自动驾驶车辆逐步进入我们的视野,自动车辆面临风险场景时,负责监控交通环境的驾驶人会经历识别风险,判断风险和接管决策三个部分,而驾驶人的风险感知能力是这三个步骤的基础和前提。因此,本研究设计了风险场景驾驶人接管意愿量表,探究不同风险场景下驾驶人风险感知的影响,设计了不同风险场景下自动驾驶实验,探究不同风险场景下驾驶人的生理和眼动特性,最终总结提出了风险感知能力量化方法。主要工作如下:(1)风险场景驾驶人接管意愿量表开发和模型建立。综合天气环境,交通环境,以及驾驶人的积极状态和消极情绪设计量表。在合肥市内进行了共计285驾驶人的随机问卷调查,并对问卷量表的统计结果进行分析。验证了风险场景驾驶人接管意愿量表的有效性,对统计数据进行了进一步分析,分别针对4个因子建立路径模型,结果表明天气环境和交通环境下的风险场景接管意愿路径模型受到风险感知分因子,自我效能感,感知有用性和感知易用性的影响。(2)实车与模拟器协作的自动驾驶模拟实验设计。综合考虑仿真效果和安全性因素,在合肥市内选取一段10.8公里交通量较少的路段进行模拟场景录制,通过实车录制获得风险场景视频文件,将视频文件导入驾驶模拟器完成模拟自动驾驶风险场景构建,实验选取30名被试驾驶人,佩戴眼动仪和生理仪开展实验,实验结束后驾驶人填写相关问卷。(3)自动驾驶时不同风险场景下驾驶人生理和心理特性数据分析。基于自动驾驶模拟实验获取的实验数据,按照生理和眼动分类,分别对心率,RR间期,瞳孔直径,平均扫视次数和注视时长指标进行分析;比较无风险场景与风险场景段驾驶人的特征变化,分析场景风险值的变化对驾驶人的影响。(4)自动驾驶时不同风险场景的场景风险值预测模型和驾驶人风险感知能力量化方法。基于多元线性回归方程模型探究瞳孔直径和注视时长与场景风险的关系,建立包含驾驶主观评价场景风险、瞳孔直径均值和注视时长的风险场景值预测方法;通过灰色近优综合评价模型建立5个指标的驾驶人风险感知能力量化方法,并深入分析本次实验8个风险场景的驾驶人风险感知能力变化情况。