Safety assessment and behaviour modelling of take-over dynamics in automated driving: from human response to network-level simulation

Abstract

This dissertation aims to explain how take over response, driving performance and safety in automated driving at SAE Levels 2 and 3 is shaped by transition context, driver state, interface design and vehicle state dynamics, showing how their interaction during the transition affects safety at both the vehicle level and the network level. To address this aim, it brings together evidence synthesis, simulator experimentation, data-driven modelling, behavioural profiling and network-level analysis. This integrated framework makes it possible to examine the full chain of factors that influence the transition from automated to manual control and to link individual re-engagement behaviour with vehicle motion and mixed-traffic conditions. The systematic review and meta-analysis consolidate findings from SAE Levels 2 and 3 and show that time budget, scenario urgency, driver alertness, traffic conditions, road characteristics, demographic composition and Human-Machine Interface (HMI) characteristics shape re-engagement. These results also reveal substantial gaps in reporting, which limit comparability across studies and motivate the controlled and harmonised analyses that follow in the dissertation. The simulator experiment compares a baseline HMI with a multimodal innovative ΗΜΙ configuration and shows a clear shift in the transition pattern. Awareness time becomes shorter, take-over duration becomes longer and more deliberate, distraction decreases and interactions at small time to collision values occur less frequently, producing measurable improvements in objective safety indicators despite more differentiated subjective evaluations. Building on this, the data-driven modelling pipeline using XGBoost and SHAP quantifies how automation level, dynamic driving measurements, obstacle context, time budget and HMI design influence take-over duration. SAE Level 2 or 3 emerges as the strongest determinant of longer and more variable responses, while deceleration patterns, speed variability and scenario conditions further shape these responses. Behavioural profiling identifies three stable post-takeover driving profiles, passive-slow, nervous-moderate and normal-quick responders, which remain consistent across SAE Levels 2 and 3 and capture distinct modes of post-takeover control stabilisation. These behavioural parameters are then incorporated into a calibrated highway microscopic simulation model, completing the analytical chain. Spatial analysis of time to collision shows that take-over phases systematically reduce temporal safety margins, that lane closure and Operational Design Domain (ODD) exit scenarios create concentrated zones of elevated conflict potential and that merge areas and transition corridors intensify these effects. Higher market penetration of automated vehicles increases typical time to collision values but does not eliminate the bottlenecks associated with re-engagement dynamics. Taken together, these findings provide a compact and integrated account of how driver state, HMI support, behavioural variability and roadway context interact during take-over transitions, offering a consistent foundation for safer take-over management in future automated driving systems.

Η διατριβή αυτή εξετάζει πώς η αντίδραση ανάληψης ελέγχου, η επίδοση οδήγησης και η οδική ασφάλεια στην αυτοματοποιημένη οδήγηση στα επίπεδα SAE 2 και 3 διαμορφώνονται από τις συνθήκες ανάληψης, την κατάσταση του οδηγού, τη σχεδίαση της διεπαφής και τις δυναμικές κατάστασης του οχήματος, δείχνοντας πώς η αλληλεπίδρασή τους κατά τη ανάληψη ελέγχου επηρεάζει την ασφάλεια τόσο σε επίπεδο οχήματος όσο και σε επίπεδο δικτύου. Για τον σκοπό αυτό, η παρούσα διατριβή συνδυάζει σύνθεση βιβλιογραφίας, πείραμα σε προσομοιωτή οδήγησης, μοντελοποίηση βασισμένη σε δεδομένα, ανάλυση προφίλ συμπεριφοράς και προσομοίωση κυκλοφορίας σε επίπεδο δικτύου. Η μεθοδολογία ανάλυσης επιτρέπει την εξέταση της πλήρους αλυσίδας παραγόντων που επηρεάζουν τη μετάβαση από την αυτοματοποιημένη στη χειροκίνητη οδήγηση και συνδέει την ανάληψη ελέγχου από τον οδηγό με τη δυναμική κίνησης του οχήματος και τις συνθήκες μικτής κυκλοφορίας. Η συστηματική βιβλιογραφική ανασκόπηση και η μετα-ανάλυση συγκεντρώνουν τα διαθέσιμα ευρήματα για τα επίπεδα SAE 2 και 3 και δείχνουν ότι ο διαθέσιμος χρόνος αντίδρασης, η κρισιμότητα του σεναρίου, η ετοιμότητα του οδηγού, οι κυκλοφοριακές συνθήκες, τα χαρακτηριστικά της οδού, τα δημογραφικά χαρακτηριστικά του οδηγού και η σχεδίαση της διεπαφής επηρεάζουν ουσιαστικά την ανάληψη ελέγχου. Παράλληλα, εντοπίζονται σημαντικά κενά στην αναφορά κρίσιμων μεγεθών, τα οποία περιορίζουν τη σύγκριση των μελετών και δικαιολογούν τις πιο εναρμονισμένες αναλύσεις που ακολουθούνται στη διατριβή. Το πείραμα προσομοίωσης συγκρίνει μια βασική διεπαφή με μια καινοτόμα διεπαφή (HMI) και δείχνει μια σαφή μεταβολή στο μοτίβο ανάληψης ελέγχου. Ο χρόνος ανάγνωσης του οδηγικού περιβάλλοντος μειώνεται, η διάρκεια ανάληψης ελέγχου αυξάνεται και γίνεται πιο στοχευμένη, η απόσπαση προσοχής μειώνεται και οι αλληλεπιδράσεις με άλλα οχήματα (time to collision, TTC) εμφανίζονται λιγότερο συχνά, προσφέροντας μετρήσιμη βελτίωση σε βασικούς δείκτες ασφάλειας παρά τις πιο διαφοροποιημένες υποκειμενικές αξιολογήσεις των οδηγών. Στη συνέχεια, η μοντελοποίηση με XGBoost και SHAP ποσοτικοποιεί τον ρόλο του επιπέδου αυτοματισμού, των δυναμικών μετρικών οδήγησης, του σεναρίου, του διαθέσιμου χρόνου και της διεπαφής, δείχνοντας ότι το επίπεδο αυτοματισμού SAE 2 ή 3 αποτελεί τον ισχυρότερο παράγοντα για μεγαλύτερες και πιο μεταβαλλόμενες αποκρίσεις, ενώ τα μοτίβα επιβράδυνσης, η μεταβλητότητα ταχύτητας και οι συνθήκες του σεναρίου διαμορφώνουν περαιτέρω αυτές τις αποκρίσεις. Η ανάλυση των προφίλ συμπεριφοράς εντοπίζει τρεις τύπους οδήγησης μετά την ανάληψη ελέγχου, παθητικό-αργό, νευρικό-μέτριο και κανονικό-γρήγορο, οι οποίοι εμφανίζονται με συνέπεια και στα δύο επίπεδα αυτοματισμού και αποτυπώνουν διαφορετικούς τρόπους σταθεροποίησης του ελέγχου μετά την ανάληψη. Τα προφίλ αυτά ενσωματώνονται σε ένα βαθμονομημένο μοντέλο μικροσκοπικής προσομοίωσης αυτοκινητοδρόμου, ολοκληρώνοντας την αλυσίδα αναλύσεων. Η χωρική ανάλυση του time to collision (TTC) δείχνει ότι οι φάσεις ανάληψης ελέγχου μειώνουν συστηματικά τα χρονικά περιθώρια ασφάλειας, ότι τα σενάρια αποκλεισμού αριστερής λωρίδας και εξόδου από το Operational Design Domain (ODD) δημιουργούν συγκεντρώσεις αυξημένου κινδύνου και ότι οι περιοχές συγχωνεύσεων και οι ζώνες μετάβασης εντείνουν αυτές τις επιπτώσεις. Παράλληλα, η υψηλότερη διείσδυση αυτοματοποιημένων οχημάτων αυξάνει τα χρονικά περιθώρια ασφαλείας TTC, αλλά δεν εξαλείφει τα σημεία συμφόρησης που συνδέονται με τη δυναμική ανάληψης ελέγχου. Συνολικά, τα ευρήματα προσφέρουν μια ολοκληρωμένη εικόνα του τρόπου με τον οποίο η κατάσταση του οδηγού, η υποστήριξη της διεπαφής, η συμπεριφορική μεταβλητότητα και το οδικό περιβάλλον αλληλεπιδρούν κατά τις μεταβάσεις ανάληψης ελέγχου από αυτόνομη σε χειροκίνητη οδήγηση, θέτοντας ένα ισχυρό θεμέλιο για ασφαλέστερη και πιο προβλέψιμη διαχείριση των μεταβάσεων σε μελλοντικά συστήματα αυτοματοποιημένης οδήγησης.