车内噪音如何影响速度感知
研究背景
在传统燃油车（ICEV）与电动汽车（EV）的驾驶体验中，一个常被忽视却至关重要的差异是车内声学环境。ICEV 的座舱充斥着发动机阶次噪声——转速相关的周期性轰鸣，而 EV 则几乎完全消除了这种声音，取而代之的是电机高频啸叫、轮胎滚动噪声和风噪的混合体。这种声学差异不仅影响舒适性，更可能直接干扰驾驶员对车速的感知与判断。
已有研究表明，发动机声音的缺失会导致驾驶员低估车速，并在定速巡航任务中表现出更差的速度保持能力。但现有研究多聚焦于主观舒适度或声品质评价，缺乏对速度感知阈值的定量测量。更关键的是，EV 特有的噪声频谱是否能在一定程度上补偿发动机声的缺失？这一问题尚未得到系统回答。
核心思想
这篇来自里昂中央理工学院的研究，旨在量化车内噪声对速度感知灵敏度的影响。核心假设是：ICEV 中发动机转速与车速的强耦合关系，提供了清晰可追踪的声学线索，而 EV 噪声虽不包含等价的阶次信息，但可能通过其他频谱特征提供部分补偿。研究者采用经典的心理物理学方法——两间隔两选强迫选择（2AFC）范式，直接测量不同声学条件下速度的恰可察觉差（JND）。JND 越小，说明驾驶员对速度差异越敏感。
关键发现在于：在高速（100 km/h）条件下，ICEV 噪声下的 JND 约为 1.93 km/h，而 EV 噪声下升至 3.48 km/h，静音条件下更是达到 5.15 km/h。这表明 EV 噪声虽然改善了静音环境的感知缺陷，但仍远不及传统发动机声提供的速度辨别能力。而在低速（40 km/h）下，三种条件差异不显著——这或许是因为低速时风噪和轮胎噪声本身就很微弱，声学线索的差异被其他感官（如视觉）所掩盖。
方法与技术路线
实验设计严谨且具有代表性。30 名听力正常的参与者（平均年龄 27 岁，均持有有效驾照）参与了实验。刺激材料为第一人称视角的高速公路驾驶视频，分为参考速度（40 km/h 或 100 km/h）和比较速度（在参考速度基础上以 0.5 km/h 步长增减）。每种速度条件下，视频被配以三种声音：ICEV 噪声（2.0 L 四缸汽油发动机，含清晰阶次）、EV 噪声（某量产电动车，无阶次但具宽频特性）以及完全静音。
每次试验中，参与者先后观看两个视频（参考与比较，顺序随机），随后判断哪一个看起来速度更快。每个条件重复 40 次，通过心理测量函数拟合（通常为逻辑斯蒂函数）得到 JND。统计分析采用重复测量方差分析（ANOVA），并辅以 Bonferroni 校正的事后比较。
值得注意的是，研究者还进行了心理声学参数分析，测量了响度（Loudness, 单位 sone）和尖锐度（Sharpness, 单位 acum）随速度的变化。结果发现，在 40 km/h 时，ICEV 和 EV 噪声的响度接近（约 8 sone），而在 100 km/h 时 EV 噪声的响度甚至略高于 ICEV（约 22 sone vs. 18 sone）。如果响度是主要线索，那么 JND 应随响度增大而减小，但实际数据恰恰相反——ICEV 的 JND 最小，尽管其响度并非最大。这直接否定了响度或尖锐度作为主因的假说。
研究者由此推断：ICEV 中发动机转速的快速、可预测频率偏移（例如从 2000 rpm 加速至 3000 rpm 时，二阶分量从 66.7 Hz 跃升至 100 Hz）提供了近乎线性的速度-频率映射，这种频谱上的可追踪性才是关键。EV 噪声虽包含宽频成分，但缺乏这种与速度强耦合的离散频率峰，因此感知线索更加模糊。
意义与影响
该研究具有明确的工程应用价值。对于 EV 的 NVH（噪声、振动与平顺性）设计或人工声学合成系统而言，单纯增加响度或改变尖锐度并不能有效提升速度感知能力。相反，设计者应引入速度相关的、可被听觉系统追踪的频谱线索——例如合成与车速成比例的阶次分量，同时避免产生令人烦躁的音色。
从认知心理学角度看，该结果也揭示了多模态感知中的听觉主导效应：在视觉信息（道路场景）足够丰富的情况下，听觉线索仍能显著提升速度辨别的精度。这挑战了某些“视觉足够”的设计理念，提示人机交互设计中应重视听觉反馈的补偿作用。
此外，该研究的方法论也为后续研究提供了范式：2AFC 结合 JND 测量，能够给出客观的感知灵敏度指标，而非主观评分。这对于自动驾驶系统中人机接管时的速度感知评估、以及驾驶模拟器的声学逼真度验证，都具有参考价值。
局限性
尽管实验设计严谨，但仍有若干局限。首先，实验为静态观看视频，缺乏真实驾驶中的体感反馈（如振动、加速度），而体感线索可能部分补偿听觉缺失。其次，仅测试了匀速直线高速场景，未涉及加速、减速或弯道等动态工况——这些工况下发动机声的瞬态变化可能提供更丰富的线索。再者，参与者均为年轻健康群体，老年或听力减退人群的感知阈值可能显著不同。最后，EV 噪声样本来自单一车型，其频谱特征未必代表所有电动车；不同电机的啸叫特性、主动降噪系统的干预等变量均未控制。
未来研究可扩展至真实道路实验，并纳入更多声学变量（如阶次合成、频带压缩），以更系统地揭示声学线索与速度感知之间的映射关系。