电动汽车的低噪音特性虽然在城市环境中减少了声污染，但其警示音的可定位性缺陷正引发新的安全隐患。瑞典研究揭示的核心问题主要体现在以下三个方面：
1. **声源定位困难机制**
多车场景下，电动车辆的警示音因频谱相似性（500 Hz以下为主）和固定调制模式，导致声波干涉现象加剧。日本交通噪声预测模型显示，电动车辆在20 km/h时的等效声压级比燃油车低9 dB，而背景噪声（45-62 dB）会显著削弱警示音的方位感知能力。尤其当车辆间距小于10米时，人耳对相位差的辨别阈值会从正常15°增大到30°
查尔姆斯大学最新研究表明，混合动力和电动汽车低速行驶时发出的三种常见警示音（即声学车辆警示系统，AVAS）存在定位困难。与传统内燃机车辆相比，所有测试信号类型在声音方向辨识和车辆数量判断方面表现较差。实验中，当三辆车同时发出双音调信号时，所有测试对象均未能在10秒内准确定位声源方向。
该研究负责人Leon Müller指出："现有法规仅关注警示音的可检测性，而未对声源定位或多车辆场景下的辨识能力提出要求。例如在超市停车场，多辆同型号车辆可能同时发出相同AVAS信号，这将显著增加行人判断风险"。目前欧盟、中日等地区要求车速低于20 km/h时必须发出警示音，而美国则将触发阈值提高至30 km/h。
实验设计与关键发现
研究团队在消声室中构建环形24声道系统模拟真实停车场环境：
- 测试信号包含双音调、多音调和噪音三类，对应1-3辆电动车辆及内燃机车辆
- 52名受试者在城市停车场背景噪音条件下进行声源定位测试
- 内燃机脉冲式广谱声波定位成功率100%，而双音调信号在多车场景中完全无法辨识
这种差异源于传统发动机声包含丰富的瞬态频率成分，更符合人类听觉系统的定位机制。
技术挑战与解决方案
| 现有AVAS局限 | 优化方向 |
|---|---|
| • 固定频率信号降低方向辨识度 • 同质化音效导致多车混淆 • 静态声场忽略动态交通环境 |
• 开发动态调制脉冲信号 • 引入车辆状态参数自适应算法 • 融合空间声场重建技术 |
研究团队已在后续研究中探索声学指纹（Acoustic Fingerprint）技术，通过实时调整基频和谐波结构增强空间辨识能力。
行业影响与未来展望
随着欧盟将AVAS强制安装范围扩展至卡车等商用车辆（2025年新规），该研究为警示系统设计提供关键依据：
- 需平衡警示效果与声污染：高频窄带信号虽易检测但增加城市噪声负担
- 虚拟测试平台重要性凸显：采用Unreal Engine构建的仿真环境可模拟复杂交通场景
- 标准化与个性化矛盾：品牌特征音设计需建立差异化声学参数库
研究团队建议在下一代AVAS标准中引入动态声纹编码机制，通过实时调整时间-频率特征增强环境适应性。