人机共驾的安全性需要条例与规定来约束，行之有效的接管能力评价方法是制定驾驶规则的必要前提条件。一些学者把驾驶员视觉特性作为接管行为评价的指标，自动驾驶时驾驶员通过视觉获取80%以上的信息，相同地，自动车辆发出接管请求时，驾驶员读取道路信息主要也是依靠视觉。Lu 等利用眼动仪获取眼球运动数据，度量驾驶员的视觉注意力分布，将注视活动定义为后视镜的扫视频率，通过问卷调查接管任务难度和反应时间的主观评价，结果表明驾驶员获得视觉信息的时间阈值为7 s[42]。Willem 等人将注视潜在危险作为驾驶员发现潜在危害的指标之一，通过实验发现时间越充足驾驶员察觉潜在危险的比率越高[43]。也有学者把驾驶员的行为特性作为评价指标。自动驾驶时，驾驶员偶尔会双手离开转向盘或者双脚离开踏板，因此，一些研究将驾驶员发现危险到双手握转向盘和脚踩刹车的时间作为驾驶员的反应指标，将转向盘转角发生2°变化或制动踏板发生10%变化作为驾驶员开始接管的时间阈值[44—45]。Happee 等人的研究将转角变化超过2°的时间点作为驾驶员的转向响应时间，用于评价驾驶员在驾驶车辆换道规避风险的接管表现[46]；Wiedemann 等人将车辆的横向位置变化、转向盘角度变化作为车辆横向控制指标，速度变化作为纵向控制指标共同评估驾驶员接管绩效[47]。
在接管能力评估方法方面，Gallen 等人提出了一种融合“人-车-路-环境”多源信息的车辆运动风险评估框架模型，研究表明该模型对于评估智能车辆行驶过程中的风险水平具有良好效果[48]。Nilsson 通过融合驾驶人的控制能力和车辆当前状态构建由自动驾驶切换到手动驾驶的安全评估模型[49]。Grabbe 等人用功能共振分析方法来评估自动驾驶在驾驶安全中的贡献，证明了功能共振分析方法的适用性，并认为这是发现自动驾驶中的隐患的有效工具[50]。严利鑫通过采用模拟实验获取与驾驶安全性相关的指标数据，在此基础上采用贝叶斯网络方法构建了智能车辆行驶安全性评估模型[51]。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
