直觉上，自动驾驶开着以后，人可能会更频繁地确认“系统还在不在工作”。但也有另一种可能：既然速度和方向都交给系统了，驾驶员反而更少看仪表。

2025年AutomotiveUI的一项实验把这两个看起来相反的判断放到了一起。结果并不是简单的“看得更多”或“看得更少”，而是驾驶员对仪表的注意结构发生了变化。

一、自动化打开以后，仪表反而看得更少

Qin等人的研究招募了46名参与者，最终保留41人的有效数据，平均年龄40.4岁。实验使用固定式驾驶模拟器和60 Hz眼动仪，采用2×2重复测量设计：手动驾驶和部分自动驾驶，再分别叠加“无额外任务”和听觉2-back认知任务。

这里有一个很值得学习的实验处理。作者没有把接管、突发事件和自动化状态切换混在一起分析，而是只选取直线路段、没有行人或车辆事件、自动化持续稳定工作的片段。这样做的目的，是单独看“自动化已经稳定运行时，驾驶员平时到底怎样看仪表”，避免把接管前后的集中确认行为算进去。

仪表本身也很简单：左侧是自动化状态，用方向盘图标和颜色变化表示系统不可用、可用和已经激活；右侧是车速表。眼动分析把整个仪表作为一个区域，同时再区分自动化状态和车速两个子区域。

结果很明显。与手动驾驶相比，部分自动驾驶让驾驶员看向仪表的时间比例下降了约86%。在四种实验条件里，手动驾驶、无2-back任务时，驾驶员平均约有9.90%的时间看仪表；到了部分自动驾驶、无2-back任务时，这个数字只有0.92%。

也就是说，当车辆已经替驾驶员承担车速保持和车道居中以后，人并没有因为“需要监控自动化”而持续增加对仪表的查看。至少在这项稳定运行、没有接管事件的实验里，情况恰恰相反。

二、但每次看仪表时，系统状态确实更容易被注意到

如果只看到前面的结果，很容易得出另一个过头的结论：自动驾驶一开，人就不关心系统状态了。

论文进一步把仪表内部的注视拆开后，情况变得更有意思。部分自动驾驶条件下，落在“自动化状态”区域的注视比例显著增加，模型估计约为手动驾驶的4.95倍。

这和“仪表总体看得更少”并不矛盾。

可以把它理解成两层变化：第一层，驾驶员主动把视线移到仪表上的次数和总时间减少了；第二层，在那些已经发生的仪表注视里，自动化状态比手动驾驶时更值得确认。

但自动化状态仍然没有成为仪表里的第一优先信息。四种条件下，自动化状态区域的平均注视比例都低于50%，车速表得到的注视更多，而且平均单次注视时间也更长。

这可能是今天最值得记住的结果：驾驶员确实会因为自动化开启而提高对系统状态的相对关注，但长期形成的车速查看习惯仍然很强。把自动化状态放在仪表上，并不意味着它自然就获得了最高的信息优先级。

三、脑子一忙，最先减少的是主动扫一眼仪表

实验还加入了一个听觉2-back任务。参与者会连续听到0到9之间的数字，需要说出两个位置之前听到的数字。这个任务不需要驾驶员低头看别的屏幕，也不占用双手，主要增加认知负荷。

结果显示，2-back任务让驾驶员看仪表的时间比例又下降了约39%。这和很多认知分心研究里看到的现象一致：即使眼睛没有被另一块屏幕吸走，脑子忙起来以后，人也会减少主动把视线从前方道路移到周边信息区域的行为。

不过，这里还有一个很重要的非显著结果。2-back任务没有显著改变仪表内部“自动化状态所占的注视比例”，也没有显著改变平均单次仪表注视时长；部分自动化和2-back之间的交互同样不显著。

所以不能简单写成“认知负荷一高，驾驶员就不看自动化状态”。这项实验更直接支持的是：认知负荷压缩了驾驶员主动查看整个仪表的机会，但没有证明它会进一步把自动化状态从仪表内部的注意排序中挤出去。

这类非显著结果很重要。因为真实座舱设计不能只问“驾驶员有没有看”，还要分清楚：他是整体减少了仪表扫描，还是在仪表内部换了优先级。

四、用得越熟，驾驶员可能越少回头确认仪表

论文还有一个容易被忽略的结果。部分自动驾驶条件下，第一次实验运行时，驾驶员看仪表的比例高于后面的第二次和第四次；平均单次注视时间在第一次运行里也更长。

作者认为，这可能和对自动化系统逐渐熟悉有关。刚开始使用时，驾驶员需要更多地确认系统能力和状态；随着对系统越来越熟悉，对仪表的依赖会下降。

这还不能直接等同于“信任越高，人就越不监控”，因为这项主实验没有把长期信任变化作为核心变量。但它提醒了一个座舱设计经常忽略的问题：同一块自动化状态界面，对新用户和熟悉系统的用户可能并不具有相同的注意吸引力。

另一项研究[2]从更宽的驾驶阶段来观察这个问题。34名参与者在高保真模拟环境中经历自动驾驶、交接、手动和接管四种模式，眼动区域包括道路环境、中央后视镜、车速表和嵌入式HMI。研究发现，注意会随着驾驶模式发生明显重新分配：手动驾驶更依赖环境信息，自动驾驶时更多注意会流向技术界面，而交接和接管阶段的视线切换更频繁。

这篇研究还发现，较高的自动化信任与更快、更长地看向平板类界面、较少监控部分驾驶相关区域有关。不过它的实验中的自动驾驶片段只有数分钟，作者自己也指出没有覆盖长时间监控带来的无聊、单调和疲劳。因此，它更适合用来说明“注意分配会随驾驶模式和信任变化”，不适合拿来给量产座舱制定固定阈值。

五、所以问题不只是把状态图标做得更醒目

如果把两篇研究放回真实座舱，一个很实际的问题就出来了。

自动化状态当然需要显示，但“永远把图标放在那里”并不等于驾驶员会持续读取它。部分自动驾驶本身会改变驾驶员的信息需求，认知负荷又会减少主动视觉搜索；随着使用经验增加，驾驶员还可能进一步降低对仪表的检查频率。

主文章因此提出了自适应显示和非视觉提示的可能性。例如，当驾驶员认知负荷较高、主动查看仪表的机会下降时，关键的超速信息或自动化模式变化也许需要通过声音等非视觉方式补充，而不是一味增加视觉元素。

但这个建议目前仍然只是设计方向。论文没有比较多种自适应HMI，也没有证明HUD或声音提示一定能提升安全。它只研究了车速和自动化状态两个仪表元素，也没有直接测量接管表现或实际道路安全结果，而且使用的是没有运动反馈的固定式模拟器。

因此，今天真正能够确认的不是“应该把系统状态做成某种固定样式”，而是设计座舱时必须把驾驶员的注意当成有限资源：信息有没有显示，只是第一步；驾驶员在当前驾驶模式、当前认知负荷和当前熟悉程度下，会不会主动去找它，是另一个问题。

六、这个问题可以继续做成课题和实训

这篇论文的方法非常适合继续往研究和教学里迁移。

课题上，可以把“自动化状态信息显著性”真正作为一个可操纵变量。比如同时改变自动化状态图标的位置、大小或动态提示方式，再叠加不同认知负荷和不同使用熟悉度，观察驾驶员对状态信息的注视比例、首次注视时间、道路注视、模式识别正确率和接管表现。这样就能回答一个比“图标醒不醒目”更具体的问题：什么时候需要把自动化状态主动推到驾驶员注意里，什么时候又应该避免增加视觉干扰。

对应的论文方向，可以进一步比较新手与长期使用者、不同年龄驾驶员，或者不同自动化阶段中的信息优先级。如果熟悉度确实会持续降低状态检查，就需要研究这种变化究竟代表更准确的心理模型，还是过度依赖。

专利方面，目前可以形成一个候选方向：基于驾驶员视觉注意和认知负荷的自动化状态信息自适应呈现方法。系统可以结合眼动、驾驶模式、认知负荷估计和状态变化的重要程度，动态决定是否提高视觉显著性，或切换到声音、触觉等提示方式。不过这个方向还没有进行专利新颖性检索，目前只能作为专利候选，不能判断授权前景。

教学上则可以直接做成一个智能座舱HMI评价实验。让学生设计两到三种仪表布局，在手动和部分自动化条件下完成驾驶任务，再通过眼动数据比较“看仪表的总时间”和“不同信息区域的注视比例”。如果条件允许，再加入简单的n-back任务。学生会很直观地发现，评价一块仪表不能只问“用户看没看”，还要问“有限的注意到底分给了谁”。

软件方面暂时没有必要单独再立一个新平台，更适合把眼动AOI、自动化状态、任务负荷和界面版本比较做成现有智能座舱仿真评估系统里的一个HMI注意评价模块。

结语

自动驾驶开着以后，驾驶员并不会简单地“更关注系统”或“更不关注系统”。

在今天这项实验里，部分自动化让驾驶员总体更少查看仪表；但在有限的仪表注视中，他们又会相对增加对自动化状态的确认。与此同时，车速仍然占据更高的视觉优先级，认知负荷还会进一步压缩主动查看仪表的机会。

所以，智能座舱真正需要解决的不是“状态有没有显示”，而是一个更难的问题：当驾驶员的注意不断在道路、车辆信息、自动化状态和其他任务之间流动时，关键的信息能不能在真正需要的那一刻被注意到。

今日参考文献

Qin, H., Gonçalves, R. C., Goodridge, C. M., & Merat, N. (2025). Drivers’ Attention to Dash-Based Human-Machine Interfaces: The Effect of Partial Automation and Cognitive Load. AutomotiveUI ’25, Brisbane, Australia.

Cai, Y., Demir, M., Sasangohar, F., & Zare, M. (2026). The Dynamics of Attention across Automated and Manual Driving Modes: A Driving Simulation Study. Research manuscript in the supplied source package; publication status should be verified before formal academic citation.