今年，几乎一半美国人会开车去过感恩节。但是，如果你喜欢更精确的表达，或者假设你是麻省理工学院研究人机交互的科学家，那你就不会说所有的美国人都在「开车」。现在市场上有多款新型的驾驶员辅助系统，例如，特斯拉的 Autopilot 系统，沃尔沃的 Pilot Assist 系统，捷豹路虎的 InControl Driver Assistance 系统。
图 1 Tesla Autopilot
这意味着部分驾驶员正在做着全新的事情，他们在参与一种新颖、流畅的驾驶方式，像双人舞一样——
在某些情况下汽车由人掌控，而在变道、停车、盲点监测、碰撞警告等情况下，汽车则由辅助驾驶系统掌控。
这些行为应该称作……驾驶？引导？指挥？我们可能需要一个新词汇来描述。
未来几十年内，全自动驾驶汽车还不会大规模出现在道路上。与此同时，道路上会出现各种半自动驾驶系统，而科学家需要弄清人类如何与自动驾驶系统互动。
首先要知道一个事实——实际上很多人并不知道：公路安全保险协会（Insurance Institute of Highway Safety）的初步研究指出，
在被研究的约 1000 辆半自动驾驶汽车中，有 49％ 的车辆被关闭了驾驶辅助系统，因为车主们觉得辅助驾驶的警告声令人讨厌。
如果你能坐在车里，真实地观察那些驾驶员们，并且盯着他们开车，你可能会更好地理解驾驶辅助系统是如何起作用的——它有时候能帮到驾驶员，有时候却不能。也许驾驶员觉得某种警告声听起来很讨厌，但另一种声音听起来很有用（比如警告声音是「啵啵」而不是「哔哔」？）。随着开车时间增多，也许驾驶员们会更适应系统；但也有可能，驾驶里程越长，驾驶员们愈发困惑。
观测驾驶员的车内行为真的很有用，特别是对于构建和设计半自动驾驶系统的人、想要（用法律）规范这些系统的人以及希望评估这些系统风险的人（如保险公司）来说。
图 2 麻省理工学院人机交互研究员布莱恩·赖默尔
因此，麻省理工学院的研究人员本周（注：11 月 19 日）宣布了一项工作：
他们付出了巨大的努力，收集了人类驾驶员与如何使用驾驶辅助系统相关的大数据。
他们为波士顿地区的特斯拉、沃尔沃和路虎揽胜的驾驶员配备了摄像头和传感器，以了解人类如何与驾驶员辅助系统协作。
他们想要了解这些系统的哪些部分真的对驾驶员有用（例如避免车辆碰撞），哪些对驾驶员并没有帮助。
如果设计者能了解，在特定驾驶场景下（如左转弯，或下雨时），驾驶员的眼睛和身体是如何行动的，他们就可以设计更好的交互系统，使机器在需要的时候能更好地回应驾驶员，以保证驾驶安全。
「我们的目标是，
尝试了解人类的驾驶行为如何从只承担监视任务开始转变为主动参与车辆的驾驶任务。
」麻省理工学院人机交互研究团队的研究员布莱恩·赖默尔（Bryan Reimer）表示，「
如何在人类驾驶与自动驾驶之间互相转变，这可能比迄今为止任何与汽车相关的研发工作都要复杂。
」赖默尔说，福特推出 T 型车（第一辆成品诞生于 1908 年 9 月 27 日），使开车变得寻常可见，此后一个世纪以来，驾驶并没有改变太多。
但是如今，人们却突然被要求与计算机系统共享驾驶任务。
偷偷观测司机行为的概念并不新鲜，科学家们用相机进行了十多年的所谓的「自然驾驶研究」。
例如，研究何种因素导致了车辆的碰撞事故，是主要由机械故障引起的？还是因为驾驶员在开车时发短信？还是因为驾驶员在调整收音机或者对后排的孩子叫喊所以没有看路？
图 3 MIT Autonomous Vehicle Tech Study 所用传感器及可视化效果
相比在实验室模拟驾驶行为、阅读警方的调查报告等收集驾驶行为数据的方法，利用摄像头和传感器观测实际驾驶行为更为可靠。举个例子，自然驾驶研究可以解析青少年、中年和老年驾驶员之间的差异，为驾驶员培训教育等政策提供依据。（我曾经问过许多参与此类研究的科学家，相机的存在是否会影响研究结果：如果人们知道自己正在被监视，他们会不会比平时更加小心呢？科学家们总是这样回答：「如果你看过那些研究记录，你会知道我们的小白鼠们很快就忘记了还有相机存在。」）
该研究项目由汽车制造商、保险公司和消费者监察机构联合资助，麻省理工的研究人员为每辆车配备了至少一台车载计算机、多个摄像头、一个 GPS 定位系统、激光雷达和蓝牙传感器。
部分试验车是私人拥有的，研究人员将观察这些车辆一年的时间。
他们非常感兴趣，并且希望长期观测人们如何适应驾驶辅助技术：驾驶员是否会开始更频繁地依赖辅助驾驶系统？是否会对系统变得更有信心？对不同的驾驶任务他们有什么不同的态度吗？
还有，
他们会因为辅助驾驶而变得没有责任心吗？
（之前某些特斯拉车主，在打开自动辅助驾驶后就去了后座，完全没有担负起驾驶责任。）
研究团队也有那种一次性对外借出一个月的试验车。
对于这些试验车，他们想知道驾驶员如何应对全新的驾驶辅助系统：学会使用这些系统需要多久？驾驶员们能否一直正确地使用它
（例如，只有在某些高速公路段才能使用自动辅助驾驶）？
是否会有一些他们从来没想到过的技术元素？
这些问题的答案可以帮助工程师们造出更安全的汽车。
图 4 MIT Autonomous Vehicle Tech Study 基础数据
迄今为止，麻省理工研究团队已经收集了 21 个月、7146 天、78 名驾驶员、275559 英里和 34.8 亿帧视频的数据
（如图 4 所示）。随着收集的信息增多，研究人员将用采用机器学习技术（该技术曾用于训练自动驾驶汽车），以便大规模地分析这些信息。
过去的驾驶研究的录像通常由人分类，但是在这个研究项目里，科学家希望收集多年的驾驶数据，因此项目的规模十分庞大，这意味着研究人员必须寻求计算机的帮助，才能达成目标。
就像驾驶员们一样，需要寻求自动驾驶帮忙，才能达到目的地。
