Análisis de la adaptación conductual de los pasajeros a los patrones de conducción de vehículos autónomos avanzados: un estudio de simulación en realidad virtual

La necesidad de supervisión e intervención humana durante la conducción autónoma ha sido durante mucho tiempo un tema de discusión controvertida. Desde la perspectiva de un desarrollador, se espera que los usuarios se adapten fácilmente a los sistemas de conducción autónoma (ADS) bien calibrados debido a su superior rendimiento en tareas dinámicas de conducción (DDT) en comparación con vehículos convencionales conducidos por humanos. Sin embargo, cuando los pasajeros experimentan un vehículo autónomo (AV), puede existir un periodo de ajuste durante el cual modifican su comportamiento para acomodarse a los patrones de conducción del ADS. Además, algunos pasajeros podrían no adaptarse en absoluto a la conducción autónoma, lo que resalta posibles limitaciones en la estrategia actual de desarrollo de ADS. Este trabajo estudia la dinámica de la interacción humano-automación e introduce un "método objetivo", que emplea un enfoque de simulación habilitado por realidad virtual (VR) para un análisis conductual profundo sobre la adaptación conductual de los pasajeros a la conducción autónoma. Específicamente, examinamos cómo los participantes interactuaron e intervinieron en un ADS Nivel 4 operando bajo patrones de conducción conservadores, moderados y agresivos en un entorno completamente autónomo. Se recreó una red urbana realista en VR, integrada con microsimulación de tráfico para generar varios escenarios de conducción. Veintisiete participantes completaron tareas de conducción en diferentes modos AV, analizando sus comportamientos de intervención en relación con las condiciones del tráfico y la agresividad del AV. Los hallazgos clave incluyen: (1) Los participantes mostraron mayor intención de intervenir pero tasas reales de intervención más bajas bajo modos AV agresivos en comparación con modos moderados y conservadores, lo que sugiere una adaptación más rápida a escenarios de conducción desafiantes. (2) Las intervenciones generalmente resultaron innecesarias y a veces perjudiciales para el desempeño general del tráfico en un entorno completamente AV. (3) Los modos AV agresivos mejoraron significativamente la eficiencia del tráfico, con un aumento del 40 % en la velocidad media de viaje y una reducción del 53 % en el tiempo de espera. Sin embargo, las intervenciones humanas representaron el mayor desafío para lograr condiciones óptimas de tráfico. Esta investigación ofrece información sobre la compleja dinámica de interacción y adaptación humano-AV, proporcionando valiosas implicaciones para el diseño de interfaces AV, estrategias de implementación y aceptación pública de tecnologías de conducción autónoma.