面向驾驶安全的商用车车载软件人机交互测评方法研究 学术研究报告

由李杨（中国汽车工程研究院股份有限公司）、罗冰洁、唐帮备、苏梦月、华锋、刘佳林、陈胜男（分别来自重庆文理学院智能制造工程学院、陆军军医大学生理教研室、重庆交互科技有限公司、重庆大学机械与运载工程学院）共同完成的研究论文《面向驾驶安全的商用车车载软件人机交互测评方法研究》（Human-Computer Interaction Evaluation Method for Driving Safety Oriented Commercial Vehicle Software）已于2025年4月发表在学术期刊《包装工程》（Packaging Engineering）第46卷第8期上。

一、 研究的学术背景与目标 本研究属于人机交互（HCI）与车辆安全工程的交叉领域，聚焦于商用车智能化座舱环境下的特定挑战。随着汽车智能化的深入，车载软件的复杂度和交互频次不断增加。对于长时间驾驶、易疲劳的商用车驾驶员而言，操作车载软件时产生的脑力与体力负荷可能导致分心，从而显著增加驾驶安全风险。既往研究表明，相当比例的交通事故与驾驶员分心相关，且操作车载软件时的视线偏移是诱发风险的关键因素之一。传统的车载软件测评多依赖主观问卷或模拟驾驶环境，前者存在主观性强、误差大的问题，后者则无法完全复现真实路况的复杂性与不确定性。因此，开发一种基于客观生理行为数据、能在实车静止状态下有效评估车载软件人机交互体验及其对驾驶安全潜在影响的方法，具有重要的理论和实践意义。本研究旨在通过采集驾驶员在完成典型车载软件任务时的眼动与手指运动客观数据，结合主观心理量表，构建一个能够综合评价商用车车载软件人机交互体验的回归模型，为车载软件的交互设计优化提供科学、可靠的数据支撑，最终服务于提升商用车驾驶安全。

二、 研究的详细工作流程 本研究包含实验设计、数据采集、模型构建与验证三个核心阶段，流程严谨且注重生态效度（Ecological Validity）。

第一阶段：实验设计与被试招募。 研究团队基于《中国商用车市场总体形式》的数据，考虑到驾驶员性别比例，通过三轮严格筛选，最终招募了22名有效被试驾驶员（男性17名，女性5名），年龄分布在24至38岁之间。筛选标准排除了驾龄短、有事故记录、存在特定健康问题或数据记录无效的个体，确保了被试样本的代表性与实验数据的有效性。所有被试均在知情同意下参与实验。

第二阶段：实车实验与主客观数据采集。 实验选用“长城炮”商用车，在车辆启动但静止的状态下进行，以平衡安全性与真实性。实验设定了三个商用车驾驶员最常用的软件操作任务：任务一（导航设置）、任务二（媒体应用）、任务三（空调控制）。实验设备系统集成度高，通过统一时间轴同步采集多模态数据：1) 客观生理行为数据：使用头戴式眼动仪采集眼动数据，包括注视次数、注视时间、视线向左/右倾斜角度；使用手指运动轨迹追踪系统采集手指运动数据，包括运动距离、平均速度、平均加速度、运动中心点频率。2) 主观体验数据：在每个任务完成后，被试立即填写满意度问卷，采用1-10分的李克特量表（Likert Scale）进行评分。这种在实车环境中结合高精度人因设备（Human Factors Equipment）的同步数据采集方法，是该研究在方法论上的一个重要特点，它能够更真实地反映驾驶员在真实座舱空间内的交互行为与认知负荷。

第三阶段：数据处理、模型构建与验证。 首先，对采集到的主客观数据进行整理和预处理，形成结构化数据表（如表1、表2、表3所示）。接着，进行数据筛选与模型构建：1) 方差分析与指标筛选：使用SPSS软件，以主观评分为因素，对各客观数据指标进行单因素方差分析（One-Way ANOVA）。分析结果显示，注视时间、视线向右倾斜角度、手指运动平均速度、手指运动平均加速度、运动中心点频率这五项客观数据的显著性小于0.05，表明它们与主观评价显著相关，因此被筛选为后续建模的关键指标。而注视次数、视线向左倾斜角度和手指运动距离则被排除。2) 偏最小二乘回归（PLS）建模：由于筛选出的五项客观指标之间存在多重共线性（如表6相关系数矩阵所示），研究采用了偏最小二乘法（Partial Least Squares Regression）来建立客观指标与主观评分之间的回归模型，以避免传统多元线性回归在共线性下的不稳定性问题。通过SIMCA软件分析，得到了标准化回归方程，并将其还原为原始变量方程，最终模型为：P = 8.0265 - 0.21*E2 - 0.25*E4 + 0.03*S2 + 0.29*S3 - 0.0182*S4（其中P为模型预测分值，E2为注视时间，E4为视线向右倾斜角度，S2为手指平均速度，S3为手指平均加速度，S4为运动中心点频率）。最后，进行模型有效性分析与验证：1) 初步有效性分析：将22名被试的数据代入模型，计算预测分值，并与实际主观评分进行对比（如图5-7折线图所示）。通过计算平均绝对误差百分比，得出模型在初始样本上的预测准确率为0.782（即78.2%）。2) 独立样本验证：为检验模型的泛化能力，研究另外随机招募了12名目标用户，在相同实验设置下重复任务操作，将采集到的客观数据输入已建好的PLS模型，计算预测值并与他们的实际主观评分对比（如图9所示）。计算得到此验证集的预测准确率为0.751（75.1%），证实了模型具有一定可靠性和稳定性。

三、 研究的主要结果及其逻辑关联 研究各阶段的结果环环相扣，逐步导向最终结论。

在数据筛选阶段，方差分析的结果不仅筛选出了关键指标，更揭示了客观行为与主观体验之间的内在联系。结果显示，注视时间（E2）和视线向右倾斜角度（E4）与主观评分呈显著负相关，这意味着驾驶员操作软件时注视屏幕时间越长、视线偏离正前方角度越大，其主观体验评分就越低，这直观反映了交互过程中的认知负荷增加和潜在的分心风险。手指运动指标中，运动中心点频率（S4，可能反映操作犹豫或反复调整）与评分负相关；而手指运动平均速度（S2）和平均加速度（S3）与评分正相关，表明操作越流畅、果断，体验评价越好。

模型构建结果（即上述PLS回归方程）量化了这种关系。方程中各变量的系数（如图8直方图所示）可被视为其对交互体验影响的“边际效应”权重。分析发现，负向影响的指标（E2， E4， S4）与正向影响的指标（S2， S3）其系数绝对值相对均衡，说明需要综合多项行为特征来评价整体交互体验，单一指标可能具有局限性。该模型成功地将分散的眼动、手指运动数据整合为一个综合预测分值。

模型验证结果是支撑研究结论的关键。初始78.2%和独立验证75.1%的准确率表明，基于这五项客观行为数据建立的模型，能够以较高精度预测驾驶员对车载软件交互体验的主观评分。这从实证角度证明了“客观生理行为数据可以有效反映和预测主观交互体验”的核心假设，为方法的有效性提供了直接证据。

此外，研究还结合了主观访谈的质性分析结果，对模型发现进行了补充和解释。例如，任务一（导航）的问题包括搜索提示不明显、界面不熟悉；任务二（媒体）存在功能入口难以发现；任务三（空调）则有操作繁琐、入口隐蔽等问题。这些具体问题与模型所反映的“高注视时间、高操作频率（高S4）”等负面客观数据表现相互印证，指明了软件需要优化的具体交互环节。

四、 研究的结论与价值 本研究得出结论：通过采集驾驶员在实车环境中操作车载软件时的眼动（注视时间、视线右偏角）和手指运动（平均速度、平均加速度、中心点频率）客观行为数据，可以构建有效的偏最小二乘回归模型，对商用车车载软件的人机交互体验进行相对准确的综合评价。该方法克服了传统主观测评方法误差大、模拟驾驶环境不真实的缺点。

其科学价值在于，提出并验证了一套融合多模态客观生理数据与主观报告、面向驾驶安全的人机交互测评方法论框架。它明确了若干与驾驶分心及交互效率紧密相关的、可量化的关键行为指标，为人机交互研究，特别是车载环境下的交互评估，提供了新的、可操作的研究思路和数据分析范式。

其应用价值尤为突出。对于汽车制造商和车载软件设计者而言，该方法提供了一种高效的、数据驱动的评估工具。在设计迭代阶段，可以通过此模型快速评估不同交互方案对驾驶员认知负荷和操作效率的影响，从而针对性地优化界面布局、简化操作流程、提升交互流畅度，最终达到减少驾驶员分心、保障商用车驾驶安全的核心目的。研究总结的车载软件具体问题也为设计优化提供了明确方向。

五、 研究的亮点 本研究的亮点主要体现在以下几个方面：1) 问题导向精准：紧密围绕商用车驾驶安全这一重大现实需求，聚焦车载软件交互这一具体风险源，研究目标具有明确的工程和社会价值。2) 方法创新且系统：创新性地在实车静止场景下，集成眼动仪与手指轨迹追踪系统进行同步多模态数据采集，构建了从数据采集、指标筛选、建模到验证的完整方法链，特别是应用PLS回归处理共线性问题，提升了模型的科学性。3) 结论具有双重支撑：不仅通过统计学模型验证了客观数据与主观评价的量化关系（实证支撑），还结合用户访谈揭示了具体设计缺陷（质性支撑），使得研究结论更加丰满、更具指导意义。4) 良好的可重复性与应用潜力：所提出的方法流程清晰，设备商用化程度高，模型经过独立样本验证，具备在工业界推广应用于车载软件用户体验测试与安全评估的潜力。