【摘要】目前汽车座舱正加速向智能方向发展，愤怒、焦虑等驾驶员异常情绪会严重影响车辆行驶状态，导致驾驶风险增高。智能座舱需要对驾驶员异常情绪具备一定识别和调控能力，基于汽车行驶安全与智能座舱发展需求，从情绪的识别和调控的角度出发，阐述了异常情绪对驾驶行为的影响，梳理了现有驾驶员异常情绪识别方法，归纳了现有的驾驶异常情绪的调控手段，最后在前人研究结果的基础上，提出当前驾驶员异常情绪识别与调控方法的局限点，对驾驶员异常情绪调控方法提出了新展望。以期为后续在驾驶员异常情绪识别、调控技术及智能座舱研究提供参考。
0 引言
汽车行业飞速发展，据统计，截止2024年底，国民私家车拥有量已达35 268 万辆[1]，随着汽车数量的增加，交通安全问题也愈发严重，据统计，2024年我国共发生25.5 万起道路交通事故，造成6 万多人死亡，导致的直接经济损失高达11.8亿元[2]。
研究表明，车辆行驶中，驾驶员情绪对交通安全具有重要影响[3]。在汽车驾驶环境中，驾驶员的情绪直接影响个人的信号辨识能力、感知能力、判断力以及行为反应[4]。然而汽车驾驶环境具有多样性，传统的驾驶环境大多聚焦于疲劳和分心驾驶监测方面，车辆缺乏针对驾驶员情绪信号的采集设备，对车内人员情绪感知能力较弱。我国政府大力支持智能网联汽车的技术创新，推动车联网、车路协同以及自动驾驶等技术的研发和应用，智能化成为当前汽车的必然发展要求。汽车智能化发展中，智能座舱是与乘员最直观接触的交互模块，要求能够实时感知驾驶员和乘客的状态（如情绪、疲劳和注意力等）。
当前智能座舱中驾驶员情绪识别多依赖多模态数据融合，特别是脑电波（ElectroEncephaloGram，EEG）等生理信号。调控则主要通过听觉、触觉、嗅觉等方式进行。本文系统梳理了识别与调控技术，指出当前研究缺乏实车验证与系统集成，并提出应开展非侵入、多模态、实车环境下的情绪计算研究，为智能座舱情绪交互提供理论支撑与应用路径。
1 情绪状态对驾驶行为的影响研究现状
Steinhauser 等[5]探讨了情绪状态对驾驶行为的影响，其重点研究了愤怒、快乐和中性情绪对驾驶决策的影响。研究结果表明，愤怒情绪下的驾驶员更倾向于采取激进和冒险的驾驶策略，而快乐情绪下的驾驶员则表现出更为保守和谨慎的驾驶风格，中性情绪下的驾驶员的驾驶风格则介于两者之间。Pecher 等[6]发现积极情绪（如快乐、满足）可能会提高驾驶决策和驾驶表现，而消极情绪（如愤怒、沮丧）则可能降低驾驶员的风险感知能力，增加采取冒险行为的可能性。表1 归纳了现阶段情绪对驾驶行为影响研究情况。
表1 情绪对驾驶行为研究总结
若将驾驶情绪分为愤怒、悲伤、高兴、紧张4类，不同情绪对驾驶行为的影响也不同。目前在情绪对汽车驾驶影响研究中，研究主要关注点为“路怒症”，即驾驶员处在愤怒情绪中驾驶行为的改变，对其他情绪研究较少，但可以得出：在消极情绪（愤怒、悲伤、紧张）中，愤怒情绪最易让驾驶员产生不安全驾驶行为，如车速提高、加减速更加急躁、对周围路况的观察减少等，导致发生事故的概率增加。驾驶员处在悲伤情绪状态下时，车辆行驶趋于稳定，驾驶员本身对驾驶的专注度降低，所以对驾驶有较大的维持意图。在紧张焦虑情绪状态下，驾驶员最为显著的特点为注意力难以集中，因此难以察觉路况的变化。而积极情绪（高兴、快乐）状态下，驾驶员车速会有略微提高，但不如愤怒情绪下明显，行驶总体比较安全。积极情绪不一定让汽车行驶更安全，消极情绪也并非一定降低安全性，所以情绪对驾驶行为的影响并非单一呈现两面性，这来源于道路交通系统和人情绪的复杂性，需要做更多的深入研究。情绪的识别对研究情绪对驾驶行为影响至关重要，获取的情绪数据越多所呈现的结果也越精细，对情绪缓解调控也更具备针对性。
2 异常情绪的定义和产生
2.1 情绪的定义
人的情绪现象是生理、心理层面综合产生的结果，本身具有复杂性和多维性。在心理领域，对情绪的研究已有较长历史，但仍未达成统一定义[14]。Plutchik 等[15]从进化论角度，将情绪分为8种基本类型（愤怒、害怕、悲伤、厌恶、惊奇、好奇、接纳和欢愉），认为情绪不仅是一种心理现象，也是对周围所处环境作出的适应性和生存性的生物反应。Tomkins 等[16]认为情绪是一种具有基础性、多样性、动态性、与意识紧密相关、具有适应社会功能的心理现象。Oatley 和Jenkins 等[17]提出，情绪由个人行为、生理反应以及主观感受3 个要素构成，上述要素由内在思维与外部环境的相互作用触发。
不同情绪外在表现存在差异，其内在也存在生理信息变化。综上所述，可以将情绪定义为：情绪由内在思维与外部环境单独或共同触发，其由多部分组成，且在大多数环境下，其构成成分在个体间表现出普遍性和差异性共有的特征。上述成分具有可确定性，因此，可以将关注点由情绪的定义转向其中可以确定的部分。
2.2 情绪的产生
对情绪进行诱发，应首先了解情绪的产生过程。心理学家提出3 种经典情绪理论，如图1 所示，3 种理论对智能座舱情绪识别的设计具有不同启示。詹姆斯-兰格理论支持通过生理信号直接推断情绪[18]；坎农-巴德理论则提示需同步分析生理与行为数据[19]；而认知评价理论强调需结合驾驶场景上下文（如路况、任务紧迫性）进行综合判断[20]。因此，多模态融合（生理+行为+环境）是提升情绪识别精度的关键。尽管3种情绪理论进程存在差异，但均包括接收刺激、生理唤醒以及行为激发3个部分。
图1 3种情绪产生理论
在试验条件下，对其进行定性定量诱发具有一定难度。首先，很难确保诱发试验的完全自然、真实特性，因为试验对象通常可以感知自身处于试验中。其次，试验对象个体间存在差异。因此，通过特定事件或者音视频诱发，其产生的情绪指数也存在差异。上述客观因素降低了诱发结果的准确度。
3 智能座舱中情绪的识别
传统驾驶环境中，对情绪识别更多依赖于驾驶员的主观报告（如问卷、访谈等）或者简单的生理信号（如心率监测），数据缺乏准确性和实时性。智能座舱环境中配备的多种传感器（如摄像头、麦克风、生物传感器等）可实时地、多模态地对驾驶员情绪信号进行采集。
3.1 情绪的识别
情绪识别即捕捉用户的行为和生理反应数据，并将其载入计算模型中来预测其相应情绪状态[21]，情绪识别的一般流程如图2所示。
图2 情绪识别的一般流程
情绪是一种混合的心理现象，可大致认为其由主观感受、外在表现以及生理唤醒3部分组成。因此，可以从上述3个角度对情绪进行多模态识别，不同识别方法对比如表2所示。
表2 不同识别方法对比
3.1.1 基于主观感受的情绪识别
主观感受是指识别对象处在不同情绪状态下的心理体会，对个体主观感受的情绪识别主要通过访谈、问卷形式进行。智能座舱中，可将各类情绪量表加入系统中，如驾驶愤怒表达量表[22]，通过49 个题目在4 个维度（言语攻击、身体攻击、对车发泄和自我适应）评价愤怒的表达情况。车辆语音系统按照预先设计的问题对研究对象进行提问，了解其对情绪的心理体会。不过收集主观感受的方式虽然经济性较高，但收集的数据结果精度不高，难以精确量化和复现，且不具备及时性，试验后情绪真实度降低，所以一般仅用来印证其他情绪识别技术。
3.1.2 基于外在表现的情绪识别
基于个体外在表现的情绪识别一般通过识别对象的肢体动作、面部表情以及语音语调等外在生理反应推断其内在情绪状态，该方法已具有一定研究基础。
表情是情绪表达最自然、最直接的通道，在某种特定的情绪下，面部不同区域的肌肉具有特定的运动方向和角度[23]。识别驾驶员的肢体动作及面部表情依托于座舱内部署的图像采集设备，该设备通过对驾驶员表现信号的连续采集与实时分析，为情绪状态提供数据支持。情绪具有复杂性，其信号丰富度也较高。基于面部表情的识别方法具有普遍性。Ekman和Friesen 等[24]指出，尽管不同文化在动作手势、个人空间、礼仪规范和宗教信仰等方面存在差异，但面部表情与情绪之间的联系方面却表现出一致性。Jeong等[25]提出了一种高效率且可以安装于车规级设备中的驾驶员面部表情识别算法。该算法首先提取了面部几何空间特征，然后采用分层加权的随机森林分类器进行特征分类，识别结果在公开数据集测试中表现良好。Li等[26-27]开展了驾驶员面部表情数据集采集试验，在模拟驾驶平台中，收集由各种交通场景触发的驾驶情绪，通过深度神经网络（Deep Neural Networks，DNN）对其进行识别。并且进一步从认知角度出发，搭建基于视频图像、车辆数据以及驾驶员状态信息的多模态数据的面部表情识别模型，通过注意力模块与长短时记忆网络识别驾驶员的面部表情。Xiao 等[28]为解决现有研究不能代表真实试验环境的问题，提出了一种基于面部表情的道路驾驶员情感识别网络（FERDERnet）。为了评估所提出的方法，收集了一个包含多种道路场景和相应驾驶员在驾驶任务中的面部表情数据集，结果表明，该方法可以有效地识别道路驾驶员面部表情。
3.1.3 基于生理信号的情绪识别
情绪识别中的生理信号一般是指心电、肌电、EEG、心率以及血糖等信号。生理指标相较于前2 种识别方法更为准确，一方面因为生理信号受被试个体差异的影响小，设备对信号的采集可以满足实时准确的要求，采集的数据也更为丰富。另一方面，在后期的数据处理过程中，方便对情绪进程各部分进行动态分析。
Pierre 等[29]研究了人在恐惧、愤怒、悲伤、高兴4种情绪状态下心肺的活动情况。龙正吉[30]利用音频素材，以心电信号为研究对象，利用小波变换技术，从小波系数中提取出代表高兴、悲伤等不同情感状态的心电信号特征，并进一步研究上述特征值大小与对应情感状态之间的关联性。情绪分析不仅依赖于单一的生理信号，也可通过整合多种生理信号来进行综合识别。Kim 等[31]开发了一款情绪监控系统，该系统利用人体的心电信号、肌电信号及皮肤电信号作为输入，通过综合这3 种生理信号的情绪识别技术，实现了对情绪的短期监控。钟铭恩等[32]进行了基于脑电信号的驾驶员情绪状态识别研究，发现驾驶员在不同情绪状态下，其左右额叶区的脑电β 波呈现出显著差异。万平等[33]提出了一种基于脑电信号的驾驶员愤怒情绪识别模型，并进行了实车实况验证，试验结果表明该模型的识别精度有所提升。此外，Katsis 等[34]设计了一种评估赛车手情绪状态的方法，并据此开发了一款用于情绪识别的可穿戴系统。该系统利用面部肌电图、心电图、呼吸频率以及皮肤电活动作为评估指标，并通过模拟比赛环境初步验证了其在情绪识别方面的有效性。
4 智能座舱中情绪的调控
传统座舱对乘员情绪的干预调节能力有限，主要体现在无法主动进行干预，需要车内乘员自我察觉情绪并手动开启。而智能座舱中，通过前述对驾驶员情绪的采集识别，可结合情绪类型主动采取不同方式对其进行干预。
与情绪诱发相同，常规的情绪调节方法均利用人对外界的器官感知（视觉、触觉、嗅觉等），以及基于人的情绪生理本质的直接方法（如神经药物）。在驾驶环境中，要求调控行为不干扰驾驶员正常的驾驶行为，上述情绪调节方法中，基于视觉通道的调节方法将与驾驶员获取道路信息的视觉资源形成竞争，分散驾驶员注意力。而神经药物在诱发和调控情绪的同时，难以避免的会对驾驶员的专注度、反应能力产生一定影响，具有较大不确定性。尽管当前智驾技术已取得较大发展，但目前大多数智能驾驶仍处于L2、L3级的人机共驾阶段[35]，驾驶员需随时准备接管车辆控制权。因此，本文主要从嗅觉、听觉和触觉3个方面阐述对驾驶员情绪的调控。表3归纳了近年部分关于驾驶员情绪调节的研究。
表3 近年驾驶员情绪调节部分研究成果
4.1 通过听觉刺激对情绪进行调控
目前，音乐在情绪调节中的作用已经成为音乐学、心理学、生理学等学科边缘研究的焦点[47]，在对驾驶员情绪的调节中，音乐也是最主要的途径之一。当前的大多数乘用车中，车载音响均具有较佳听觉体验，成为利用听觉调控情绪的重要依托条件。
相比于基于视觉的情绪调节方式，听觉调节可从任何方向接收声源，受座舱内空间限制小，并且减少了驾驶员的影响[46]。Zhu 等[36]以愤怒情绪为例，旨在探讨音乐节奏和个人熟悉度对缓解驾驶员负面情绪及其对驾驶表现负面影响的效果。30 名驾驶员参与了一项模拟驾驶试验，试验过程中收集了相应的驾驶表现和心率数据，数据分析结果显示具有特定节奏或熟悉度的音乐在缓解愤怒情绪和改善驾驶表现方面有显著效果。Jeon 等[37]为解决“自选音乐能否减轻愤怒对驾驶表现的影响？”问题，整合了行为、生理和主观数据。结果显示，愤怒情绪下，不听音乐的驾驶员驾驶行为更危险。黄卫平的研究[48]指出，不同类型的乐曲能够唤起参与者不同的情绪体验，且这些情绪体验的强度在个体之间存在差异。李英霞[39]用视频材料诱发悲伤情绪，并用喜怒哀乐4 种不同类型的音乐进行调控，试验发现喜悦情绪类音乐对悲伤情绪的调控效果最显著。
4.2 通过触觉刺激对情绪进行调控
有研究表明触觉对情绪调节比语音调节更有效[37]，而汽车座椅是与驾驶员接触最为直接且接触时间最长、面积最广的汽车部件，其是实现通过触觉对驾驶员情绪调控的首选载体。
在汽车驾驶中，驾驶员的主体躯干部分长期保持相对静止姿态，易产生疲劳感，在疲劳的状态下继续行车，驾驶员焦虑情绪开始产生，所以针对驾驶疲劳的缓解，目前的座椅一般以机械式、振动式和气袋式3 种通过周期改变座椅与人接触的支撑形面的按摩方式来缓解疲劳[45]，如图4 所示。随着四季和昼夜的交替，汽车的行驶环境温度跨度通常较大，而空调无法及时改变座椅温度且生效周期长，因此座椅还增加加热、通风功能分别实现减少低温、高温环境对驾驶员的刺激，确保了驾驶环境的舒适性，有效减少驾驶员情绪不稳定因素，同时也对负面情绪起到了调节作用。Balters 等[42]开展了一项研究，测试了触觉引导的慢速呼吸系统，结果显示该系统能够有效减缓驾驶员的呼吸速率，并且在保障驾驶安全的前提下，为驾驶员提供了持续的呼吸调节功能。Schmidt等[41]的研究发现，对于长时间单调驾驶产生的疲劳、情绪低迷现象，冷空气可以起到唤醒作用，提升驾驶员的警觉性。
图4 不同结构的按摩座椅
4.3 通过嗅觉刺激对情绪进行调控
嗅觉是人的五大感官之一，人体能对空气中不同气体的嗅觉刺激作出快速反应。基于嗅觉的情绪调控方法对驾驶员的驾驶行为干扰较小，目前已取得丰硕研究成果。
上海交通大学的潘晓岚[42]选择了薰衣草精油、香紫苏精油和复合配方精油3种精油对焦虑症状的缓解进行测试，结果表明：嗅闻3 种精油香气后，大鼠的免疫力得到提高，大鼠和人的焦虑情绪得到了安抚，其中复合配方精油的效果最为显著。
翟秀丽[44]采用生理性指标和心理性指标为测试工具，使用甜橙、薰衣草2 种植物精油对大学生进行抑郁情绪缓解进行干预和调节，结果表明，2 种精油对受试者血压起到了暂时降低效用，同时对抑郁情绪的缓解以及改善睡眠质量有实质性作用。唐帮备[44]研究一种专用于智能座舱的驾驶员情绪正向调控方法，用视频材料诱发被试者愤怒等负向情绪，利用E-prime 软件控制的嗅觉体验测试仪释放薰衣草、甜橙、沉香木气味，随后采集30 名被试者的各项生理特征信号，研究结果表明，在对负向情绪的调节效果上，沉香木效果最好、甜橙次之、薰衣草最差。
驾驶内环境相对封闭，香氛的释放不仅能调节驾驶员情绪，还可以改善车内环境，为驾乘人员提供舒适的乘坐环境。
5 结束语
当前汽车向智能化快速发展，智能座舱是其与乘员主要承载平台。本文梳理了对驾驶员情绪的识别与调节的相关研究，目前对情绪的识别方法主要有生理和非生理2 种，其中以生理信号为基础的识别是现阶段研究的重点，特别是基于脑电信号的情绪识别。由于大多生理信号都需要接触式设备采集，在采集便捷性上存在局限性，且多种生理信号下反映的情绪程度更为准确，所以当前可增加对舱内多模态生理信号采集设备的研究投入。
智能座舱内对驾驶员情绪的调节更多是指对驾驶员负面情绪的减弱调节。调控方法主要是基于驾驶员的主要感官（嗅觉、听觉、触觉等）。目前相关研究仍处于初级阶段，受制于驾驶环境及驾驶行为，大多研究均来自于模拟驾驶环境，基于实车实况的研究尚有不足。同时，在智驾技术的广泛应用和快速发展下，情绪识别和调节的后续研究当着力于识别、调节方法与智能座舱环境的科学融合，开展更多的实车实况研究，为智能座舱内对与驾驶员的情绪研究创造更多成果。
参考文献
[1] 国家统计局. 中华人民共和国2024年国民经济和社会发展统计公报[EB/OL]. [2025-02-28]. https://www.stats.gov.cn/sj/zxfb/202502/t20250228_1958817.html.
[2] 公安部交通管理局. 中华人民共和国道路交通事故统计年报(2024)[R]. 无锡: 公安部交通管理科学研究所, 2024.
[3] 严利鑫. 驾驶愤怒情绪诱导实验方法研究及应用[D]. 武汉: 武汉理工大学, 2014.
[4] PRECHT L, KEINATH A, KREMS J F. Identifying the Main Factors Contributing to Driving Errors and Traffic Violations-Results from Naturalistic Driving Data[J].Transportation Research Part F: Traffic Psychology and Behaviour, 2017(49): 49-92.
[5] STEINHAUSER K, LEIST F, MAIER K, et al. Effects of Emotions on Driving Behavior[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2018(59): 150-163.
[6] PÊCHER C, LEMERCIER C, CELLIER J M. The Influence of Emotions on Driving Behavior[J]. Traffic Psychology: An International Perspective, 2011: 145-158.
[7] STEPHENS A N, GROEGER J A. Situational Specificity of Trait Influences on Drivers’ Evaluations and Driving Behaviour[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2009, 12(1): 29-39.
[8] 程静, 张艺. 不同情绪作用下的汽车驾驶行为预测[J]. 交通运输工程与信息学报, 2019, 17(3): 125-132.
[9] TIMO LAJUNEN ，DIANNE PARKER. Are Aggressive People Aggressive Drivers? A Study of the Relationship Between Self-Reported General Aggressiveness, Driver Anger and Aggressive Driving[J]. Accident Analysis and Prevention, 2001, 33(2): 243-255.
[10] STECKLOV G, GOLDSTEIN J R. Terror Attacks Influence Driving Behavior in Israel[J]. Proceedings of the National Academy of Sciences, 2004, 101(40): 14551-14556.
[11] DULA C S, GELLER E S. Risky, Aggressive, or Emotional Driving: Addressing the Need for Consistent Communication in Research[J]. Journal of Safety Research,2003, 34(5): 559-566.
[12] JEON M, WALKER B N, YIM J B. Effects of Specific Emotions on Subjective Judgment, Driving Performance,and Perceived Workload[J]. Transportation Research Part F: Traffic Psychology and Behaviour, 2014(24): 197-209.
[13] 王浩伦, 朱业安, 彭理群, 等. 汽车驾驶员的情绪诱发与识别研究综述[J]. 交通信息与安全, 2018, 36(4): 1-6+50.
[14] 程静. 情绪对驾驶行为的影响研究[D]. 重庆: 西南交通大学, 2019.
[15] PLUTCHIK R. A General Psychevolutionary Theory of Emotion[M]// Theories of Emotion. New York: Academic Press, 1980: 3-33.
[16] TOMKINS S. Affect Imagery Consciousness: Volume I:The Positive Affects[M]. Berlin: Springer Publishing Company, 1962.
[17] OATLEY K, KELTNER D, JENKINS J M. Understanding Emotions[M]. Oxford: Blackwell Publishing, 2006.
[18] JAMES W. What is emotion? 1884[J]. Readings in the History of Psychology, 1948: 290-303.
[19] OLIVER G G. The James-Lange Theory of Emotion[M]//Visceral Sensory Neuroscience: Interoception. New York:Oxford University Press, 2001: 9-20.
[20] SCHACHTER S, SINGER J. Cognitive, Social, and Physiological Determinants of Emotional State[J].Psychological Review, 1962, 69(5): 379.
[21] 赵国朕, 宋金晶, 葛燕, 等.基于生理大数据的情绪识别研究进展[J].计算机研究与发展, 2016, 53(1): 80-92.
[22] DEFFENBACHER J L, LYNCH R S, OETTING E R, et al.The Driving Anger Expression Inventory: A measure of How People Express Their Anger on the Road[J].Behaviour Research and Therapy, 2002, 40(6): 717-737.
[23] 苗馨宁.基于面部表情和语音信息的驾驶员情绪识别研究[D]. 长春: 吉林大学, 2023.
[24] Ekman P, Friesen W V. Constants Across Cultures in the Face and Emotion[J]. Journal of Personality and Social Psychology, 1971, 17(2): 124-129.
[25] JEONG M, KO B C. Driver’s Facial Expression Recognition in Real-Time for Safe Driving[J]. Sensors, 2018,18(12): 4270.
[26] LI W, CUI Y, MA Y, et al. A Spontaneous Driver Emotion Facial Expression (Defe) Dataset for Intelligent Vehicles:Emotions Triggered by Video-Audio Clips in Driving Scenarios[J]. IEEE Transactions on Affective Computing,2021(1): 1-1.
[27] LI W, ZENG G, ZHANG J, et al. Cogemonet: A Cognitive-Feature-Augmented Driver Emotion Recognition Model for Smart Cockpit[J]. IEEE Transactions on Computational Social Systems, 2021, 9(3): 667-678.
[28] 肖华飞. 驾驶员情绪识别、风险映射与预警方法研究[D].重庆: 重庆大学, 2022.
[29] RAINVILLE P, BECHARA A, NAQVI N, et al. Basic Emotions are Associated With Distinct Patterns of Cardiorespiratory Activity[J]. International Journal of Psychophysiology, 2006, 61(1): 5-18.
[30] 龙正吉. 小波变换提取ECG信号情绪特征的研究[D]. 重庆: 西南大学, 2010.
[31] KIM K H, BANG S W, KIM S R. Emotion Recognition System Using Shorting-Term Monitoring of Physiological Signals[J]. Medical and Biological Engineering and Computing. 2004, 42(3): 419-427.
[32] 钟铭恩, 吴平东, 彭军强, 等. 基于脑电信号的驾驶员情绪状态识别研究[J]. 中国安全科学学报, 2011, 21(9):64-69
[33] 万平, 吴超仲, 林英姿, 等. 基于置信规则库的驾驶员愤怒情绪识别模型[J]. 交通运输系统工程与信息, 2015,15(5): 96-102.
[34] KATSIS C D, KATERTSIDIS N, GANIATSAS G, et al.Toward Emotion Recognition in Car-Racing Drivers: A Biosignal Processing Approach[J]. IEEE Transactions on Systems, Man, and Cybernetics-Part A: Systems and Humans, 2008, 38(3): 502-512.
[35] 唐帮备, 李衍, 王盛学,等. 驾驶疲劳在人机共驾环境中的检测与缓解研究综述[J]. 汽车文摘, 2024(8): 9-16.
[36] ZHU Y, WANG Y, LI G, et al. Recognizing and Releasing Drivers’ Negative Emotions By Using Music: Evidence From Driver Anger[C]//Adjunct Proceedings of the 8th International Conference on Automotive User Interfaces and Interactive Vehicular Applications. New York:Association for Computing Machinery, 2016: 173-178.
[37] PAREDES P E, ZHOU Y, HAMDAN N A H, et al.Just Breathe: In-Car Interventions for Guided Slow Breathing[J]. Proceedings of the ACM on Interactive,Mobile, Wearable and Ubiquitous Technologies, 2018,2(1): 1-23.
[38] FAKHRHOSSEINI S M, JEON M. How Do Angry Drivers Respond To Emotional Music? A Comprehensive Perspective on Assessing Emotion[J]. Multimodal User Interfaces, 2019, 13(2): 137-150.
[39] 李英霞. 音乐类型对缓解悲伤情绪的研究 [J]. 衡水学院学报, 2021, 23(4): 119-122.
[40] BALTERS S, LANDAY J A, PAREDES P E. On-road Guided Slow Breathing Interventions for Car Commuters[C]// Extended Abstracts of the 2019 CHI Conference on Human Factors in Computing Systems.Glasgow: ACM, 2019: 1-5.
[41] SCHMIDT E, DECKE R, RASSHOFER R, et al.Psychophysiological Responses to Short-Term Cooling During a Simulated Monotonous Driving Task[J]. Applied Ergonomics, 2017(62): 9-18.
[42] 潘晓岚. 三种芳香植物精油香气对缓解焦虑作用的研究[D]. 上海: 上海交通大学, 2009.
[43] 翟秀丽. 两种植物精油对人抑郁情绪缓解的实验研究[D]. 杭州: 浙江农林大学, 2012.
[44] 唐帮备, 朱明鑫, 邓凌云, 等. 基于嗅觉刺激的驾驶员负向情绪正向调控方法研究[J]. 汽车工程学报, 2023,13(6): 832-843.
[45] 刘家宝, 刘岩, 李玉莲, 等. 集成式稳定型汽车按摩座椅创新设计[J]. 高师理科学刊, 2023(9): 43-45,58.
[46] DONMEZ B, BOYLE L N, LEE J D. Differences in Off-Road Glances: Effects on Young Drivers’Performance[J].Journal of Transportation Engineering, 2010, 136(5): 403-409.
[47] 苏夕雯. 声景音乐影响情绪调节的实验研究[D]. 重庆:西南大学, 2022.
[48] 黄卫平. 经典音乐对大学生情绪影响的实证研究[D]. 长沙: 湖南师范大学, 2007.