在L3级自动驾驶状态下，车辆可在特定道路和运行范围内完全接管驾驶任务，驾驶员可暂时处理其他事务，但其对周围交通状态的感知会逐渐减弱。一旦系统请求驾驶员重新接管车辆，驾驶员需要在有限时间内重建态势感知。如何在不频繁打断驾驶员的前提下，让其持续了解道路环境和车辆意图，成为L3级自动驾驶交互设计的重要问题。

融合环绕声与气流的多模态信息编码示意图

为此，浙江大学设计学团队提出一种融合环绕声与气流的边缘交互方法。以声音类型、方位、音量和节奏传达道路参与者的类别、方向、距离与风险，以不同方向和频率的气流呈现车辆制动及横向移动意图，使驾驶员在专注非驾驶任务时仍能持续感知路况。驾驶模拟实验表明，多模态交互能显著提升驾驶员的态势感知准确率和非驾驶任务效率，改善用户体验与信任。

驾驶信息与交互方法之间的映射

本研究由浙江大学人工智能学院向为副教授团队完成，第一作者为设计学博士研究生朱晗飞。“在L3级自动驾驶中，我们不希望驾驶员为了保持安全而被迫放弃非驾驶任务，也不希望安全信息以频繁打断的方式出现。本研究尝试把道路参与者和车辆行为转化为可以被‘听见’和‘感到’的线索，让驾驶员在专注当前任务时，仍能在注意边缘持续建立对路况的理解。”朱晗飞分享道。

浙江大学设计学博士生朱晗飞

项目成果：
项目成果于2026年发表在信息与电子工程前沿期刊 EITEE （ENGINEERING Information Technology & Electronic Engineering，原FITEE）。研究团队：朱晗飞、向为、张艺敷、雷子悦、孙凌云*。本项目受到国家自然科学基金项目支持。

论文原文链接：
Hanfei Zhu, Wei Xiang, Yifu Zhang, Ziyue Lei, Lingyun Sun*. 2026. Leveraging peripheral interactions to improve drivers’ situation awareness and NDRT efficiency. ENGINEERING Information Technology & Electronic Engineering, 27(3):250159.
https://doi.org/10.1631/ENG.ITEE.2025.0159
（*通讯作者）