IISE Trans Occup Ergon Hum Factors
Wang Manhua et al.
2026-05-06
本研究提出兩階段機器學習框架，結合駕駛表現指標與生理訊號，精準將駕駛憤怒分為三個強度等級。該方法先判斷憤怒是否存在，再進行強度分類，大幅提升準確度並降低中性狀態的誤判率。此技術對高風險職業駕駛的安全監控與健康促進具有直接貢獻。
- 兩階段機器學習模型優於單階段四分類模型
- 結合駕駛表現與生理訊號能有效建模三級憤怒強度
- 顯著減少將中性狀態誤判為憤怒的情況
- 對職業駕駛（如客運司機）的風險降低具實務應用價值
🏥 臨床 / 實務應用
可將此憤怒強度偵測技術整合至職業駕駛的車載監測系統中，實現適應性與情境感知的介入，預防事故並促進駕駛心理健康。
核心研究
測量與方法學