dāng)駕駛員注意ATP屏幕上的當(dāng)前速度值與目標(biāo)速度值存在較大差距時，他獲得了激活信息，認(rèn)識到當(dāng)前速度相對限制速度發(fā)生較大偏移，需要進(jìn)入速度調(diào)整流程。駕駛員緊接著需要對當(dāng)前的狀態(tài)進(jìn)行“觀察”和“識別”。在觀察當(dāng)前速度值、目標(biāo)速度、車載信號顯示、列車運行前方線路狀況等一系列狀態(tài)信息，并結(jié)合駕駛員的專業(yè)知識對這些信息進(jìn)行解讀后，駕駛員獲得了對當(dāng)前列車運行環(huán)境的認(rèn)識。手動駕駛模式下，駕駛員的主要任務(wù)是速度控制，在控制列車安全高效平穩(wěn)運行的前提下，盡可能地將列車準(zhǔn)點駛向下一站。所以駕駛員在進(jìn)行速度控制時，需要考慮是否可能晚點、是否可能超速等問題，并選擇相應(yīng)的速度控制策略，這一認(rèn)知活動便對應(yīng)著“定義任務(wù)”。在任務(wù)定義完成后，駕駛員需要“制定動作流程”，并選擇適當(dāng)?shù)臓恳蛑苿訖n位“執(zhí)行”速度控制任務(wù)。若出現(xiàn)異常狀況，如線路侵限，駕駛需要立即執(zhí)行緊急制動。駕駛員在決策梯描述的手動駕駛模式下的速度控制任務(wù)中，具有完整的認(rèn)知回路。在自動駕駛模式下，追蹤限制速度曲線是ATO的控制邏輯。一旦列車限制速度發(fā)生變化，ATO便自動計算當(dāng)前車速與目標(biāo)速度的差值，進(jìn)行加速或減速控制，如圖6中由“激活信息”到“目標(biāo)狀態(tài)”的捷徑所示。這一過程不需要駕駛員的干預(yù)。

高速列車的自動駕駛技術(shù)使駕駛員的任務(wù)發(fā)生了巨大的變化，駕駛員被移出“控制回路”，成為被動的監(jiān)督者。受訪駕駛員反映其在自動駕駛模式下的參與程度下降，給駕駛員造成了焦慮、不舒適等感覺，甚至?xí)械礁悠v。在汽車的自動駕駛模式下也有相似的研究結(jié)論[9]。神經(jīng)影像學(xué)領(lǐng)域的相關(guān)研究結(jié)果顯示，持續(xù)的警惕性任務(wù)產(chǎn)生較高的精神壓力[10]，本研究支持這一結(jié)論。NASA-TLX數(shù)據(jù)結(jié)果顯示自動駕駛模式和手動駕駛模式下的工作負(fù)荷沒有顯著性差異，所以由ATO執(zhí)行速度控制并沒有減少駕駛員的工作負(fù)荷，而是改變了工作負(fù)荷類型，產(chǎn)生更大的監(jiān)督負(fù)荷。

駕駛員的情景意識依賴于環(huán)境的反饋。駕駛員在手動駕駛模式下操縱牽引制動手柄，列車速度隨之發(fā)生變化，形成了一個完整的執(zhí)行-反饋回路，這有利于形成駕駛員的情景意識的基礎(chǔ)。當(dāng)駕駛員監(jiān)督由ATO控制的列車時，駕駛員不需要主動思考操作程序和場景，以致駕駛員難以發(fā)展更高層次的情景意識，即Endsley在模型中描述的 “理解”和“預(yù)測”階段，并且更大可能地停留在情景意識的第一階段，也就是“感知”階段。然而較高層次的情景意識對于駕駛員監(jiān)督系統(tǒng)狀態(tài)、及時發(fā)現(xiàn)和診斷問題是至關(guān)重要的。

本研究的目的并非否定自動駕駛技術(shù)本身，而是指出現(xiàn)行的自動駕駛模式將對駕駛?cè)蝿?wù)效能產(chǎn)生不良影響，難以可靠地保障整個人機系統(tǒng)的安全。雖然自動駕駛技術(shù)能減少人為操作失誤帶來的事故風(fēng)險，但期望駕駛員在列車自動化運行過程中能夠達(dá)到較好的監(jiān)督績效，并在自動化設(shè)備或安全防護設(shè)備失效的情況下提供正確、安全的決策和操作，仍是我們需要努力的研究方向。在高鐵ATO未來的發(fā)展中，研究設(shè)計人員更應(yīng)當(dāng)關(guān)注駕駛員在這一人-自動化系統(tǒng)中的角色，加強對智能化背景下司機的駕駛?cè)藱C交互認(rèn)知特征、駕駛情景意識表現(xiàn)特征等方面的研究，體現(xiàn)以人為中心的自動化系統(tǒng)設(shè)計理念，優(yōu)化人機功能分配關(guān)系，實現(xiàn)人和自動化的良好耦合。

5 小結(jié)

(1)高鐵ATO自動駕駛技術(shù)能提高操作的準(zhǔn)確性、減少人因失誤，但也導(dǎo)致駕駛員的檢測績效降低，情景意識水平降低，且在降低駕駛員的工作負(fù)荷方面與手動駕駛模式?jīng)]有顯著性差異。

(2)結(jié)合訪談法和認(rèn)知工作分析，總結(jié)了自動駕駛技術(shù)對駕駛員的影響機理，即高鐵ATO導(dǎo)致駕駛員的警惕性降低、獲得的反饋減少、轉(zhuǎn)換為被動的信息處理者、產(chǎn)生的監(jiān)督負(fù)荷增加。

(3)在高速列車自動駕駛的發(fā)展過程中，我們不應(yīng)只關(guān)注自動化技術(shù)層面的發(fā)展，還應(yīng)當(dāng)關(guān)注駕駛員在整個人機系統(tǒng)中的角色。