2024年，在西班牙道路上记录了1,040起交通事故，此外还有许多轻微碰撞和其他驾驶问题。这些事故的原因包括超速、恶劣天气条件和药物滥用，但驾驶员分心和紧张情况也是重要因素。为了减少这些因素的影响，改善基础设施设计、研发辅助驾驶技术以及制定道路安全政策变得尤为重要。 一项由加泰罗尼亚开放大学（UOC）参与的研究揭示了视觉元素如何影响驾驶员的压力水平，并确定了对驾驶体验产生负面影响的因素。这一研究为智能驾驶助手的开发及城市街道的低压力化规划铺平了道路。该研究论文《通过分析视觉路况评估驾驶员压力》发表在《IEEE情感计算交易》上，项目由UOC数字健康、健康与福祉研究部门下的AIWELL小组研究员克里斯蒂娜·布斯托斯领导。 研究团队还包括UOC计算机科学、多媒体与电信学系的成员阿加塔·拉佩德里萨和阿尔贝特·索莱，以及复杂系统组（CoSIN3）的负责人贾维尔·伯热。麻省理工学院媒体实验室的研究人员奈斯卡·埃尔豪伊和罗莎琳德·皮卡尔也参与了这项研究。 此研究首次将注意力完全集中在视觉数据上，不考虑生理信号、面部表情或车辆操作记录等因素。研究团队利用了一个AI模型，综合评估交通状况、行人存在和城市环境特征，进行了大规模的现实世界视觉景观研究。具体使用的机器学习模型包括支持向量机（SVM）、卷积神经网络（CNN），以及用于视频分析的时间段网络（TSN）。 该研究发现，行人的出现和移动车辆（尤其是大型车辆如卡车）是导致驾驶员压力的主要因素。同时，城市中的各种分散注意力的元素，如路标、广告牌和人行横道，也会增加驾驶员的压力水平。“所有这些元素都显著影响驾驶员的高压力水平，增加了驾驶体验的复杂性和认知负担。”布斯托斯解释道。 这些研究成果可以为城市基础设施设计和降低压力因素的政策提供重要参考。例如，它们可以作为改进标识、拥挤区域的交通管理系统或设计更安全的交叉路口的基础。“通过识别哪些元素最令人紧张，城市规划者和交通管理机构可以采取措施减轻这些影响，从而提高道路安全性。”布斯托斯表示。 未来的研究计划包括扩大和多样化数据集，探索结合其他非侵入式数据（如车辆信息）的多模态模型，并优化AI解释技术，以更好地理解压力产生的机制。目前虽然没有立即应用的具体计划，但研究结果为继续探索这一领域及其在辅助驾驶系统中的应用提供了坚实的基础。 业内专家认为，这项研究具有重要意义，因为它首次从视觉角度全面分析了驾驶压力的来源，为智能驾驶助手和城市交通设计的创新开辟了新途径。UOC是一所领先的在线大学，以其在人工智能和社会福祉领域的研究而闻名。这项研究不仅展示了UOC在科研上的实力，也突显了多学科合作的重要性和潜力。