没入型仮想現実を用いた条件付き自動運転におけるドライバーの引き継ぎ行動の解読

条件付き自動運転から手動運転制御への安全な移行は、車両の横方向および縦方向のダイナミクスと大きく結びついています。移行は、システム主導の必須引き継ぎ（MTOR）やドライバー主導の任意引き継ぎ（DTOR）の結果として発生する可能性があります。いずれの場合も、引き継ぎプロセスには異なる認知的要求が伴い、運転行動に異なる影響を与える可能性があります。本研究は、仮想および没入型現実環境内で記録された104人の参加者からの304回の引き継ぎ試行における運転の安定性と知覚されたメンタルワークロードを分析します。探索的アプローチを採用したこの動的シミュレーター研究は、混合要因設計を使用します。SHAP可視化を用いた深層ニューラルネットワークベースの生存分析を活用し、認知反応時間（PRT）に対する共変量の影響を調査し、安全な制御移行と安全でない制御移行を区別し、これらの変化の時間的ダイナミクスに関する洞察を提供します。実験群における主要パラメータの分布を分析し、知覚されたメンタルワークロードに影響を与える要因を多変量線形回帰を使用して推定しました。結果は、ドライバーが以前に制御移行の経験を持ち、自動車（AV）に対する親しみがある場合、（より長いPRTで説明される）安全でない引き継ぎのリスクが顕著に減少することを示しています。ただし、ドライバーのAVへの以前の親しみや経験は、DTORに関連する知覚されたメンタルワークロードのみを減少させ、MTORの認知的要求には有意な影響を与えませんでした。さらに、自動運転中のマルチタスクはDTORに関連する認知的要求を著しく上昇させ、MTORの状況においてPRTを長くしました。