车载生理状态的鲁棒且无感监测对于保障驾驶安全与提升用户体验至关重要。尽管远程生理测量（Remote Physiological Measurement, RPM）提供了一种极具前景的非侵入式解决方案，但其在真实驾驶场景中的应用仍受到高质量、综合性数据集匮乏的严重制约。现有数据资源在规模、模态多样性、生物特征标注的广度以及所覆盖环境条件的范围方面均存在局限，难以充分反映真实驾驶中固有的复杂挑战。为此，我们提出 PhysDrive，这是首个面向无接触式车载生理感知的大规模多模态数据集，特别针对不同模态配置与驾驶影响因素进行了系统性设计。PhysDrive 收集了48名驾驶员的数据，包含同步的RGB视频、近红外视频与原始毫米波雷达信号，并配套六项同步的生理真值数据（ECG、BVP、呼吸率、心率、呼吸频率和血氧饱和度）。数据覆盖了广泛的自然驾驶场景，包括驾驶员身体动作、动态自然光照、不同车型及道路条件等。我们对 PhysDrive 上的信号处理与深度学习方法进行了全面评估，建立了涵盖所有模态的综合性基准，并开源了完整的代码，兼容主流公共工具箱。我们期望 PhysDrive 能成为该领域的重要基础资源，推动多模态驾驶员监测与智能座舱系统的研究发展。