高速列车自动驾驶中视觉界面位置与听觉信息对接管性能的多模态交互影响研究

本研究针对高速列车自动驾驶场景下多模态接管请求（TOR）界面设计问题，通过模拟实验探究视觉界面位置（固定中心vs.任务跟随）与听觉信息类型（语音vs.非语音）对驾驶员接管效率的影响。结果表明，非语音警报能更快吸引注意力（反应时间缩短42%），但语音提示降低操作错误率并缓解焦虑。研究为优化高速列车人机协作界面提供理论依据，发表于《Scientific Reports》。

　　

随着城市化进程加速，时速270公里的高速列车成为城际交通主力，但其长达3.7公里的制动距离对自动驾驶系统提出严峻挑战。当前高速列车采用"驾驶员值守"的自动驾驶模式，在突发状况下需快速发出接管请求（TOR）。然而，传统单一视觉提示存在响应延迟、操作失误等问题，而汽车领域已验证多模态界面的优势。但列车驾驶环境特殊——封闭轨道、无超车场景、操作台呈扇形布局，这些特性使得汽车领域的研究结论无法直接迁移。

西南交通大学工业设计系团队针对这一空白，设计了一项创新性模拟实验。研究聚焦两个核心问题：视觉提示位置（固定中心vs.跟随任务方位）如何影响操作效率？语音与非语音警报哪种更优？通过48名受试者的分组测试，结合反应时间、错误率、系统可用性量表（SUS）和广泛性焦虑量表（GAD-7）等多维度评估，揭示了多模态界面的优化路径。

实验采用高仿真驾驶模拟台，配备四块触控屏模拟列车人机界面。视觉提示分为中央固定图标和任务方位动态显示两种形式；听觉通道则设计语音指令（含操作说明）和非语音警报音两类。通过方差分析和曼-惠特尼U检验发现：非语音组平均反应时间仅1.4秒，显著快于语音组的2.27秒（p<0.001），证实突发性警报更易捕获注意力。但语音组在操作完成时间（6.22vs.7.98分钟）和错误率（中位数1vs.2次）上表现更优，说明语义信息能提升任务理解度。视觉方位测试显示，动态提示组比固定组节省2.42分钟操作时间（p<0.001），这得益于减少了视线切换距离。

值得注意的是，非语音警报虽反应迅速，却导致更高焦虑评分（中位数7vs.4分）。被试反馈显示，语音指令能建立系统信任，而突兀的警报音会产生惊吓效应。系统可用性评估中，语音+动态视觉组合得分最高（72.5vs.67.5），印证了信息互补的优势。

这些发现为高速列车TOR设计提供了重要启示：采用渐进式非语音警报作为初始警示，后续衔接语音操作指导，配合任务方位动态视觉提示，可实现快速响应与精准操作的平衡。研究不仅填补了轨道交通工具人机交互的理论空白，更创新性地将焦虑感知纳入评估体系，为自动驾驶安全研究开辟新维度。

论文同时指出当前局限：样本均来自驾校学员，未来需扩大职业驾驶员样本；未量化测试音效渐变时长的影响。这些都为后续研究指明了方向——探索多模态时序组合的黄金比例，将是提升自动驾驶接管效能的关键突破点。