電動汽車乘員暈車誘發機制與治理方法綜述

中圖分類號：TP391 文獻標志碼：A DOI：10.19822/j.cnki.1671-6329.20230310

【歡迎引用】，等.電動汽車乘員暈車誘發機制與治理方法綜述[J].汽車文摘，2025（5）：1-8.

[Cite this paper】TANGBB，LUOBJZHUMXetal.ReviewofMechanismandTreatmentMethodsforInducingotio Sickness in Electric Vehicle Occupants[J].Automotive Digest （Chinese），2025（5）：1-8.

Review of Mechanism and Treatment Methods for Inducing Motion Sickness in Electric Vehicle Occupants

【Abstract】Eletric Vehicles （EVs）are more prone to inducing motion sicknesscompared to traditional vehicles.To investigatethefactorscontributingtomotionsicknessinEVsandtheirdifferencesfromtraditionalvehicles，andtopropose efectivemitigationandtreatment methods， processand mechanism of motion sickness induction in EVs is explored by analyzing factors such as EVs’structural characteristics， power output， and regenerative braking systems.Mitigation methods，including medicalmedications，structuraloptimization，andaromaregulation arealso considered.Meanwhile， subjectivequestionnairesandobjective physiologicaldataare compared asmethodsfor testing motion sickness.The researchresultsindicatethatEVsaremorelikelytoinducemotionsicknessduetotheirrobustpoweroutputcharacteristics and the repeatedpulling sensation caused bytheregenerativebraking system.Existing mitigationmethodshave shown varying degreesofeffectivenessacrossdifferent individuals.Additionallythestudyoffersinsightsandprospectsforfuture research on managing motion sickness in EVs， contributing to more effective solutions.

Key words： Electric Vehicle （EV）， Motion sickness， Regenerative braking for kinetic energy recovery， Inducing mechanism

0引言

提出了車輛領域未來發展方向為“汽車新四化\"-2，電動汽車的發展是必然趨勢和選擇，汽車制造商對電動汽車舒適性非常重視，暈車治理對于提升電動汽車“中國制造2025”戰略以及“互聯網 + ”行動計劃，

舒適度具有重要意義。

暈車癥狀屬于暈動癥（MotionSickness，MS）的常見病癥，不會直接影響身體健康，但可能引發冒冷汗、頭暈、惡心、嘔吐、面部蒼白甚至休克癥狀3-4。研究表明，約 80% 出行個體患有不同程度的暈動癥5-。暈動癥是一種暫時型病理，脫離乘車狀態后癥狀可以得到緩解。目前國內外對暈動癥的研究大多從人體特征醫學角度出發，而針對電動汽車結構誘發暈動癥的量化研究較少。Bles等研究表明，車載環境下閱讀書籍或觀看電子屏幕更易誘發暈動癥。Golding與Kadzere等研究發現，車內空氣流通狀態對暈動癥發病率具有顯著影響。數據顯示，車內空氣保持流通時，約 30% 乘員出現暈動癥狀，而在車窗完全密封條件下，該比例增加至約 66% 。Salter等研究發現，前排乘客暈動癥誘發率低于后排乘客，駕駛員的暈動癥發生率則顯著低于其他成員。馬利等通過聞值實驗揭示了暈動癥誘發機制的臨界條件。鐘廣亮等[！研究了車內空氣質量參數對暈動癥的影響機理。在治理方法方面，吳盈章等研究證明 20% 的姜花精油對于暈車有緩解效果，王明齊3從車輛動力學角度提出創新解決方案，通過優化車輛主動懸架與座椅控制系統，抑制低頻振動改善乘員暈動癥狀。

本文主要從車輛動力學、人體前庭系統及感知沖突等角度分析了電動汽車暈動癥誘發機理，概述了暈車程度評估的多種方法，包括主觀量表和客觀生理指標，針對電動汽車特有的電機驅動特性、動能回收系統以及低頻振動頻率等易誘發暈車的因素進行了總結分析，并提出了暈車緩解策略，為提升電動汽車乘坐舒適性提供了參考。

1電動汽車暈動癥誘發機理

如圖1所示，電動汽車行駛過程中，傳入運動感知系統的信息速度超過了大腦對運動狀態的預期速度，導致視覺、前庭系統和本體感覺之間的信號不匹配，從而誘發暈車癥狀。感知系統包括前庭系統、視覺系統和體感系統。其中，前庭系統提供空間平衡感信號，體感系統是指自身對外界力的感知系統，包括觸覺、痛覺以及自身運動的感知4。電動汽車行駛過程中，乘客閱讀、玩手機等行為將產生信號沖突。此時，視覺系統與前庭系統傳遞給中樞神經的信息不一致，大腦接收到相反的信號，底層決策系統無法做出恰當反應，短時間頻繁刺激前庭器官，植物神經產生應急反應調整人體反饋。圖2為前庭平衡感受器結構展示，前庭受刺激的同時接受橫向縱向加速度的刺激。當機體前庭器感受到過度的劣性刺激時會誘發軀體功能，導致頭暈、惡心等一系列反應。暈動癥易感性存在顯著個體差異[15-16，不同個體的體征表現和誘發因素各不相同。即使在相同環境下，暈動癥誘因也可能存在差異。

2電動汽車結構因素

2.1電動汽車行駛狀態不穩定性

電動汽車雖然在乘坐舒適性方面表現出色，例如無汽油味、乘坐感較平順，但是其暈動癥誘發率卻高于傳統燃油汽車，這主要因為電動汽車的動力系統特性。電動汽車通過電機驅動，其起步加速性能優于燃油汽車，并伴隨明顯的推背感。電機可以直接輸出較大扭矩，動力輸出相對猛烈，導致乘客在瞬間感受到失重感。驅體感知系統、視覺系統和前庭系統得到的運動沖突更加強烈。相比之下，燃油汽車的加速過程呈線性，扭矩逐漸增加，乘客的感知系統存在更大緩沖和預判過程。

2.2 電動汽車動能回收制動

傳統燃油車制動主要依賴制動器進行制動，而電動汽車主要通過動能回收進行制動，比傳統燃油汽車制動強烈。動能回收能夠提高能源的利用率并延長制動器的使用壽命，在松開加速踏板時，動能回收啟動，部分駕駛員不適應動能回收模式，頻繁非必要踩下制動踏板，導致乘員軀體感知系統、視覺系統和前庭系統刺激不一致，從而誘發暈動癥。

電動汽車運動狀態的改變是誘發暈動癥的主要因素之一。為減輕制動過程中及制動結束時低頻俯仰振動引起的暈動癥風險，已有研究結合主動懸架技術與適當制動控制策略，有效降低了電動汽車行駛過程制動暈動癥的誘發率。

2.3振動頻率

車輛的低頻俯仰振動是造成暈車問題的重要因素之一。依據 ，考慮乘客對振動頻率的敏感度，通過加權計算得到加權加速度均方根值，其可作為乘客振動的評價指標[8]。通常暈車頻率為 0.1～0.5Hz ，但超過該頻段的振動同樣可以引發暈車問題。在 0.8～2Hz 區間內的俯仰振動對暈車問題影響最為明顯。研究表明，電動汽車電機的振動頻率與人體相關器官振動頻率一致，易誘發暈動癥。問界新M7車型針對動力系統進行了線性優化，以減輕暈動癥的發生。

2.4其他相關因素

除上述因素外，暈車還受多種其他因素影響。如在乘車過程中低頭玩手機、閱讀、身體左右擺動以及打電子游戲。同時暈動癥也受車內環境影響，研究表明[19-20]，舒適的環境和愉悅的情緒可以減輕暈動癥嚴重程度；而令人不愉悅的氣味（如皮革味道），則會加重暈動癥癥狀；另外，濕熱的環境也容易引發暈動癥。暈動癥影響因素如表1所示，個性化智能治理暈動癥模式是未來電動汽車的發展方向。

3電動汽車暈車測評

目前在暈車實驗中采用的客觀生理數據分析評

價方法較少，大多數暈車測評中采用的仍為主觀問卷調查法。綜合主觀評分和客觀數據可以量化電動汽車乘客暈動癥的發生率以及嚴重程度。

3.1 問卷調查測試

暈動癥的易感性測量實驗通常面臨設備昂貴、操作復雜以及實驗參與者體驗較差的問題。因此，通常采用主觀問卷方式，主要包括暈動癥易感性量表（Motion Sickness Susceptibility Questionnaire，MSSQ）[22]、快速暈動癥量表（Fast Motion Sickness Scale，FMS）[23]和暈動癥程度量表（MIserySCale，MISC）[24]。

MSSQ量表通過個體在現實生活中乘坐交通工具時是否發生暈動癥及暈動癥的發生頻率，判斷個體暈動癥易感性，又稱為既往暈動癥史調查。為了方便且快速地測量易感性，通常選取暈動癥易感性量表-短（MSSQ-Short）進行測試。MSSQ-Short原表為英文，為了更適用于國內實驗，對原表進行精簡處理，如表2所示。MSSQ量表包含25＼～30個暈動癥癥狀，并通過3個等級量化暈動癥程度，0級表示幾乎未誘發暈動癥，3級表示暈動癥程度嚴重。

FMS暈動癥量表因其簡潔易懂且能夠迅速收集被試數據而得到廣泛應用。該量表針對暈動癥的綜合癥狀進行0＼～20的評分，0分表示無暈動癥癥狀，20分表示因暈動癥導致嘔吐。MISC量表為11分量表，該量表描述了暈動癥從輕微到嚴重的癥狀，初期表現為出汗、打哈欠、冷漠、胃部不舒服和頭暈，嚴重時可能出現惡心、干嘔或嘔吐現象。表3為MISC量表評分標準。

自我報告人體模型量表（Self AssessmentMani-kin，SAM）測評在暈車過程中的愉悅度、喚醒度、支配度3個維度。9點Likert量表根據（ “根本不”， 9= “極其”）劃分等級。傳統暈動癥狀診斷法主要依據車輛移動時乘客的暈吐反應癥狀判定暈動癥嚴重程度[27-28]。相比之下，僅觀察嘔吐癥狀相對片面，通過量表對患者產生的不良反應和體征進行綜合診斷更全面，但其記錄數據過程仍存在一定局限性[3%]。

3.2 生理指標測試

通過測量乘客的生理信號，如心率變異性（HeartRateVariability，HRV）、皮膚電反應（ElectroDermalActivity，EDA）腦電（ElectroEncephaloGram，EEG）心電（ElectroCardioGram，ECG）等，同時結合對乘客癥狀嚴重程度（如惡心、頭暈、嘔吐等）的判斷，可以為暈車嚴重程度以及緩解治理提供科學依據。生理信號采集的數據穩定、結果分析可靠、參考價值較大，但無法完全避免實驗誤差。實驗過程中，若識別到暈車反應，皮電和心電采集圖將呈現顯著上升趨勢。然而，若乘客的暈車癥狀逐漸緩解，數據圖的波動短時間內將仍維持在較高水平，該情況表明記錄的數據與實況之間存在時間差異。

皮電測試通過監測皮膚電阻變化，可以捕捉暈車過程中人體交感神經系統的活動情況，從而評估暈車的嚴重程度和生理反應。Eugene等[31-32]研究了暈車時體溫的變化及其相關調節機制，為理解暈車的生理過程提供了基礎。Nalivaiko等33通過對比高度可控環境模式（如駕駛模擬器）與不可控自然環境，以及低情緒與環境變異性和高情緒與環境變異性情況，進一步推斷出EDA的變化與情緒狀態密切相關，可以作為映射暈動癥發生的一項有效生理指標。Nobel等[34將EDA技術應用于虛擬環境中的暈車測量，為暈車研究和虛擬現實技術的優化提供了新方法。圖3所示為皮電采集設備。

心臟同時受交感神經系統和副交感神經系統支配3，暈車的相關癥狀（如惡心、嘔吐等）與心率指標相關，暈車時將出現呼吸急促，心跳加快，體溫升高現象，因此可以通過心率變異性來評定暈車。Harm等測量了心率變異性，通過捕捉自主神經系統的變化評定空間定向障礙和暈動癥狀態。

臨床實踐[37-39表明，腦電波中包含了大量生理信號，可以反映暈動癥情況，如圖4所示。相關實驗表明，暈動癥與額葉和葉的8和β波功率、枕區8和θ波功率密切相關。旋轉的磁鼓引起的暈動癥表現為額葉 θ（4～7Hz） 頻帶功率增加[41]。在虛擬汽車駕駛實驗中0頻帶功率與暈動癥4呈負相關。虛擬現實中視覺誘發暈動癥的研究發現額葉和聶葉8和β（ 13～30Hz ）頻帶功率的增加與暈動癥43的發生有關。有研究稱 頻帶功率的降低反映了運動區和頂葉區在接受前庭刺激時引起的暈動癥[44]。生理數據測試和主觀問卷法實驗數據相互補充，對于數據誤差的控制范圍有至關重要的作用。

4電動汽車暈動癥減緩策略

暈動癥減緩策略可以分為源頭誘發因素控制和癥狀緩解。目前通常采用醫療措施抑制暈動癥，實際應用工程方法緩解暈車的情況較少。針對電動汽車暈動癥的緩解策略分為多感官干預策略和電動汽車結構優化2個方面。

4.1多感官干預策略

感覺沖突假說預測運動與感知運動信號沖突時刺激機體誘發暈動癥[45-46。利用人類對環境的感知和情緒的影響可以改善乘車體驗。可以通過視覺、聽覺、嗅覺等非傳統方法減緩乘員暈車的不適。

在視覺方面，若電動汽車變速移動時觀看靜態顯示器，或在行駛狀態穩定的車輛上觀看動態的車載視頻，視覺系統接收到的信號將與前庭系統感知接收到的身體信號沖突，易誘發暈車癥狀。馬鳳云等4提出近眼顯示中光學畸變對視覺誘導暈動癥存在影響。Diels 和Bos 等[48-49]提出在車窗視覺范圍裝載顯示器，擴展乘客的視覺范圍獲取車輛行駛時前方道路信息，以緩解暈動癥癥狀。

在聽覺方面，Keshavarz等[50]研究發現輕松愉悅的音樂是一種低成本、易于管理的方法，可有效緩解暈動癥易感性，抑制暈車誘發，但是缺乏在實車上的進一步證實。而且利用音樂從根源上抑制暈車誘發，存在較強主觀性與差異性，研究表明只有當音樂呈現為輕松愉快的感受才會有效緩解暈動癥。

在嗅覺方面，趙昱等5研究證實檸檬精油能緩解暈動癥的嘔吐癥狀。Ranasinghe等2研究了嗅覺與暈動癥評級之間的聯系，發現汽油籠罩的空間會使暈動癥程度加重。劉茜等3通過研究表明生姜精油、橘皮精油和食醋可以有效減輕暈動癥的嚴重程度。林穎等[54]表明濃度為 20% 的姜花精油可有效降低暈車程度，如圖5所示。部分乘客對于車內汽油味道較敏感，部分乘客對新能源汽車的運動狀態5產生反應。不同的個體對于暈車誘發因素不同，暈動癥研究存在不可避免的個體差異性、運動狀態的客觀性。

4.2 電動汽車結構優化

在電動汽車結構優化方面，減緩電動汽車暈車程度的研究主要分為2個方面：通過動能回收制動優化，減緩乘客拖拽感；調節車輛行駛參數提高乘員身體穩定性，減緩暈車反應。

在動能回收制動優化方面，制動啟動一瞬間誘發暈動癥機率高于加速顛簸行駛狀態。電動汽車多數采用集成式的電子助力制動系統，初段制動均使用動能回收提供制動。新能源車輛的加速、制動的模式盡可能調至低動力模式，在車輛準備加速的時候緩踩加速踏板，并且在加速時盡可能地預判路況，避免緊急制動的情況，為感知系統預留緩沖空隙，可以有效控制暈動癥的發生。同時，乘車時盡可能保證車內的空氣流通，車內環境保持清新干凈，暈動癥易感性患者盡可能保證在車內的視野與運動方向一致。

車輛動力學參數是直接影響乘員暈車的主要因素之一。通過測量暈動癥聞值，可以在行駛過程提前規避，減緩暈動癥誘發。調節車輛行駛參數可以使車輛的運動狀態更加平穩和舒適，減少乘員在車輛運動過程中的不適感，有效減緩乘員暈車的程度，提升駕乘體驗的舒適性。

5結論與展望

5.1 研究結論

目前針對于暈動癥的研究普遍基于感覺沖突假說，對于暈動癥與車輛的運動狀態綜合研究的定量模型較少，對于乘客個體暈車程度的量化尚未實現。暈動癥具有較多不確定因素，其治理成為研究難點。

在針對新能源車輛暈動癥嚴重程度研究的評估方法中，主觀問卷評測暈動癥程度雖具備操作便捷性和易理解優勢，但是無法避免隨機性和本身主觀因素的影響。基于客觀生理數據分析暈動癥嚴重程度，通過實時HRV、皮膚電導率（SkinConductanceRate，SCR）等生理數據評估暈動癥，受實驗儀器所處實驗環境信號穩定性等不確定因素影響會存在誤差，且運動偽跡可能影響數據信噪比。綜合應用主客觀方法，采集數據穩定、數據分析相互驗證，進而得出準確有效結論。

針對電動汽車的暈車緩解方式，如車輛參數閾值研究調控[56-57藥物緩解、運動訓練、座艙布置的優化以及音樂、香氛舒緩情緒狀態等，但不同方式對于暈車人群治理效果還需進一步探究。

5.2 未來展望

探索電動汽車移動時乘客個體暈車易感程度產生的量化關系，并建立感覺系統與車輛系統相交叉關聯的暈動癥發生機理模型，可以為電動汽車暈動癥緩解研究和乘客舒適度提升奠定相關理論基礎。

在用統計法處理大規模暈動癥個體數據時，在誤差波動允許的情況下記錄相關生理信號的多模態特征與動態發生規律，同時建立電動汽車客觀測量標準，對提供有效的實驗數據有重要的推動作用。

優化動能回收制動電門，減輕主動懸架振動，在保證安全到達目的地的同時提升乘客的乘車舒適性，降低對于暈車乘客的劣性刺激以及避免暈車的誘發，將是電動汽車暈動癥減緩技術的重要發展方向。但是如何將人體醫學緩解方法與電動汽車工程相結合，并在此基礎上智能識別與治理將是未來研究需突破的難點。

參考文獻

[1]張曉聰.汽車智能座艙發展現狀及未來趨勢[J].汽車縱 橫，2019（8）：42-45.

[2]李克強，戴一凡，李升波等.智能網聯汽車（ICV）技術的發 展現狀及趨勢[J].汽車安全與節能學報，2017，8（1）：1-14.

[3] SMYTH J，JENNINGS P，BENNETT P，et al. A Novel Method for Reducing Motion Sickness Susceptibility Through Training Visuospatial Ability A Two Part Study[J]. Applied Ergonomics， 2021（90）：103264.

[4] QU X， THOMPSON D， MA M， et al. Sources of 2 Variability in Metro Train Induced Vibration[J]. Proceedings of the Institution of Mechanical Engineers， Part F： Journal of Rail and Rapid Transit， 2023， 237（4）： 490-499.

[5] SALTER S， DIELS C， HERRIOTTS P， et al. Model to Predict Motion Sickness Within Autonomous Vehicles[J]. Proceedings of the Institution of Mechanical Engineers， Part D： Journal of Automobile Engineering， 2020， 234（5）： 1330- 1345.

[6] SAKAI Y， WATANABE T， ISHIGURO Y， et al. Efects on User Perception of a“Modified” Speed Experience Through in Vehicle Virtual Reality[C]// Proceedings of the 11 International Conference on Automotive User Interfaces and Interactive Vehicular Applications： Adjunct Proceedings， 2019（9）： 166-170.

[7] BLES W，BOS J E，DE GRAAF B， et al. Motion Sickness： Only One Provocative Conflict？[J]. Brain Research Bulletin， 1998，47（5）： 481-487.

[8] KUIPER O X， BOS J E， SCHMIDT E A， et al. Knowing What's Coming： Unpredictable Motion Causes More Motion Sickness [J]. Human Factors， 2020， 62（8）： 1339-1348.

[9] SALTER S， DIELS C，HERRIOTTS P， et al. Motion Sickness in Automated Vehicles with Forward and Rearward Facing Seating Orientations[J]. Applied Ergonomics， 2019（78）： 54-61.

[10]馬利，付銳，孫秦豫，等.不同情境下乘員對車輛運動參 數的暈車敏感性研究[J].交通運輸系統工程與信息， 2023， 23（6）：284-295.

[11]鐘廣亮，金秋菊，張藝炫.暈車影響因素及對策探討[J]. 汽車實用技術，2020（5）：170-176.

[12]吳盈章，林穎，李文博，等.乘員暈車的生理表征與緩解 方法[J].汽車工程，2024，46（1）：50-60+74.

[13]王奇明.防暈車“懸架-座椅-人體\"系統研究與主動控 制[D].浙江：浙江工業大學，2020.

[14] D’ AMOURS， BOS J E， KESHAVARZ B. The Efficacy of Airflow and Seat Vibration on Reducing Visually Induced Motion Sickness[J]. Experimental Brain Research， 2017， 235（9）： 2811-2820.

[15]蒙昊藍，陳君毅，邢星宇，等.汽車乘員不舒適感的客觀 表征研究[J].同濟大學學報（自然科學版），2019，47（z1）： 54-63.

[16] LI G， MCGILL M， BREWSTER S， et al. Multimodal Biosensing for Vestibular Network Based Cybersickness Detection[J]. IEEE Journal of Biomedical and Health Informatics， 2022， 26（6）： 2469-2480.

[17]陳雙，白睿.汽車平順性評價指標的時域計算方法與實 驗驗證[J].農業裝備與車輛工程，2016，54（10）：9-12.

[18]楊文釗.某越野車平順性分析及優化設計[D].昆明：昆 明理工大學，2016.

[19] KESHAVARZ B， STELZMANN D， PAILLARD A，et al. Visually Induced Motion Sickness Can Be Alleviated by Pleasant Odors[J]. Experimental Brain Research， 2015， 233（5）：1353-1364.

[20] PEREIRA E， MACEDO H， LISBOA I C， et al. Motion Sickness Countermeasures for Autonomous Driving： Trends and Future Directions[J]. Transportation Engineering， 2024，（15）：100220.

[21] NAKANO S，AYABE KANAMURA S. The Influence of Olfactory Contexts on the Sequential Rating of Odor Pleasantness[J]. Perception， 2017， 46（4）： 393-405.

[22] GOLDING J F. Predicting Individual Differences in Motion Sickness Susceptibility by Questionnaire[J]. Personality and Individual Differences， 2006， 41（2）： 237- 248.

[23] KESHAVARZ B. HECHT H. Validating An Efficient Method to Quantity Motion Sickness[J]. Human Factors， 2011. 53（4）：415-426

[24] BOS J E， MACKINNON S N， PATTERSON A. Motion Sickness Symptoms in A Ship Motion Simulator： Effects of Inside， Outside， and No View [J]. Aviation， Space， and

[25]李曉紋，潘帥，王帆，等.中文簡化版運動病易感性量表 的制訂與評價[J].中華醫學雜志，2024，104（22）：2041- 2050.

[26] BRADLEY M M， LANG P J. Measuring Emotion： the Self Assessment Manikin and the Semantic Differential[J]. Journal of Behavior Therapy and Experimental Psychiatry， 1994， 25（1）： 49-59.

[27] KOURTESIS P， LINNELL J， AMIR R， et al. Cybersickness in Virtual Reality Questionnaire （Csq-Vr）： A Validation and Comparison Against Ssq and Vrsq[C]// Virtual Worlds. MDPI， 2023， 2（1）： 16-35.

[28] MARTIN N， MATHIEU N， PALLAMIN N， et al. Virtual Reality Sickness Detection： An Approach Based on Physiological Signals and Machine Learning[C]// 2020 IEEE International Symposium on Mixedand Augmented Reality （ISMAR）.Portode Galinhas， Brazil： IEEE，2020： 387-399.

[29] BRONSTEIN A M. Multisensory Integration in Balance Control[J]. Handbook of Clinical Neurology， 2016， 137： 57-66.

[30] CERTOSINI C， PAPINI L， CAPITANI R， et al. Preliminary Study for Motion Sickness Reduction in Autonomous Vehicles： An MPC Approach[J]. Procedia Structural Integrity， 2019（24）： 127-136.

[31] SMYTH J， JENNINGS P， BIRRELL S. Are You Sitting Comfortably？ How Current Self-driving Car Concepts Overlook Motion Sickness， and the Impact It Has on Comfort and Productivity[C]// International Conference on Applied Human Factors and Ergonomics. Washington D. C.， USA： Springer， Cham， 2019（6）： 387-399.

[32] NALIVAIKO E， RUDD J A， SO R H Y. Motion Sickness， Nausea and Thermoregulation： The “Toxic” Hypothesis[J]. Temperature， 2014， 1（3）： 164-171.

[33] NALIVAIKO E. Thermoregulation and Nausea[J]. Handbook of Clinical Neurology， 2018（156）： 445-456.

[34] NOBEL G， TRIBUKAIT A， MEKJAVIC I B， et al. Effects of Motion Sickness on Thermos Regue Latory Responses in A Thermoneutral Air Environment[J]. European Journal of Applied Physiology，2012，112（5）：1717-1723.

[35] MARIEB E N， KELLER S M. Essentials of Human Anatomy and Physiology： Books a la Carte Edition[M]. Benjamin Cummings， 2011.

[36] MITTLSTAEDT J M.Individual Predictors of the Susceptibility for Motion-Related Sickness： A Systematic Review[Il Iournal nf Vestihular Research 2020 30（3）

[37] WEI C S， CHUANG S W， WANG W R， et al. Implementation of A Motion Sickness Evaluation System Based on Eeg Spectrum Analysis[C]/ 2011 IEEE International Symposium of Circuits and Systems （ISCAS）. IEEE， 2011： 1081- 1084.

[38]張海軍，王浩川.多導聯EEG信號分類識別研究[J].計 算機工程與應用，2008（24）：228-230.

[39]季忠，秦樹人，彭麗玲.腦電信號的現代分析方法[J].重 慶大學學報：自然科學版，2002，25（9）：108-112.

[40] CHUANG S W， CHUANG C H， YU Y H， et al. EEG Alpha and Gamma Modulators Mediate Motion Sickness-Related Spectral Responses[J]. International Journal of Neural Systems， 2016， 26（2）： 1650007.

[41] LIN C T， TSAI S F， KO L W.EEG Based Learming System for Online Motion Sickness Degree Estimation in A Dynamic Vehicle Environment[J]. IEEE Transactions on Neural Networks and Learning Systems， 2013， 24 （10）： 1689-1700.

[42] HYMAN R. Stimulus Information as A Determinant of Reaction Time[].Journalof Experimentalschology， 1953，45（3）： 188-196.

[43] KIM Y Y， KIM H J， KIM E N， et al. Characteristic Changes in the Physiological Components of Cybersickness[J]l. Psychophysiology， 2005， 42（5）： 616-625.

[44] CHEN Y C， DUA JR， CHUANG S W，et al.Spatial and Temporal EEG Dynamics of Motion Sickness[J]. Neuro Image，2010，49（3）： 2862-2870.

[45] SARUCHI S A， ARIFF M H M， ZAMZU-RI H， et al. Modeling of Occupant’ s Head Movement Behavior in Motion Sickness Study via Time Delay Neural Network[J]. Simulation， 2020， 96（2）： 131-140.

[46] LUCAS G， KEMENY A， PAILLOT D， et al. A Simulation Sickness Study on a Driving Simulator Equipped with a Vibration Platform[J]. Transportation Research Part F： Trafic Psychology and Behavior， 2020（68）： 15-22.

[47]馬風云.近眼顯示中光學畸變對視覺誘導暈動癥的影 響[J].液晶與顯示，2023（38）：1216-1221.

[48] DIELS C， BOS J E. Design Guidelines to Minimise Self Driving Carsickness[C]// 7th International Conference on Automotive User Interfaces and Interactive Vehicular Applications.Nottingham， UK： ACM， 2015： 14-19.

[49] ZHANG L L， WANG J Q， QI R R， et al. Motion Sickness： Current Knowledge and Recent Advance[J]. CNS Neuroscience amp; Therapeutics， 2016， 22（1）： 15-24.

[50] KESHAVARZ B， HECHT H. Pleasant Music as A Countermeasure Against Visually Induced Motion Sickness[J].AppliedErgonomics，2014，45（3）：521-527.

[51]趙昱.檸檬精油干預暈動癥的效果觀察[D].廣州：廣州 中醫藥大學，2020.

[52] RANASINGHE N， JAIN P， TOLLEY D， et al. Exploring the Use of Olfactory Stimuli Towards Reducing Visually Induced Motion Sickness in Virtual Reality[C]// Proceedings of the 2020 ACM Symposium on Spatial User Interaction.2020：1-9.

[53]劉茜，蘭彪盛，焦亞軍，等.霧化吸入不同植物精油對小 鼠的抗暈動病作用[J].實用預防醫學，2019，26（1）：109- 110.

[54]林穎.乘員暈車程度評定與嗅覺減緩方法研究[D].重 慶：重慶大學，2022.

[55]金勵辛.汽車乘員暈動癥的暈動度建模與客觀評方法 研究[D].長春：吉林大學，2023.

[56]黃晶，劉祥臻，胡林.自動駕駛車輛乘員暈動關聯舒適 性研究綜述[J]中國公路學報，2024，37（5）：356-370.

[57]趙樹恩，田卓帥，愧寒冰，等.基于車輛運動參數的乘員 暈動癥評價模型[J].中國公路學報，2025，38（2）：274-285.

（責任編輯梵玲）