DMS 接受度的第一张量化地图:RAC Foundation 477 人调查拆解——酒驾监测 86% 支持、情绪监测 84% 反对,分界线不是”是否被监测”,而是系统被授予多大权威

先给一句可以被引用的论断:英国驾驶员并不反对被监测——反对的是系统升级为”管控”。同一份 RAC Foundation 调查里,阻止酒后启动车辆的监测得到 86% 的接受度,而”监测我的情绪”被打上 84% 的不可接受;六个监测场景在统计上显著分层(χ²(5)=176.1, p<.001),分层的轴不是”监测什么”,而是从”被动感知→建议→强制干预→数据外流”的权威梯度(Authority Gradient)。(Large et al./RAC Foundation, 2026-10)

这份 126 页的报告《Understanding Driver Monitoring Systems: Public Awareness, Attitudes and Expectations》(诺丁汉大学 Human Factors Research Group,受 RAC Foundation 委托,2026-10 发布)做了三件事:文献综述加 7 位行业利益相关方访谈、30 人焦点小组、477 名英国驾驶员的在线问卷——问卷把 DMS 按功能角色和权威等级拆成 62 条具体能力陈述逐条打分,而不是问”你接受 DMS 吗”。这是迄今第一份把”接受度”拆到功能颗粒度并做非参数检验的公开量化研究,恰好填上了本站此前 FIA 13,374 人调研留下的缺口:那份调研测的是”用后满意度与信任”,这份测的是”买前接受度与边界”。

对 IMS(DMS/OMS)团队,这篇报告的价值在三层:其一,它给出了六类监测功能的接受度排序和买车意愿排序——两个排序不一致,直接影响功能上车的包装顺序;其二,它用探索性因子分析(EFA)证明用户心智里 DMS 是三个独立维度(自适应辅助/行为安全执行/数据监控),不是一项技术——功能命名、HMI 叙事、数据架构都应该按这三层分开设计;其三,报告第 5 章直接给了 10 条设计指南,本站在 Part 4 把它们压缩成可执行清单。全文 Part 1–3 拆数据,Part 4 给落地项,赶时间可直跳 Part 4。

本文为 B 型(工程/产业分析型)。全部数字出自 RAC Foundation 报告原文 PDF(126 页,已完整精读执行摘要、第 2/3/4/5 章及全部结果图表),报告未公开的数据一律不写;IAM RoadSmart 数据为报告转引,已标注。站内关联:FIA 13,374 人 ADAS 信任调研解读、DMS 误报进入美国联邦法院:Ledezma v. Hyundai、EU AI Act 座舱 AI 高风险合规、IIHS 部分自动驾驶保障评级拆解。

Part 1:研究是什么——为什么”拆到功能颗粒度”是方法论上的关键一步

研究分三阶段(报告 §1.1)。第一阶段,文献综述(覆盖 GSR2、Euro NCAP 等法规与技术文献)加 7 位利益相关方访谈——受访者来自整车厂、技术供应商、交通安全研究机构、车企集团、汽车风险情报组织与 UX/HF 咨询公司, anonymized 后每人约 30 分钟,2025 年 6–9 月在线完成。第二阶段,30 名持照英国驾驶员参加焦点小组,用黑白分镜(storyboard)讨论 5 个场景:疲劳、分心、认知衰退、酒驾、数据监控。第三阶段,基于前两阶段设计在线问卷,回收 477 份;在 5 个场景外补充”驾驶表现”场景,并把”认知衰退”拓宽为”fitness to drive”(健康适驾性)。

方法论上最值得注意的一个决定:问卷不测”DMS”这个整体,而是把六个场景各自拆成若干条”我的车会……”式的能力陈述,让被试逐条用五点李克特量表打分(1=完全不可接受,5=完全可接受),共 62 条。这是对行业现状的直接回应——报告第 2 章整理的厂商术语已经碎片化到影响消费认知:JLR 现有 Driver Condition Monitor(监测方向盘/刹车/油门输入)与即将上线的 Driver Monitor System(与 Seeing Machines、Intel 合作的眼动/面部追踪)并存;Volvo 有 Driver Understanding System 与监测全舱的 Occupant Sensing System(宣称能感知”婴儿呼吸那样的亚毫米级运动”);BMW 叫 Driver Attention Camera、Mercedes 叫 Driver Monitoring、Ford 叫 Driver Alert Monitor、Nissan 叫 Intelligent Driver Alertness(Large et al., 2026)。同一种能力四五套名字,普通驾驶员没有理由分得清。

访谈结果其实先给行业泼了冷水。七位利益相关方反复指向六个主题(报告 Table 1):DMS 是合规驱动的系统(“监管要求””过 Euro NCAP 的盒子””某些 OEM ‘不得不做’”)、与驾驶员心智模型错位(“误报””它判断错了””我又不困”)、缺乏个性化(“太死板””一刀切””人和人不一样”)、打扰与恼人(“人们把它关掉””太打扰了”)、信任一旦失去极难重建(“咖啡杯图标有效””糟糕的实现毁掉整个 ADAS 的名声”)、以及 DMS 只是更大社会技术系统的一环(“帮了其他 ADAS””集成才重要”)。受访者普遍承认:DMS 目前最常见的落地动机是满足法规与评级要求,而不是给用户创造可感知价值——这为后面问卷里”分心监测垫底”的结果埋下了伏笔。

还有一个对开发节奏有用的时间锚点(报告 §2.2,转述法规现状):GSR2 分三阶段落地——2022 年 7 月(新车型)、2024 年 7 月(全部车型)、2026 年 7 月起包含瞌睡与注意力警告(DAW)和酒精锁预留接口;Euro NCAP 方面,DMS 相关可得分值从 2023 协议的 2 分涨到 2026 协议的 25 分(报告转述 Euro NCAP 2026a)。也就是说,这份”公众接受度”数据发布的时点,恰好是 DMS 从”少数车型加分项”变成”欧盟全部新车标配”的第一年——把检测能力装上车已经不是问题,让驾驶员不关掉它才是。

Part 2:六场景接受度地图——酒驾第一,分心垫底

477 名被试对六个场景的主监测陈述给出接受度分布(报告 Figure 5):

(来源:Large et al./RAC Foundation, 2026,Figure 5 与 Table 6;Friedman 检验 χ²(5)=176.1, p<.001)

三个读法。第一,酒驾监测一骑绝尘:70.9% 的被试给”判定我是否饮酒过量的监测”打了可接受,而具体到”超标不允许启动车辆”的功能陈述,接受度进一步爬到 86%(年轻组)”防止酒驾”的社会规范把通常最敏感的”禁止启动”强制干预都托住了;报告还转引 IAM RoadSmart 的同期调查交叉印证——82% 的驾驶者支持对毒驾阳性者立即吊照、83% 支持给定罪酒驾者装 alcohol interlock(IAM RoadSmart, 2025;转引自 Large et al., 2026)。第二,分心监测垫底——不是驾驶员不认为分心危险(报告明确说”分心被普遍认为是重大安全风险”),而是这一场景的能力清单里含了太多强制项:关手机、接管车辆、路边停车、通知其他道路使用者。第三,12%–18% 的”完全不可接受”硬底在每个场景都存在,加上 17%–31% 表示”极不可能购买搭载监测的车”,报告的判断是存在一个”接近三分之一的抵抗人群”,他们可能主动关掉、规避系统,直接侵蚀法规预期的安全收益。

“接受”和”会买”是两张不同的排序表,这是报告最有产品决策价值的发现。按”买车时选装该监测能力”的可能性重排(Table 8,χ²(5)=229.6, p<.001):酒驾 4.15 > 驾驶表现 3.78 > 疲劳 3.57 > 分心 3.38 > 适驾性 3.22 > 数据监控 2.90。对比接受度排序,驾驶表现监测从第 4 跳到第 2,适驾性从第 3 掉到第 5,分心从垫底升到第 4。报告的解读是:接受度代表”我认为什么对”,购买意愿反映”在预算、习惯与信息有限的展厅里我会选什么”——安全价值在原则上被认可,但付钱时被便利性与感知打扰重新定价。对 OEM 的直接含义是:把疲劳/酒驾监测包装成”安全标配”做进基础包,把表现监测(评分、驾驶教练类)做成可选增值包,而适驾性监测在营销层面要极其克制。

Part 3:权威梯度、舱内外边界与代际倒挂——三条反直觉曲线

3.1 权威梯度:每一级授权都在掉支持率

把同一场景内的能力陈述按系统权威排序,是一条几乎单调下降的曲线。疲劳场景:监测与建议休息接受度最高(老年组 65%、年轻组 60%),”未充分休息不允许恢复驾驶”的强制陈述跌到 52%–58% 不可接受;分心场景:监测手机使用与建议停止使用广泛可接受,”检测到违法使用手机就关掉我的手机”出现最强年龄梯度(老年 71% / 中年 57% / 年轻 47% 接受),而”通知其他道路使用者我没在注意”拿到全场最低支持;酒驾场景同样如此——车内呼吸测试仪与阻止启动都高接受,但”监测我在酒吧的行为并推断适驾性”被最多 78% 的被试拒绝。

flowchart LR
    A[被动监测<br/>Monitoring] -->|接受度最高| B[建议反馈<br/>Advisory feedback]
    B -->|支持率缓降| C[升级告警<br/>Escalated alerts]
    C -->|支持率显著下降| D[自动干预/限制<br/>Automated intervention]
    D -.跨场景最强断崖.-> E[数据外流/车外监控<br/>Data surveillance]
    style A fill:#e8f4ea,stroke:#2e7d32
    style B fill:#e8f4ea,stroke:#2e7d32
    style C fill:#fff8e1,stroke:#f9a825
    style D fill:#ffebee,stroke:#c62828
    style E fill:#ffebee,stroke:#c62828

(依据 Large et al., 2026,§4.9 各场景功能陈述的接受度递减模式与 §5.2 指南 2 绘制;各节点具体百分位见 Part 2/Part 3 引文)

报告把这总结为指南 2:用可预测的分级授权模型——被动监测 → 建议反馈 → 升级告警 → 仅在风险严重时自动干预(§5.2)。这与本站从 FIA 调研提炼的”误报警预算”结论互为镜像:FIA 数据说明误报会烧掉信任,Ledezma v. Hyundai 诉案(2026-09 起诉)则说明误报一旦接入功能限制与车辆干预链路会变成法律责任——而 RAC 的数据补上了第三块:即使不误报,权威等级本身也消耗接受度,所以每一次升级授权都必须单独挣得正当性。

3.2 舱内/舱外与行为/情绪两条红线

问卷里最一致的两条”红线”都关于边界外扩。空间红线:监测车内行为普遍可接受,推断车外行为(酒吧、社交场合)被拒绝(最多 78%);对象红线:监测可观察的驾驶行为(疲劳、手机、表现)可接受,监测内在状态——情绪、面部表情推断愤怒或困惑——被最多 84% 的被试(老年组)拒绝,健康数据记录的接受度也仅 31%(年轻组)对 26%(老年组)。与之对照,同属生物特征的人脸识别用于确认车主身份却拿到老年组 78% 的接受度,高于年轻组的 56%——报告的结论是:驾驶员接受”有清晰、有界、保护性目的”的生物特征,拒绝的是把内在状态变成监控对象。

这对舱内 AI 是一条比法规更早亮起的红灯:EU AI Act 第 5(1)(f) 条已在工作场所与教育场景禁用情绪识别(2025-02-02 生效),而 RAC 的数据显示消费端对车载情绪监测的抵触(84%)比法规覆盖范围更广——即便在车载安全语境下,情绪推断也被视作”越界”。本站此前对 EU AI Act 座舱 AI 合规的拆解中提示过”安全例外为狭义解释”;这份数据说明,即使法律允许的位置,产品层面也大概率收不回信任成本。结论我写得很直接:舱内情绪/情感监测作为卖点功能的窗口已经关闭,任何保留的情绪通道都应以安全工程证据(而非体验增值)为唯一正当性来源,并在 HMI 上给出可关闭开关。

3.3 代际倒挂:年轻人要 AI、拒强制;老年人要安全、拒数据

年龄分组给出了一个非对称图案(报告 §4.9):老年人更接受可观察行为的监测(手机使用监测、疲劳监测:老年 65% 对年轻 60%;关手机功能 71% 对 47%),年轻人更接受 AI 推断与情绪类监测(健康数据记录 31% 对 26%;AI 学习驾驶风格),但年轻人对强制干预最抵触(强制休息限制 52% 不可接受,对中年 58%/老年 57%——注意方向:强制项上年轻人相对没那么反感,但关手机这类”拿走我的控制权”项上年轻人最反感 47%)。数据维度则一边倒:云存储接受度老年 14% 对年轻 27%,与厂商共享驾驶数据 14% 对 31%,与家人朋友共享驾驶/健康数据老年 92% 拒绝。

底层还有一个自选择效应:DBQ 驾驶行为问卷显示年轻组自我报告的违规/失误频率显著更高(χ²(2)=11.71, p=.003)——最需要被监测的群体恰恰对强制监测最抵触,而他们的抵触有真实行为数据背书。报告指南 7 的对策是”为代际差异设计”:可配置告警风格、可定制监测项、用户可选隐私设置——把”接受度的个体差异”转化为产品参数而不是营销话术。

3.4 EFA:用户心智里的 DMS 是三个产品,不是一个

报告对全部 62 条陈述做了探索性因子分析(KMO=.96,Bartlett χ²(325)=9403, p<.001),三因子结构解释 58.6% 方差(45.8% / 7.4% / 5.4%),载荷 ≥0.50(报告 §4.8):

flowchart TD
    Q[62 条 DMS 能力陈述] --> F1
    Q --> F2
    Q --> F3
    F1["因子 1:自适应驾驶辅助 45.8%<br/>AI 监测表现+个性化建议<br/>+学习驾驶风格"]
    F2["因子 2:行为安全执行 7.4%<br/>手机/疲劳/酒精监测+<br/>警告与禁止启动等执行机制"]
    F3["因子 3:驾驶数据监控 5.4%<br/>车外行为推断/长期存储/<br/>云分析/向保险·监管·厂商·联系人共享"]

(来源:Large et al., 2026,§4.8 Exploratory Factor Analysis)

这三个因子就是普通驾驶员心智中的产品分类学:辅助(因子 1)、执法(因子 2)、监控(因子 3)。报告指南 10 要求 DMS 的叙事对齐”自适应辅助”,把执行类功能限制在”风险严重或法律/安全正当性清晰”的场景,把数据监控类压到最低。对 IMS 架构师,这个三因子结构可以直接映射到系统设计:感知与反馈闭环(舱内,低延迟,本地)、执行联动(与 ADAS/动力链路的接口,须有独立的正当性论证与日志)、数据通道(默认本地处理、每次驾驶后可删除、不与第三方默认共享)——三个因子的边界应当是三套代码路径、三套数据策略、三套 HMI 话术,而不是一个”智能座舱 OS”糊在一起。

Part 4:对 IMS 团队的可执行清单

报告第 5 章 10 条指南(§5.2 与 Table 9)按 IMS 开发流程重排如下,每条都标注了数据依据:

第 4 条需要特别展开一个本站视角的警示:报告的利益相关方与作者都主张个性化(“学习驾驶员正常状态、检测有意义的偏离”),这与本站对 TUM×BMW 方差分解研究的解读(复杂度的行为方差里,驾驶员个体差异中位 ICC 仅 0.228,残差占约 75%;八种特征级个性化策略无一改善)并不矛盾——RAC 报告说的是接受度层面的个性化(让用户感到被尊重、可配置),TUM 论文说的是信号层面的个性化(哪些特征真能提准)。正确的组合是:产品层做可配置与标定期(用户感知),算法层只在被证明有偏移收益的特征上做自适应(工程现实)。

最后一个关于时点的判断:GB 市场 2026-07 的政府回复已确认型式批准将强制 DAW/ADW(本站此前拆解过时间表全部相对立法生效日 EiF),欧盟 GSR2 第三阶段 2026-07 生效——欧洲两大市场在同一窗口把瞌睡与注意力警告推成标配。RAC 这份报告的 477 人样本全部来自英国驾驶员,它实际上就是 GB 强制化前夜的第一份公众底线测量:法规给了装机量,这份报告给的是装机量的”用户土壤成分表”——12%–18% 的硬抵抗、三分之一的购买迟疑,以及一条清晰的权威梯度红线。

行业判断、开放问题与给你的一道题

行业判断:我认为 2027 年前 DMS 竞争的主战场会从检测指标(PERCLOS、视线角精度)整体迁移到”接受度工程”——权威梯度策略、误报预算、可解释告警与隐私默认值;检测端 SOTA 的边际收益递减,而本报告量化了用户端的收益空间(把”完全不可接受”的 12%–18% 每压低一个百分点,都是法规强制装机量下的真实激活率)。情绪监测作为功能卖点已死,作为安全工程证据链的一环仍可活,但需要新的正当性框架。

开放问题:其一,样本是 477 名英国驾驶员的横截面,接受度在真实用车 6 个月后的纵向衰减(报告自己承认纵向研究缺失)——买车前的 86% 支持在第三次误报后还剩多少,是这份报告回答不了的;其二,”likelihood to choose”与”acceptability”的落差究竟由展厅信息结构还是由价格敏感驱动,报告只有假设没有实验;其三,报告中数据监控场景的低接受度(云存储 14%–27%)与行业实际的云架构惯性之间的矛盾如何收敛,可能要等监管(GSR 闭环删除 vs EU AI Act 日志义务)先给出答案。

给你的一道题:如果贵司的 DMS 明天要加一个新监测能力,你能不能在 PRD 里为它标注出四层权威梯度上各自的触发条件、解除条件、误报预算与数据出口?如果标不出来,按这份报告的数据,它大概率会落在那 12%–18% 的”完全不可接受”里。

参考

1. Large, D. R., Harvey, C., Parr, H. & Justin, I. (2026). Understanding Driver Monitoring Systems: Public Awareness, Attitudes and Expectations. Human Factors Research Group, University of Nottingham, for the RAC Foundation, October 2026. 126pp. https://www.racfoundation.org/wp-content/uploads/Understanding_driver_monitoring_systems_Large_et_al_October_2026.pdf
2. University of Nottingham (2026-10-08). Many drivers remain sceptical about being monitored by in-car systems(官方新闻稿,含六场景分级数字与作者引语)。https://www.nottingham.ac.uk/news/many-drivers-remain-sceptical-about-being-monitored-by-in-car-systems
3. IAM RoadSmart (2025). Road Safety Report(道路安全报告;本文仅转引自参考[1] §4.9 的交叉验证数字:82%/83%/48%/27%/15–22%/50%)。
4. 站内:FIA Region 1《ADAS 与驾驶员信任调研》解读(LKA 关断率与误报警预算视角,与本文互为”用后满意度 vs 买前接受度”对照)。https://www.dapalm.com/blog-posts/2026-10-16-001-fia-adas-trust-barometer-lka-switch-off-dms-2026/(站内备份:blog-posts/2026-10-16-001)
5. 站内:Ledezma v. Hyundai 案拆解(DMS 误报的产品责任诉讼,与本文 Part 3.1 权威梯度论证互链)。blog-posts/2026-10-19-001-ledezma-v-hyundai-ddms-false-positive-lawsuit-2026.md
6. 站内:EU AI Act 座舱 AI 高风险合规(Art 5(1)(f) 情绪识别禁令与本文 Part 3.2 红线数据互链)。blog-posts/2026-10-17-002-eu-ai-act-high-risk-cabin-ai-compliance-2028.md
7. 站内:TUM×BMW 方差分解研究解读(per-driver 基线的信号层边界,与本文 Part 4 第 4 条互补)。blog-posts/2026-10-21-koning-variance-decomposition-per-driver-baseline-2026.md