2025年3月26日-28日，2025商用車產(chǎn)業(yè)發(fā)展會議在湖北省十堰市舉辦。本次會議由中國汽車工業(yè)協(xié)會主辦，以“開辟新賽道，匯聚新動能——發(fā)展商用車產(chǎn)業(yè)新質(zhì)生產(chǎn)力”為主題，采用“1+1+6+N”模式，即1場閉門會議，1場開幕式暨主旨會議，6個主題分會場和其他相關對接、展示等活動，旨在深入分析商用車發(fā)展面臨的新機遇、新挑戰(zhàn)，探討商用車產(chǎn)業(yè)未來發(fā)展的新趨勢、新方向。其中，在3月27日下午舉辦的“主題分會場一：智能網(wǎng)聯(lián)商用車‘車路云一體化’”上，湖北汽車工業(yè)學院博士王玉剛發(fā)表精彩演講。以下內(nèi)容為現(xiàn)場發(fā)言實錄：

尊敬的各位領導、行業(yè)同仁：

非常榮幸在2025商用車產(chǎn)業(yè)發(fā)展會議上，與大家分享《智能網(wǎng)聯(lián)環(huán)境HMI信息優(yōu)化與駕駛模擬測試》的研究成果，與諸位共探智能網(wǎng)聯(lián)商用車‘車路云一體化’的未來圖景。當前，智能網(wǎng)聯(lián)技術迅猛發(fā)展、商用車產(chǎn)業(yè)深度變革已為行業(yè)帶來前所未有的機遇與挑戰(zhàn)。如何通過HMI信息架構(gòu)革新與駕駛模擬測試閉環(huán)，實現(xiàn)安全、效率、舒適的三維突破，已成為行業(yè)共同關注的戰(zhàn)略命題。

今天我的匯報主要包括以下四個方面：人機交互需求分析、測試平臺體系構(gòu)建、研究案例介紹以及交互信息的未來展望

一、智能網(wǎng)聯(lián)HMI的研究背景與需求

當前，乘用車市場中L2級智能駕駛功能的滲透率已超過50%，自動駕駛功能在高速公路、城市道路及低速封閉場景（如停車場）逐步實現(xiàn)量產(chǎn)應用。未來，L3及以上等級的智能網(wǎng)聯(lián)汽車將有序進入市場，預計到2030年，L3級自動駕駛車輛的滲透率將達到21%。

隨著智能網(wǎng)聯(lián)技術的發(fā)展，車輛的網(wǎng)聯(lián)化和智能化加速推進，引發(fā)了人車交互模式的深刻變革。在ICV（智能網(wǎng)聯(lián)汽車）環(huán)境下，人機交互承擔著信任構(gòu)建、信息提示及接管輔助等關鍵功能。然而，目前HMI在應用中仍存在學習成本高、信息過載、交互安全性不足、駕駛干預需求復雜、系統(tǒng)更新維護困難及隱私安全等挑戰(zhàn)。目前，HMI的研究內(nèi)容主要涵蓋用戶接受度、信任度、行為適應性及情境感知等人因因素，重點關注控制權(quán)界面設計、駕駛員表現(xiàn)、過渡策略、次要任務對安全性的影響、系統(tǒng)評估等方面。借鑒自動駕駛、智能交通等領域的研究成果，可將ICV環(huán)境下HMI的核心研究問題歸納為：ICV接受度、ICV交互質(zhì)量及ICV用戶體驗。

智能網(wǎng)聯(lián)環(huán)境下的HMI交互方式多樣，主要涉及儀表盤、中控屏、增強現(xiàn)實抬頭顯示（AR-HUD）及電子后視鏡等。視覺仍是主要的交互方式，占比達95%，輔以音頻、觸覺等輔助形式。優(yōu)化HMI的核心理念是“做減法”，即減少不必要的信息堆積，使信息展示更加清晰高效。

二、HMI設計的核心問題

在智能網(wǎng)聯(lián)環(huán)境下，HMI的設計需解決以下四個核心問題：

用戶體驗：如何設計直觀高效的界面，提高駕駛員和乘客的體驗？如何實現(xiàn)個性化設計，滿足不同用戶偏好？如何整合多種交互模式形成統(tǒng)一的HMI系統(tǒng)？

性能識別：如何建立高效的反饋機制，以清晰傳達車輛狀態(tài)、導航信息等重要內(nèi)容？如何以最直觀的方式呈現(xiàn)復雜信息，幫助駕駛員快速決策？

安全性：如何平衡信息呈現(xiàn)與駕駛員注意力分配，避免分心？如何利用傳感器技術實時監(jiān)測駕駛員狀態(tài)，以識別疲勞、分心等潛在風險？

人類意圖識別：如何實現(xiàn)直觀自然的語音控制和手勢識別？如何基于駕駛員情感狀態(tài)提供個性化反饋？

三、HMI測試平臺的構(gòu)建與研究案例

為系統(tǒng)研究HMI優(yōu)化方法及其在智能網(wǎng)聯(lián)環(huán)境中的應用，我們構(gòu)建了一套高保真、模塊化的智能網(wǎng)聯(lián)測試平臺。該平臺集成了多種先進技術，確保在不同測試場景下能夠閉環(huán)驗證HMI設計對自動駕駛系統(tǒng)各項性能的提升。平臺主要由以下四個子系統(tǒng)構(gòu)成：

（1）駕駛模擬仿真系統(tǒng)

利用Carsim與自研駕駛模擬軟件聯(lián)仿，實現(xiàn)高度還原實際道路環(huán)境的仿真測試。通過精細化場景建模（包括路網(wǎng)幾何、天氣、交通流等參數(shù)），平臺能夠采集多維度的道路信息與周邊車輛動態(tài)數(shù)據(jù)。引入實時物理建模技術與高精度傳感器數(shù)據(jù)融合算法，確保仿真環(huán)境與實車測試數(shù)據(jù)的高度一致性。平臺還支持數(shù)據(jù)標定與誤差修正，確保各項測試指標（如TTC、加減速度、車距等）在閉環(huán)測試中的可靠輸出。

（2）自動駕駛控制系統(tǒng)

實時采集并解析環(huán)境信息，實現(xiàn)L3級自動駕駛狀態(tài)下的決策規(guī)劃與執(zhí)行，同時支持HMI交互數(shù)據(jù)的同步采集。采用多傳感器融合算法，結(jié)合深度學習模型進行目標檢測與路徑規(guī)劃，并通過車載網(wǎng)絡與云端進行數(shù)據(jù)交互，實現(xiàn)跨平臺數(shù)據(jù)融合與實時反饋。

（3）人機交互控制系統(tǒng)

通過采集駕駛員操作數(shù)據(jù)和生理信號（如眼動、心率等），動態(tài)切換自動駕駛與人工駕駛模式。系統(tǒng)集成了多模態(tài)信號采集設備，并利用自適應算法對駕駛員行為進行實時監(jiān)控和分析，構(gòu)建駕駛員狀態(tài)模型，從而為接管策略和HMI界面調(diào)整提供數(shù)據(jù)支撐。針對不同駕駛場景，該系統(tǒng)還能進行自動標注與反饋，確保人機交互過程的連貫性與安全性。

（4）HMI信息顯示系統(tǒng)

根據(jù)自動駕駛控制系統(tǒng)反饋的數(shù)據(jù)，實時調(diào)整駕駛輔助參數(shù)，預警周邊交通狀況，并直觀展示車輛決策信息。結(jié)合AR-HUD和儀表盤顯示技術，采用基于事件觸發(fā)的智能信息調(diào)度機制，將關鍵信息以視覺、聽覺和觸覺多模態(tài)呈現(xiàn)，有效降低信息冗余，實現(xiàn)“做減法”設計理念。系統(tǒng)還支持動態(tài)信息過濾和個性化定制，以適應不同駕駛員的認知需求。

基于該測試平臺，我們開展了以下多層次、多角度的研究工作：

（1）自動駕駛系統(tǒng)功能測試

針對L2級（車道保持、自適應巡航、自動緊急制動）和L3級（有條件自動駕駛）功能，設計了標準化測試場景和關鍵性能指標，通過仿真和實車閉環(huán)測試，實現(xiàn)對系統(tǒng)穩(wěn)定性、魯棒性和響應時間的全面驗證。

對比不同場景下的控制響應與誤差分布，為自動駕駛決策模型的進一步優(yōu)化提供了數(shù)據(jù)支持。

（2）人機交互系統(tǒng)優(yōu)化研究

重點測試HMI預警信息在視覺、聽覺與觸覺等多模態(tài)下的表達效果，采用主客觀評價相結(jié)合的方法，對預警信息的傳遞效率、用戶反應時間和注意力分布進行量化分析。

通過多次重復實驗，驗證不同信息呈現(xiàn)方式對駕駛員決策的影響，從而優(yōu)化交互界面設計。

（3）駕駛?cè)诵湃味妊芯?/p>

構(gòu)建了基于駕駛行為變量與人機交互指標的信任度評估模型，通過實驗數(shù)據(jù)分析不同交互策略對駕駛員信任度的影響。

模型驗證表明，適當?shù)慕换ピO計不僅能提升駕駛安全性，還能增強駕駛員對自動駕駛系統(tǒng)的信任，從而降低緊急接管風險。

此外，我們還開展了以下典型研究案例：

（1）人機共駕交互優(yōu)化

針對多模式接管情景，研究不同HMI交互方式對駕駛員接管時間、接管安全性及駕駛過程穩(wěn)定性的影響，提供系統(tǒng)化改進建議。

（2）HMI對駕駛?cè)藚R入行為的影響

評估ICV環(huán)境下，HMI設計如何影響駕駛員對周邊交通信息的采集和情境感知能力，驗證信息優(yōu)化在提升駕駛行為主動性方面的作用。

（3）突發(fā)事故情景下的HMI影響分析

模擬突發(fā)事故場景，分析不同網(wǎng)聯(lián)環(huán)境下HMI信息的傳遞對駕駛員反應速度及事故規(guī)避策略的影響，為緊急情況下的信息優(yōu)化提供理論依據(jù)。

（4）人機交互與駕駛信任度動態(tài)評估

結(jié)合實驗數(shù)據(jù)，探討如何動態(tài)調(diào)整交互策略以優(yōu)化駕駛員信任度，通過實時反饋與個性化界面定制，實現(xiàn)駕駛員心理與操作狀態(tài)的最佳匹配。

通過以上研究，測試平臺不僅成為我們探索智能網(wǎng)聯(lián)車輛HMI設計與驗證的重要工具，也為車路云一體化下的自動駕駛安全和用戶體驗提升提供了有力的數(shù)據(jù)支持和理論依據(jù)。

四、HMI發(fā)展面臨的挑戰(zhàn)與未來展望

盡管HMI技術取得了諸多進展，但仍面臨以下挑戰(zhàn)：

性能識別的局限：在復雜駕駛條件下，HMI的指令識別準確性受限，可能影響安全性。

領域數(shù)據(jù)集的缺乏：HMI測試需要高質(zhì)量的數(shù)據(jù)集，而當前數(shù)據(jù)采集方式存在成本高、侵入性強的問題。

駕駛意圖的復雜性：多模態(tài)界面引入了更復雜的交互需求，如何精準識別用戶真實意圖仍待研究。

技術與人類感知的沖突：部分交互方式可能對駕駛員的認知造成干擾，需開展跨學科研究以優(yōu)化交互體驗。

未來，HMI研究需結(jié)合多模態(tài)信息融合、人工智能、大語言模型等技術，推動跨學科創(chuàng)新，以提升人機交互的智能化水平。

我的匯報到此結(jié)束，感謝各位領導和專家的聆聽！