驾驶经验与人机交互对全自动驾驶汽车用户信任及乘坐舒适度的影响：一项实地研究

为解决自动驾驶汽车(AVs)用户信任度低及运动病(MS)高发问题，研究人员首次在商业化运营的AV中探究动态路径轨迹显示对系统透明度、信任及MS的影响。通过16名参与者32次乘坐测试发现，动态轨迹对信任提升效果有限，对MS缓解仅呈非显著趋势，而初次乘坐体验对信任塑造更为关键。该研究为机器人出租车HMI设计提供了实证依据，论文发表于《Applied Ergonomics》。

　　

随着自动驾驶技术迈向L4级商业化应用，用户信任缺失和运动病(MS)高发成为阻碍普及的两大痛点。以往研究多依赖模拟器或"魔法师"实验，缺乏真实风险与动态路况验证。为此，广州某高校团队在商业化运营的全无人驾驶出租车中，首次实证考察动态路径轨迹显示对乘客感知的影响。

研究采用双条件对照设计，招募16名无AV乘坐经验的MS易感者，在真实路况下完成32次行程测试。通过问卷评估系统透明度、信任度及MS症状，结合车辆运动数据(MSDV)分析，采用Wilcoxon秩和检验与t检验进行统计学验证。

参与者：青年群体(平均22.7岁)的MS易感性均超过人群50百分位。
实验控制评估：行程时长(平均29.7分钟)与运动刺激(MSDV)在有无HMI条件下无显著差异，确保结果可比性。
讨论：动态轨迹显示未能显著提升信任或系统透明度，与模拟研究结论相悖，提示真实场景中乘客更关注车辆实际表现而非预测信息。MS缓解虽呈现趋势但未达统计学意义，可能与样本量较小有关。初次乘坐体验对信任建立的关键作用得到证实。

结论：商业化AV中动态轨迹显示对信任提升效果有限，HMI设计应优先优化初次乘坐体验。该研究突破了模拟实验的局限性，为机器人出租车HMI设计提供了真实场景数据支持，建议未来扩大样本覆盖不同年龄段以增强普适性。

创新点：

1. 首个在商业化AV中验证动态轨迹信息效用的实证研究
2. 揭示真实场景与模拟环境下HMI设计效果的差异性
3. 提出"初次体验优先"的AV信任构建策略

局限：统计功效仅能检测大效应量(f²
≥0.4)，青年样本可能高估初始信任水平。研究获广州市-香港科技大学联合资助计划(2023A03J0150)等支持。