不同情境下乘員對車輛運動參數的暈車敏感性研究

馬利，付銳,b，孫秦豫，郭應時*,b，王暢,b，袁偉,b

(長安大學，a.汽車學院；b.汽車運輸安全保障技術交通行業重點實驗室，西安 710064)

0 引言

暈車屬于暈動癥(Motion Sickness,MS)的一種，是一種常見的病癥，會產生包括惡心和嘔吐等不良反應，影響乘員的乘坐體驗，甚至會造成恐懼心理，影響日常出行交通工具的選擇。目前，普遍認可的暈車產生機理是感知沖突理論[1]，該理論認為引起暈車的主要原因是視覺感知系統、前庭系統和體感系統給小腦傳遞的信號之間存在差異，差異越大，越容易引起暈車。因此，較為劇烈的車輛運動會引起更加嚴重的暈車。特別是自動駕駛汽車由于其安全性和減少擁堵的優勢得到了極大的發展[2]，部分L2和L3級別的自動駕駛已經量產，車載數字化交互設備不僅提高了使用門檻，也提高了暈車概率，因此，無論對于傳統汽車還是自動駕駛汽車，暈車問題迫在眉睫。所以，通過分析車輛運動與暈車的關系，得到對應的車輛參數暈車閾值，通過約束車輛運動參數不超過暈車閾值是一種非常有效地減少暈車的方法。當前，自動駕駛車輛的規劃控制算法中，關于通過約束運動參數值減少暈車的方案并沒有明確的依據。

目前，針對暈車閾值已經有了一些研究，暈車是由不舒適狀態逐漸累積形成的，因此，研究中也有用“舒適性”一詞描述乘員的暈車狀態。法國的ANGO項目聚焦于提升公交車的服務水平，并開展一項公交車乘員站立時不舒適狀態對應的車輛參數閾值的試驗，當乘員感到不舒適時按下記錄按鈕，試驗以加速度和加加速度(加速度導數)作為分析對象，試驗時長為10 min，分析得到不舒適時3個方向的加速度和加加速度均值[3]。類似的研究探究乘員不同姿態下舒適度對應的橫向加速度閾值，試驗時長為45 min，結果表明，乘員感到不適的3 個級別，不舒適、非常不舒適和極度不舒適對應的橫向加速度分別為1.50，1.75，2.00 m·s-2[4]。LI等[5]分析客車司機的不安全加速行為與乘員舒適性之間的關系，試驗通過乘員的主觀評價記錄不舒適狀態，路線總長26 km，結果表明，當加速度大于或等于1.50 m·s-2，減速度小于或等于-0.75 m·s-2時會引起不適。郭應時等[6]研究車輛換道對舒適性的影響，通過主觀評價方法采集乘員的狀態，利用受試者工作特性曲線得到不同暈車易感性乘員的車輛運動參數(加速度和加加速度)舒適性閾值。

暈車狀態的衰退需要較長的時間，即暈車狀態具有累積效應，暴露時間越長，暈車越嚴重，因此，暈車等級在乘車過程中是變化的，單一暈車閾值難以滿足動態變化的場景需求。當前研究主要結合乘員的暈車主觀評價分析得到暈車閾值，潛在的假設是每次做出主觀評價前不存在暈車狀態，并未考慮不同暈車等級對閾值的影響。而文獻[7]僅僅建議針對不同行駛速度橫向加速度閾值應該考慮多個值。因此，不同暈車等級下，車輛運動參數閾值的變化規律值得深入探討。

為更加直觀地描述問題，本文將該問題稱之為車輛運動參數相關的暈車敏感性(The susceptibility of car sickness related vehicle motion parameters based on different motion sickness ratings,SoCS-MP)。本文提出的SoCS-MP 主要體現在：隨暈車等級的上升，使暈車等級發生變化所對應的車輛運動參數最大值變小(下文簡稱假設)，以敏感性假設的成立情況作為暈車敏感性特性。

不可忽略的是，暈車作為一種病癥，與乘員的特性密切相關，特別是暈車易感性(Motion Sickness Susceptibility,MSS)，即容易暈車的特性。同時，基于前面提到的感知沖突理論和當前相關研究，乘車中看屏幕也是容易導致暈車的因素，本文將其稱為非駕駛相關任務(Non-Drive Related Tasks,NDRTs)。所以，暈車問題研究中MSS 和NDRTs 不能忽略，本文稱不同的MSS 和NDRTs 組合為“情景”。

綜上，針對上述未考慮不同暈車等級和不同情景等研究不足之處，本文設計4 種情境下(不同MSS、有無NDRTs)的實車乘坐試驗，以4 種典型工況下的加速度和加加速度作為分析對象，分別針對4種情景討論暈車敏感性假設成立情況。不考慮暈車等級時，暈車閾值只表示暈車等級增加時的車輛參數值，考慮暈車等級時，暈車閾值表示暈車狀態變化(不增加，增加)時的車輛參數值，此時，暈車閾值具有多值性，為此，試驗記錄每次運動工況前后乘員的暈車狀態，得到暈車狀態變化情況。以兩個假設為基礎，進一步，將相同情景和不同暈車等級下的暈車閾值變化規律(橫向敏感性)進行橫向對比，將不同情景和相同暈車等級下的暈車閾值變化規律進行縱向對比(縱向敏感性)，得到最終的暈車敏感性特性，豐富當前暈車閾值問題研究。

本文的主要貢獻為：

(1)提出一種用于判定暈車易感性的算法。

(2)設計一種測量與運動工況相關的暈車等級變化量的方法。

(3) 分析不同MSS 和NDRTs 下的車輛運動參數與暈車等級之間的關系。

(4)提出暈車敏感性的概念，并探究4種情景下暈車敏感性特性。

本文針對暈車敏感性的研究可以明確不同情境下的暈車閾值，為傳統車輛提供舒適性駕駛參考依據，也可為自動駕駛規劃控制方法提供車輛運動參數約束。

1 實驗設計

本文的主要研究思路如圖1所示，實驗目的為獲取4 種情景下乘員暈車等級及對應的車輛運動參數。通過有經驗駕駛員駕駛車輛在封閉實驗場地按照既定工況和路線行駛，被試依據指令完成相關任務。

圖1 研究路線Fig.1 Research route

1.1 實驗場地及工況

本文的研究目的是分析不同工況下的暈車敏感性，因此，為保證能夠完成既定順序的工況，以及保證不同被試數據的一致性，本文選擇在封閉場地開展實驗。實驗路線選擇內側環形跑道，路面坡度為0，場地及實驗路線如圖2所示。

圖2 試驗場地及路線Fig.2 Test site and route

為模擬真實駕駛場景，同時，為量化分析，在前期實際采集城市道路駕駛數據分析的基礎上，結合文獻總結，本文選取幾種典型工況：加速、減速、換道和轉彎等單一工況，以及其他復合工況，為簡化分析，本文僅針對單一工況開展研究。每次實驗行駛8 圈，約25 min，每個被試所經歷的工況數目和順序全部相同。在執行相應的工況前，車輛均速行駛，最高車速不超過70 km·h-1。本文要求駕駛員對每種工況執行兩種不同強度的操作，但不對每種強度作具體要求，以便獲取相對分散的數據，便于模擬真實場景和后續的統計分析。由于在實驗中，駕駛員需要重復執行多種操作，為避免實驗時間和操作順序對乘坐舒適性的影響，在制定行駛工況順序時，每圈安排不同的工況。所有被試在實驗中經歷的行駛軌跡以及行駛工況的順序一致，避免因為行駛軌跡和行駛工況順序引起的駕駛人舒適性感受的差異，實驗工況次序如表1所示。

表1 試驗工況及次序Table 1 Test conditions and sequence

1.2 實驗設備

本文選擇比亞迪漢DM-i作為實驗車輛。采用9 軸姿態傳感器記錄車輛運動數據，傳感器量程為加速度±16 g，角速度2000(°)·s-1，角度X軸和Z軸為180°，Y軸為90°。測量精度加速度為0.01 g，角速度為0.05(°)·s-1。滿足實驗需求。傳感器安裝于車輛儀表臺上方，坐標系與車輛坐標系保持一致。

1.3 被試

被試的不同特性對暈車影響較大，因此，本文分別介紹三方面的被試特性選取原則及依據。

1.3.1 年齡

一項研究通過對2840名被試的分析[8]發現，女性暈車發生比例在11 歲時最高，而男性為21 歲，20 歲時的暈船概率是80 歲的4 倍。全球性的暈車調查報告和實車實驗顯示，年輕群體相對老年群體更易暈車。為使分析結果更具有顯著性，本文選擇年輕被試群體開展實驗，平均年齡為25.65歲，標準差為2.12歲。

1.3.2 暈動易感性

當前研究中，把容易暈車的特性稱之為暈動易感性，作為顯而易見的重要影響因素，研究中常用暈車易感性量表(Motion Sickness Susceptibility Questionnaire,MSSQ)及其簡化形式(MSSQ-s)記錄被試的暈車易感性[9]。MSSQ 包含兩部分內容，分別是12 歲之前的暈車經歷以及近10 年的暈車經歷。已有研究中，主要根據一般人群的百分位數對被試暈車易感性的分類。例如，有研究根據第20和第80 百分位數得分將被試分為易感和不易感，得分中等的人被排除在外。也有研究將易感性得分高于80 百分位數得分的分為易感被試，低于80百分位數得分的分為不易感被試。也有根據第一、第二、第三及第四分位數將被試分為低度、輕度、中度和高易感性組。

可以看到，基于MSSQ判定暈車易感性方法各不相同，且國內外人群可能會有差異，同時，MSSQ中缺少對乘坐交通工具頻次的分析，可能會使最終結果產生一定的偏差。因此，為減少MSSQ 的偏差，本文提出一種結合主觀評價的暈車易感性判定方法，該方法結合主觀評價的綜合準確性和MSSQ-s 的定量分析優勢。首先，將暈車易感性分成4個等級，以自我報告的形式記錄被試的暈車易感性(SR)，4個等級的人數分別為7，14，13，2人，并填寫MSSQ-s 近10 年經歷的部分(Avg 為9.96，SD為11.20)。以SR為基準得到4個等級下的MSSQ-s平均值(3.25,10.38,16.44,42.258)，固定4個均值作為聚類中心，以歐氏距離作為聚類準則將MSSQ-S分數劃分成4類。最后，將SR分數和MSSQ-s分數加權相加，并劃分成兩類，權重因子分別為0.7 和0.3。由于兩種分數均劃分成4 類，并作量化處理，因此，將中間值2作為高暈車易感性和低易感性劃分閾值，最終，確定高暈車易感性被試14 名，低暈車易感性被試22 名。本文設定的4 種情景分別是高暈車易感性-有NDRTs(HT)，高暈車易感性-無NDRTs(HN)，低暈車易感性-有NDRTs(LT)，低暈車易感性-無NDRTs (LN)。分別對4 種情景(LN、LT、HN、HT)進行Cronbach 信度分析，α系數分別為0.9012，0.8537，0.8829 和0.8721，結果表明，信度較好，說明被試人數滿足要求。

1.4 實驗流程

實驗前，提前告知被試試驗內容以及可能經歷的不適，詢問被試身體健康情況，并填寫實驗知情書。

本文通過主觀評價記錄乘員的暈車等級，為更細致地記錄暈車等級，將其劃分為0～9級。其中，0代表不暈車；1～3 級為輕度暈車；4～6 級為中度暈車；7～9級為嚴重暈車。

2 名被試坐在后排，1 名被試坐在副駕駛。駕駛員按照指定工況駕駛，為獲取運動工況前后的暈車等級，試驗要求被試在每次運動工況發生改變前的均速運動階段記錄下自身暈車等級(0～9 級，9 代表嚴重暈車，需要停止實驗)。同時，在運動結束后，記錄自身暈車狀態。方式與文獻[2-5]，均為主觀評價。開始記錄信號由駕駛員通過車載蜂鳴器發出，保證記錄暈車狀態時，車輛處于均速行駛，避免因記錄而引起暈車反應。

實驗分2次進行，分別是有NDRTs和無NDRTs試驗，非駕駛任務為通過車載屏幕觀看視頻，為避免暈車的交互影響，被試參與2次的時間間隔在7 d以上。無NDRTs 試驗除了記錄自身暈車等級外，不對被試作任何要求。有NDRTs實驗要求被試除了記錄自身暈車等級外，全程觀看視頻。若被試在實驗過程中無法完成實驗，可隨時要求停止實驗，并安排身體檢查和休息。試驗車內場景如圖3所示。

圖3 試驗車內場景Fig.3 Test vehicle interior scene

實驗結束后，發放勞務費，并安排被試休息，確定身體無恙后方可離開。

2 車輛運動參數與暈車等級分析

本文的目的是探究4 類情境下的SoCS-MP 問題，進一步，將其細分為橫向敏感性和縱向敏感性，需要分析暈車等級的累積效應和不同情境下暈車等級的差異性，以此為基礎和先決條件才能探究暈車敏感性。

本文選取單一工況進行分析，分別是加速、減速、換道和轉彎。本文選擇縱向工況下的最大加速度(a)和加加速度(j)，橫向工況下的橫向加速度(a)和橫向加加速度(j)作為分析對象，其中，換道工況以換道和回正時參數的最大值作為分析對象。本文按照不同被試和NDRTs將2組試驗的數據分為4類，分別是高暈車易感性-有NDRTs(HT)，高暈車易感性-無NDRTs(HN)，低暈車易感性-有NDRTs(LT)，低暈車易感性-無NDRTs(LN)。

通過對數據的濾波處理與篩選，得到最終數據。4 種情境下，數據的數量如表2 所示。顯著性分析方法為單因素方差分析。

表2 4類情境下有效工況的個數Table 2 Number of effective working conditions in 4 situations

2.1 車輛運動參數差異性分析

本文的敏感性假設之一是縱向敏感性，即在4類情景之間進行對比。為了保證分析的一致性，需要排除其他變量的影響。表1說明4類情境下工況順序是一致的，因此，還需要分析4 類情境之間的運動工況參數差異性。4 類情景下，不同工況參數分布的單因素方差分析結果如表3 所示，可以看到，不同工況下的參數分布均沒有顯著差異，表明運動工況參數對4 類情景下暈車等級的影響較小。因此，可以進行敏感性假設分析。

表3 4類情景下不同工況參數分布的差異分析Table 3 Analysis of differences in parameter distribution under different operating conditions under 4 situations

2.2 4類情景間暈車等級的關系

4 類情境下，暈車等級的時間差異性如表4 所示，“時間差異性”即不同暴露時間下，4類情景之間暈車等級的差異性，由于本文4類情景的工況順序相同，且實驗時長基本一致，因此，以圈數代替暴露時間進行顯著性分析?？梢钥吹?，情景HN和LT下的暈車等級在實驗前4圈無顯著差異，其余情況均存在顯著差異。結果表明，情景分類是合理的。

表4 4類情景下暈車等級的差異性Table 4 Differences in ratings of car sickness in 4 situations

2.3 車輛運動參數與暈車等級的關系

不同情景和不同工況下，車輛運動參數與暈車等級的趨勢如圖4所示。

圖4 4種情境下，車輛運動參數與暈車等級的關系Fig.4 Relationship between vehicle motion parameters and degree of motion sickness in four scenarios

可以看到，暈車等級整體具有上升趨勢，并隨運動參數值的較大幅度增加與減小而隨之變化。證明了不同情景之間的暈車等級存在顯著性差異，4種情景的暈車等級依次為：LN小于LT小于HN小于HT，同時，相鄰運動參數值差異較小的情況下，暈車等級呈上升趨勢?？梢钥吹?，高MSS 比低MSS 乘員的暈車等級要高，表明本文所提出的MSS分類方法是有效的。同時也表明，引起暈車等級增加的車輛運動參數可能具有不同的閾值，需要進一步做量化分析。

綜上，4種情境下，暈車等級具有隨暴露時間而增加的趨勢，即具有時間累積效應，可以開展敏感性橫向對比。4種情境下，工況次序一致，且運動參數無顯著差異，暈車等級具有差異性，并且確定了縱向對比次序，即，LN小于LT小于HN小于HT，因此，可以開展敏感性縱向對比。

3 SoCS-MP結果分析

本文探究不同暈車等級下暈車狀態發生改變(不增和增加)對應的車輛運動參數值，“增加”即暈車等級相對前一時刻增加，“不增”即暈車等級相對前一時刻減少或者不變。并基于不同暈車等級進行橫向對比，對不同暈車等級下4 類情景進行縱向對比，縱向對比次序即，LN小于LT小于HN小于HT。

考慮到暈車等級分為0～9級，每一級對應的暈車等級發生改變的個數可能較少，因此，本文將每3個等級合并為1 個暈車等級。即程度Ⅰ對應輕度暈車(等級1～3)，程度Ⅱ對應中度暈車(等級4～6)，程度Ⅲ對應嚴重暈車(等級7～9)。由于暈車等級為0時暈車狀態主要為不變和增加，且增加也不會引起嚴重的暈車反應，因此，本文不予分析。統計發現，暈車等級合并后，每級對應的暈車等級發生改變的個數仍有較少的情況出現，為避免個別值導致結果發生偏差，本文將最小有效個數設為5。

3.1 加速工況SoCS-MP假設成立情況統計

加速工況下，4 類情景的暈車狀態改變對應的車輛運動參數最大值如表5 所示。其中，情景LN和情景LT 的有效值為等級Ⅰ，情景HN 和情景HT的有效值為等級Ⅰ和等級Ⅱ，表明加速工況中，高暈車易感性被試暈車等級更高。4 類情境中，使暈車等級增加的車輛參數閾值范圍是：加速度為0.1102～0.1697 g，加加速度為0.1298～0.1792 g·s-1，使暈車等級不增的車輛參數閾值范圍是：加速度為0.1174～0.1391 g，加加速度為0.1087～0.1908 g·s-1。

表5 加速工況下暈車狀態改變對應的車輛參數最大值Table 5 Maximum value of vehicle motion parameters corresponding to changes in motion sickness under acceleration conditions

加速工況中，SoCS-MP假設成立情況如表6所示。橫向對比結果表明，情景HN 和情景HT 橫向敏感性假設基本成立，而情景LN和情景LT假設不成立?？v向對比結果表明，程度Ⅰ暈車狀態不增時，假設成立；程度Ⅱ兩種狀態下，假設均成立。同時，加速度和加加速度在假設成立與否，無顯著差異。

表6 加速工況中SoCS-MP假設成立統計Table 6 Statistical table for SoCS-MP assumption in acceleration conditions

3.2 減速工況SoCS-MP假設成立情況統計

減速工況下，4 類情景的暈車狀態改變對應的車輛運動參數最大值如表7所示。4類情境下的有效值均為程度Ⅰ和程度Ⅱ。4 類情境中，使暈車等級增加的車輛參數閾值范圍是減速度0.1871～0.3391 g，加加速度0.1892～0.3094 g·s-1；使暈車等級不增的車輛參數閾值范圍是加速度0.1871～0.2554 g，加加速度0.1992～0.2593 g·s-1。

表7 減速工況下暈車狀態改變對應的車輛參數最大值Table 7 Maximum value of vehicle motion parameters corresponding to changes in motion sickness under deceleration conditions

進一步統計，結果如表8所示。橫向對比結果表明，LN 和LT 的橫向敏感性假設不成立，HN 和HT 的橫向敏感性基本成立，其中，HN 的不增加狀態假設不成立?？v向對比結果表明，縱向假設均不成立。加速度和加加速度在假設成立與否時，無顯著差異。

表8 減速工況中SoCS-MP假設成立統計Table 8 Statistical table for SoCS-MP assumption in deceleration conditions

3.3 換道工況SoCS-MP假設成立情況統計

換道工況下，4 類情景的暈車狀態改變對應的車輛運動參數最大值如表9 所示。其中，3 個等級下HT的結果均有效，其余情景，只有程度Ⅰ和程度Ⅱ有效，且“增加”狀態只在程度Ⅰ下有效。4 類情境中，使暈車等級增加的車輛參數閾值范圍是橫向加速度0.0553～0.0729 g，橫向加加速度0.1451～0.1499 g·s-1；使暈車等級不增的車輛參數閾值范圍是橫向加速度0.0693～0.0863 g，橫向加加速度0.1247～0.1571 g·s-1。

進一步統計，結果如表10 所示。橫向對比結果表明，4 類情景下，橫向敏感性假設均成立，縱向對比結果表明，只有等級Ⅰ下的加速度滿足縱向敏感性假設，其余不滿足。加速度和加加速度在假設成立與否時，無顯著差異。

表10 換道工況中SoCS-MP假設成立統計Table 10 Statistical table for SoCS-MP assumption in lane change conditions

3.4 轉彎工況SoCS-MP假設成立情況統計

轉彎工況下，4 類情景的暈車狀態改變對應的車輛運動參數最大值如表11 所示。其中，LN 只在程度Ⅰ和程度Ⅱ下成立，其余情景3個程度下均有效，低暈車易感性被試程度Ⅱ下“增加”狀態無效。4 類情境中，使暈車等級增加的車輛參數閾值范圍是橫向加速度0.2030～0.2488 g，橫向加加速度0.0908～0.1345 g·s-1；使暈車等級不增的車輛參數閾值范圍是橫向加速度0.0913～0.1209 g，橫向加加速度0.0913～0.1209 g·s-1。

表11 轉彎工況下暈車狀態改變對應的車輛運動最大值Table 11 Maximum value of vehicle motion parameters corresponding to changes in motionsickness under turning conditions

進一步統計，結果如表12 所示。橫向對比結果表明，低暈車易感性被試不滿足橫向假設，高暈車易感性被試滿足橫向假設?？v向對比結果表明，縱向假設只在等級Ⅱ“增加”狀態下成立。加速度和加加速度在假設成立與否時，無顯著差異。

表12 轉彎工況中SoCS-MP假設成立統計Table 12 Statistical table for SoCS-MP assumption in turning conditions

4 討論

探究車輛運動參數與暈車等級的關系，明確引起暈車的車輛參數閾值可為車輛的有人駕駛和無人駕駛提供減少暈車方面的參考。暈車的復雜特性為暈車閾值的研究帶來了很大的挑戰，本文基于當前暈車閾值的研究和暈車的累積特性與主觀特性，提出暈車敏感性的概念，并探究其特性。本文借助所提出的敏感性概念，明確了車輛暈車閾值，并進一步討論車輛運動參數和暈車等級的關系。

4.1 暈車的累積效應

暈車的累積效應是本文進行敏感性橫向對比的基礎，圖4表明，暈車等級整體具有增加的趨勢，并隨運動參數值的較大幅度增加與減小而隨之變化。

累積效應下，暈車等級的增加與減少與車輛運動參數的關系是復雜的，因此，必然存在多個暈車閾值，并且暈車閾值之間也存在著某種關系?；诖?，總結當前研究的不足之處，并探究不同暈車等級下車輛運動參數閾值的變化規律。探究暈車閾值的目的是找到不引起暈車的最大車輛運動參數值，結合暈車的累積效應：一是，可以探究不同暈車等級下減少暈車的參數的閾值；二是，可以探究暈車等級增加的閾值。因而，在復雜的場景下，控制車輛時具有兩個選擇：一是，減少暈車；二是，不增加暈車，維持當前暈車狀態。相對于當前研究中只有一個暈車閾值具有多選擇性，具有復雜行駛場景的高適應性。

4.2 不同情景對暈車的影響

本文針對不同MSS和NDRTs進行分類，因此，與之前的研究結論無法進行詳細對比。但就本文的平均結果來看，與文獻[5-6]具有相似的結果。

表4 表明，整個實驗過程4 種情景下的暈車等級具有差異性，其中，HT 和LN 在前4 圈不具有差異性，后4圈具有差異性。進一步，圖4表明，HT的暈車等級最高，LN 的暈車等級最低，HN 在后4 圈比LT 的暈車等級高，表明自身特性的MSS 相比外部環境的NDRTs 對暈車具有更大得影響，同時，也表明本文所采取的MSS 暈車分類方法是有效的。4 種情境下，暈車等級具有顯著性差異，所以，對于暈車方向的研究另一個啟發是從應用角度而言，不同情景不能被忽略，區分不同情景，可得到不同參數閾值，進而針對乘員特性制定個性化車輛控制策略，更好地滿足乘員需求。

4.3 暈車的敏感性

本文初步探究了與車輛運動參數相關的暈車時間特性，結果表明，車輛運動參數閾值隨暈車等級而變化，特別是對于高暈車易感性被試，閾值隨暈車等級而下降。在中度暈車等級下，一般是乘車時間的中間部分，此時，4類情境下的縱向敏感性假設成立，即固定的車輛運動參數閾值是不適用于高暈車易感性人群的，為維持較舒適的乘坐環境，“駕駛員”需要依據乘員的暈車狀態和特性動態調整車輛的運動。

因此，車輛運動參數于暈車等級的關系主要體現在“動態”上。動態調整車輛的運動則需要了解乘員的特性，監測乘員的NDRTs 狀態以及預測乘員的暈車等級，同時，結合SoCS-MP 研究結果，才能更精準地實現暈車的緩解。更進一步的是，文獻[4]的研究還指出不穩定的加速度可能會引起暈車閾值的降低，可以稱之為參數的“穩定性”。因此，未來的研究方向可以“動態”為基礎，探究車輛運動參數的“穩定性”對暈車的影響，特別是當前傳統燃油車與電動汽車加速和減速過程的動態響應差異對暈車的影響。

5 結論

本文研究了不同暈車等級下，車輛運動參數閾值的變化規律，具體結論如下：

(1) 暈車等級隨暴露時間整體具有上升的趨勢。

(2)4 種情境下，暈車等級具有顯著性差異，其中，高MSS 和有NDRTs 的暈車等級高，HT 的暈車等級最高。

(3)高暈車易感性被試具有橫向敏感性，低暈車易感性被試不具有橫向暈車易感性。兩種暈車閾值與暈車等級相關，兩種暈車等級狀態改變的閾值隨暈車等級增加而降低。

(4)不同工況的縱向敏感性一般只在中度暈車程度下存在，越易暈車的情景，暈車閾值越小。輕度暈車下，暈車等級變化較大，不具有縱向敏感性。

本文的研究結論豐富了車輛運動參數與暈車等級的關系，可為傳統車輛提供舒適性駕駛依據，也可為自動駕駛車輛規劃控制算法提供車輛運動參數約束。