虚拟环境中计算机辅助情绪调节策略对危险驾驶行为的影响研究

本研究针对愤怒情绪对驾驶安全的威胁，探索了计算机辅助情绪调节策略（表达抑制与认知重评）在虚拟环境中的应用效果。研究人员通过面部表情识别技术（FACS）和驾驶模拟器，发现表达抑制策略能有效降低中国驾驶员的愤怒情绪及危险驾驶行为（如角速度超速和横向加速度超速），为计算机辅助驾驶系统的开发提供了重要依据。

　　

在当今科技飞速发展的时代，计算机技术已广泛应用于提升驾驶安全，但愤怒情绪作为驾驶安全的重要风险因素，其计算机辅助调控机制仍待探索。世界卫生组织数据显示，尽管交通事故死亡率略有下降，但道路安全问题仍是全球健康危机。愤怒驾驶会导致风险感知降低、操作失误增加，甚至引发攻击性行为，但现有研究多依赖问卷法，缺乏生态效度。如何通过计算机技术实时干预驾驶愤怒，成为亟待解决的难题。

为回答这一问题，复旦大学社会发展与公共政策学院的研究人员开展了一项创新研究，通过虚拟驾驶环境比较两种计算机辅助情绪调节策略（认知重评cognitive reappraisal与表达抑制expressive suppression）的效果。研究发现，表达抑制能显著降低中国驾驶员的愤怒相关面部动作单元（AU5、AU23）强度，并减少弯道驾驶时的角速度（angular speed）和横向加速度（lateral acceleration），而认知重评效果不显著。该成果发表于《BMC Psychology》，为针对中国驾驶员的情绪干预提供了精准方案。

研究采用三项关键技术：1）基于Unreal Engine 4构建多场景虚拟驾驶环境，模拟超车激怒事件；2）通过Logitech C920e摄像头记录面部动作单元（AU4、AU5、AU7、AU23）激活强度；3）使用Logitech G29驾驶模拟器采集角速度、横向加速度等危险驾驶指标。

研究结果

愤怒对危险驾驶行为的影响

通过四辆汽车连续超车并急刹的虚拟场景成功诱发愤怒，面部动作单元（AU7、AU23）激活强度显著升高，验证了愤怒诱导有效性。

面部表情识别结果

表达抑制组在调节后AU5最大激活强度显著降低（p=0.054），且降幅大于对照组（p=0.048），而认知重评组无显著变化。

危险驾驶行为变化

• 弯道驾驶：表达抑制组角速度（F(1,20)=114.59, p<0.001）和横向加速度（F(1,20)=68.05, p<0.001）均显著下降，另两组无变化。

• 直线驾驶：三组均未显示显著差异。

相关性分析

表达抑制组的AU23强度变化与角速度降低呈边际显著相关（r=0.42, p=0.060），提示面部表情调控与驾驶行为改善可能存在关联。

结论与意义

该研究首次证实计算机辅助表达抑制能有效调控中国驾驶员的愤怒情绪及危险驾驶行为，其效果优于认知重评。这一发现与东亚文化背景下表达抑制的适应性价值相符，为开发本土化驾驶辅助系统（ADAS）提供了理论依据。未来需在真实驾驶场景中验证该策略的普适性，并探索多模态情绪识别技术（如fEMG）的应用。研究局限性包括虚拟环境简化、样本量较小等，但为"路怒症"干预开辟了新技术路径，对减少交通事故具有重要实践价值。