Humans are required to respond to a vehicle’s request to take-over anytime even when they are not responsible for monitoring driving environments in automated driving, e.g., a SAE level-3 vehicle. Thus, a safe and effective delivery of a take-over request from an automated vehicle to a human is critical for the successful commercialization of automated vehicles. In the current study, a set of human-in-the-loop experiments was conducted to compare diverse warning combinations by applying visual, auditory, and haptic modalities under systematically classified take-over request scenarios in conditionally automated driving. Forty-one volunteers consisting of 16 females and 25 males participated in the study. Vehicle and human data on response to take-over request were collected in two take-over scenarios, i.e., a disabled vehicle on the road ahead and a highway exit. Visual-auditory-haptic modal combination showed the best performance in both human behavioral and physiological data and visual-auditory warning in vehicle data. Visual-auditory-haptic warning combination showed the best performance when considering all performance indices. Meanwhile, visual-only warning, which is considered as a basic modality in manual driving, performed the worst in the conditionally automated driving situation. These findings imply that the warning design in automated vehicles must be clearly differentiated from that of conventional manual driving vehicles. Future work shall include a follow-up experiment to verify the study results and compare more diverse multimodal combinations.

中文翻译：

---

有条件自动驾驶中接管请求的多模式警告设计

即使人类不负责监控自动驾驶中的驾驶环境（例如SAE 3级车辆），人们也必须随时响应车辆的接管请求。因此，将接管请求从自动车辆安全有效地传递给人员对于自动车辆的成功商业化至关重要。在当前的研究中，进行了一组在环实验，通过在有条件的自动驾驶中系统分类的接管请求情况下应用视觉，听觉和触觉模式来比较各种警告组合。由16位女性和25位男性组成的41位志愿者参加了这项研究。在两种接管方案中收集了有关接管请求的车辆和人员数据，即 前方道路上的残疾人车和高速公路出口。视觉-听觉-触觉模态组合在人类行为和生理数据以及车辆数据中的视觉听觉警告方面均表现最佳。考虑所有性能指标时，视觉听觉触觉警告组合显示出最佳性能。同时，在有条件的自动驾驶情况下，纯视觉警告（在手动驾驶中被视为基本方式）表现最差。这些发现表明，自动驾驶汽车的警告设计必须与传统的手动驾驶汽车明显区分开。未来的工作应包括后续实验，以验证研究结果并比较更多不同的多峰组合。视觉-听觉-触觉模态组合在人类行为和生理数据以及车辆数据中的视觉听觉警告方面均表现最佳。考虑所有性能指标时，视觉听觉触觉警告组合显示出最佳性能。同时，在有条件的自动驾驶情况下，纯视觉警告（在手动驾驶中被视为基本方式）表现最差。这些发现表明，自动驾驶汽车的警告设计必须与传统的手动驾驶汽车明显区分开。未来的工作应包括后续实验，以验证研究结果并比较更多不同的多峰组合。视觉-听觉-触觉模态组合在人类行为和生理数据以及车辆数据中的视觉听觉警告方面均表现最佳。考虑所有性能指标时，视觉听觉触觉警告组合显示出最佳性能。同时，在有条件的自动驾驶情况下，纯视觉警告（在手动驾驶中被视为基本方式）表现最差。这些发现表明，自动驾驶汽车的警告设计必须与传统的手动驾驶汽车明显区分开。未来的工作应包括后续实验，以验证研究结果并比较更多不同的多峰组合。考虑所有性能指标时，视觉听觉触觉警告组合显示出最佳性能。同时，在有条件的自动驾驶情况下，纯视觉警告（在手动驾驶中被视为基本方式）表现最差。这些发现表明，自动驾驶汽车的警告设计必须与传统的手动驾驶汽车明显区分开。未来的工作应包括后续实验，以验证研究结果并比较更多不同的多峰组合。考虑所有性能指标时，视觉听觉触觉警告组合显示出最佳性能。同时，在有条件的自动驾驶情况下，纯视觉警告（在手动驾驶中被视为基本方式）表现最差。这些发现表明，自动驾驶汽车的警告设计必须与传统的手动驾驶汽车明显区分开。未来的工作应包括后续实验，以验证研究结果并比较更多不同的多峰组合。这些发现表明，自动驾驶汽车的警告设计必须与传统的手动驾驶汽车明显区分开。未来的工作应包括后续实验，以验证研究结果并比较更多不同的多峰组合。这些发现表明，自动驾驶汽车的警告设计必须与传统的手动驾驶汽车明显区分开。未来的工作应包括后续实验，以验证研究结果并比较更多不同的多峰组合。