人机接管作为自动驾驶汽车商用重要的一项技术难题,现已成为全世界广泛关注的研究难点。如何在保证安全性的同时考虑驾驶员的接管舒适性,从而在避免发生事故的同时兼顾自动驾驶汽车宜用性已成为亟待解决的重要问题。本文从安全性、舒适性、测试场景边界获取、测试工具拟真度研究等方面对自动驾驶汽车的接管警示信号进行了研究,形成了一套可拓展的典型场景下协同舒适性的人机接管安全性测试方法。主要研究成果如下:针对生理指标量化表征驾驶员舒适度开展了研究。在实车上使用自动驾驶机器人模拟自动驾驶典型边界场景,采用两因素被试内设计实验对9名被试驾驶员进行了封闭场地实验。提取并计算了心率、心率变异性时域指标SDNN（Standard Diviation of NN Intervals）与RMSSD（Root Mean Square of the Successive Differences）、频域指标LF（Low Frequency）与HF（High Frequency）,采用重复测量一般线性模型分析了不同运动状态对上述参数的影响,并从客观和主观两方面分析了驾驶员的舒适度。明确了制动引起的不适会造成心率轻微上升,SDNN和RMSSD显著下降且不同水平加速度对SDNN的变化程度影响显著。证实了生理指标与驾驶员舒适性、自动驾驶场景存在显著相关性,且舒适度的主观评价与生理指标数据表征的情况高度一致,研究结果证明了基于生理指标客观表征特定场景下的自动驾驶汽车驾驶员舒适性具备可行性。针对驾驶模拟器拟真度及适用性开展了研究。在动态跟驰场景下,以跟驰距离作为客观指标、实际车辆中的客观驾驶表现及主观评价为基准,对比了驾驶模拟器中驾驶员的驾驶表现及主观评价,研究了驾驶模拟器中驾驶员操作的拟真程度。采用两个两因素被试内设计实验对10名被试驾驶员进行了封闭场地实验。研究了2D与S3D视景下以及开启运动平台功能与否对驾驶模拟器中驾驶员跟车表现的影响,同时对主观感受进行了采访,调研了驾驶模拟器的适用性。研究证实了S3D能够提供更多的深度信息,同时给被测者提供更好的沉浸体验,营造更逼真的环境感知能力和距离判断,从而相比于2D模式拥有2.5m（95%CI:1.11～3.85m）的精度优势。明确了在一般驾驶动态任务下,驾驶模拟器驾驶表现与真实驾驶情况无统计学差异,具备实施人机接管测试的拟真度要求。针对典型人机接管场景下测试边界条件确定方法开展了研究。基于场景的理论研究明确了场景定义,搭建了真实驾驶数据采集平台车并采集了1000km的自然驾驶数据。通过设定针对场景的不同提取规则,从随机的自然驾驶驾驶行为中提取了4种较为典型的驾驶场景数据。通过对车头时距、车头间距、速度等特征指标的分析及先验知识研判,选取了前车切入场景为极限场景并基于12名被测人员开展了基于驾驶模拟器的边界测试条件研究。调节TTC（Time to Collision）、本车车速、相对速度等交通参与物参数,逼近安全临界值,最终明确了切入场景下的极限安全临界条件为TTC=1.5s。提出了一套针对典型场景极限边界条件下协同舒适性的接管警示信号安全性测试方法。该测试方法基于典型场景的极限边界条件确认、驾驶模拟器接管测试、生理指标采集及主客观分析,最终完成了前车切入这一典型场景极限边界条件下的声视觉接管警示信号的安全性测试及舒适性评价分析,并筛选出最优的警示方式。该套方法具备理论基础及可扩展性,能够扩展至多生理信号、多典型场景、多接管提示方式下的协同舒适性的安全性测试,从而为产品设计开发、产品准入提供有力支撑。