移动驾驶模拟器研究自动驾驶舒适性

最新推荐文章于 2025-11-24 15:05:14 发布

原创最新推荐文章于 2025-11-24 15:05:14 发布 · 1k 阅读

29 ·

CC 4.0 BY-SA版权

文章标签：

#驾驶模拟器 #自动驾驶 #舒适性 #运动缩放 #加速度

我们能在移动式驾驶模拟器中研究自动驾驶舒适性吗？一项验证研究

引言

在过去十年中，自动驾驶汽车已成为一项快速发展的技术，现已被众多大学、汽车制造商以及其他技术和软件公司列为重点研究议题。自动驾驶的趋势不仅彻底改变了汽车行业，而且从根本上改变了驾驶任务本身。国际汽车工程师学会（SAE International，2014）定义了六个级别的驾驶自动化，从0级（无自动化）到5级（完全自动化）。随着自动化水平的提升，驾驶任务发生了显著变化。在0级时，人类驾驶员完全掌控车辆，必须执行所有与驾驶相关的任务；而在中间各级别中，驾驶任务的越来越多方面被自动化，使人类的任务从主动驾驶转变为监控自动化系统，最终甚至完全不再需要承担这一责任。

随着自动化程度的提高，驾驶员偏好如何被驾驶的问题变得越来越重要。例如，从技术角度来看，在车道中央行驶在最初看来可能是合理的车道保持行为。然而从心理学视角来看，在车道中央行驶并不一定是驾驶员所偏好的轨迹，尤其是在弯道行驶或进行转弯操作时，通常会偏向内侧切弯，以保持横向加速度相对较低（例如，博尔，1996；Siegler, Reymond, Kemeny, & Berthoz, 2001）。最近的调查显示，乘客对自动驾驶系统的接受度仍持非常犹豫的态度（MacSween‐George, 2003；肖特尔和西瓦克，2014）。因此，进一步研究这一问题显得尤为重要。

在高度或完全自动驾驶中体验到的舒适性

舒适性的概念十分复杂，目前尚未建立一个普遍认可的科学定义。根据de Looze, Kuijt‐Evers和van Dieën (2003)的观点，迄今为止所有关于舒适性的定义都包含三个方面：(a) 舒适性是主观的，因人而异；(b) 体验舒适性始终是一种反应；(c) 舒适性既可能受到内部因素（例如敏感性）的影响，也可能受到外部因素（例如物理影响）的影响。关于舒适性作为一个构念的讨论中，一个重要问题是：它应被视为一个维度，一端是舒适，另一端是不适（例如Verg‐ara & Page, 2000），还是应认为不适是由生物力学条件引发的、可与关联于幸福感的舒适共存的现象（Zhang, Helander和Drury，1996）。这一争议加剧了在确立广泛认可的评估方法方面所存在的困难。

Ellinghaus和Schlag (2001)以及Krist (1994)特别指出了驾驶员预期在体验舒适性中的作用。他们认为，对操作的预期与实际经历的操作会不断进行比较，当预期得到满足时，就会产生舒适感。预期与实际驾驶行为之间的偏差不仅可能加剧晕动症症状（Reason，1978；Sivak和Schoettle，2015），还可能显著影响用户接受度和用户舒适性。Sivak和Schoettle（2015）进一步发现，作为乘客评价乘坐舒适性时，失去控制感以及无法预知车辆行为被视为主要因素。这种预期与实际体验之间的联系影响了本研究的设计，这在方法部分中显而易见。

为了迈出识别理想自动驾驶模式的第一步，这项研究比较了自动驾驶变道操作和在前方慢速行驶车辆后方自动减速操作的不同方式，以评估驾驶舒适性。选择这两种操作不仅因为它们是高速公路环境中最常见的操作之一（参见Bellem, Schönenberg, Krems和Schrauf, 2016），在该环境中更高水平的自动化将首先被引入，但也因为它们代表了纵向操作或横向操作，且都涉及另一个交通参与者。

为了促进对自动驾驶车辆驾驶舒适性的研究，驾驶模拟器不仅为技术要求高且成本高昂的道路研究提供了安全且经济高效的替代方案，还使开发者能够测试原型系统。然而，只有当从驾驶模拟器中获得的有价值见解能够被转移到现实世界时，这些见解才具有特殊意义。在文献中，为了评估驾驶模拟器的有效性，提出了物理有效性与行为有效性的区分（例如，Blana, 1996；Mullen, Charlton, Devlin和Bédard, 2011）。物理有效性指的是驾驶模拟器再现物理现实的程度。例如，如果模拟器的物理组件（如布局、动态特性或视觉显示）与实际道路驾驶相符，则表明其具备物理有效性。行为有效性则指模拟器中的驾驶行为与真实道路上的驾驶行为之间的一致性。因此，它描述了驾驶员在模拟器中的行为、表现和体验与真实道路驾驶的匹配程度。

布劳 (1982) 将行为有效性细分为绝对效度和相对效度。当因变量（如驾驶参数、心理生理测量指标或主观评价）在驾驶模拟器中的数值与真实环境中的数值相同时，即建立了绝对效度。当不同条件下因变量的差异在顺序、方向和幅度上相同时，即具备相对效度（布劳 (1982)；戈德利、特里格斯和菲尔德斯，2002；马伦等人，2011；王等人，2010）。对于大多数研究问题而言，建立相对效度已足够（里德和格林，1999；托恩罗斯，1998）。然而，当需要确定绝对数值（例如通用接管请求时间）或需要识别高级驾驶辅助系统的干预阈值时，则必须满足绝对效度（盖穆，2013）。

但必须指出的是，驾驶模拟器的行为有效性始终局限于特定定义的研究问题或驾驶任务（艾伦等人，1991年；Mullen等人，2011年；戈德利等人，2002年；尼尔松，1993年），并且由于驾驶模拟器研究中所采用的驾驶模拟器在架构、算法和参数化方面存在诸多不同（费舍尔、埃里克森和奥尔策，2012年；格林伯格和布洛默，2011年；尼尔松，1993年），因此在不同研究和模拟器之间关于运动提示效果的推广必须谨慎进行。

为了奠定使用驾驶模拟器研究自动驾驶车辆驾驶舒适性的基础，我们确定了高保真六自由度并联平台移动式基座模拟器在线性轨道系统上的两种模拟器配置的行为有效性。这两种模拟器配置的区别在于车辆在六足穹顶内的放置方向：相对于轨道系统平行放置（MBS_Long）或横向放置（MBS_Lat；详见方法部分）。

尽管物理有效性和行为有效性通常被认为具有正相关关系或被假设为正相关（例如，巴、张和萨尔文迪，2014年；Blana, 1996；克吕弗、赫里格尔、海因里希、朔纳和赫希特，2016年；李等人，2013年；但参见格拉贝、普雷托、乔尔达诺和比尔托夫，2010年；里德和格林，1999），但越来越多的证据表明，在障碍驾驶任务（贝尔托兹等人，2013年；普雷托、努塞克、托伊费尔和比尔托夫，2009年）或变道操作（格林伯格、阿茨和卡西，2003年）中，人们更偏好小于1的缩放因子，约为50%至70%，而非100%的缩放因子。然而，上述研究并未将模拟器结果与实路研究的结果进行比较，而是基于感知真实感的评分或驾驶表现数据。

在这项研究中，我们将两组不同的缩放参数集——在纵向和横向加速度的缩放因子上有所不同——与试验场环境进行了比较。第一组参数集（MBS_Lat）中，横向加速度的模拟方式与试验场研究中的记录完全相同（即缩放因子为100%），而纵向加速度则缩小至17%。第二组参数集（MBS_Long）中，横向加速度缩小至50%，纵向加速度缩小至60%。因此，MBS_Lat在变道操作中具有更高的物理有效性，而MBS_Long在减速操作中具有更高的物理有效性（详细描述见方法部分）。我们的研究是首个针对真实道路数据验证两组缩放参数的研究。此外，我们的研究也是首个验证被动驾驶而非主动驾驶的研究。

这项研究的目的是为使用先进的移动式驾驶模拟器研究自动驾驶车辆中的驾驶舒适性奠定基础。在这项研究中，我们（a）通过将模拟器的结果与试验场研究的结果进行比较，评估移动式驾驶模拟器是否具备充分研究自动驾驶车辆中驾驶舒适性的能力；（b）比较两组运动缩放参数集；（c）针对横向和纵向的自动操控动作，分别比较六种不同变体在驾驶舒适性方面的表现，从而对底层参数进行推断。关于驾驶模拟器有效性的结果将影响未来研究的设计，而来自舒适度评分的洞察将被用于进一步改进自动驾驶，以实现被动驾驶员的舒适驾驶体验。

方法

参与者

共有52名男性和20名女性（各组年龄范围为M = 41.03岁，SD = 11.38岁，范围= 21–61岁；各设置的数据见表1）参与了这项实验。戴姆勒股份公司的员工和非员工均参与了这项研究，并被均匀分配到各组中。所有参与者均持有有效的驾驶执照，视力正常或矫正至正常，对实验目的不知情，且几乎没有或完全没有模拟器使用经验。数据以匿名方式收集。在任务说明后获得了知情同意。参与者可随时自由终止参与实验，且不会有任何后果。参与者因参与实验获得了30欧元的报酬。所有实验程序均按照《赫尔辛基宣言》的伦理准则进行。

设计

这项研究中，我们选择了两类常见的操作，包括向左变道（产生较大的横向加速度力）以及对前方较慢行驶车辆做出反应的减速操作（产生纵向加速度力）。选择这些操作是因为它们代表了高速公路场景中最常见的两种操作（参见Bellem等，2016）。由于高度和完全自动驾驶将首先在高速公路上引入，因此该标准对操作的选择具有特殊意义。此外，这两种操作分别提供了对主要横向操作和主要纵向操作的理解。

为两种操作分别选择了一个3 × 6因子设计。第一个因素“环境”是一个被试间因素，用于描述设置，其水平包括试验车道、MBS_Lat和MBS_Long。第二个因素“场景”是一个被试内因素，包含六种不同参数化的减速操作变体和六种变道操作变体（见图1）。

总共72名参与者中，28名参与者体验了实车驾驶环境，22名参与者体验了MBS_Lat环境，另外22名参与者体验了运动平台模拟器的MBS_Long配置。对于这两种操作中的每一种，六个场景包含了三个参数的不同组合，这些参数在早期研究中被参与者归类为舒适驾驶（Bellem等，2016）。Bellem等（2016年）研究中的均值及其标准差是本文所报告研究参数的基础。

参数在设备与刺激部分有更详细的描述，并在图3中进一步说明。由于物理和技术限制，无法建立参数的完全因子设计。因此选择的组合需具备可行性且可比较，例如不需要明显更长的轨道，同时也要确保根据最小可觉差仍可预期产生不同的评分（参见穆勒、哈耶克、拉迪克‐魏森菲尔德和本格勒，2013）并且仍然能够代表其原始数据。因此，这些变化在设计上要让人感觉舒适，但并非同等舒适。

实验分为两个部分，分别进行变道操作或减速操作。为了防止顺序效应，这两个部分的顺序进行了交叉平衡，且各部分内场景的顺序在参与者之间进行了随机化（见图1）。

示意图0

设备

试验车道研究环境 。试验场研究在一条280米长、两条车道封闭且不对外开放的试验车道上进行。自车为一辆梅赛德斯‐奔驰CLS（C218），能够自主行驶，并配备了一套软硬件系统，使车辆能够在无需参与者干预的情况下按照预定义场景行驶。为了在减速场景中同步自车和目标车辆的行为，目标车辆通过高精度GPS跟踪系统以及多个软硬件组件进行控制。

驾驶模拟器环境（MBS_Lat和MBS_Long） 。该高保真运动平台模拟器基于一个12.5米长的直线轨道系统。一个六自由度并联平台通过气浮轴承沿此线性轨道移动，包含六个直线执行器，并承载一个球形穹顶，高度4.5米，内径7.5米。在此穹顶内，全尺寸车辆模型可平行或垂直于线性轨道放置。因此，根据模型的朝向，线性轨道的运动空间可用于模拟横向（MBS_Lat）或纵向运动（MBS_Long）。在线性轨道的正交方向上，运动平台模拟器具有±1 m的运动空间。

MBS_Lat的运动提示系统的参数设置为横向缩放系数100%，纵向缩放系数约17%。在MBS_Long模式下，运动系统模拟了60%的纵向加速度和50%的横向加速度。为了复现实验场研究中的场景，试验场研究中测量得到的加速度被直接传输至运动系统，因此未引入车辆动力学模型来模拟这些场景。然而，由于工作空间有限，采用了经典洗涤算法，该算法会衰减低频加速度。

穹顶内的八通道投影系统为每个投影仪创建了分辨率为2,048 × 1,536像素的360°水平视场。此外，在侧后视镜上安装了两个分辨率为800 × 600像素的LCD显示器，以模拟镜像。图2展示了MBS_Lat和MBS_Long的示意图。有关该运动基座模拟器的更详细描述可参见Zeeb（2010）。

示意图1

刺激

减速场景 。减速操作开始时，自车加速至50公里/小时，目标车辆同步加速至10公里/小时。在接近目标车辆的过程中，自车根据给定的参数化执行减速操作。

减速场景通过结合制动时的加速度变化率（jerk）、最小距离时间梯度（TTMDgrad）以及操作开始时的最小距离时间（TTMDinit）生成。操作的开始定义为加速踏板被释放的时刻。加速度变化率定义为加速度的导数（或速度的二阶导数）在制动器应用时的变化。最小距离时间（TTMD）的定义类似于碰撞时间。然而，TTMD并非以碰撞为参考，而是指以秒为单位的最小车头间距时刻点，该值在所有变化中保持恒定。TTMDgrad被定义为减速度过程中TTMD的变化率。较高的TTMDgrad可能被感知为对前车速度更快的适应。TTMDinit被定义为操作开始时的TTMD。较小的TTMDinit可能被感知为比具有较大TTMDinit时更接近障碍物才开始减速度。这三项参数已在一项实路研究中被证明与感知驾驶舒适性相关（参见Bellem等，2016）。不同指标的绝对值要么是Bellem等（2016年）研究中被归类为舒适类别的指标均值，要么对应于这些均值周围的标准差。参数示意图见图3。

变道场景 。在每次变道操作开始时，自车在右车道加速至50公里/小时。在保持目标速度约2.5秒后，根据给定参数执行向左的自动变道操作，以避开位于右车道的静止车辆。在变道操作过程中，方向盘随车辆的横向移动而转动。

这些场景是通过结合加速度最大值（Amax）、加速度最小值（Amin）与Amax之间的比率（伽马），以及Amax发生时在操作过程中的相对位置（阿尔法）生成的。虽然加速度是一个广泛使用的指标（参见Winner、Hakuli和Wolf，2012），但阿尔法和伽马则相对较新。它们用于描述变道过程的变化特征。阿尔法描述了加速度建立过程相对于操作持续时间的对称性。较小的阿尔法表示横向加速度较早达到最大值的变道，因此可能被感知为具有更早明显开始感的变道。而伽马则表达了对称性该操作与横向加速度的大小有关。伽马值为1表示在变道过程中，向左和向右的横向加速度max强度相同。伽马值越小，相对于向右的加速度（图3中的Amin），向左的加速度（图3中的Amax）越强。由于在相同阿尔法条件下，相比伽马值为1的情况，更大的Amax需要在更短时间内建立，因此该情况可能让人感觉向左的动作更突兀。与减速操作类似，参数的绝对值基于先前研究中被归类为舒适性的均值和标准差值（参见Bellem等，2016）。变道开始时刻保持恒定，以确保结果基于变道的不同特征，而非单纯的风险评估。

示意图2

Procedure

实验开始时，参与者填写了一份问卷，以获取标准的人口统计信息以及他们对驾驶模拟、自动驾驶和各种驾驶员辅助系统使用体验的主观评价。随后，参与者熟悉了实验过程。他们被要求为每个场景提供一个舒适度评分，以表明所体验的场景在多大程度上符合他们对舒适自动驾驶的偏好。评分采用1到7的量表，其中1表示完全不是，7表示正是这样。参与者还可以就驾驶操作在舒适自动驾驶方面的表现进行评论。

一般来说，实验员会提醒参与者，他们的判断应仅基于变道或减速操作，而不应依据每个场景开始时的加速度等因素。因此，该评分旨在捕捉受试者的舒适度，而不是在模拟器研究中评估模拟的存在性或质量。试验间间隔对于变道操作约为60秒，对于减速操作约为150秒。

每个模块都以一个训练场景开始，以便让参与者熟悉流程（场景B和H作为中间变体）。在每个场景结束后，在试验场研究中，参与者需接管自车并将其驾驶回到初始起始位置；而在模拟器研究中，仿真会被重新加载并进入一个新的场景。

结果

对于两个操作中的每一个，我们使用R语言中的afex程序包（Singmann & Bolker, 2014；R核心团队，2013）分别进行了两次重复测量方差分析，以将每个模拟器与试验场研究进行对比。环境（水平：试验车道 vs. MBS_Long 或试验车道 vs. MBS_Lat）被视为被试间因素，场景被视为被试内因素。舒适度评分经过平方处理，以校正其负偏态分布。对偏度校正后的评分进行视觉检查，未发现明显偏离正态性的情况，随后的Box’s M 检验表明，每个模型均未违反同方差性假设。由于球形假设被违反，我们采用格林豪斯‐盖瑟校正对自由度进行调整。结果见表2。为进一步说明结果，我们在图4中绘制了均值。

口头评论的匹配结果显示，在舒适度评分较高的场景中，人们更频繁地提到该场景被体验为平顺和/或有预见性。此处将不再进一步分析这些评论，但可向作者获取。

从统计学角度来看，若不存在显著的主效应和交互效应，则支持绝对效度。当无法发现环境与场景之间的交互作用时，则认为具有相对效度。因此，表2中报告的MBS_Long的非显著性交互效应和主效应支持可对MBS_Long得出相对效度和绝对效度的结论。然而，MBS_Lat未表现出相对效度。在变道操作中，其交互效应特别大，必须明确拒绝相对效度；而在减速操作中，效应量为0.05且统计显著性为0.05是否具有实际意义尚存争议，特别是考虑到邦弗罗尼校正后的显著性水平为0.0125时。

为了进一步检验哪些操作参数可能是这些差异的基础，我们使用R语言中的lme4包（Bates, Maechler, Bolker, & Walker, 2014）进行多层回归分析，其中第一层为重复测量，第二层为参与者。因变量采用舒适度评分。对于描述减速度和变道操作的六个参数中的每一个，我们分别建立了一个独立模型，并将操作参数及其平方项作为第一层预测变量加入模型中，以允许存在曲线关系。在第二层，我们将环境作为一个虚拟编码变量加入模型，以测试轨道环境作为参考水平。此外，还引入了环境与操作参数之间的跨层交互作用。同样，对舒适度评分进行了平方处理，以满足残差正态分布的假设。随后，在模型拟合之前，对舒适度评分和操作参数进行了z变换，以防止由于操作参数的线性项与曲线项之间高度相关所导致的多重共线性问题。

对每个模型，通过残差图的视觉检查发现其与正态性或同方差性没有明显偏离。为了确定参数所解释的方差，我们根据徐(2003)提出的算法计算了每个模型的R²。为了展示结果，我们基于所提出的多层次回归模型模拟了期望值。金、汤姆兹和维滕伯格(2000)。多层次分析的结果和图示见图5。

在MBS_Long中，六个参数的线性与非线性分量均未发现显著影响。因此，这些参数对驾驶舒适性的影响在试验场研究和MBS_之间是相同的。

示意图3

示意图4

然而，在MBS_Lat中，预测因子Amax的线性和曲线成分的影响与试验场研究中的显著不同。此外，结果表明，Amax和TTMDgrad分别能够解释变道或减速操作中大部分的方差。

讨论

对于变道和减速操作，结果支持MBS_Long的相对和绝对效度。然而，在MBS_Lat配置中，无法支持变道操作的相对效度，且数据仅提示减速操作可能存在较弱的相对效度。因此，只有将运动平台模拟器配置为横向和纵向缩放系数分别为50%和60%时（MBS_Long），才似乎是研究自动变道和减速操作驾驶舒适性的有效工具。相比之下，横向配置的模拟器（MBS_Lat）似乎不适合用于驾驶舒适性研究，尤其是针对变道操作。此外，我们发现不仅各变道条件之间的舒适度评分在MBS_Lat中与测试轨道环境中的评分不一致，而且在MBS_Lat中的驾驶舒适性总体评分也低于测试轨道环境。

由于MBS_Long配置能够最优地利用可用运动空间来模拟纵向运动提示，因此在减速操作中，该配置相比MBS_Lat配置更为优越，这并不令人意外。然而令人惊讶的是，在这项研究中，即使变道操作需要充分模拟横向运动，MBS_Long在变道操作中似乎仍优于专为模拟这些横向提示而优化的MBS_Lat配置。下文将讨论这些反直觉发现的若干可能解释。

从多层次分析可以看出，最大加速度Amax的线性和曲线分量对驾驶舒适性的影响在MBS_Lat模型中与试验场研究中的结果显著不同，而在其他所有参数中，MBS_Lat产生了相同的结果。同时，Amax被发现是驾驶舒适性最佳的预测指标，因为它解释了大部分方差。这一发现表明，MBS_Lat有效性的不足可追溯至对最大横向加速度提示的错误模拟。

从图5所示的模拟期望值可以看出，与测试轨道环境中的轻微下降相比，在MBS_Lat中横向加速度稍有增加便导致舒适度评分急剧下降。因此，Amax似乎也是造成MBS_Lat中驾驶舒适性评分显著低于测试轨道环境的原因。在考虑两种模拟器配置中横向加速度的缩放系数时，显然仅模拟50%横向加速度（MBS_Long）所产生的舒适度评分比物理上准确的100%缩放系数（MBS_Lat）更具有效性。

这一反直觉的结果在先前的研究中也曾被发现。普雷托等人（2009）在一项蛇形驾驶任务中改变了四种横向加速度的缩放系数（0.5、0.75、1.0、1.25），并得出结论：60%的缩放系数为感知上的最佳运动增益。格林伯格等人（2003）在变道任务中改变了三种缩放系数（约50%、75%、100%），并得出结论：约50%的横向运动缩放因子已足以产生自然驾驶表现。贝尔托等人（2013年）可能开展了一项最全面的运动提示研究。他们在三台先进的移动式基础驾驶模拟器上，研究了横向运动缩放在蛇形驾驶任务中对感知真实感和驾驶表现的影响。他们得出结论，横向加速度的最佳运动增益介于0.4至0.75之间。作为可能的解释，他们指出小于1的运动缩放偏好可能归因于车辆动力学模型的限制。然而，我们的研究结果与此观点相矛盾，因为这项研究中并未引入任何车辆模型，而是将试验场研究中测量得到的加速度直接传输至运动系统。

贝尔托等人（2013）提出了一种合理且有前景的解释。他们建议，为了与虚拟环境中被低估的速度相匹配，运动提示必须按比例缩小。因此，这种效应的基础可能更多地存在于显示系统的物理有效性中，而非运动系统中（科雷亚·格拉西奥、博斯、范帕森和穆尔德，2014）。事实上，许多研究表明，在虚拟环境中速度和距离常常被低估（例如，班顿、斯特凡ucci、达金、法斯和普罗菲特，2005；费舍尔等，2012；哈里斯、詹金和齐科维茨，2000；克纳普和卢米斯，2004）。

尽管数十年来的驾驶模拟器研究表明速度感知存在低估现象，但其理论基础仍不明确。考虑到上述研究依赖于提供单眼视觉线索的视觉系统，越来越多的实证证据表明，引入立体视觉线索能够增强视觉‐前庭整合（巴特勒、坎波斯、比尔托夫和史密斯，2011），并可能减少常被认为引发模拟器晕动症的视觉‐前庭不匹配（Reason，1978）。此外，研究发现立体视觉线索显著改善了运动方向判断（范登伯格和布伦纳，1994），增强了对自我速度感知和自我位移的感知（帕尔米萨诺，2002），并缩短了诱发的自我运动感的开始时间，延长了其持续时间（帕尔米萨诺，1996；但参见伊塞尔施泰因、里德、弗里曼、艾冯斯和布怀斯，2001）。因此，从表面上看，在固定平台模拟器中引入立体视觉线索可能会提高其物理有效性，但由于视觉‐前庭不匹配程度更高，很可能降低行为有效性。这种可能性或许可以解释为何在其他条件完全相同的固定平台驾驶模拟器中，立体显示相比单眼显示几乎未能改善驾驶表现（Forster, Paradies, & Bee, 2015）。

然而，这一假设仍属推测，研究人员需要确定在提供立体视觉线索时，对小于1的缩放因子的偏好是否会消失。抛开理论基础不谈，我们的数据支持以下观点：对小于1的缩放因子的偏好似乎不仅适用于主动驾驶任务，也适用于被动驾驶任务。此外，我们首次能够证明使用运动平台模拟器可以研究自动驾驶车辆中的感知舒适性，前提是运动提示算法得到充分的参数化。然而，我们想指出的是，在不同的研究问题和驾驶模拟器架构之间推广研究结果是困难的。考虑到越来越多的交通心理学研究依赖于驾驶模拟器，对驾驶模拟器进行持续验证至关重要。此外，正如戈德利等（2002）所指出的，大量证据表明，不同的驾驶模拟器已被证明是适用于多种驾驶任务的有效研究工具，这进一步增强了驾驶模拟器研究的有效性。

除了关于模拟器有效性的研究发现外，还可以明确操作特性对舒适性评分的影响方式。结果表明，加速度是对舒适性影响最大的因素。正如预期的那样，较低的加速度被认为更加有利。参与者关于场景平滑性和有预见性特性的口头评论，结合TTMDgrad的重要性，也表明操作过程在舒适性体验中起着重要作用。

潜在局限性

我们进行了许多统计检验，这增加了I类错误的风险。然而，我们认为对显著性水平进行校正（例如邦弗罗尼校正）会过于保守，特别是考虑到这些模拟器并非针对其有效性进行检验，而是针对其无效性进行检验。此外，我们指出，采用被试内设计本应是首选方法，但由于较大的后勤挑战以及对参与者的合理性而言不可行。还可以进一步讨论的是，使用舒适度的多维测量可能是一种更强的测量方式。但在预测试中，参与者表现出在多维量表上评定舒适度存在困难。这一发现也反映在参与者每次变化后给出的评论中，他们主要将舒适性归结为平滑性和预见性。

另一个可能的局限性涉及用于评估驾驶舒适性的方法。同样由于目前尚无关于舒适性精确定义的共识，因此找到一种有效的评估工具已被证明是困难的。回顾起来，我们怀疑所使用的单维七点量表可能并非最佳选择。已有不同的方法用于客观测量驾驶舒适性，例如通过生理测量（如Engeln & Vratil, 2008），或通过间接测量不适感（如Hartwich, Beggiato, Dettmann, & Krems, 2015）。然而，即使使用客观测量方法，仍会存在残余方差（Engeln & Vratil, 2008）。我们也意识到，其他方面，如安全感，可能影响了评分结果，因为这些方面与舒适性密切相关，甚至在某些理论中属于舒适性的一部分（参见Summala, 2007）。但我们同样认为，如果一个人没有安全感，则无法获得舒适感。目前尚未建立一种有效且广泛支持的问卷或评估方法。

尤其是在模拟器中，晕动症可能对数据产生重要影响。由于这项研究的参与者报告的晕动症相关不适主要为无或仅有轻微且不频繁的情况，因此我们未对模拟器和晕动症症状进行结果控制。此外，由于试验是随机化的，我们认为晕动症或模拟器引起的系统性偏差不太可能存在。最后，我们的分析和讨论可能具有事后特征。然而，我们想强调这项研究的探索性质，这是因为在驾驶模拟器中研究自动驾驶车辆的感知舒适性尚属新颖。

结论

我们发现，参与者更倾向于降低运动线索的缩放比例，而非物理上正确的运动线索，这很可能归因于在虚拟环境中对速度的低估。进一步研究可以检验提供立体视觉线索是否能够增强速度感知，从而消除对小于1的缩放因子的偏好，这将十分有趣。总之，我们在MBS_Long的变道和减速度操作中，在参数化范围内验证了其相对和绝对的行为有效性，这对自动驾驶汽车的驾驶舒适性具有重要意义。

然而，对于给定配置下的MBS_Lat（横向运动提示缩放因子为100%，纵向运动提示缩放因子为17%），我们仅能得出减速操作的相对效度较弱，且变道操作无相对效度。50%到60%的缩放因子似乎是这项研究中所考虑驾驶操作行为有效性的关键因素，而MBS_Long配置能够对横向和纵向运动线索 consistently 提供这一范围的缩放因子。

关于舒适性的体验，最大加速度以及参数在操作过程中的变化似乎是关键影响因素。