人因工程最新论文精选第10期:当路上自动驾驶车越来越多,人类司机会＂学坏＂吗?
- 2026-07-23 17:19:17
July 19, 2026 · 每日论文速递 人因工程最新论文精选 当路上自动驾驶车越来越多，人类司机会"学坏"吗？ 论文来源：Accident Analysis & Prevention · Theoretical and Applied Ergonomics · IJHCS 人因工程DATEs |
▎今日选读（3篇）
1. 混合交通中的人类行为适应：AV渗透率与驾驶风格的交互效应
2. AR智能眼镜在医疗安全培训中的人因工程应用：系统设计与初步验证
3. 物理表面让VR触控交互更精准、高效且支持双手操作
1. 混合交通中的人类行为适应：AV渗透率与驾驶风格的交互效应
地面交通 自动驾驶 行为适应 驾驶风格 模拟器实验Behavioral adaptation in mixed traffic: the roles of AV penetration rate and human driving style
Haitao Chen, Zheng Ma, Yiqi Zhang
Accident Analysis and Prevention, Vol. 232, July 2026, 108516
DOI: 10.1016/j.aap.2026.108516
核心发现
当马路上的自动驾驶汽车（AV）越来越多，人类驾驶员会怎么反应？是更谨慎，还是更有恃无恐？宾州州立大学的研究团队用驾驶模拟器做了一个巧妙的实验：36名驾驶员（按攻击性驾驶量表分为激进型、温和型和防御型各12人）在左转和变道两个场景中，面对4种AV渗透率（0%、25%、50%、75%），观察他们的决策行为如何变化。
关键发现：渗透率效应因驾驶风格而异
激进型驾驶员 | AV越多→不让行左转次数↑、变道时跟车距离↓，行为更加冒险 |
温和型驾驶员 | 仅在变道场景中随AV增多而更激进；左转场景下无显著变化 |
防御型驾驶员 | 两种场景下，AV渗透率对其决策均无显著影响——始终谨慎 |
主观评价 | AV越多→驾驶员主观焦虑↓、感知安全↑（所有风格一致） |
AV在实验中设定为防御型驾驶风格（保守让行），人类驾驶员了解到这一点后行为产生"策略性适应"
研究揭示了一个令人警醒的"安全悖论"：AV的防御性驾驶让人类驾驶员感觉"更安全了"，但这种安全感反而诱发了更激进的驾驶行为——尤其在激进型和温和型驾驶员身上。防御型驾驶员不受影响，说明个人驾驶风格是行为适应的关键调节变量。
一句话点评
这篇研究首次在人-AV混合交通中把"驾驶员个体差异"作为核心变量，打破了"所有人面对AV都一样"的粗暴假设。它提醒我们：AV的安全效益不仅取决于技术本身，更取决于它与什么样的人类心理"相遇"。未来AV部署策略需要考虑针对不同驾驶风格的分层干预——比如对激进型驾驶员提供额外的风险提示。
基于期刊官网摘要整理，数据完整。36名参与者的驾驶模拟器实验（AA&P为付费期刊）。
#混合交通|#行为适应|#AV渗透率|#驾驶风格|#驾驶模拟器
2. AR智能眼镜在医疗安全培训中的人因工程应用：系统设计与初步验证
医疗人因 增强现实 认知负荷 培训设计 开放获取An Ergonomic Approach to Medical Safety Training Using Augmented Reality Glasses: System Design, Cognitive–Neuroscientific Theoretical Framework, and Preliminary Outcomes
Kohei Tanaka, Kurumi Asaumi, Ryosuke Kasai, Hirotaka Sato, Ryosuke Uchibayashi, Motoki Shigenaga
Theoretical and Applied Ergonomics, Vol. 2(2), June 2026, 10 (Open Access)
DOI: 10.3390/tae2020010
核心发现
医疗环境中的认知负荷是导致医疗差错的重要原因——WHO数据显示高收入国家约10%的住院患者会经历医疗伤害。东京工业大学团队从人因工程视角出发，开发了一套解放双手的AR眼镜培训系统（Epson Moverio BT-40S头显 + 骨传导耳机 + 语音识别），用于医疗操作的自主导学习。
系统设计与验证数据
理论基础 | 认知负荷理论（CLT）+ 多媒体学习认知理论（CTML）+ 多感官整合的神经科学证据 |
模块规模 | 已开发40+个操作模块，覆盖气道管理、血管通路、呼吸治疗、透析、心脏支持 |
四年纵向调查 | VR模拟器培训满意度（n=286），主要满意度指标持续高于量表中点 |
AR气管内吸引队列 | n=38，操作流程理解评分3.95/5.0（最高分项） |
RCT验证 | n=36，AR组 vs 教科书自学组，操作技能提升显著更优（p<0.001）、学习动机更高（p=0.001） |
硬件限制记录：当前HMD偏重、视场角窄、缺少医疗级认证——是推广的最大障碍
系统设计严格遵循了J.J. Gibson的可供性（affordance）理论和多媒体学习原则，通过视觉（透视显示操作步骤）+ 听觉（骨传导语音指令）双通道呈现信息来降低工作记忆负担。研究的突出之处在于：不仅是技术Demo，更建立了"认知-神经科学理论基础→系统设计→多阶段实证验证"的完整链路。
一句话点评
这是人因工程方法论在医疗培训领域的一次教科书式应用——不是简单地"把AR眼镜戴上去"，而是从认知负荷理论的底层逻辑出发重构培训方式。局限在于缺少长期技能保留的追踪数据，且硬件的人因缺陷（重量、视野）本身就是一个亟待解决的工程问题。
基于期刊开放获取全文整理，数据完整。
#AR培训|#医疗安全|#认知负荷理论|#人因设计|#智能眼镜
3. 物理表面让VR触控交互更精准、高效且支持双手操作
VR/AR 触觉反馈 人机交互 双手操作 开放获取
Physical surfaces make touch interactions in virtual reality precise, efficient, and bimanual
Wen Ying, Seongkook Heo
International Journal of Human-Computer Studies, Vol. 215, 2026, 103850 (Open Access via arXiv)
DOI: 10.1016/j.ijhcs.2026.103850
核心发现
VR中的空中手势虽然"看起来很酷"，但缺乏触觉反馈和物理参考面，做精细操作时又累又不准。弗吉尼亚大学的研究者系统比较了三种触觉条件下VR触控任务的绩效差异：①纯视觉反馈（无触觉）、②振动触觉+压力反馈（虚拟触觉）、③实物物理表面（便携式触控板）。任务覆盖了点击选择、轨迹追踪和自由素描三类从简单到精细的操作。
三种触觉条件下的绩效对比
选择精度 | 物理表面 > 虚拟触觉 > 纯视觉（物理表面显著最优） |
追踪效率 | 物理表面显著优于其他两种条件 |
草图质量 | 物理表面下的自由素描最清晰、线条最连贯 |
双手利用率 | 有物理表面时，参与者自然采用双手协同操作（一手稳定、一手操作），显著高于其他条件 |
主观偏好 | 参与者一致偏好物理表面，归因于"更有信心和掌控感" |
虚拟触觉（振动+压力）虽优于纯视觉，但对复杂任务（如素描）帮助有限
这项研究的核心启示在于：即使未来的VR技术能做到完美的"视觉真实"，如果手部缺少一个可以"靠上去"的物理参考面，精细操作仍然困难重重。这指向一个有趣的趋势——VR交互的真正突破可能不在于更炫的视觉，而在于回到"让手有地方放"这个朴素的人因需求。
一句话点评
在VR行业集体追逐"全无实物交互"的潮流下，这篇论文提醒我们一个基本的人因道理：物理锚点的存在感是精准操控的底层支撑，不是技术不行才需要它，而是人类运动控制的生物力学特性决定的。便携式物理表面或许才是VR生产力工具的"最后一公里"。
基于arXiv开放获取全文整理（arXiv:2607.02430），期刊版本发表于IJHCS。
#VR交互|#触觉反馈|#物理表面|#精细操作|#双手协作
声明：本文3篇论文均基于公开可获取的摘要或全文整理。Paper 1 基于期刊摘要（AA&P为付费期刊，摘要级整理），Paper 2&3 基于开放获取全文。文中数据、引文和结论均可追溯至原始文献，如有事实性错误请及时指正。 |
人因工程 DATEs 每日精选 · 前沿速递 · 深度解读 让科研真正启发实践 2026年7月19日 · 第10期 |
