[摘要] 晕车是一种常见的乘车不适反应，特别是在新能源汽车和自动驾驶场景下更为突出。本文系统阐述了晕车产生的生理与心理机制、个体差异对晕车的影响，探讨了车辆运动参数、车内环境对于晕车的影响，介绍了包括车辆设计优化、环境调节和药物干预在内的综合解决方案，为汽车行业防晕车技术开发与方案制定提供理论支持。
[关键词] 新能源汽车；晕车成因；应对措施
毛光军
湖南大学车辆工程专业硕士，
主要从事基于人因工程的座舱舒适性研究，
在整车防晕、低频噪声振动方面深耕数十年，
发表学术论文5篇，发明专利10余项。
引言
晕车，医学上称之为晕动症，是一种在乘坐交通工具时常出现的不适症状，包括头晕、恶心、呕吐等。随着新能源汽车的普及，晕车问题不仅未得到有效缓解，反而在某些情境下更为明显。这一问题不仅影响乘客体验，也对新能源汽车的推广带来挑战。因此，深入研究晕车成因及应对方法，对提升车辆舒适性与市场竞争力具有重要意义。
相关调查显示，晕车在不同地区和人群中普遍存在，且在新能源汽车中表现更为显著。值得注意的是，中国晕车发生概率相较欧美等国家更高。目前，国内消费者对晕车问题的关注度持续上升，尤其在长途出行或频繁使用新能源汽车的场景下尤为凸显，应引起重视。
1 晕车现象的产生原因
1.1 晕车机理
图1 晕动症冲突理论示意图
晕车产生的机理有多种解释，其中，被广泛接受的是“感觉冲突理论” 或“神经失匹配理论”。该理论核心观点是晕车源于大脑接收到的来自不同感觉通道（主要是视觉系统、前庭系统和本体感觉系统）的空间运动信息出现不一致或冲突，导致大脑无法整合出一个统一、稳定的自身状态感知，从而触发一系列防御性生理反应[1]。
具体来说，晕车现象的产生包含以下几个关键环节：
一是外界刺激与感觉输入。车辆在行驶过程中产生的复杂运动，如加速、减速、转弯、颠簸等构成了最初始的物理刺激，这些运动信息分别被不同的感受器捕获：视觉系统通过眼睛感知周围环境的相对运动。例如当乘客在车内阅读时，视觉输入是“静止” 的（相对于车厢）；前庭系统（位于内耳）通过半规管感知角加速度、通过耳石器官感知线性加速度和头部相对于重力的位置。在车辆运动时，前庭系统会明确感知到“运动”状态；本体感觉系统通过皮肤、肌肉、关节等感受器感知身体各部位的位置和运动状态。
二是感知冲突与神经失匹配。这是晕车发生的关键环节。在正常情况下，驾驶员主动操控车辆时上述三种感觉输入是协调一致的，大脑能准确判断自身运动状态。但当乘客被动乘坐且从事与行驶无关的活动（如看书、看手机）时，就会发生感觉冲突。例如眼睛告诉大脑身体是静止的，而前庭系统报告身体正在运动。这种矛盾的信息传入大脑后，会在一个被称为“神经比较器”的机制中进行比对。如果当前的感觉输入与大脑基于过去经验存储的“预期”感觉模式（例如，在静止环境下头部的运动应该对应特定的视觉和前庭反馈）严重不匹配，就会产生一个强烈的“失匹配信号”[2]。
三是生理反应触发。这个“失匹配信号”被视为一种潜在的威胁或异常状态，进而激活脑干和边缘系统等区域的神经及神经体液机制，引发以自主神经系统紊乱为主导的一系列生理反应，具体表现为头晕、面色苍白、出冷汗、恶心、呕吐等典型的晕车症状。
值得注意的是，个体对晕车的敏感度存在巨大差异。大量研究表明，晕车受到多种稳定个体特征的显著影响[3]。一是人口学因素。性别是一个重要因素，多项研究显示，女性的晕车易感性普遍高于男性，这可能与激素波动（如月经周期的影响）以及潜在的差异有关。年龄同样是一个关键变量，儿童和青少年时期易感性最高，而随着年龄增长，易感性通常会逐渐下降，这可能与前庭功能随年龄的自然变化以及出行经验的积累有关。二是生理因素。前庭功能的个体差异是核心影响因素。前庭系统更为敏感或存在功能性不对称的个体，往往更容易经历晕车。此外，患有偏头痛（特别是前庭性偏头痛）或梅尼埃病等疾病的个体，其晕车易感性会显著增高。三是心理因素。焦虑特质被证实与晕车易感性存在正相关。焦虑水平高的个体可能对身体的内部感觉更为警觉，从而放大了不适感。某些认知风格，如场依存性（更依赖视觉环境线索而非自身平衡感进行空间定向），也被认为可能增加晕车风险。
综上所述，晕车是一个由感觉冲突触发，但最终表现和严重程度受到复杂个体差异调节的生理心理现象。这意味着有效的防晕车策略不仅需要解决感觉冲突本身，还应考虑不同人群的特异性需求。
1.2 晕车影响因素
晕车是由多种因素共同作用引发的复杂生理反应，其影响因素可归纳为三类：车辆运动因素、视觉环境因素以及车内环境与个体因素。这些因素通过影响感觉冲突的强度，最终决定晕车的发生与否及严重程度。
1.2.1 车辆运动因素
车辆运动是诱发晕车的根本原因。车身在三个轴向（俯仰、侧倾、起伏）的低频晃动是导致前庭系统受刺激、产生感觉冲突的主要物理源头[4]。加减速平顺性对晕车有显著影响。电动汽车由于具有高扭矩输出和强动能回收特性，容易产生明显的“点头” 和“仰头”效应，频繁或突兀的加速与减速过程会加剧晕车症状[5]。底盘悬架调校同样关键。悬架系统的软硬度直接关系到车身姿态的稳定性。尽管偏软的悬架有助于过滤高频振动，但在车辆加速、减速或过弯时，更容易引发较大的俯仰与侧倾角度，从而增加乘客的晕车风险。此外，转向操控性也不容忽视。过大的转向幅度或过快的转向角速度，例如在快速变道时会产生强烈的横向加速度，进而引起乘客不适。
1.2.2 视觉环境因素
视觉信息与前庭感觉的冲突，是诱发晕车的关键环节。在车辆行驶过程中，当乘客阅读书籍或看手机、固定屏幕时，其视觉系统会接收到“静止”环境的信号，而前庭系统则明确感知到车辆的运动状态。这种信息不一致会引发显著的感觉冲突，进而诱发晕车。研究显示，阅读行为是自我报告中最为常见的晕车触发情境之一[6]。
此外，视野开放度也直接影响晕车程度。狭窄或受限的车窗视野，例如小尺寸侧窗或较低的乘坐姿势，会限制乘客通过视觉感知车辆的真实运动状态，使其难以协调和抑制感觉冲突。相反，宽阔的视野，尤其是能够清楚观察前方路况的视野，有助于乘客预测车辆运动趋势，从而有效减轻晕车症状。
1.2.3 个体与环境差异
车内环境因素对晕车具有重要影响。空气质量不佳，例如缺氧或二氧化碳浓度过高，以及不良气味（如燃油味和浓烈香精），都可能降低乘客的不适阈值，在相同条件下更容易晕车。此外，令人不适的温湿度环境，以及特定频率的振动和噪声，都可能成为诱发以及加重晕车的原因。
个体差异在晕车易感性方面表现显著。不同年龄段的人群中，儿童和青少年通常最为敏感；性别方面，女性的自我报告晕车率普遍更高。另外，遗传因素也可能产生影响。有研究表明，亚洲人群可能具有更高的易感性。同时，个人的身心状态，如疲劳、焦虑或胃肠不适等情况，都会影响晕车发生的概率和症状的严重程度[6]。
2 晕车解决措施
晕车的解决需采取“预防为先、实时干预、多感官协同”的系统性策略。根据措施介入的时间点与原理，可将其分为预防性措施、实时缓解措施和基于智能监控系统的主动解决方案三大类。
2.1 预防措施
预防晕车的关键在于系统性减少各类诱发因素。具体措施可从车辆设计、座舱环境等展开。在车辆运动控制方面，通过优化加速、减速及转向等运动参数，可以有效减少车身晃动，提升行驶平顺性。研究指出，将车身振动频率控制在1赫兹以上，能显著降低晕车发生率[6]。例如采用先进底盘悬架系统并实现悬架阻尼的实时调节，能够更好地适应不同路况与驾驶需求。座椅设计是控制乘客晃动的关键因素，座椅应具备良好的侧向支撑与头部包裹性，以抑制车辆运动时乘客身体的晃动。此外，座椅若能根据乘客的身体特征以及路况进行特定调节，将进一步提升乘坐舒适性。优化车内环境也是有效的预防手段，具体包括保持空气流通、维持适宜的温湿度、避免通风不良或闷热潮湿的环境等。选用令人愉悦的车内气味，避免刺激性、厌恶性香味同样有助于预防晕车产生。视觉是影响晕车的重要因素之一，车内视觉环境的改善同样重要。增大车窗面积可提升视野开放度，减少乘客压抑感。另外，可增加语音提示等功能，引导乘客避免在行车过程中长时间阅读或观看视频，从根本上减少视觉与前庭系统之间的感知冲突。
2.2 干预措施
对于已出现的晕车症状，可通过多种干预手段进行有效缓解，具体包括生理、心理及物理三个层面。在生理层面，可采用香氛、音乐或声音提示等方式温和刺激乘客感官，帮助其缓解紧张与焦虑情绪。已有实验证实，释放薄荷、柠檬等具有镇静或提神效果的香氛，能够有效转移注意力并减轻恶心感[7]。例如播放舒缓音乐或模拟海浪、雨滴声等自然声景，有助于分散乘客对不适感的关注，从而缓解症状。在心理层面，通过语音提示向乘客提供实时的车辆行驶与路况信息，可增强其对运动状态的预判能力，降低因未知而产生的焦虑。此外，恰当的心理暗示也有助于调节情绪状态，减轻晕车带来的主观不适[7]。在物理层面，可借助座椅按摩、空调通风与温度调节等功能改善乘客身体感受。例如启动座椅按摩可促进局部血液循环，帮助肌肉放松，缓解因长时间保持坐姿而产生的疲劳与僵硬感，进而减轻晕车症状。
3 防晕车方案开发
随着汽车产业向电动化与智能化转型，乘客体验的重要性日益凸显，晕车这一长期存在的生理挑战已成为影响驾乘舒适性的关键瓶颈[8]。防晕车方案的开发，也因此从传统的被动缓解，迈向基于多学科融合的主动式、智能化系统干预新阶段。其技术演进遵循“感知—决策—执行”的闭环路径，旨在构建能够预见、识别并应对晕车反应的“智能舒适座舱”。
3.1 晕车状态的客观量化与识别
表1 晕车程度量表（MISC）
开发有效方案的首要前提是建立科学、可靠的晕车评价体系。传统对晕车的研究高度依赖受试者的主观报告，但存在滞后性和个体差异大等局限。当前的前沿研究聚焦于探寻与晕车生理反应同步的客观生物标志物，以实现实时、无感的状态监测。生理信号监测是识别晕车状态的重要途径。研究显示，晕车反应会激活自主神经系统，引发多种可测量的生理变化。具体表现为皮电活动增强、心率变异性下降，以及胃电图所显示的胃动节律紊乱等，这些指标均可作为评估恶心程度的敏感依据[9]。
计算机视觉分析为实现非接触式晕车评估提供了可行路径。借助车内摄像头，可运用计算机视觉算法对乘客的面部血流量、微表情变化以及头部运动姿态进行实时分析。例如面部苍白、痛苦表情或头部异常静止、频繁调整等行为特征，均可作为判断晕车状态的间接指标[10]。
多模态数据融合被认为是提升识别准确性的关键方向。通过将上述生理信号与乘客主观报告、车辆运动数据（如加速度、角速度）等进行整合，并利用机器学习算法构建预测模型，能够显著提高晕车识别的准确率与时效性，为后续干预措施的实施争取宝贵时间。
3.2 防晕车方案研究进展
目前，晕车问题的研究已从单一因素的独立分析转向多措施协同的系统级解决方案验证。在车辆运动规划方面，智能电动汽车的出现，使晕车控制的核心由驾驶员操作转向算法决策。研究表明，通过优化轨迹规划与控制算法，并实现平滑的转向动作，能够从源头上降低前庭系统所接收的冲突信号。这一发现为自动驾驶汽车设立“舒适模式”奠定了重要理论基础[6]。
针对“视觉—前庭”冲突，技术补偿手段已逐渐取代传统的行为劝阻方式。例如动态视点稳定技术能够使车内屏幕内容随车身运动进行细微反向调整，模拟出相对稳定的视觉环境。
在多感官协同干预方面，相关研究证实了联合使用多种感官刺激比单一措施更有效果。实验表明，将具有舒缓作用的香氛（如薄荷）与定制化声景（如节奏平稳的自然声音）相结合，在缓解晕车方面的效果显著优于单独使用其中任何一种方式。这体现了通过座舱域控制器协同调控空调、香氛、音响等系统，实现多感官协同引导的综合应用价值。
3.3 防晕车技术未来发展方向
未来的防晕车系统将逐步从静态功能组合演进为具备持续学习能力的个性化生态体系，其核心在于构建“监测—识别—干预—评估”一体化、智能化闭环机制。系统在初始阶段可通过简短问卷或校准行程，初步评估用户的晕车敏感程度，建立个性化基线档案，为后续干预提供依据。在车辆行驶过程中，系统能够持续融合来自生理监测设备、车辆运动传感器以及乘客行为（如是否使用屏幕）的多源数据，实现对晕车风险的动态感知与预测。当系统识别到晕车风险升高时，会根据风险等级自动触发相应的协同干预措施。例如在低风险情况下，可能仅需轻微调整悬架硬度并播放舒缓音乐；在中高风险状态下，系统可自动增强视觉补偿引导、释放提神香氛、启动座椅通风与按摩功能，形成多感官协同缓解机制。此外，系统还会记录每次干预后的生理信号变化，通过持续学习不断优化针对特定用户的应对策略，实现更加精准的个性化防晕车体验。
4 结论
总体来看，防晕车方案正在经历一场深刻的范式变革，其成功关键在于实现车辆动力学、座舱环境设计、生物传感技术与人工智能算法的跨领域深度融合。尽管汽车企业在防晕车技术研发方面已取得一定进展，但由于行业缺乏统一的评价标准与科学系统的验证方法，技术研发与实际应用效果评估仍面临诸多挑战。未来，有必要建立一套科学、客观的晕车评价体系与工作机制，以此为基础推动形成有效、可靠的防晕车技术方案与系统化解决方案。
在这一趋势下，消费者在选购车辆时也可将防晕车功能纳入考量范畴，特别是对易晕车人群或家庭用车场景。建议优先关注配备智能座椅调节、多模式驾驶平滑控制、座舱空气质量协同调节等功能的车型；如有条件，应在试乘试驾中重点体验车辆启停、过弯、颠簸路况下的平稳性表现。长远来看，具备生物传感与AI自适应调节能力的下一代防晕车系统，将逐步成为高附加值车型的差异化亮点。消费者的理性关注与功能选择，不仅有助于提升驾乘舒适性，也将从需求端推动车企加快防晕车技术的落地应用与持续优化。
参考文献
〔1〕 Reason, J. T. (1978). Motion sickness adaptation: A neural mismatch model. Journal of the Royal Society of Medicine, 71(11), 819.
〔2〕 Iskander, J., Attia, M., Saleh, K., Nahavandi, D., Abobakr, A., Mohamed, S., ... & Hossny, M. (2019). From car sickness to autonomous car sickness: A review. Transportation Research Part F: Traffic Psychology and Behaviour, 62, 716–726.
〔3〕 Mittelstaedt , J. M. (2020). Individual predictors of the susceptibility for motion-related sickness: A systematic review. Journal of Vestibular Research, 30(2), 165–193.
〔4〕Golding, J. F. (2006). Motion sickness susceptibility. Autonomic Neuroscience, 129(1-2), 67-76.
〔5〕Diels, C., & Bos, J. E. (2015). Self-driving carsickness. Applied Ergonomics, 53, 374-382.
〔6〕 Schmidt, E. A., Kuiper, O. X., Wolter, S., Diels, C., & Bos, J. E. (2020). An international survey on the incidence and modulating factors of carsickness. Transportation Research Part F: Traffic Psychology and Behaviour, 71, 76–87.
〔7〕 Keshavarz, B., & Hecht, H. (2014). Pleasant music as a countermeasure against visually induced motion sickness. Applied Ergonomics, 45(3), 521-527.
〔8〕 Sivak, M., & Schoettle, B. (2015). Motion sickness in self-driving vehicles. University of Michigan Transportation Research Institute Report, UMTRI-2015-12.
〔9〕Cowings, P. S., et al. (2007). Autogenic-feedback training exercise is superior to promethazine for control of motion sickness symptoms. Journal of Clinical Pharmacology.
〔10〕Karjanto, J., et al. (2018). The effect of peripheral visual feedforward on carsickness in automated vehicles. IEEE Transactions on Intelligent Vehicles.
