编辑推荐：
研究人员为探究风险类型和等级对驾驶速度控制的影响，通过实验发现二者的作用差异，为限速制定提供依据。
在车水马龙的现代交通中，交通事故频发，每年都有大量生命因之消逝，预计到 2030 年，交通事故将成为全球第五大死因。驾驶行为与交通事故紧密相关，其中车速控制又是影响交通安全的关键因素 。车速控制受多种因素影响，像司机自身特点、车辆性能、道路状况等。而道路状况中的风险水平，以及风险类型（比如来自行人或机动车），都在悄无声息地影响着司机的车速控制。过往研究虽有涉及这些因素，但仍存在不少空白，比如不同风险等级下行人与机动车风险对车速控制的影响，尚未得到充分探究。
为了填补这些知识空白，来自广州大学心理学系和辽宁师范大学心理学院的研究人员展开了一项意义非凡的研究。他们的研究成果发表在《BMC Psychology》上，为我们深入理解驾驶行为，制定更合理的交通规则照亮了前行的道路。
在这项研究中，研究人员运用了多种关键技术方法。他们招募了 35 名符合特定条件的年轻司机作为参与者，这些司机年龄在 18 - 30 岁，都拥有合法驾照。实验采用了事件相关电位（ERP）技术，该技术可以记录大脑对特定事件的电生理反应，从而帮助研究人员探究大脑在驾驶决策过程中的神经机制。研究人员还精心挑选了 100 张包含不同风险类型和等级的真实交通图片作为实验刺激材料，让参与者模拟驾驶场景，根据图片内容决定是否减速。
下面来看看具体的研究结果：
行为结果
研究人员通过计算减速得分（在同一条件下减速次数占总试验次数的比例），分析风险水平和风险类型对减速得分的影响。结果显示，高风险和低风险对减速得分的影响差异显著，车辆风险和行人风险对减速得分的影响也存在显著差异，而且风险水平和风险类型的交互作用同样显著。进一步分析发现，在高风险水平下，车辆风险和行人风险对减速得分的预测能力没有显著差异；但在低风险水平下，行人风险对减速得分的预测能力更强，也就是说，司机在低风险情况下，遇到行人风险时更倾向于减速。
ERP 结果
N2 成分（280 - 330ms）
研究人员分析了风险水平和风险类型对不同脑区 N2 平均振幅的预测作用。在低风险水平时，在中央和中央顶叶区域，行人风险诱发的 N2 振幅显著大于车辆风险诱发的振幅；在额叶、额中央和顶叶区域，行人风险诱发的 N2 振幅也略大于车辆风险诱发的振幅。在高风险水平时，额中央区域中，行人风险诱发的 N2 振幅略大于车辆风险诱发的振幅。这表明行人风险会使司机的警觉性更高，N2 振幅的变化反映了这一现象。
P3 成分（300 - 500ms）
研究人员对顶叶区域 P3 平均振幅进行分析，发现高风险和低风险对 P3 振幅的影响差异显著，高风险诱发的 P3 振幅更大；车辆风险和行人风险对 P3 振幅的影响也有显著差异，车辆风险诱发的 P3 振幅大于行人风险诱发的振幅。这说明高风险场景需要司机分配更多的注意力资源，而机动车由于体积较大、位置更显眼，相比行人更容易吸引司机的注意力。
综合研究结论和讨论部分，该研究意义重大。研究发现风险类型对司机车速控制的影响受风险水平调节。在低风险场景中，司机面对行人风险时减速倾向更明显，因为行人风险更具不可预测性和多变性；而在高风险场景中，司机遇到行人或机动车风险时都会倾向于减速。同时，行人风险会使司机的 N2 振幅增大，提高警觉性；高风险场景则会使 P3 振幅增大，需要更多注意力资源。这些研究结果为根据不同道路风险因素制定合理的限速标准提供了有力依据，有助于减少交通事故，保障交通安全。但研究也存在一定局限性，比如参与者仅为年轻司机，实验刺激采用图片无法完全模拟真实动态路况等。未来研究可以进一步扩大参与者范围，利用虚拟现实技术模拟更真实的驾驶环境，探索更多道路风险类型对车速控制的影响，从而推动交通安全领域的发展。
