用户体验一般是指用户在使用产品过程中的主观感受，定义了用户在特定环境中与系统交互的整体作用。在汽车领域，面对座舱内各种互动方式，用户体验评估可以帮助制造商选择更好地满足用户需求的设计方案，对提高用户满意度和降低制造商投资风险具有重要意义。然而，用户体验的不确定性和模糊性也成为该领域研究人员面临的巨大挑战。通过客观数据对用户主观评价进行分析已逐渐成为用户体验研究的主流。近年来，个体的生理信号（包括脑电信号、心电信号、肌电信号等）在评估人体工程学和其他领域发挥了越来越重要的作用，例如，在汽车驾驶中，利用生理信号反馈改进人机交互设备，提高驾驶安全性。此外，在汽车舒适性、汽车内饰设计、仪表接口设计等方面，生理信号的评测应用也在增加。

在用户进行交互体验的过程中收集其脑电信号，关联其主观评价，并且使用一种新的分析方法，结合主观和客观、定性和定量等多个角度搭建一个更完整的用户体验评估，为产品设计提供更科学的依据。

3.1 实验准备

被试通过触觉交互模块在人机界面中选择相应的功能。在被试感觉和生理信号收集模块中，分别收集存在和不存在振动模式下被试的脑电图信号和主观评价。在信号处理模块中，经过信号预处理、特征命名和信号分析后，将脑电图信号与主观、客观融合判断模块的主观体验进行综合比较，从而获得有/无振动模式的汽车用户体验。

3.2 实验环境

为了获得更接近实际驾驶情况的脑电图信号，我们构建了一个如图2所示的模拟驾驶环境。触觉交互模块位于座椅右侧，主显示器在实验过程中播放驾驶画面。该笔记本与触觉交互模块相连接，显示交互界面。被试通过触觉交互模块控制界面中的光标，并根据实验任务选择相应的功能。实验采用ErgoLAB人机环境同步平台 V3.0 采集脑电信号。

3.3 实验内容

实验选取22名不同驾驶年龄的受试者。向被试解释如何使用本实验的操作对象（触觉交互模块），并练习用食指移动光标，直到其可以顺利进行。然后为被试佩戴脑电帽，确保设备正常运行，在正式实验开始前被试静坐1-2分钟以排除情绪干扰。

4.1 数据预处理

计算并整理出22名被试在任务期间的平均功率谱密度，得到两组实验的平均值，得到22个不同频段的脑电图信号的平均功率谱密度。对振动模式和非振动模式的结果进行划分，并计算两种模式下所有被试的主观评价。

4.2 数据分类

根据主观评价，对被试的数据进行分类。1表示对振动的偏好，2表示对非振动的偏好。计算了各类的平均值，两种模态的结果如图3所示。

4.3 数据验证

基于第1类（对振动的偏好）的综合观测结果，提出了一个假设：当用户对某一模式有相对偏好时，该模式下其α、β、θ、δ、γ波段的功率谱密度较小。在第2类（无振动偏好）中，无振动模式下α、β、θ、γ四个波段的平均功率谱密度小于有振动时，进一步验证了上述假设中四个波段规律的正确性。

4.4 数据分析和总结

根据统计结果发现，θ和γ波段符合假设的被试数量最多，而δ波的数量最小。虽然有很多受试者的γ波符合规律，但根据实际测量和计算，在有振动和无振动的两种模式下，γ波段的平均功率谱密度没有显著差异。因此，本实验得出的结论是，在人车触觉交互体验中，有无振动的交互设计的脑电信号的平均功率存在差异，当α、β、θ、γ波段的平均功率谱密度较小时，表明该模式存在相对偏好。在本实验中，θ波的差异很明显，精度较高（72.7%）。

本文通过分析人车触觉交互过程中用户的脑电信号与主观感受之间的相关性，实现了主观评价和客观数据分析相结合的用户体验评价方法。整个实验包括模拟驾驶场景的构建、实验设计与实现、脑电图信号采集、信号预处理、特征提取与分析等方面。实验结果表明，在不同的交互作用经验下，脑电信号各波段的功率谱密度都会有一定程度的变化。在本实验中，当用户对某种交互模式有相对偏好时，脑电图信号的α、β、θ、γ波段的功率谱密度会有一定程度的降低，其中θ波段最为明显。因此，在对同类产品进行评价时，采用本文中的评价方法，结合用户的脑电信号特征和主观评价，可以为评价用户的互动体验提供更科学的依据。

【2】Mikhail A. Lebedev, Miguel A. L. Nicolelis. Brain-Machine Interfaces: From Basic Science to Neuroprosthesis and Neurorehabilitation[J]. Physiological Reviews,2017,97(2):767-837

【3】ROBINSON J, LANIUS C, WEBER R. The Past, Present, and Future of UX Empirical Research[J]. Communication Design Quarterly Review, 2018, 5(3):10-23.