《Expert Systems with Applications》：Multi-sensory emotion modulation for alleviation of driver anger: a physiological and behavioural study
编辑推荐：
驾驶员情绪调节：多感官干预与文化适应性研究|文化差异|生理反馈|智能车辆|情绪干预模型
张杰书|拉贾·阿里芬·拉贾·加齐拉|叶华珍|王浩鑫|何慧倩
马来西亚马来亚大学工程学院机械工程系，可持续与智能制造中心（CSSM），吉隆坡
摘要
驾驶员的愤怒是导致交通事故的原因之一，因此对其情绪的调节对于道路安全至关重要。目前关于驾驶员情绪调节的研究缺乏对适应驾驶环境的多感官调节策略的关注，同时也忽略了文化背景对情绪调节偏好的影响。在本研究中，我们提出并验证了多种多感官情绪调节模型，旨在缓解驾驶员的愤怒，并在干预设计中融入了文化偏好。首先，我们对来自马来西亚和中国的324名参与者进行了问卷调查，以评估各种情绪调节策略的有效性和文化偏好。随后，我们开发了四种多感官情绪调节模型，整合了声音、音乐、触觉、温度和视觉干预措施。接下来，我们让21名来自马来西亚和中国的参与者在模拟驾驶任务中参与了实验，使用脑电图（EEG）、皮肤电反应（GSR）和行为评估。利用从调节过程中收集的EEG数据训练的机器学习分类器来量化每种模型的平静状态比例。GSR和驾驶行为数据也被用来评估情绪唤醒程度。结果显示，所有四种模型都能有效减少驾驶员的愤怒，与基线情况相比，平静状态的比例增加了24.99%。以舒缓的音乐、蓝色的环境光线、温暖的温度和轻柔的触觉提示为特征的干预措施效果最为显著。尽管不同文化群体的行为结果一致，但在听觉偏好和神经反应方面存在显著差异。这些发现支持开发个性化且具有文化适应性的智能车辆情绪调节系统，以提高驾驶员的安全性。
引言
随着智能车辆的快速发展，车内系统识别和响应驾驶员情绪状态的能力已成为汽车人机交互领域一个日益重要的方向（Gao等人，2024年；Li等人，2024年）。在智能车辆中，交互不再局限于传统的命令执行或信息显示，而是逐渐演变为更加适应性强、自然且以人为中心的沟通形式（Hu等人，2021年）。多模态交互已成为这一领域极具前景的解决方案，因为它可以通过多种感官渠道传递信息和系统响应，从而提高交互的灵活性和用户体验（Dritsas等人，2025年；Wakid等人，2025年；Xu等人，2023年）。从更广泛的人机交互角度来看，有效的交互设计应符合人类的感知和认知特征（Tan等人，2022年），而多模态系统在促进人类与智能系统之间的自然沟通方面发挥着重要作用（Gu等人，2024年）。这些进步推动了情感感知智能车辆的发展，其中情绪识别和情绪调节已成为车辆设计的关键组成部分（Cao等人，2025年；Sun等人，2025年）。
然而，与其他自然交互环境相比，驾驶员仍然在高度受限和任务要求高的条件下驾驶（Gaffar和Kouchak，2017年；H?uslschmid等人，2017年）。在这种情况下，愤怒尤为重要，因为它会干扰认知控制，增加冲动反应，并对驾驶行为产生负面影响（Faílde-Garrido等人，2023年；Lazuras等人，2022年；Steinhauser等人，2018年）。先前的研究表明，情绪化的驾驶情境可能导致认知超负荷，而复杂的交通条件会对驾驶员造成巨大的心理压力（Jeon等人，2014年；Su等人，2023年）。早期研究还发现，愤怒与年轻驾驶员的风险驾驶行为、驾驶表现下降以及风险感知扭曲有关（Zepf等人，2020年）。此外，由愤怒引发的易出错行为也可能与文化差异有关，因为在某些国家，愤怒的驾驶员更有可能从事危险行为（Bogdan等人，2016年；Ersan等人，2020年）。尽管这些研究加深了我们对愤怒如何影响驾驶的理解，但在汽车人机交互过程中对驾驶员愤怒的调节却相对较少受到关注（Li等人，2022年；Wei等人，2025年）。这一研究方向值得更多关注，因为在智能车辆中，仅仅识别驾驶员的情绪是不够的；还需要有效的干预措施来支持更安全、更稳定的驾驶状态。
随着情感技术的进步，人们越来越关注设计能够调节负面情绪的车内环境。在智能车辆中，情感技术不仅在情绪检测方面展现出巨大潜力，还在情绪干预方面也有应用（Braun等人，2021年；Cui等人，2024年；Schubert，2013年）。研究表明，生理数据、行为数据和车辆控制数据可以支持驾驶员状态监控和情绪识别（Braun等人，2019年；Lee等人，2023年）。研究人员还探索了嵌入车辆环境中的感官调节策略。适应性环境调整有助于缓解驾驶过程中的负面情绪（Braun等人，2021年），而灯光、音乐、触觉反馈和温度刺激等感官干预措施可以提高情绪舒适度并减少与愤怒相关的不适（Jung和Jang，2015年；Kim等人，2022年；Sun等人，2018年）。然而，由于不同文化背景下的驾驶风格和情绪调节方式存在差异，这类系统的设计变得复杂。文化因素会影响信任、偏好和情绪表达，这可能会影响人们对愤怒的体验和调节方式（Du等人，2023年；Freuli等人，2020年；T?re等人，2023年）。尽管取得了这些进展，但仍存在两个局限性。首先，大多数研究集中在单一感官干预上，而不是综合多感官方法。其次，它们的有效性通常主要通过主观报告来评估，较少关注生理和行为的综合变化。因此，多感官情绪调节在缓解驾驶员愤怒方面的潜力尚未得到充分理解。
为了解决这些局限性，本研究开发了四种多感官情绪调节模型，整合了视觉、听觉、声音、温度和触觉刺激来缓解驾驶员的愤怒。在构建这些模型时，首先考虑了与文化相关的情绪调节偏好，以提高调节策略在不同驾驶员群体中的适用性和可接受性。然后通过模拟驾驶实验对这些模型进行了评估，共进行了168次驾驶会话。在这些实验中，收集了脑电图、皮肤电反应、行为信号和驾驶表现数据，从多个维度评估情绪变化。具体来说，使用机器学习分类器来估计应用每种调节模型后情绪从愤怒转为平静的比例。此外，还利用皮肤电反应来检测与唤醒相关的变化，同时分析驾驶行为和主观反馈，以进一步评估所提出干预措施在调节驾驶员愤怒方面的有效性。结果表明，多感官情绪调节模型在驾驶场景中有效缓解了驾驶员的愤怒。尽管不同文化群体之间的神经反应存在显著差异，但它们的调节效果在行为表现和整体生理变化上显示出一致的趋势。这些发现突显了个性化且具有文化适应性的智能车辆情绪调节系统在提高驾驶安全方面的实际价值和开发潜力。本研究有三个主要贡献：
•提出的多感官情绪调节模型专注于缓解驾驶员的愤怒，将智能车辆研究从情绪识别扩展到情绪调节，强调为驾驶安全进行主动干预。
•本研究开发并比较了多种多感官情绪调节策略，以缓解驾驶员的愤怒，特别关注不同感官组合的调节效果，并初步探讨了不同文化群体之间的神经反应差异。
•本研究通过整合主观、生理和行为证据来评估所提出的方法，从而为智能驾驶辅助系统中情绪调节系统的设计提供了更全面的实证支持。
文献综述
为了建立能够缓解驾驶员愤怒的情绪调节模型，我们回顾了相关文献，以确定有效的调节方法。
情绪调节模型的开发
为了建立缓解驾驶员愤怒的情绪调节模型，本节描述了一种多步骤的定量方法。首先，进行了文献回顾，以确定常用的情绪调节策略。基于这些发现，开发了一份结构化的问卷，并分发给来自不同文化背景的年轻驾驶员，以了解他们在驾驶情境中通常如何调节愤怒。该调查在线进行了两个月
情绪调节策略偏好
进行了线性回归分析，以考察情绪调节策略是否能够预测驾驶员的愤怒程度及其解释能力。根据人口统计变量（包括国籍、性别和驾驶经验年限），结果表明情绪调节策略能够显著预测驾驶员的愤怒程度（R2 = 0.142，F(3, 324) = 17.591，p < 0.001），其中国籍是一个显著的预测因素（β = -0.384，p < 0.001），表明
讨论
在本研究中，我们开发了四种综合模型，通过整合多感官情绪调节策略和文化偏好来调节驾驶员的愤怒，最终目标是提升智能车辆系统。情绪调节方法显著预测了驾驶员的愤怒，纳入人口统计因素（尤其是国籍）提高了模型的准确性。使用脑电图（EEG）、皮肤电反应（GSR）、驾驶行为评估和自我报告进行的模拟驾驶实验验证了这一点
局限性和未来工作
个体差异和普遍性的局限性：尽管样本量满足了先验功效分析的要求，但相对较小且同质的样本限制了对情绪和感官反应个体差异的考察。在实验过程中，我们初步观察到文化偏好影响了听觉反应，马来西亚驾驶员倾向于偏好更欢快的音乐，而中国驾驶员则更喜欢较慢、舒缓的节奏。
结论
本研究提出了四种综合情绪调节模型，结合了多感官刺激和文化偏好，旨在缓解驾驶员的愤怒。值得注意的是，模型4结合了舒缓的听觉、视觉、温度和触觉提示，在提升驾驶员平静状态方面表现出最显著的效果。脑电图（EEG）结果证实，所有模型都改善了平静状态，表现为α波和γ波活动增加，β波活动减少，表明
CRediT作者贡献声明
张杰书：概念化、调查、方法论、正式分析、初稿撰写。
拉贾·阿里芬·拉贾·加齐拉：资源提供、监督、项目管理、审稿与编辑。
叶华珍：监督、审稿与编辑。
王浩鑫：调查、资源提供、方法论。
何慧倩：调查、软件开发、可视化。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的财务利益或个人关系。
致谢
作者感谢马来西亚马来亚大学工程学院的行政和技术工作人员的支持。
资金
本研究未获得公共部门、商业部门或非营利部门的任何特定资助。
