电动车静音如何影响速度感知
研究背景
传统燃油车（ICEV）与电动车（EV）在座舱声学上存在根本性差异：ICEV 的发动机阶次噪声（engine-order content）在车内清晰可闻，而 EV 的动力总成几乎静音，仅剩风噪、胎噪等宽带成分。这种声学差异不仅影响驾乘舒适性，更可能干扰驾驶员对车速的感知——已有研究表明，发动机声音减弱会导致速度低估（speed underestimation）和速度保持能力下降。然而，现有研究多聚焦于 EV 声学舒适性或人工声音设计的主观愉悦度，对“新噪声如何影响速度感知精度”这一基本问题关注不足。特别是，驾驶员能否在 EV 环境下分辨微小的速度变化？这种分辨能力是否随车速变化？背后的声学机制是什么？这些问题直接关系到 EV 的人机工程学设计和安全驾驶。
核心思想
法国里昂中央理工学院的 Li、Parizet 和 Colangeli 在最新研究中，通过经典的“两间隔两选强制选择”（2AFC）实验范式，直接测量了三种声学条件（ICEV、EV、静音）下驾驶员对速度差异的最小可觉差（JND）。核心假设是：ICEV 中与转速（RPM）相关的可听频率偏移（例如发动机轰鸣音调随车速升高而上升）为速度辨别提供了清晰的听觉线索，而 EV 或静音条件下缺乏这种线索，导致 JND 增大。实验在低速（40 km/h）和高速（100 km/h）两个参考速度下进行，结果验证了假设：高速时 ICEV 条件下的 JND 约为 1.93 km/h，EV 条件为 3.48 km/h，静音条件高达 5.15 km/h；低速时则无显著差异。这一发现揭示了一个关键机制：RPM 相关的频率偏移是速度辨别的核心听觉线索，而非简单的响度或尖锐度变化。
方法与技术路线
研究采用 2AFC 范式，30 名参与者（平均年龄 27.4 岁，均有驾照）完成实验。每次试验中，参与者观看两段第一人称视角的高速公路视频（参考速度 vs. 比较速度），视频时长 4 秒，间隔 0.5 秒静音，随后回答“哪一段感觉更快”。参考速度固定为 40 km/h 或 100 km/h，比较速度在参考速度 ±0.5–8 km/h 范围内随机选取。声学条件分为三种：ICEV（录制自标致 308 车内，含发动机阶次噪声）、EV（录制自雷诺 Zoe 车内，无阶次成分）、静音（完全无声）。所有音频经校准以匹配实际声压级，并通过 AKG K601 耳机呈现。
关键实验设计细节：
- 每次试验的参考速度与比较速度随机分配左右顺序，参与者不知晓。
- 每名参与者完成 300 次试验（3 声学条件 × 2 参考速度 × 5 比较速度差 × 10 重复），分两阶段进行。
- JND 通过心理测量函数（psychometric function）拟合：对每个参与者-条件组合，使用最大似然法拟合逻辑斯蒂曲线，JND 定义为 75% 正确率对应的速度差（即 $x_{0.75} - x_{0.5}$）。
数据分析采用重复测量方差分析（ANOVA），因子为声学条件（3 水平）和参考速度（2 水平）。结果显示：参考速度主效应显著（$F(1,29)=9.74, p=0.004$），声学条件主效应显著（$F(2,58)=17.0, p<0.001$），交互效应显著（$F(2,58)=13.1, p<0.001$）。事后检验（Tukey HSD）揭示：40 km/h 时三种条件间无显著差异（所有 $p>0.3$）；100 km/h 时 ICEV 显著优于 EV（$p<0.001$），EV 显著优于静音（$p=0.011$）。
进一步，研究者计算了每种音频信号的响度（loudness, ISO 532-1）和尖锐度（sharpness），发现这些心理声学参数在 40→100 km/h 的速度变化中并未出现与 JND 模式匹配的差异。例如，ICEV 和 EV 在 100 km/h 时的响度接近（约 16 sone），但 JND 相差近一倍。这排除了“响度变化”作为主要线索的可能性。相反，频谱分析显示，ICEV 音频在 100 km/h 时存在明显的二阶发动机阶次（约 100 Hz），其频率随车速线性变化；而 EV 音频的频谱在 100–200 Hz 范围内仅呈现宽带风噪，频率偏移不可辨。因此，频率偏移的可追踪性（trackability）才是关键。
意义与影响
这项研究对电动车的人机工程学设计和安全标准具有直接指导意义：
- 速度感知阈值量化：首次在受控实验中给出 EV 环境下速度 JND 的精确值（100 km/h 时约 3.5 km/h），相当于 ICEV 的近两倍。这意味着在 EV 中，驾驶员对速度变化的敏感度显著降低，可能影响超车、跟车等场景的判断。
- 声学线索机制明确：RPM 相关的频率偏移是 ICEV 速度辨别的“黄金线索”。这为 EV 的人工声音设计（active sound design）提供了明确方向——不应只追求“好听”或“警示行人”，而应设计随车速可追踪的频谱特征（例如模拟阶次噪声的调频成分），同时避免增加不必要的响度或尖锐度。
- 低速与高速差异：低速下无差异，可能因为 40 km/h 时风噪、胎噪本身较小，且视觉线索（如路面纹理移动）在低速下更突出；高速下视觉线索被模糊化，听觉线索成为主导。这提示 EV 的声音设计应针对中高速场景重点优化。
从方法论角度看，2AFC 范式结合心理声学参数分析，为未来研究“听觉-速度感知”相互作用提供了可复用的框架。研究者还指出，该结果可用于改进自适应巡航控制（ACC）和驾驶员状态监测系统——例如在 EV 中，若检测到驾驶员对速度变化的反应延迟，可增强听觉提示。
局限性
尽管研究设计严谨，仍存在若干局限性：
- 样本与场景：30 名参与者均为年轻驾驶员（平均 27.4 岁），听力正常，但未考虑老年驾驶员或听力受损者。实验在实验室耳机回放中进行，未考虑真实驾驶中的多任务干扰（如导航、通话）和座椅振动反馈。
- 声学条件简化：EV 音频仅录制自一款车型（雷诺 Zoe），其噪声谱可能不具代表性；静音条件完全无声音，但真实驾驶中即使关闭音响仍有风噪胎噪。此外，未测试“人工合成阶次噪声”作为对比条件。
- 速度范围局限：仅测试 40 km/h 和 100 km/h，未涵盖城市低速（如 20 km/h）或高速（如 130 km/h）场景。未来需扩展速度区间，并验证 JND 是否随速度呈非线性变化。
- 心理声学分析深度：响度和尖锐度虽被排除，但未深入分析调制频谱（如调制频率、调制深度）等可能影响感知的细节。例如，ICEV 的阶次噪声不仅频率偏移，其幅值也可能随转速变化（如扭矩波动），这或许提供了额外线索。
总体而言，该研究为“电动车静音如何影响速度感知”提供了清晰的行为学证据和理论解释，但距离工程设计落地仍需更多生态效度验证。