超越驾驶能力：迈向单一指标

确定通过多目标跟踪和相关认知任务测量的视觉注意力和执行能力是否与高度自动化驾驶模拟中的接管表现相关。.

参与者完成了一系列认知评估，包括三维多目标追踪（NeuroTracker）、执行功能测试以及其他视觉注意力任务。这些测试结果与参与者在高保真驾驶模拟器中的表现结果相关，该模拟器要求参与者在与风险相关的条件下从自动驾驶系统中接管车辆控制权。.

在模拟自动驾驶场景中，更高的动态跟踪性能和更强的执行功能与更高的接管成功率相关。这些发现表明，通过3D-MOT范式测量的感知认知能力与体育运动以外的实际视觉运动任务相关，包括对安全至关重要的驾驶行为。.

为了检验 NeuroTracker 训练是否能转化为有效视野 (UFOV) 表现，该指标与驾驶表现密切相关。.

‍

招募了20名年龄在23至33岁之间的健康青年，并将他们平均分配到 NeuroTracker 训练组或使用数学游戏（2048）的积极对照组。两组均完成了为期5周、共计5小时的训练。两组均在训练前后接受了UFOV的标准化评估。.

‍

NeuroTracker 训练组在UFOV任务中表现出显著提升，而主动对照组在该任务中仅表现出微小的、统计学上不显著的提升。研究人员认为， NeuroTracker 和UFOV任务的表现可能依赖于重叠的认知能力，而这些能力可以通过训练和测量在年轻人身上得到提升，从而有助于提高驾驶安全性。.

为了检验驾驶表现与多对象动态处理密切相关的理论，我们评估了 NeuroTracker 测量结果是否与模拟场景中较老的驾驶表现相关。.

30名年龄在65至85岁之间的经验丰富的驾驶员接受了一次 NeuroTracker （3D-MOT）测试，并在STISIM 3.0驾驶模拟器上完成了最多3个驾驶场景。场景中包含5个意外事件，以测试碰撞风险。随后计算了 NeuroTracker 速度阈值与模拟器测量值（碰撞率、车道偏离）之间的相关性。.

研究发现， NeuroTracker 阈值与高速公路驾驶场景中的事故率和车道偏离率均存在高度显著的相关性。较低的 NeuroTracker 得分与高速公路并道时的车道偏离密切相关，而较高的 NeuroTracker 得分则与参与者在不同场景下发生事故的可能性更低以及整体车道保持能力更强相关。这项研究进一步证实了 NeuroTracker 等多目标追踪测试可以作为老年驾驶员评估工具之一。.

调查 NeuroTracker 训练是否能转化为驾驶技能的提高，并以最先进的驾驶模拟器进行测量。.

20名青年人和14名老年人被分为训练组和训练对照组。训练组完成了30次 NeuroTracker 训练。训练前后，所有参与者均使用高仿真驾驶模拟器进行评估，该模拟器测量了驾驶表现的多个方面。.

研究结果表明，接受 NeuroTracker 训练后，年轻人和老年人在模拟驾驶中的表现均有显著提升。具体而言，他们的车道保持能力、对危险的反应速度以及整体情境感知能力均有所提高。老年人群体在驾驶表现方面的整体提升更为显著。研究​​人员得出结论，这项研究初步证实， NeuroTracker 训练可能有助于提高驾驶安全性，尤其是在更快地发现和应对危险事件方面。.

研究 NeuroTracker 基线能否预测 3 个模拟场景中的驾驶表现，以了解这些指标能否预测驾驶风险。.

115名驾驶员被分为三个年龄和经验组：年轻新手组（18-21岁）、成年经验丰富的组（25-55岁）和老年组（70-86岁）。参与者使用高度精密的驾驶模拟器，在三种不同的驾驶场景下进行2小时的测试，这三种场景的心理负荷各不相同（低、中、高）。共评估了18项不同的驾驶行为指标，并与 NeuroTracker 基线评分进行比较。.

对 NeuroTracker 测试结果和驾驶表现指标的统计分析表明，二者之间存在显著相关性，包括能够预测驾驶速度、刹车速度以及对危险事件的反应速度。较低的 NeuroTracker 评分能够有效预测较高的事故风险。此外，较低的 NeuroTracker 评分还与老年人较慢的平均驾驶速度显著相关，这为“驾驶速度减慢与认知能力下降有关”的理论提供了证据。.