自动驾驶中驾驶员视觉注意力的长期演变：研究心理模型和动态习得信任的影响Seupke 等人通过纵向研究揭示动态习得信任、心理模型与视觉注意力的关系，发现心理模型在动态信任对视觉注意力的影响中起调解作用。2025SSStephanie Seupke et al.自动驾驶界面与接管设计眼动追踪与注视交互CHI
VR-WISE：用于捕获驾驶员注意力的基于虚拟现实的工作区沉浸式模拟与眼动追踪和生物特征传感器Zhang 等人开发 VR-WISE 虚拟现实工作区模拟平台，整合眼动追踪与生物特征传感器采集驾驶员注视和生理数据，评估其对工作区的感知与注意力。2025SZSHUO ZHANG et al.眼动追踪与注视交互环境感知与上下文计算智慧城市与城市感知CHI
车内沉浸式增强现实游戏：视觉-前庭一致性对运动不适的影响Dabic 等人研究发现沉浸式 AR 赛车游戏同步车辆实时运动可显著降低乘客视觉-前庭不一致导致的运动不适，为车载娱乐设计提供新思路。2025SDStephanie Dabic运动晕车与乘客体验VR 中的社交与协作CHI
三级自动驾驶车辆接管请求性能中信任校准的需求Jui 等人系统综述三级自动驾驶车辆信任与接管请求关系，指出接管时机、警示方式等因素对信任的影响，强调信任校准对人机交互安全的关键作用。2025JJJulakha Jahan Jui et al.自动驾驶界面与接管设计CHI
驾驶电动滑板车时非驾驶相关任务的交互界面评估Terao 等人评估电动滑板车六种非驾驶任务交互界面，发现需改变握持的界面因影响稳定性而不受青睐，社交舒适度也是重要考量。2025KTKenshikimyo Terao et al.车内触觉、声音、多模态反馈微出行（电动自行车、电动滑板车）交互CHI
SOH 幻觉：电动汽车电池健康状态的误解与促进理解的方法Lin 等人针对车主研究发现「SOH 幻觉」现象，即人们错误预期电池线性退化且三分之一混淆 SOH 与剩余寿命，通过不同图表呈现方式可纠正此误解。2025KLKylie R. Lin et al.电动车充电与能效界面交互式数据可视化CHI
增强触觉的自动驾驶体验：对视障用户的潜在价值Ma 等人提出应从触觉支持的自动驾驶转向增强触觉的自动驾驶体验，倡导为视障用户构建更具包容性和适应性的触觉交互范式。2025ZMZhengtao Ma et al.自动驾驶界面与接管设计车内触觉、声音、多模态反馈视觉障碍者技术（屏幕阅读器、触觉图形、盲文）CHI
审视智能车辆代理的跨文化差异：故障后的修复策略Lan 等人研究发现中国品牌智能车辆代理比西方品牌更常采用组合修复策略并融入亲密表达，揭示了智能车辆代理行为拟人化设计的跨文化差异。2025LLLan Lan et al.车辆外部人机接口（eHMI）——与行人/骑车人的通信语音用户界面（VUI）设计多语言与跨文化语音交互CHI
心理影响——探究驾驶员感知对自动驾驶车辆误用的影响Novakazi 等人通过Wizard-of-Oz实验发现，驾驶员对自动驾驶系统的先入之见是导致误用的主要原因，而非仅由UI设计问题引起，呼吁超越UI设计来解决人机交互问题。2025FNFjollë Novakazi et al.抬头显示（HUD）与驾驶辅助系统（ADAS）AI 辅助决策与自动化系统CHI
自动驾驶车辆中驾驶员从事非驾驶相关任务时的非紧急通知时机：一项可打断性研究Wang 等人提出一种基于驾驶员可用性分类的非紧急通知时机预测模型，利用头部姿态和视线方向数据识别最佳通知时机，可区分四种通知可用性群体。2025HWHongyu Howie Wang et al.车内触觉、声音、多模态反馈眼动追踪与注视交互通知与中断管理CHI
驾驶员对基于仪表盘的人机界面的注意力：部分自动化和认知负荷的影响Qin 等人通过驾驶模拟器实验发现，部分自动化等级和认知负荷增加会叠加降低驾驶员对仪表盘HMI的视觉注意力，且驾驶员始终优先关注速度表而非自动化状态信息。2025HQHao Qin et al.抬头显示（HUD）与驾驶辅助系统（ADAS）CHI
超越前车：设计V2V刹车可视化以支持新手驾驶员Sheng 等人研究表明 V2V 刹车可视化能显著提升新手驾驶员安全边际和可用性，ILV-HMI 比上游交通流信息更有效降低认知负荷。2025HSHongling Sheng et al.V2X（车路协同）通信设计CHI
以动设计：探索前庭觉线索作为自动驾驶车辆中微妙的感知引导模态Yu 等人发现前庭觉线索虽受参与者认可为安全功能，但无法与正常减速区分，强调自动驾驶车辆需多模态HMI和个性化定制。2025YYYueteng Yu et al.自动驾驶界面与接管设计车内触觉、声音、多模态反馈CHI
提升欧盟骑行者安全：通过实验室和众包方法研究七种场景下的横向超车距离Sapienza 等人通过众包和驾驶模拟器实验发现驾驶员低估超车距离，专用自行车道和实心中心线最有效提升超车距离至3.4米，超出欧盟1.5米法规要求。2025GSGiovanni Sapienza et al.车辆外部人机接口（eHMI）——与行人/骑车人的通信V2X（车路协同）通信设计行人与骑行者安全CHI
视觉采样行为不能解释风险感知：一项数据驱动的可解释人工智能研究Lorenz 等人通过眼动追踪实验发现目标接近度和场景中车辆数量是风险感知最主要因素，但视觉采样行为无法有效预测个人风险感知。2025MLMartin Lorenz et al.眼动追踪与注视交互可解释人工智能（XAI）AI 辅助决策与自动化系统CHI
行人星球：来自233个国家和地区的YouTube驾驶视频教会我们什么Alam 等人分析133国 dashcam 视频数据，发现保加利亚决策时间最长(10.50s)，圣马力诺穿越速度最快(1.14m/s)，揭示谨慎的行人穿越更慢的全球规律。2025MAMd Shadab Alam et al.车辆外部人机接口（eHMI）——与行人/骑车人的通信V2X（车路协同）通信设计行人与骑行者安全CHI
社会适应性自动驾驶车辆：偶发驾驶行为对驾驶员体验的影响Yang 等人发现熟悉的偶发驾驶行为能显著减少驾驶员与自动驾驶车辆交互时的犹豫和压力，建议融入情境自适应算法。2025CYChishang "Mario" Yang et al.自动驾驶界面与接管设计AI 辅助决策与自动化系统CHI
设计自适应自动驾驶车辆界面：将接受度画像链接至设计偏好以促进采用Cham 等人基于 284 份问卷的 SOM 聚类分析，提出接受者与拒绝者画像及四象限 PCI 框架，指导自适应自动驾驶界面设计。2025BCBenjamin T Cham et al.自动驾驶界面与接管设计AI 辅助决策与自动化系统CHI
量化汽车方向盘控制按钮主动触觉反馈的客户偏好Stölzle 等人通过三项研究量化汽车方向盘触觉反馈偏好，发现绝大多数用户偏好13.6-20.6ms的短反馈，且不受任务或属性影响。2025MSMax Stölzle et al.车内触觉、声音、多模态反馈振动反馈与皮肤刺激CHI
模拟自动驾驶车辆行为的多道路用户视角研究Jeong 等人构建了包含行人、驾驶员和乘客的多角色 VR 交互实验，发现不同道路用户对同一自动驾驶行为存在差异化偏好与信任。2025JJJiHyun Jeong et al.自动驾驶界面与接管设计车辆外部人机接口（eHMI）——与行人/骑车人的通信遥操作驾驶（Teleoperation）CHI