本文来自微信公众号：AutoLab（ ID: autolab），作者：zxl，封面：东方IC
通俗的说法是，在自动驾驶级别的划分上，L1级“解放”双脚，L2级“解放”双手，L3级“解放”双眼……
OK，看起来很美好，但一项研究表明，随着自动驾驶辅助功能的逐渐普及，另一个问题可能会愈发严重——那就是晕车。
晕车问题很常见，简单说的话，就是车上人员的视线离开道路，不再与车辆行驶动态和路线进行交汇，导致感官上出现偏差。若干相互间有极大偏差的感官数据传到大脑之后，就会造成大脑“宕机”——这就是所谓的晕车。
以晕船为例，人在船上房间里摇晃的时候，眼睛看到的房间内景物是相对静止的，但是前庭神经却能感受到船在摇晃，两种感官数据叠加在一起，大脑就不知道该怎么处理了，所以就晕船了。那么，为啥睡觉的时候不晕船？因为眼睛闭上了，大脑可以单独处理好前庭神经这一路感官数据了。
10年前曾经见过一位DTM车手在上海出租车上晕车，按照车手的解释称，当他觉得司机应该加速的时候，结果司机刹车了；当他觉得司机应该减速的时候，司机却加速变道——这其实就是感官数据的不平衡。
那么，类似的情况也会出现在自动驾驶时代——当乘客在车上盯着自己的手机或电脑目不转睛，但体感却能感受到各个方向的加速度，所以晕车现象会变得更容易出现。
那么，能否解决或是说预防这个问题呢？
采埃孚近期和德国萨尔州的神经学专家进行合作，通过利用基于人工智能的算法识别每位乘员的身体反应，再反馈到车辆驾驶系统中，进行智能调节。
目前这项技术还在概念阶段，采埃孚只是在车内放置了一组传感器，并开发了一套乘员可穿戴设备。在车辆动态行驶过程中，可记录乘员体温、心率、肤色以及脉搏等生理指标。同时通过持续侦测车辆动态加速和摇摆的幅度，以判断乘客在特定情况下晕车的概率。
目前，实验车辆的行驶里程已超过一万公里，采埃孚研究团队以热成像、图像和驾驶动态学数据的形式，收集了超过50000GB的中央和自主神经系统反应数据，构成关于晕车的多模态数据资源。最终通过综合分析，所记录大量的生理数据、摄像头数据以及与驾驶动力学相关的测量结果，以图研究出晕车现象与车辆动力学之间的关系。
简单说，这种做法类似于通过大量的原始数据收集，最终找出每位乘员身体状态和车辆动态之间的平衡点。在下一次乘坐或驾驶之前，基于人工智能的算法计算出的最佳行驶动态并反馈到驾驶控制系统中，从而开启预防性驾驶模式，解决晕车问题。
其实不止采埃孚，也有一些别的车企或科技公司也在关注这个问题。比如大众曾进行的一项测试，方法就简单得多。通过在车内安装LED灯，这些灯会随着汽车的减速和加速发出不同颜色的光，以帮助乘客感知自动驾驶汽车的下一步动作。
其依据在于，晕车通常是由于乘客不知道或无法预测司机的下一步行动而产生的。
如果乘客知道下一步会发生什么，会使他们能更好地适应汽车的运动。
本文来自微信公众号：AutoLab（ ID: autolab），作者：zxl，封面：东方IC