广告
汽车乘员不舒适感的客观表征研究
2020-10-20 23:28:18· 来源：《同济大学学报（自然科学版）》2019年第47卷第S1期 作者：同济大学智能汽车研究所，蒙昊蓝，陈君毅，邢星宇，陈磊，余卓平
编者按：随着自动驾驶技术研究的不断深入，除对功能可靠性、安全性等基本性能的要求外，将产生更多对行驶质量的要求，研究重点将逐渐由技术的可行性问题向乘员的
编者按：随着自动驾驶技术研究的不断深入，除对功能可靠性、安全性等基本性能的要求外，将产生更多对行驶质量的要求，研究重点将逐渐由技术的可行性问题向乘员的舒适性问题转变。然而现阶段关于自动驾驶汽车的评价缺少对于乘员舒适性的关注，特别是对由自动驾驶汽车行驶行为所引起的各类环境变化带给乘员的舒适性问题缺乏研究。本文通过视觉和平衡觉的不同组合方案的试验设计与实施，分析了能够反映乘员不舒适感的生理特征，从而为自动驾驶汽车乘员舒适性客观评价提供依据。
摘要：传统汽车乘员出于对驾驶员驾驶行为的不信任，会表现出紧张、焦虑的不适感，这些现象同样存在于自动驾驶汽车，是有别于平顺性的舒适性问题。获得可表征汽车乘员舒适性的生理指标，是研究该问题的关键。对此，设计了实车试验，记录了12 名受访者在特定工况下的生理和眼动数据；基于数据的时域、频域分析和假设检验方法，研究了乘员在不舒适状态下的生理和行为特征变化情况。结果显示，受访者的不舒适感主要来自于视觉信息和极限动力学控制中的侧向加速度，不含平衡觉信息；平均心率、最大心率、心率变异性极低频功率、皮肤电导水平、瞳孔直径与不舒适状态呈现正相关，心率变异性RMSSD、眨眼频率呈现负相关，且其变化规律存在差异；但心率变异性频域指标中的低频功率、高频功率和总功率尚不足以被证明有统计学意义。据此，上述心电、皮肤电活动、眼部活动3类数据中存在显著统计学差异的7项指标，可被用于表征汽车乘员的舒适状态。
关键词：汽车；舒适性；生理指标；假设检验
1 前言
自动驾驶技术作为未来汽车发展的一大主题，在世界范围内已得到广泛的研究，各大汽车公司都在竞相将自动驾驶汽车推向市场。随着自动驾驶技术研究的不断深入，除对功能可靠性、安全性等基本性能的要求外，将产生更多对行驶质量的要求，研究重点将逐渐由技术的可行性问题向乘员的舒适性问题转变。
舒适性包括的内容极其广泛，须结合工程学、物理学、心理学及生理学等多方面学科知识，从人的感觉对其进行评价。对于传统汽车车内人员的舒适性而言，它主要受温度、噪声、振动等因素的影响，取决于车辆设计参数，已形成成熟的NVH（noise/vibration/harshness）、热舒适等理论。但因传统汽车行驶行为完全由人类驾驶员控制，现有研究并未对汽车行驶状态引起的乘员舒适性问题给予足够的重视。对此，有学者从人机工程学的角度分析传统驾驶、非驾驶任务和完全自动驾驶状态下的乘员坐姿，针对自动驾驶技术可能诱发的晕车问题展开了讨论，提出了关于自动驾驶汽车晕动症问题的解决思路。此外，有学者研究了不同年龄及不同驾驶风格的用户对自动驾驶功能的接纳度的差异。
由于自动驾驶汽车具备自主行驶的能力，其行驶行为的优劣完全由环境感知性能、决策规划原则、运动跟踪能力等因素决定，是自动驾驶汽车区别于传统汽车特有的性能表现。相较于由人类驾驶的传统汽车而言，自动驾驶汽车有条件具备更出色的运动控制和车间协同能力，当需要追求最大化的通行效率时，自动驾驶汽车甚至能以人类驾驶者难以企及的车距、车速和路径进行队列或交互行驶。当自动驾驶汽车行驶时，车辆运动状态和外界环境的变化将主要通过视觉和平衡觉两种感觉通道对乘员舒适性产生影响，例如剧烈的加速度变化会刺激人体的前庭器官造成乘员眩晕，又或是过小的障碍物间距会引起乘员紧张。
虽然上述生理和心理的乘员不舒适性问题表现为人体的主观感受，但有学者基于人体生理系统，对人体情绪状态、心理感受与生理反应进行了探讨，证明了主观感受由生理指标进行量化表征的可行性，相关研究也表明生理活动是精神活动的前提基础，主观感受离不开相应的生理状态。
因此，通过关系建模可利用生理指标对人体主观感受进行客观表征。对于传统车辆驾驶员而言，该研究思路已得到了广泛应用。例如，有学者研究了心率和脑电信号与拥堵道路中驾驶员主观感受的对应关系；有学者选取了驾驶员心率变异性的相关生理指标，研究了路面不平度引起的主观驾驶舒适度问题；还有学者选取了手掌和前额的汗液量、心率变化率和面部温度三个生理指标，对驾驶员的驾驶任务难度和心理压力水平进行了客观表征。对于自动驾驶汽车而言，也有学者通过搭建驾驶模拟器，研究乘员在使用自适应巡航控制（ACC）功能过程中处于不舒适状态下的生理反应，获得了在模拟驾驶环境中乘员的生理指标的变化趋势。
综上，现阶段关于自动驾驶汽车的评价缺少对于乘员舒适性的关注，特别是对由自动驾驶汽车行驶行为所引起的各类环境变化带给乘员的舒适性问题缺乏研究。在乘车过程中，人体对外部物体的感知是基于多通道信息的，通过整合来自不同感觉通道的信息，乘员可以更加准确地感知外界环境，并做出合理的反应。在神经科学领域，多通道信息整合指人脑把来自不同通道的信息整合并形成整体认知的过程。据此，拟从影响心理舒适性的视觉和影响生理舒适性的平衡觉入手，对车辆行驶行为引起的乘员舒适性问题进行研究。对此，筛选和提取能够表征汽车乘员舒适性的生理指标，是开展这一系列研究的关键，这是本文的主要研究目的。通过视觉和平衡觉的不同组合方案的试验设计与实施，分析并筛选能够反映乘员不舒适感的生理特征，从而为提取生理指标提供依据。
2 实验设计
2.1 前提假设
关于利用生理指标来推断心理状态有较多的研究，这些研究结果为本研究提供了参考。例如，学者们采集心电信号，通过心率和心率变异性参数来研究驾驶员在模拟或真实道路环境中的精神压力、工作负荷等指标，通常认为随着压力和负荷的增加，心率会上升，心率变异性会下降。本文研究的不舒适状态可以看作一种类似的应激反应，因此受访者的心率和心率变异性的变化预期是增加和降低。另外，心率变异性的频域分析中的指标也将纳入分析范围，并将通过假设检定检验其变化的显著性。其中，极低频功率可能与体温调节、肾素–血管紧张素系统以及体液因子的调节机制相关；低频功率可以表现交感神经和迷走神经的联合作用；高频功率可体现迷走神经活动；总功率则表现信号的总变异性。
皮肤电在生理心理学领域也被广泛研究。通过测量皮肤电反射，能够获取一系列皮肤电活动参数。一般而言，皮肤电导水平（SCL）能够反映人体的觉醒程度、警觉程度、精神压力、脑力负荷等信息。当人体处于不舒适状态时，皮肤电导水平的增加代表更高的警觉性和觉醒程度。因此，受访者的皮肤电导水平预期将上升并出现峰值。
此外，人眼作为视觉感知器官，该器官的各类指标被认为能够表征认知负荷、压力程度、疲劳程度、情感状态、注意力等信息。通常认为，瞳孔直径会随着任务难度、心理负荷、紧张情绪等的增加而增大；眨眼频率会随着任务复杂程度的增加而下降。因此，在试验过程中受访者的瞳孔直径和眨眼频率预期将会分别出现增大和降低的变化。另外，还将记录受访者的视线轨迹，用于分析受访者接收到的视觉信息。表1为上述各指标在不舒适状态下的预期变化情况汇总。
表1 各项生理指标在不舒适状态下的预期变化情况
2.2 场景设计与试验流程
本文选择通过基于实车试验的场景设计，通过视觉和平衡觉信息来激发受访者的不舒适状态。选择实车试验，主要是为了避免驾驶模拟器一般存在的试验干扰，包含与真实车辆的驾乘感受相比，驾驶模拟器在营造速度感方面存在不足、完全没有碰撞风险较难激发受访者的紧张情绪所带来的视觉输入误差，以及驾驶模拟器易引发的晕动症问题给平衡觉输入带来的干扰。同时，为了保证试验的安全性，选由专业试车员根据预设场景，驾驶试验车辆在封闭测试区内完成试验。
如图1所示，试验在封闭测试区的一条笔直的双向四车道模拟国道的单侧两车道上进行。在右侧车道近端堆放有一排纸箱，在左侧车道远端放置了一辆静止的模拟目标车，环境实景图如图2所示。车辆经由右侧车道加速至60 km·h−1后，匀速行驶接近纸箱，进行向左变道避让后立即减速避让模拟目标车，并停止在目标车前方。在试验过程中，每位受访者将经历2次行驶过程，其中第1次为对照组，并用于统一不同受访者对试验的预期，避免因不同受仿者对试验内容的预期不同导致的主观感受的明显差异；第2次为正式试验，用于激发受访者的不舒适状态。试验工况如表2所示，其中TTC（time to collision）即为碰撞时间。
图1 试验场景示意图
图2 试验环境实景图
表2 试验工况设置情况
在试验过程中所有受访者乘坐在试验车辆的副驾驶座位（图3），并佩戴生理多导仪和眼动仪设备。每次试验后，由乘坐于试验车辆后排的记录员通过量表对受访者在当次试验过程中的主观感受进行记录。
图3 实验过程中车内视频采集截图
3 样本数据
3.1 受访者情况
本研究共招募了12名受访者，其中男性8名，女性4名，年龄分布在21岁至28岁之间（平均值M=23岁，标准差SD=2.0）。由于本次试验需要通过眼动仪采集眼部数据，因此受访者被要求能够在日常生活中不佩戴框架眼镜；为避免数据采集误差，受访者被要求不存在于体格检查时因佩戴生理监测设备造成生理指标异常的过往记录。
3.2 试验设备与用途
为了采集受访者生理指标，选用了BioRadio（BR）生理多导仪（图4a）采集心电、皮肤电信号。对于上述信号分别通过粘贴于胸部、手掌内侧的电极片进行测量，由这些测量信号可获得心率、心率变异性、皮肤导电水平等数据。为了采集受访者眼部生理活动，选用了SMI Eye Tracking Glasses 2（SMIETG 2）眼动仪（图4b）记录眼动信息，包含眨眼频率、瞳孔直径、视线焦点等数据。为了避免实车环境下较强环境光对眼动仪瞳孔检测的干扰，有6位受访者佩戴了额外增加的茶色滤光片。此外，还使用了Intelligent Test Terminal（iTT）高精度定位测试仪（图4c）同步记录车辆运动状态、位姿数据和乘员躯干、四肢的视频数据，并调用了场地内监控摄像头记录试验路段整体和障碍物位置局部的视频数据。
图4 主要试验设备
除受访者的主观感受通过量表记录外，其余试验数据均通过上述设备完成采集。由于试验设备来自不同厂商，因此在试验过程中均独立采集和记录数据，并在结果分析时通过世界调整时间（UTC）进行不同数据间的时间同步。各试验设备的采样频率如表3所示。
表3 试验设备采集频率
3.3 假设检验
由于本研究样本含量较小，拟采用t检验中的配对检验，来验证指标变化差异的统计学意义。t检验通过运用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。其计算公式如下。
式中：
，为配对样本差值的平均数；
为配对样本差值的标准偏差；n为配对样本数；μ0为与总体均值μ进行比较的已知常数。
，为配对样本差值的平均数；为配对样本差值的标准偏差；n为配对样本数；μ0为与总体均值μ进行比较的已知常数。4 试验结果
4.1主观感受量表
主观感受量表记录了受访者在乘坐试验车辆逼近纸箱的过程中感受到的紧张程度、车辆变道时极限动力学控制中的侧向加速度的不舒适程度、车辆变道时距离障碍物纵向距离的不舒适程度、车辆变道时的眩晕程度和假设自动驾驶状态下对车辆该行为的接管意愿程度，共5个类别，分别以1至5等级进行主观判断，分别代表完全不存在该项感受、非常具有该项感受。其中，试验序号2的量表数据的描述统计结果如图5所示。
图5 主观感受量表统计结果对比
主观感受量表中，主要通过紧张程度、纵向距离不舒适程度以及侧向加速度不舒适程度来描述受访者的心理不舒适程度，通过侧向加速度不舒适程度和眩晕程度来描述受访者的生理不舒适程度，并通过接管意愿程度来间接反映受访者的整体不舒适程度。根据结果，大部分受访者在试验序号2中当车辆逼近纸箱时，均处于比较紧张的状态，仅2名受访者表示因认为与纸箱的碰撞不会发生危险，故而没有达到面对真实障碍物时的紧张程度；所有受访者均认为紧急变道时的侧向加速度处于比较不舒适的状态；大部分受访者认为车辆实施变道避让时距离障碍物的距离过近；大部分受访者表达了对车辆行为的强烈接管意愿，其中1名受访者出于好奇选择容忍车辆行为。此外，除12号受访者认为紧急变道时存在眩晕感外，其余所有受访者均表示该工况完全没有眩晕感。
通过与试验序号1的紧张程度量表数据进行配对样本t检测可知，TTC约为4.0 s的小方向盘转角变道避让障碍物时的受访者紧张程度为1.75±0.75，TTC约为0.5 s的紧急变道避让障碍物时的受访者紧张程度为3.75±0.87，可以认为TTC较小时的紧急变道对受访者的紧张程度有影响（t=−8.124，P=0.000）。根据受访者描述，试验序号2过程中导致紧张情绪的主要原因有离障碍物距离过近、担心与障碍物发生碰撞、突然紧急变道、车辆无明显减速意图等。此外，侧向加速度不舒适程度（t=16.248，P=0.000）、纵向距离不舒适程度（t=7.239，P=0.000）和接管意愿（t=−7.216，P=0.000）均体现了统计学差异，而眩晕程度（t=1.000，P=0.339）尚不能被认为受到了行驶工况差异的影响。因此，可推断在试验序号2过程中，受访者均感受到的不舒适主要来自于视觉信息和极限动力学控制中的侧向加速度，未包含平衡觉信息。
4.2 心脏电活动
A．心率
心率数据通过将BR 生理多导仪采集的原始心电信号进行计算获得。以如图6所示的6号受访者在试验序号2过程中的原始心率数据为例，当试验车辆逼近障碍物时，心率出现拐点，开始明显上升，并随后出现峰值。
图6 6号受访者心率信号
由于通常认为当TTC小于6 s时，驾乘人员易出现不舒适情绪，因此截取了试验过程二中TTC等于6s起的30 s时段的心率信号，并将之与试验开始前的30 s心率信号进行对比，用于分析心率幅值的变化。通过对比这两个时段内的平均心率（图7a）和最大心率（图7b）可以发现，试验开始前受访者的平均心率为（71.42±7.74）次·min−1、试验过程中的平均心率为（76.92±8.88）次·min−1，存在显著上升且具有统计学意义（t=−6.281，P=0.000）；试验开始前的最大心率为（76.92±8.88）次·min−1、试验过程中TTC=0 s时的最大心率为（93. 75±6. 01）次·min−1，也存在显著上升且具有统计学意义（t=−6.865，P=0.000）。经统计，两个时段内平均心率的变化程度为（11.93±6.35）%，最大心率的变化程度为（17.88±8.65）%。除幅值外，心率信号还存在一个明显上升拐点和一个峰值点。经统计，受访者心率出现明显变化时的TTC为（3.82±1.25）s，心率出现峰值时车辆已驶过障碍物，滞后时间为（5.45±2.58）s。
图7.平均心率及最大心率统计结果
B．心率变异性
为了分析心率变异性的变化趋势，首先提取了BR生理多导仪采集的心电信号两个R波间的RR间期，再进一步计算了心率变异性的各指标。同样，对心率变异性的分析仍旧选用试验序号2中TTC等于6s起的30 s的心电信号和试验开始前的30 s心电信号。
在心率变异性的时域分析中，分别计算了两个时间段内的心率变异性相邻RR 间期差值的均方根RMSSD，即全部相邻RR间期长度之差的均方根值。如图8 所示，试验开始前的RMSSD 值为（52. 86±16. 98）ms，试验过程中的RMSSD 值为（31.22±12.03）ms，存在明显的下降且存在统计学意义（t=9.905，P=0.000）。经统计，两个时段内心率变异性RMSSD值的变化程度为（73.61±27.22）%。
图8 心率变异性RMSSD统计结果
除时域分析外，心率变异性的频域指标通常被认为受人体神经活动的活跃程度影响，因此还分别计算了上述时段内的心率变异性的极低频功率。
如图9所示，极低频功率（图9a）表现出明显的上升趋势，在试验开始前为（171.67±281.12）ms2，试验过程中为（860.50±589.08）ms2，说明试验过程中的不适感对该指标有影响（t=−4.858，P=0.001）；低频功率（图9b）的变化趋势不明显，在试验开始前为（1 771. 33±2 013. 68）ms2，试验过程中为（1322. 08±1311.65）ms2，因而尚不能认为试验过程对该指标有影响（t=0.916，P=0.380）；高频功率（图9c）表现出一定的下降趋势，在试验开始前为（1079.08±1189. 80）ms2，试验过程中为（305.25±266.95）ms2，说明试验过程中的不适感对该指标有影响，但结果不显著（t=2.354，P=0.038）；总功率（图9d）的变化趋势不明显，在试验开始前为（3025.08±3 078.18）ms2，试验过程中为（2488.58. 08±1857.71）ms2，因而尚不能认为试验过程对该指标有影响（t=0.948，P=0.363）。此外，两个时段内存在变化的极低频功率的变化程度为（84.12±20.22）%。
图9 心率变异性频域指标统计结果
4.3 皮肤电活动
皮肤电导水平数据通过由BR 生理多导仪采集的皮肤电反射值转换获得。图10a 为6号受访者在试验序号2过程中的原始皮肤电导水平数据，当试验车辆逼近障碍物时，皮肤电导水平开始明显上升，并出现峰值。首先选取皮肤电导水平的变化幅值进行分析（图10b），试验过程中车辆位于障碍物附近的皮肤电导水平峰值为（28. 05±9. 20）μS，试验开始前在平静状态下皮肤电导水平为（10. 12±4. 17）μS，变化程度为（210. 87±124. 83）%，具有统计学意义（t=−8. 476，P=0. 000）。经统计，皮肤电导水平在TTC 为（3. 15±2. 09）s时出现显著上升，上升过程中的平均斜率为1. 70±0. 69，最大斜率为5. 20±1. 78。该上升过程在车辆驶过障碍物时仍然持续，其峰值的滞后时间为（3. 95±1. 45）s。
图10. 6号受访者皮肤电导水平信号及统计结果
4.4 眼部活动
A．瞳孔直径
瞳孔直径数据由SMI ETG 2 眼动仪采集的双眼瞳孔直径取平均值获得。由于一部分受访者的眼动仪数据受实车环境下较强的环境光影响而记录异常，故通过7 位受访者的有效数据进行统计分析。图11 为6号受访者的原始瞳孔直径数据，当试验车辆逼近障碍物时，数值呈现上升趋势。
图11 6号受访者瞳孔直径信号
提取变化的峰值进行分析（图12a），在试验过程中车辆位于障碍物附近时的瞳孔直径峰值为（3.21±0.30）mm，试验开始前的瞳孔直径为（2.46±0.30）mm，变化程度为（30.96±5.819）%，具有统计学意义（t=−20.955，P=0.000）。经统计，瞳孔直径在TTC 为（2.01±0.82）s 时出现显著上升，上升过程中的平均斜率为0.23±0.07。该上升过程在车辆驶过障碍物时仍然持续，其峰值的滞后时间为（0.86±0.59）s。
图12 瞳孔直径及眨眼频率统计结果
B．眨眼频率
眨眼频率由SMI ETG 2眼动仪采集的眨眼时刻计算而成。如图12b所示，试验序号2 过程中，试验开始前的平静状态下眨眼频率和TTC为6 s 时刻起的10 s时段内的眨眼频率对比。结果显示，受访者在平静状态下的眨眼频率为（1.05±0.52）Hz，在接近障碍物时眨眼频率显著下降至（0.42±0.34）Hz，变化程度达（58.24±25.32）%，具有统计学意义（t=2.952，P=0.026）。
C．障碍物注视情况
障碍物注视情况是将SMI ETG 2 眼动仪记录的视线焦点数据，经由SMI iView 中的KPI分析模块计算获得。如图13 所示，受访者在试验序号2过程中，首次注视障碍物时的TTC为（3.46±2.60）s。该结果表明，受访者在该时刻前，并未注视位于车道正前方的纸箱。
图13 首次注视障碍物时TTC统计结果
5 分析与讨论
5.1结果分析
由主观感受量表数据可以推断，本研究中的受访者在试验序号2 过程中处于由视觉信息和极限动。力学控制中的侧向加速度影响的不舒适状态，并未感受到来自平衡觉信息的不舒适。根据试验结果，心电、皮肤电活动、眼部活动3 类数据中除心率变异性频域分析中的低频功率、高频功率、总功率指标不存在显著变化外，其余指标在试验过程中与预期变化情况一致，或存在显著变化，能够用于表征人体在乘坐车辆过程中的不舒适状态。
其中，心率和皮肤电导水平均出现了显著上升，这与基于驾驶模拟器的试验中心率表现出下降趋势、皮肤电导水平无明显变化的结果存在差异，这可能是由于驾驶模拟器难以模拟与实车行驶时相同的速度感，且完全没有碰撞风险，故而缺乏危机感，难以完全激发受访者符合实车驾乘感受的负面情绪。因此，若要运用驾驶模拟器进行相关研究，其与真实车路环境的差异导致的对受访者情绪激发的一致性有待验证。
基于本研究寻找生理指标在不舒适状态下的变化情况，以作为本系列研究的后续工作中二者间定量关系分析基础的目的，在上述试验结果的基础上，对各指标的变化程度、出现明显变化的起始时刻和峰值滞后时间进行了对比分析。
5.2 变化程度对比
根据试验结果，心电、皮肤电活动、眼部活动3类数据中均存在有显著统计学差异的指标。这些指标将可用表征人体在乘车过程中的不舒适状态程度，而指标本身变化程度的大小将对表征效果产生影响。图14为心电、皮肤电活动、眼部活动3类数据中存在显著统计学差异的相关指标的变化程度对比。皮肤电导水平的变化程度最大，心率变异性的时频指标和眨眼频率的变化也较为明显。相比之下，因在非运动状态下人体的心率不会成倍上升，因此平均心率和最大心率的变化程度较小；因人体的瞳孔直径的可变化范围较小，所以其变化程度也相对较小。
图14 各项指标变化程度统计结果对比
5.3 变化起始时刻对比
在试验结果中，分属3类数据的瞬时心率、皮肤电导水平和瞳孔直径3项指标的变化频率较快，可被用于在线实时分析。若指标发生变化的时刻较早，将能更好地对相关事件进行预判。如图15所示，将这3项指标发生明显变化时对应的TTC与受访者首次注视车辆前方障碍物的时刻进行了对比。结果显示，瞬时心率开始变化的时间最早，瞳孔直径的变化较迟。3项指标开始变化的时刻恰好与受访者首次注视车辆前方障碍物的时刻重叠。结合在试验过程中受访者未感到眩晕的自述，推断这些指标的大幅变化主要受视觉输入的信息影响，并受到极限动力学控制中的侧向加速度的进一步刺激，而与平衡觉关系甚微，这有待通过更多试验来验证。
图15 各项指标明显变化时TTC统计结果对比
5.4 峰值滞后时间对比
由于人体神经系统存在延迟和不应期效应，当这3项指标在开始明显变化后，其峰值出现距车辆通过障碍物的时刻均存在一定滞后。若滞后时间过长，会增加在多个存在影响的事件连续发生时的表征难度。图16为这3项指标的峰值滞后时间统计结果，显示瞳孔直径的变化相对及时，而瞬时心率和皮肤电导水平的峰值滞后较明显。
图16 各项指标峰值之后时间统计结果对比
5 结语
（1） 通过开展实车试验，本研究对心电、皮肤电活动、眼部活动3类数据下的10项指标进行了显著性分析。除心率变异性频域指标中的低频功率、高频功率和总功率尚不足以证明受到试验过程中受访者的不舒适状态影响外，其余各指标的变化趋势与预期相符。
（2） 平均心率、最大心率、心率变异性极低频功率、皮肤电导水平、瞳孔直径均呈现正相关，心率变异性RMSSD、眨眼频率呈现负相关。
（3） 通过进一步分析，还对比了指标的变化程度、出现明显变化的开始时刻和峰值滞后时间。
（4） 通过与其他学者在驾驶模拟器上进行的试验结果对比，提出了驾驶模拟器的驾乘体验在激发受访者负面情绪时存在缺失的假设；基于受访者主观感受量表的结果，以及对各时域指标开始明显变化的时刻与受访者首次注视障碍物的时刻进行比较，提出了各指标的显著变化主要受到通过视觉和极限动力学控制中的侧向加速度而非平衡觉输入的信息的影响的假设。
在后续研究中，将进一步对存在显著变化的各项指标与乘员心理状态的量化关系进行分析，并将设计试验验证行驶过程中乘员不舒适状态与平衡觉无关的假设，以及研究视觉和极限动力学控制中的侧向加速度在不同行驶工况下对乘员不舒适状态影响的贡献程度。
广告 
广告
编辑推荐
最新资讯
-
荷兰Zepp氢燃料电池卡车-Europa
2024-12-22 10:13
-
NCACFE -车队油耗经济性报告（2024版）
2024-12-22 10:11
-
R54法规对商用车轮胎的要求（上）
2024-12-22 10:10
-
蔚来ET9数字架构解析
2024-12-22 09:53
-
4G/5G网络新时代的高效紧急呼叫系统NG-eCal
2024-12-20 22:33
广告
广告
