课程上线!自动驾驶中的人机共驾与智能座舱体验研究工坊

自动驾驶中的人机共驾与智能座舱体验研究工坊

随着自动驾驶技术向L3及以上级别迈进，驾驶员的角色正经历根本性转变——从全权操控车辆的“驾驶员”，逐步过渡为适度参与的“乘员”。这一转变催生了驾驶接管、功能分配等关键挑战，使人机共驾系统成为学界与产业界的焦点。在此阶段，车辆的角色已超越传统交通工具，正演进为一个能与人类协同决策、相互信任的“智能副驾”或“协作伙伴”。

在此背景下，智能座舱作为实现人机共驾的关键载体，其交互范式、体验设计与评估体系均面临系统性重构。新型智能座舱的设计需深度融合认知心理学、人因工程学、计算机科学及设计思维等多学科知识，以应对人机信任构建、情境意识维持、接管绩效优化、乘员状态监控等一系列复杂任务。

本工作坊将系统性地解构人机共驾中的交互挑战，探索智能座舱如何通过多模态交互、情境感知和个性化策略，构建安全、高效且令人信赖的共驾体验，为下一代智能汽车的设计与开发奠定坚实的理论基础。

● 系统掌握人机共驾的基本范式、L3-L4级自动驾驶下的人因挑战、以及智能座舱体验设计的核心原则。

● 了解常见的设计分析工具及数据收集方法，掌握智能座舱多模态交互的基本设计方法。

● 能够独立辨析并清晰阐述在驾驶接管、功能分配等关键场景中存在的设计问题和创新方案。

● 能够融合认知心理学、人因工程学等多学科知识，为复杂的人机共驾场景设计体验解决方案。

● 建立科学的评估体系，对现有解决方案进行评估和探究，结合研究结果及现有文献进行讨论及设计迭代。

● 能够能主导或协作完成一个结构完整、创新性强的智能座舱体验设计或研究项目，并通过主客观数据进行验证分析。

● 基础理论与实践：深度理解自动驾驶技术的相关概念，建立起一个连接人机共驾理论、人因工程学、认知心理学与体验设计原则的完整知识体系。

● 设计作品：完成智能座舱体验设计项目，覆盖从场景定义、需求分析、概念生成到交互原型及方案论证的过程。

● 数据验证：掌握实验设计的基本原则，明确人因实验中的数据收集方法及分析方法。

● 学术成果：期刊类论文如Ergonomics, Transportation Research, Computers in human behavior等

本项目以人机共驾场景下衍生的体验设计为核心，要求学生在课程中逐步完成以下内容：

场景定义与概念设计：选定典型人机共驾场景，完成用户旅程图分析，明确设计机会点。提出创新的座舱体验概念，定义交互范式与核心功能，制定信任构建与情境意识维持策略。

数据方案与实验设计：规划如何利用可穿戴设备、车辆数据、用户问卷等数据收集方式来验证设计结果，计划如何进行严谨的实验设计收集到可行性高的有效数据。

原型实现与环境模拟：通过软件模拟目标驾驶环境，集成一个可交互的智能座舱界面原型或产品。

方案展示：整合设计原理与理论依据，完成专业的设计报告与方案展示。

驾驶场景模拟旨在将典型的人机共驾挑战——如系统边界识别、紧急接管、复杂交通流介入等——转化为可测试、可重复的交互情景，为体验评估提供可控的实验基础。

● 关键人因场景定义：围绕人机共驾中的核心挑战，构建具有代表性的测试场景，充分考虑驾驶路线、速度、加速度、道路状况等限制条件。

● 测试流程与变量控制：建立标准化的实验流程，明确自变量（如交互方式、任务复杂度）、因变量（如接管时间、主观评分）及需控制的无关变量，确保实验设计的科学性与结果的有效性。

图片来源：https://blog.csdn.net/KL_tcz2000/article/details/124628978 

通过生物传感器与可穿戴设备实现对驾驶员状态的客观、连续监测，是提升自动驾驶系统人机适应性的重要方向。本部分重点涵盖多模态生理信号的采集、处理与应用。

● 多模态生理信号采集：介绍并实践使用主流生物传感器，同步采集脑电图（EEG，反映认知负荷）、皮电反应（GSR，反映情绪唤醒）、心电图（ECG，反映心理压力）及眼动轨迹（反映注意力与疲劳状态）等多维生理数据。

● 信号预处理与特征提取：学习对原始生理信号进行滤波、去噪等预处理方法，并从清洗后的信号中提取具有生理意义的时域、频域及非线性特征。

● 状态识别算法与应用：探索基于经典机器学习模型（如SVM、随机森林）的状态识别方法，将生理特征映射至具体驾驶状态，并研究其在智能座舱个性化调节与交互策略优化中的实时应用。

图片来源：DOI：10.1007/s42154-023-00270-z

将设计概念转化为可交互、可测试的高保真原型，是验证交互方案有效性与用户体验的关键环节。

● 高保真HMI界面设计：基于用户需求与车规标准，运用设计工具（如Figma）构建符合功能与美学要求的图形用户界面，重点设计自动驾驶状态、接管请求、导航信息及个性化服务等核心视觉组件。

● 多模态交互逻辑构建：在原型工具中为语音、手势、触控等交互方式设计流程逻辑与状态跳转机制，实现上下文感知的动态交互体验，支持复杂场景下的用户意图识别与系统响应课程特色

图片来源:https://dl.acm.org/doi/abs/10.1145/3580585.3607169 

跨学科知识融合:结合人因工程、认知心理学与交互设计，构建从理论到实践的全链路知识体系。

数据驱动设计方法: 引入多模态生理数据采集与分析技术，培养基于客观数据的体验评估与优化能力。

设计到科研全流程训练：涵盖从问题拆解、实验设计到论文写作的完整科研流程，提升学术研究思维与设计项目的双重素养。

Ardunio（包括面包板，部分传感模块）

VR设备（非必需）

基础级别驾驶模拟平台（方向盘,踏板,显示器）

L = Lecture

E = exercise

P = project

● （L）介绍自动驾驶技术分级（SAE），在自动驾驶环境下，驾驶员角色如何转变为“用户”？

● （L）描述自动驾驶的“身份转换”带来的人因挑战，包括：驾驶信任，工作负荷、情景意识等。

● （L）介绍可穿戴技术（脑电，皮肤电阻，心电图等生理信号，车辆加速度、减速度等运动数据）及驾驶员状态监控应用（疲劳、分心、情绪识别）。

● （L）乘员乘坐体验提升与可穿戴技术的相关性。

● （E）使用Arduino等软件进行简单的生理检测设备的开发，通过3D打印等方式尝试将原型进行可穿戴设计。

图片来源：DOI：10.1002/adfm.202509085

● （L）介绍人车交互创新范式，如语音交互、手势识别、眼动追踪等。

● （L）如何根据驾驶员状态（如分心、疲劳）、车辆状态（如自动驾驶等级、故障）与环境状态（如复杂天气、突发危险） 这三要素，动态调整交互模态、信息量和交互风格。

● （P）搜集现有设计文献相关的人车交互方式，定义研究缺口，提出具备可行性的创新性人车交互方式。

● （L）讲解问卷的选择及应用，包括系统可用性量表、工作负荷评估等。

● （L）介绍如何设计科学的用户测试方案：任务清单、主观量表，主观问卷、测试方式及数据收集。

● （L）讲解问卷数据收集规划及测试流程，明确收集过程中设计的伦理规范与数据管理。

● （P）通过文献调研搜索选题相关的经典量表并进行选择，进行问卷收集流程的规划。

图片来源：DOI：10.1016/j.trf.2022.02.012

● （L）介绍如何构建研究框架，学习将一个模糊的设计目标转化为一个具体、可验证的研究问题，其中自变量、因变量、以及控制变量的概念。

● （L）简要介绍定性及定量的研究设计方法，实验过程中组间设计和组内设计的区别。

● （L）介绍从实验准备到数据收集的完整流程,包括预实验的关键作用、任务清单设计、变量控制策略及时间资源分配方案，确保实验的可靠性与可重复性。

● （P）学生将应用所学方法论，针对其课程项目，完成一份结构严谨的实验方案，具体包括研究问题陈述、变量定义、实验流程设计及预实验计划。

图片来源：DOI：10.1080/10447318.2024.2432447

● （L）系统讲解如何从可穿戴生物传感器与车载传感系统获取高质量时序数据，并介绍数据清洗、去噪、对齐与标注等关键预处理流程，为后续分析构建可靠数据基础。

● （L）学习从生理信号与车辆动态数据中提取时域、频域特征的核心方法，掌握描述性统计、相关性分析、假设检验等基础统计技术在人车交互研究中的具体应用场景与分析逻辑。

● （L）介绍聚类、分类等经典机器学习算法，从高维多模态数据中发现潜在模式、识别驾驶员状态与行为规律，实现数据驱动的交互洞察。

● （E）使用SPSS对项目所收集的数据进行挖掘分析，并对分析内容进行讨论。

图片来源：https://newsroom.porsche.com/

● （L）围绕研究目的进行场景拆解，包括静态环境、动态要素、及任务构思。围绕核心研究问题，设计具有代表性的测试场景。

● （P）将理论知识转化为具体的、可测试的交互场景，并通过模拟工具构建一个高保真的虚拟驾驶环境，为后续的原型开发提供基础，可用软件如（Unity, Carla等）。

图片来源：DOI：10.1016/j.trip.2022.100545

● （L）介绍如何开发标准的交互界面，核心聚焦于自动驾驶状态、接管请求等关键信息的可视化设计。

● （L）深入探讨语音、触觉等交互模态的融合设计原则，建立多通道信息输入与输出的协同机制，实现符合驾驶场景需求的自然交互体验。

● （P）使用Figma/ProtoPie等工具，制作可响应交互（点击、语音、手势命令）的高保真HMI界面。计用于显示驾驶员状态、车辆自动驾驶状态、接管请求、个性化推荐等关键信息的UI组件。

图片来源：https://star.global/posts/in-car-voice-assistant/

● （L）掌握撰写自动驾驶领域人因研究论文的基本结构与方法论，能够清晰、专业地描述研究的背景、方法、创新点和结果。

● （P）基于课程完整项目实践，独立撰写符合学术标准的完整研究论文，实现从实验设计、数据分析到成果表述的全流程学术化呈现。

图片来源：DOI：10.1007/s42154-023-00270-z

● （L）总结自动驾驶下智慧座舱的发展趋势。

● （L）论文后续讨论。

● （L）课程回顾与总结。

2026年1月22日 

北京时间19:00-21:00开始上课

每周四、周一两次课程  共5周10次课

春节前上六节到2月9日（廿二）休假，到2月23日（初七）开始继续上课

线上直播授课，含录屏与微信答疑群辅导

不限次数回答问题，从基础到进阶

含课后小组辅导答疑

报名&咨询：

扫下方二维码 添加工作人员微信

J’studio后台酱

JStudio科研酱