在自动驾驶车辆中，对无不适感运动规划的实地评估表明：“先控制头部运动”这一策略非常有效！

《Applied Ergonomics》：On-road evaluation of sickness-less motion planning in automated vehicles: ‘Head motion first’ helps!

自动驾驶车辆中基于乘员头部运动动态的轨迹规划优化可显著降低晕动症的主客观指标，通过对比传统车辆运动优化与融合6自由度人体模型的实验组方案，23名受试者在真实道路测试中验证了该方法的工程有效性及人因改善效果。

　　

王家晨|鲍千汉|李道飞

浙江大学动力机械与车辆工程研究所人类移动自动化小组，杭州，310027，中国

摘要

随着自动驾驶技术的迅速发展，运动病（MS）引起了学术界和工业界的广泛关注。自动驾驶车辆中的先进传感、决策和控制系统为缓解下一代交通中的运动病提供了有希望的途径。传统上，诸如运动病剂量值（MSDV）和运动病发生率（MSI）等客观指标是直接从车辆运动状态中得出的，用以量化运动病的严重程度。然而，这些指标往往忽略了人体动态对乘员头部所经历的运动刺激的过滤或放大效应。为了解决这个问题，我们设计了两种运动规划算法来生成车辆轨迹：一种仅基于车辆运动进行优化（对照组），另一种则结合了乘员头部的运动动态（实验组）。我们在一辆自动驾驶车辆上进行了包含23名参与者的真实道路实验，采用了被试内设计。结果表明，“头部运动优先”概念的轨迹可以显著降低MSDV，通过痛苦量表（MISC）的主观评估也显示出运动病严重程度的显著减轻。这项研究是少数通过自动驾驶在真实道路上验证运动病缓解效果的案例之一，证实了将头部运动动态纳入运动病导向轨迹规划的有效性。

引言

运动病（MS）在道路交通中普遍存在，大约影响了59%的车辆乘员（Schmidt等人，2020年）。随着自动驾驶（AD）渗透率的快速提高，更高的自动化水平将不断重新定义驾驶员的角色，甚至可能从驾驶员转变为乘员。根据SAE标准（J3016，2021年），三级（条件自动化）及以上的自动驾驶车辆中的驾驶员不再需要持续监控道路，这可能会促进他们频繁参与非驾驶相关活动（NDRAs），如观看视频、阅读或工作（Hecht等人，2020年；Wilson等人，2022年）。这种转变可能会增加驾驶员患运动病的可能性，从而影响他们在意外情况下接管任务的能力（Diels和Bos，2016年）。

尽管存在这些挑战，AD技术也可以提供预防和缓解运动病的新机会。先前的研究表明，运动病通常是由于暴露于进化上不熟悉的运动模式引起的，特别是低频振荡运动（Bles等人，1998年；Turner和Griffin，1999年；Golding等人，2001年；Donohew和Griffin，2004年）。如果采用针对运动病优化的运动规划和控制，具有AD或半AD功能的智能车辆可以有效解决这一问题（Li等人，2024a）。具体来说，规划的轨迹可以提供更平滑的加速度曲线以减少低频振荡（Li和Hu，2021年；Jain等人，2023年），而在运动控制中，先进的控制策略通过优化纵向和横向执行器跟踪以及垂直悬挂控制来缓解运动病（Wang等人，2024年；Sel?uk Arslan等人，2025年）。基于O’Hanlon和McCauley（1974年）以及McCauley等人（1976年）的实验发现，ISO2631-1:1997标准引入了运动病剂量值（MSDV）来量化加速度刺激与运动病之间的关系（国际标准化组织，1997年），从而为车辆动力学优化提供了理论支持。这种方法具有巨大潜力，其研究努力仅次于运动提示干预在运动病缓解领域的努力，正如Xie等人（2023年）和Pereira等人（2024年）所总结的。

最近，用于缓解运动病的轨迹规划在技术上已经变得可行，从（1）传统的基于加速度采样的优化（Lewkowicz，2019年）发展到（2）最优运动曲线（Siddiqi等人，2022年；Siddiqi等人，2023年），（3）进一步到高级最优控制方法（Certosini等人，2019年；Htike等人，2020年；Li等人，2021年；Htike等人，2022年），（4）以及最近的强化学习技术（Rajesh等人，2023年）。优化策略包括基于频率的加速度 shaping（Li和Hu，2021年），通过MSDV的直接优化（Htike等人，2022年），使用6自由度主观垂直冲突（SVC）模型（Kamiji等人，2007年）计算运动病发生率（MSI）（McCauley等人，1976年）的方法，以及个性化的乘员特定解决方案。

然而，大多数专注于缓解运动病的轨迹规划的研究仍然受到基于模拟验证的限制，因此强调了通过使用自动驾驶车辆进行真实世界验证的必要性——这种方法在相关的运动病研究领域已经成功实施，例如视觉提示（Li等人，2025年）或高效评估（Sato等人，2026年）。最近，涉及主观评估的人在环研究中表明，优化的路径规划有效降低了16名参与者的运动病水平（Jain等人，2023年）。然而，这种验证是使用驾驶模拟器而不是真实车辆进行的。关于真实世界的验证，基于运动规划的缓解运动病的研究很少。例如，Li和Hu（2021年）、Rajesh等人（2023年）、Zheng等人（2024年）展示了客观指标的显著改善，但仍然缺乏全面的主观乘员评估。

另一方面，大多数关于缓解运动病的运动规划研究都集中在车辆运动优化上，而不是乘员的实际运动。正如Papaioannou等人（2024年）所指出的，乘员头部的运动是运动病的关键决定因素，并且与车辆运动有显著不同。不幸的是，由于忽略了人体动态，大多数当前的研究未能考虑车辆运动对头部运动的过滤或放大效应，只有少数研究将头部动态纳入优化框架。例如，Saruchi等人（2020年）使用径向基函数网络（RBFN）构建了用于转向补偿的头部滚动替代模型；Hong等人（2022年）在跟车算法中优化了加速度，使用了一个简单的单自由度纵向头部模型；Steinke和Konigorski（2022年）将车辆到头部的传递函数纳入轨迹规划。然而，这些研究依赖于过于简化的头部运动模型（无论是纵向还是滚动运动），并且仅在模拟中进行了评估，因此尚不清楚它们是否真正优于基于车辆运动的优化方法。

最近，我们开发了一种基于神经网络的6自由度车辆到头部替代模型（VHSM），该模型将车辆运动状态映射到乘员头部运动状态，并引入了基于梯度的数值优化来解决基于头部的运动病缓解轨迹规划问题（Wang和Li，2025年）。仿真结果表明，与基于车辆的（VB）规划方法相比，我们的基于头部的（HB）优化方法在MSDV和MSI（使用SVC模型计算）方面都实现了显著降低。然而，HB规划在真实道路条件下的实际人类乘员表现如何仍不清楚。

为了解决这些差距，我们旨在通过乘员在环车辆实验来测试以下两个关键假设。

• (1)
  H1（乘员头部运动的客观验证）：在真实驾驶条件下，HB算法显著降低了客观头部MSDV（${}_{\text{h}}$
  ）与传统的VB方法相比。

(2)

H2（乘员的主观评估）：在真实驾驶条件下，HB算法显著降低了主观运动病水平。

部分摘要

参与者

最初共有32名参与者被邀请参与这项研究。使用运动病易感性问卷（MSSQ-Long）（Golding，1998年）对参与者进行筛选，以评估他们对运动病的易感性，筛选标准为MSSQ $>20$。筛选标准还要求参与者未怀孕，前庭和胃肠道功能正常，并且没有报告平衡障碍或前庭相关疾病。所有参与者都被要求避免

结果

所有有效的参与者（N = 23）在两种条件下完成了实验。在VB条件下，参与者P13和P14经历了严重的恶心并提前终止了实验。同样，在HB条件下，P13和P23也提前结束了他们的实验，P12在运动病恢复阶段出现了呕吐。成功收集了参与者的传感器数据，所有人都完成了所需的NDRA和MISC评估。

讨论

本研究调查了“头部运动优先”运动规划在缓解运动病方面的有效性。检验了两个主要假设：（1）基于头部的轨迹优化的工程效果，以及（2）减少运动病症状对人类的好处。结果为这两个假设提供了有力的支持，对以人为中心的自动驾驶设计具有重要意义。

结论

本研究提供了将个性化头部运动模型纳入自动驾驶车辆轨迹规划以缓解运动病的有效性的证据。客观和主观结果都支持这两个假设，MSDV_h的显著降低对应于主观舒适度和运动病症状严重程度的显著改善。客观运动指标与主观评估之间的强相关性验证了MSDV_h可以作为可靠的指标

CRediT作者贡献声明

王家晨：撰写——原始草稿、可视化、验证、软件、方法论、正式分析、数据管理、概念化。鲍千汉：撰写——审阅与编辑、验证。李道飞：撰写——审阅与编辑、监督、资源管理、项目管理、资金获取、概念化。

伦理批准

本研究涉及人类受试者。所有伦理和实验程序及协议的批准由浙江大学生物医学工程与仪器科学学院伦理委员会（2025-04）授予。

利益冲突声明

作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。

致谢

作者感谢团队成员蒋阳晔和葛一帆在实验中的帮助。