Accid Anal Prev
Gao Lu et al.
2026 Jul
本研究利用自然駕駛數據與雙重機器學習框架，探討网约車駕駛情緒喚起對攻擊性駕駛的影響。研究區分正向與負向情緒，並辨識異常加速、中度與嚴重超速三種行為。結果顯示，高正向與高負向情緒喚起均會增加攻擊性駕駛機率，其中負向情緒的促進作用更為強烈，且在分心與乘客在場的情境下呈現顯著的異質性效應。
- 高正向與高負向情緒喚起皆會增加网约車駕駛的攻擊性駕駛風險
- 負向情緒喚起對異常加速、中度與嚴重超速的影響力均大於正向情緒
- 雙重機器學習能有效處理自然駕駛數據中的混淆變數以精確評估因果效應
🏥 臨床 / 實務應用
針對网约車平台，應建立基於情緒偵測的即時預警系統，並加強駕駛對負向情緒調節的培訓，以降低分心與載客情境下的攻擊性駕駛風險。
核心研究
交通心理與行為
Accid Anal Prev
Chen Haitao et al.
2026 Jul
本研究透過駕駛模擬器實驗，探討自動駕駛車輛（AV）滲透率（0%至75%）對人類駕駛行為適應的影響，並考量攻擊性、適度與防禦性三種駕駛風格。實驗涵蓋左轉與變換車道情境，結果發現不同駕駛風格的駕駛人在面對AV滲透率變化時，會展現出不同的戰術層級行為適應，其中攻擊型駕駛人的行為改變對整體交通安全的潛在衝擊尤為值得關注。
- AV滲透率的提升會顯著改變人類駕駛的戰術層級行為適應
- 攻擊型駕駛人在混合交通中的行為適應模式與防禦型駕駛人存在顯著差異
- 左轉與變換車道情境下，駕駛風格與AV滲透率對主觀評估有交互作用
🏥 臨床 / 實務應用
在推動自動駕駛車輛普及的過程中，交通管理單位應特別關注攻擊型駕駛人的行為適應風險，必要時可透過教育訓練或車載提示系統引導其安全過渡至混合交通環境。
相關研究
駕駛模擬與實驗