駕車有學問！心理負荷和憤怒情緒都會影響交通事故發生率
你在開車時常常被路上三寶氣得半死嗎？如果是，那你要小心了！因為研究證實，「爆氣」可是最容易造成交通事故的行為。本文將介紹科學家們是如何利用最新的科技技術來分析心理狀態對於交通事故發生率所產生的影響，希望透過這些新技術的幫助，能夠讓交通事故發生率降到最低，給每一位用路人最安全的環境。
撰文｜王冠云
你曾經有在大城市中開車的經驗嗎？一下子摩托車在身旁呼嘯而過，一下子後方來車不停加速逼車，開車時候的心理負擔也會造成駕駛人的壓力。該如何讓所有用路人都擁有更好的交通環境呢？讓本文從駕駛人的角度來討論現代科技可以帶來什麼幫助。
過去研究大多在虛擬的環境中模擬，但真實世界的交通還需要更多資料
拜人工智慧的發展所賜，使用深度學習演算法可以幫助研究者計算更複雜的駕駛環境狀態。Wei等人在2023年進行的研究指出，過去研究多是在駕駛模擬器中進行，但真實世界中的駕駛情況和模擬的駕駛會有很大的不同。
在真實世界中，對於安全的考量所帶來的心理負荷比模擬的虛擬世界中還要大得多。此外，過去的研究受限於技術限制，多把測量聚焦於駕駛人本身的生理及心理狀態，且若透過光學雷達 (Light Detection and Ranging, LiDAR) 來測量車與車之間的距離，成本太高；但如今使用機器學習的方法，從普通攝影機或行車紀錄器的影像中就能夠計算出駕駛車輛和環境中各個不同物件之間的距離。
Wei等人的實驗主要是在測量駕駛人於高速公路上行駛時的心理工作負荷量。實驗利用心電圖、膚電活動測量 (Electrodermal activity, EDA) 來測量駕駛者在行車活動當下的生理狀態，並且用兩個行車紀錄器紀錄下車前狀況及車後狀況。行車紀錄器的影像會透過YOLOv3及CNN這兩個深度學習模型來判斷車子前後的車輛數量以及相鄰車輛之間的距離，並且也會判斷行車當下的天氣狀況（包含晴天、雨天、陰天）。將這些資料與生理資料結合之後，再以隨機森林 (random forest) 的演算法來分類駕駛人是處於低、中、高哪種心理工作負荷量的狀態中。
研究成果顯示，在納入了天氣、車流量等資料進入模型學習之後，對於駕駛人心理工作負荷量的預測變得更為準確，甚至達到了97.8%的準確率。
「爆氣」的駕駛也會提高交通事故的發生率
曾經遇到過開車時不停罵髒話的駕駛嗎？那麼可能要小心囉！Rejali等人 (2023) 的研究指出，許多過去的文獻都提供了相關證據，顯示出憤怒的駕駛會提高交通事故發生的機率。不過，過去大多研究聚焦於高收入國家的樣本，並沒有開發中國家的相關數據，因此Rejali等人的研究收集了來自西亞人口最為稠密的大城──伊朗的德黑蘭──總共1071名駕駛的問卷，讓他們回答關於駕駛憤怒表達 (Driving anger expression) 以及交通控制點 (traffic locus of control, T-LOC) 的問卷。
「駕駛憤怒表達」包含四個主要的面向：適應性／建設性思考、言語型憤怒表達、物理型憤怒表達、使用車輛來表達憤怒等不同的行為，請駕駛人填寫問卷來報告自己是否會經常在駕駛時採取相關的行動，例如「密切注意其他駕駛人以策安全」、「對另一個駕駛人大小聲」、「試圖下車跟其他駕駛人吵架」、「緊跟在某臺車輛後面很長一段時間」等等。
「交通控制點」問卷所包含的面向則包含：個人、其他駕駛、車輛與環境以及運氣，詢問填寫問卷的駕駛人在事故發生的時候，通常會將肇事原因歸咎於何者？例如自己開車速度過快、其他駕駛危險超車、道路本身設計不良、運氣不好等等。
研究結果指出，整體而言，年輕及經驗較少的駕駛人較容易展現出攻擊傾向，男性駕駛也比女性駕駛更容易出現攻擊傾向。但是在憤怒表達方面，可能是受到了國家文化背景的影響，導致女性駕駛的憤怒表達比男性少，且女性駕駛也比較傾向於採用「適應性」的手段調適憤怒；另一方面，事故發生的主因在年輕及年長的駕駛人中也有不同的歸因，年輕駕駛比較容易將肇事原因歸咎於自我，但年長駕駛比較容易將原因歸咎於外部因素。不過，不論如何，在憤怒表達方面更常使用車輛來表達憤怒行為的人，最容易發生交通事故。
改善駕駛交通的可能方法
在Wei等人 (2023) 的研究結語中提到，使用機器學習的方法可以讓各項影響駕駛人的環境因素資料能夠被更快速地分析，而且也證明了周圍車輛能預測駕駛人的心理工作負荷量。而Rejali等人 (2023) 則是提出了可能可以透過車輛上提供的語音助理等人工智慧小工具來幫助駕駛人緩解駕駛時的憤怒。儘管社會背景、交通環境、道路設計、駕駛人培訓等各項因素都有可能造成交通問題，但這兩項研究從觀察駕駛人的心理狀態，以及駕駛人和周圍車輛之間的關係著手，提供了另一個從個人心理層面出發的思考方向。
此外，Huo等人 (2023) 也試圖透過心理學的方法，開發了有關「路權 (right-of-way)」態度的問卷，希望可以透過這項工具的提出，幫助相關單位可以更有效地篩選出具有合宜路權觀念的駕駛人。而且該研究還指出，擁有正確的路權觀念，和駕駛人的親社會駕駛行為 (prosocial driving behavior) 以及正向情緒也具有正向關係。從個人層面的教育及觀念改善出發，也可能是讓交通安全問題得到改善的重要方法之一。
參考文獻
- Wei W. & Fu X. & Zhong S. & Ge H., 2023, “Driver's mental workload classification using physiological, traffic flow and environmental factors. ”, Transportation research part F: traffic psychology and behaviour, 94, 151-169.
- Rejali S. & Emami E. & Najjaran E. T. & Moghaddam A. M., 2023, “Calm down, please!: Exploring the effects of driving anger expression (DAX) on traffic locus of control (T-LOC) and crash involvement among drivers in Tehran, Iran.”, Transportation research part F: traffic psychology and behaviour, 94, 286-304.
- Huo D. & Ma J. & Chang R., 2023, “The development and application of the drivers’ attitudes of right-of-way questionnaire (DARQ). ”, Transportation research part F: traffic psychology and behaviour, 94, 67-82.