自动驾驶车里显示“未来路线”,真的能让乘客更安心吗?

导语：当无人驾驶出租车真正驶上城市道路，乘客最关心的问题可能不再只是“它能不能自己开”，而是坐在车里的人，能不能相信它？会不会晕车？能不能看懂它接下来要做什么？很多自动驾驶车辆都会在车内屏幕上显示感知环境、周围车辆、道路元素和未来行驶轨迹。看起来，这样的界面似乎能够让乘客更理解车辆行为，从而提升信任、降低不安。但问题是：这些信息真的有用吗？这篇发表在《Applied Ergonomics》的最新研究，把实验从模拟器和“伪自动驾驶”环境中带到了真实商业运营的无人驾驶出租车中。

研究背景：

随着 L4 级自动驾驶技术逐渐进入商业运营，无人驾驶出租车已经在部分城市开始运行。对乘客而言，自动驾驶的普及不仅取决于技术是否成熟，也取决于他们是否信任车辆、是否能够在乘坐过程中保持舒适。

过去大量研究认为，车内 HMI 可以通过展示车辆意图、道路信息和潜在风险，提高系统透明度和用户信任。同时，车辆未来动作的提前提示，也可能帮助乘客预判加速、减速和转弯，从而缓解晕车。但这些研究大多基于模拟器或 Wizard of Oz 实验，缺少真实道路风险和真实车辆动态，因此结论是否适用于真实无人驾驶出行场景仍然存疑。

研究目的：

本研究希望验证：

在真实商业运营的无人驾驶出租车中，显示车辆的实时动态轨迹规划信息，是否能够提升乘客对自动驾驶系统的信任、系统透明性感知，并降低乘客在观看车内视频时产生的晕车症状。

研究过程：

研究招募了 16 名没有乘坐过无人驾驶车辆的参与者，每人完成两次真实无人驾驶出租车乘坐实验。

一次实验中，参与者可以看到车内屏幕上的动态轨迹规划信息；另一次实验中，研究者用定制遮挡板遮住该信息。两次实验顺序进行平衡处理，以减少学习效应。

乘坐过程中，参与者需要观看车内屏幕播放的纪录片视频，以模拟未来自动驾驶场景中乘客进行娱乐、办公或其他非驾驶任务的状态。同时，研究团队通过问卷、每分钟口头报告和车辆运动数据记录，综合测量乘客的信任感、系统透明性感知和晕车程度。

研究结果：

研究发现，单纯显示动态轨迹规划信息，并没有显著提升乘客对无人驾驶车的信任，也没有显著提升系统透明性感知。

在晕车方面，显示轨迹信息时，部分晕车指标的上升幅度确实更小，但整体统计结果并不显著。这说明轨迹可视化可能具有一定缓解晕车的潜力，但作用有限。

更重要的是，研究发现第一次真实乘坐体验对信任提升最关键。乘客在完成第一次无人驾驶乘坐后，信任水平明显提高；但第二次乘坐带来的额外提升并不明显。

PART01 研究介绍

在很多智能座舱和无人驾驶概念设计中，设计师往往会默认一个前提：只要把车辆感知到的信息展示出来，用户就会更安心。

于是，车内屏幕上出现了大量自动驾驶相关信息：周围车辆、行人、车道线、交通灯、障碍物、未来轨迹、路线规划……这些界面看上去非常“科技”，也似乎能让乘客感到车辆正在认真观察环境、谨慎做出判断。

但这篇研究提出了一个很现实的问题：信息展示本身，真的等于信任建立吗？

对于自动驾驶乘客来说，他们并不只是想知道车辆“接下来往哪走”，更想知道车辆“为什么这样走”“它是否看到了风险”“它接下来的动作会不会突然”。如果 HMI 只是把系统内部的一部分数据可视化出来，却没有真正转化为乘客能够理解和预判的信息，那么它对信任和舒适性的帮助可能远低于设计师预期。

这也是本研究最有价值的地方。它没有停留在概念演示或模拟器实验，而是把问题放进真实商业运营的无人驾驶出租车中，直接检验动态轨迹信息在真实道路中的实际效果。

PART02 研究内容

为了验证动态轨迹 HMI 是否有效，研究团队设计了一项真实道路实验。

1. 真实无人驾驶出租车实验

实验路线为一条约 15 公里的闭环路线，从香港科技大学（广州）校园出发，经过黄阁汽车城，最后回到起点。路线包含城市道路中常见的加速、减速、跟车、红绿灯、变道和超车等交通情境，能够较真实地反映无人驾驶出租车的日常运行状态。

参与者均坐在第二排右侧座位。每名参与者需要完成两次乘坐，一次能够看到动态轨迹规划信息，另一次看不到该信息。两次实验之间至少间隔 3 天，以减少晕车后的残留影响。

图1：实验采用真实城市道路闭环路线，包含加减速、变道、红绿灯等典型交通情境

2. HMI 条件对比：看得见轨迹 vs 看不见轨迹

实验中的核心变量是：乘客是否能够看到车内屏幕上的动态轨迹规划信息。

在“有 HMI”条件下，乘客可以看到车辆计划行驶的轨迹、感知到的道路元素和周围交通参与者；在“无 HMI”条件下，研究者使用定制遮挡板遮住相关信息，使乘客无法看到车辆未来轨迹。

这种设计非常接近真实产品问题：很多无人驾驶出租车已经开始向乘客展示车辆感知和规划信息，但这些信息是否真的能产生用户体验收益，仍需要被实证验证。

图2：实验车辆、车载 IMU 设备及 HMI 显示/遮挡条件

3. 模拟未来乘客的真实使用状态

在自动驾驶场景中，乘客不再需要持续观察道路，可能会看视频、工作、阅读或使用手机。因此，研究团队要求参与者在乘车过程中观看车内屏幕播放的纪录片视频，并在实验后回答相关问题，以确保他们真的投入到非驾驶任务中。

这一步很关键。因为晕车往往不是在“专心看路”时最严重，而是在乘客低头看屏幕、阅读或看视频时更容易发生。研究通过视频任务，让实验更接近未来自动驾驶座舱中的真实使用情境。

4. 多维度测量信任与晕车

研究团队从三个方面采集数据：

第一，乘车前后填写信任问卷，用来测量乘客是否更相信无人驾驶系统。

第二，乘车前后填写系统透明性感知问卷，用来判断乘客是否觉得自己更能理解和预测车辆行为。

第三，使用 MSAQ 和 MISC 两种晕车评估方式。MSAQ 在乘车前后填写，MISC 则要求参与者在乘车过程中每分钟报告一次当前不适程度。

此外，研究者还通过 IMU 记录车辆运动数据，并计算运动刺激强度，以确保不同实验条件下的道路运动刺激没有明显差异。

图3：不同参与者的实验条件顺序与视频内容安排

PART03 结果分析

1. 轨迹可视化并没有显著提升信任

研究最直接的发现是：显示动态轨迹规划信息，并没有显著提升乘客对无人驾驶车的信任。

这与许多模拟器研究的结论并不完全一致。过去研究常认为，展示车辆意图和未来轨迹可以提升系统透明度，从而增强信任。但在真实无人驾驶出租车中，这种效果并不明显。

原因可能有两个。

一方面，本研究中的参与者以年轻人为主，他们对自动驾驶等新技术的理解和接受度较高，初始信任水平本身不低，因此 HMI 留给信任提升的空间有限。

另一方面，实验中的无人驾驶车辆整体运行较平稳，没有出现明显危险或突发情况。当车辆表现本身足够稳定时，乘客可能更多依赖实际乘坐体验，而不是屏幕上的轨迹信息来判断是否可信。

这提醒我们：信任不是简单“看见更多信息”就能建立的。真正影响乘客信任的，可能是车辆行为是否稳定、是否符合预期，以及界面是否解释了车辆决策背后的原因。

表1：系统透明度、信任、MSAQ 与 MISC 的统计模型结果

2. 轨迹信息对晕车有一点帮助，但不够明显

在晕车方面，研究结果更加微妙。

从整体统计结果来看，动态轨迹 HMI 对晕车程度没有显著影响。也就是说，单纯显示车辆未来轨迹，并不能稳定地减少乘客在观看车内视频时产生的晕车感。

不过，研究也发现，在显示轨迹信息的条件下，部分晕车指标的上升幅度更小。例如，一些胃肠道相关、中央神经相关和嗜睡相关症状在“有 HMI”条件下没有像“无 HMI”条件下那样明显增加。

这说明轨迹信息可能确实有一定缓解潜力，但作用不够强。原因在于，当前 HMI 主要告诉乘客“车辆准备往哪里走”，却没有充分表达“车辆接下来会如何运动”。

对于晕车来说，乘客真正需要预判的不只是路径方向，还包括加速、减速、刹车强度、转弯幅度和车身横向运动。如果界面只显示二维轨迹，而没有传达加速度变化，乘客仍然难以提前做好身体和心理上的运动预期。

图4：乘车前后 MSAQ 晕车问卷分数变化

3. 第一次乘坐体验，比界面信息更重要

这篇论文中最值得设计师关注的结论，是关于“第一次乘坐体验”的发现。

研究发现，参与者在完成第一次无人驾驶乘坐后，信任水平明显提高。也就是说，对于从未坐过无人驾驶车的人来说，只要第一次真实体验足够顺畅、安全和稳定，他们对系统的信任就会快速建立。

但到了第二次乘坐时，信任提升幅度不再明显。这说明信任增长并不是无限累积的，初次体验可能是最关键的信任建立窗口。

对于无人驾驶服务运营商来说，这一点非常重要。与其只在界面上堆叠更多自动驾驶信息，不如优先保证用户第一次乘坐时的整体体验：路线选择是否平稳、车内提示是否清晰、车辆动作是否可预期、乘客是否知道发生了什么。

换句话说，第一次坐得安心，比第一次看见多少技术信息更重要。

图5：第一次与第二次乘坐前后的信任分数变化

PART04 总结与展望

这篇研究的意义，并不在于证明“动态轨迹 HMI 没有用”，而在于提醒我们重新理解自动驾驶座舱中的信息设计。

1. 信息可视化不等于有效沟通

很多智能座舱设计习惯于把系统数据直接展示给用户，例如周围车辆、车道线、检测目标和未来轨迹。但对普通乘客而言，他们真正需要的不是系统内部数据的完整呈现，而是能够理解车辆行为的解释框架。

如果界面只是告诉乘客“车要往这里走”，却没有解释“为什么这么走”“接下来会不会减速”“是否因为前方有障碍物而变道”，那么这种信息对信任建立的帮助就会非常有限。

2. 自动驾驶 HMI 需要从“展示动作”走向“解释原因”

论文指出，当前轨迹界面主要提供的是 action-based information，也就是基于动作的信息。但未来更有价值的方向，是提供 reason-based information，也就是基于原因的信息。

例如，当车辆减速时，界面可以说明是因为前方红灯、行人横穿或跟车距离变化；当车辆变道时，界面可以说明是为了避让慢车、规划转弯或提升行驶效率。这样的解释更有助于乘客建立对系统的心理模型。

3. 缓解晕车不能只靠视觉轨迹

对于晕车缓解而言，视觉轨迹只是其中一个维度。未来 HMI 设计可以进一步加入加速度信息，例如用颜色深浅、动态线条粗细、节奏变化来提示即将到来的加速、减速或转向强度。

同时，研究也提示，视觉通道常常会被视频、手机或其他任务占用。因此，声音提示、座椅振动、触觉反馈等非视觉通道，可能比单纯视觉信息更容易被乘客感知，也更适合用于运动预告。

4. 第一程体验是建立信任的关键窗口

对于无人驾驶服务而言，用户的第一次乘坐体验具有非常高的价值。第一次乘坐如果能够让用户感到平稳、可控和可理解，信任会明显提升；而后续体验更多是在维持和巩固信任。

因此，未来 Robotaxi 或自动驾驶座舱设计，不应只关注“界面多酷炫”，还应关注初次用户的完整体验路径：上车前如何建立预期，上车后如何解释车辆行为，行驶中如何降低不确定感，下车后如何强化安全感。

◆ ◆ ◆  ◆ ◆

编辑：李昊宸 李紫妍

编辑责任人：张书铭