汽车氛围灯有没有存在必要？

开车要不要装氛围灯？色彩影响驾驶员情绪，远比你想象的更重要

作者：李正盛1，邢文2，何灿群2，邓亮3

1、江苏大学 汽车与交通工程学院，江苏 镇江

2． 河海大学 机电工程学院，江苏 常州

3． 常州星宇车灯股份有限公司，江苏 常州

来源：AUTO内饰行家

近年来因“路怒症”而引发交通事故的现象屡见不鲜，不良的驾驶情绪易使驾驶员产生不利于驾驶的行为［1］。据SOHU网的调查结果显示，我国有60．72%的车主患有“路怒症”［2］。愤怒情绪会影响驾驶者的主观判断，使驾驶人员的驾驶能力下降［3］，公共意识变低，攻击性驾驶行为增多［4］，不良驾驶情绪严重威胁着公共安全，围绕驾驶安全问题的讨论不绝于耳。

车内氛围灯是装饰照明灯具，主要用于满足车内装饰［5］的要求，烘托车内氛围，增强感官刺激［6］。良好的照明环境可以体现品牌的特征，例如劳斯莱斯星光顶棚、宝马星空顶、奔驰和起亚的情绪氛围灯、荣威情感交互灯、雪佛兰动态环境照明等。除此之外，其附加功能还体现在人进入车内的迎宾环绕功能［7］、杯托显示、车门车窗未关闭提醒、车钥匙离车提醒。氛围灯也可根据车内驾驶者的需求随音乐律动，实现车内娱乐功能［8］，其交互效果具有烘托驾驶环境的作用，从而影响情绪的变化。

近些年语音识别技术在汽车设计中的应用逐渐增加。人工神经网络( ANN) 和深度神经网络( DNN) 、卷积神经网络( CNN) 等在语音情感识别上的应用使情绪识别率大幅提高，车内语音交互系统搭载情感识别功能成为发展趋势。但目前对于氛围灯色彩的设计，仍然停留在对品牌特征及车系形象的表现中，缺少了对驾驶安全的考虑。本文选择色彩对驾驶情绪的影响为研究内容［9］，建立色彩跳转维度模型，通过实验及主观测量表验证色彩对情绪的安抚效果，利用语音情感识别对驾驶者的情绪进行捕捉，设计有利于驾驶安全的氛围灯色彩跳转。

建立色彩情绪维度模型

在前期的研究中，我们选取NCS ( Natural Color System) 色环及罗素情绪环状模型 ［10］，由长时间对驾驶词汇的收集及对色彩的研究［11］，设计合理的调查问卷调查了驾驶员关于色彩与情绪关系的评定。通过大量的样本分析出驾驶员认为的色彩与情绪的对应关系，并建立色彩情绪维度模型( 见图 1) 。

色彩情绪维度模型的建立，具有两方面作用:一是作为实验中色彩选择的依据，在测试色彩对情绪安抚效果的实验中，选择红色，蓝色、湖蓝色、黄色、绿色，这些色彩覆盖的情绪范围较广;二是为色彩跳转逻辑提供一个跳转范围。单一色彩的车内氛围灯不能够展现出汽车品牌的气质与格调，为了丰富跳转空间，增强氛围灯的娱乐效果且保证汽车行驶中的安全，建立合适的色彩维度，为氛围灯的跳转逻辑提供了选择空间。

氛围灯色彩对驾驶员情绪的影响研究

实验目的

本实验是色彩情绪理论对应关系的验证实验。在色彩心理学的基础上，验证在驾驶环境中，该色彩对情绪的影响是否依然成立，并研究各种色彩对情绪影响的效果。

预实验( 获取实验有效诱导视频)

1)获得实验视频

选取17名具有正常情感表达的星宇车灯公司员工作为被试，被试具有3年以上的驾驶经验。为获取实验中可诱导悲伤、愉快、惊奇、恐惧、生气五种情绪的视频，经多方征集意见，结合视频排行榜中的情感视频，在观看推荐视频后进行初步筛选，并在初选后的每种情绪视频中选出3个。严格控制观看环境和观看时间，通过排序的方法获得实验视频。

(2)验证视频诱导效果

为保证测量数据客观，再另外选择12位对色彩心理不了解的成员作为被试。通过生理多导仪，测量被试在观看视频期间的皮电反应情况，其结果如图2、3所示。纵坐标为皮肤导电性(sensor－E:SC/GSR)，数据是生理多导仪放大处理过的显示值。

对变化系数进行对比分析，发现在惊奇和愉快两种情绪中，变化趋势较小，结合平均值分析可知在观看愉快视频时，皮电指数大部分处于较高水平，愉快视频诱导效果较好。由标准差结果可知，惊奇视频引起的情绪波动最小，表明惊奇的诱导效果较弱。恐怖视频表现出的变化系数差别较大，即视频对不同被试的影响效果差别较大。结合平均值，在恐怖视频中皮电指数较高，说明恐怖视频诱导效果较好。在悲伤视频中，被试的变化系数差别最大，且不止出现一次峰值，在标准差的对比上更为强烈，说明悲伤视频在一定程度上对被试的刺激较大。在生气视频中，平均值都低于其他情绪，表明生气视频对皮电指数有一定的抑制作用或视频诱导效果不佳。

进一步选择83位被试，被试为学校学生。通过主观情绪测量表对情绪视频进行评分。情绪量表采用五点量表，以愉快情绪为例，－2表示非常不愉快，－1表示不愉快，0表示没感觉，1表示愉快，2表示非常愉快，以此辅助验证视频诱导效果。对量表做信度分析，α=0．789＞0．6，表明数据可靠。

从表1看出，在愉快及悲伤视频中，得分平均值都接近1，说明视频能调动所需情绪。生气及惊奇得分在0．65～0．7之间，即视频调动效果在勉强调动到较能调动之间，而恐惧视频超过了1，则恐惧视频调动性较强。结合皮电数据和主观数据表明，愉快、悲伤、恐惧视频较好地调动了对应情绪，生气、惊奇视频可以调动对应情绪，所以上述五种情绪视频可以作为情绪诱导材料。

皮电测试实验设计

被试共24人，分为两组每组12人，被试为星宇车灯公司具有3年以上驾龄的员工。设置有灯光组与无灯光组进行对比，有灯光组为色彩灯光环境，控制灯光为中等亮度［12］。对照组无灯光，在两者对比下分析氛围灯色彩的安抚效果(图4为实验过程)。结合罗素情绪分类环状模型、NCS色环、预实验情绪调动情况以及问卷研究结果，得出在灯光组中，情绪与灯光色彩的对应关系:愉快状态—蓝色、生气状态—黄色、惊奇状态—湖蓝、恐惧状态—绿色、悲伤状态—红色。

主观情绪测试

设计五点情绪量表，让被试对情绪变化情况进行自我评价，对5种情绪表现程度进行打分。－2表示“非常不平静”，－1表示“比较不平静”，0表示“没有感觉”，1表示“比较平静”，2表示“非常平静”，打分节点如图5。

根据李克特5点量表法对被试观看视频前及观看视频后的情绪进行调查。在前面的实验中已经确定了视频的有效性，在此次实验中，只要确定视频使被试调动了所需情绪即可。所以在主观情绪量表的处理方面，需先自测在观看视频前是否平静，观看视频后是否调动了情绪。实验时间较长，实验被试并非一鼓作气看完所有视频，过程为被试轮流观看视频，为调查情绪提供了最佳时间，见图6。

在情绪调动情况中，比较能调动及非常能调动认为可以调动所需情绪，则各情绪都具有较好的调动情况，91．67%的被试认为视频可以调动生气的情绪，100%的被试认为视频可以调动愉快的情绪，100%的被试认为视频可以调动恐惧的情绪，91．63%的被试认为视频可以调动悲伤的情绪，83．33%的被试认为视频可以调动惊奇的情绪。说明视频情绪诱导的效果在实验中表现较为良好，所以在主观情绪自测方面，大多数的被试都产生所需情绪。在后续的皮电测试中，可以验证，也说明后期的灯光测试中，被试存在不良驾驶情绪。

结果

通过描述分析从表2、表3可以看出:当前数据中并没有异常值，因而可直接针对平均值进行描述分析。

从视频结束后，即从情绪调动出的时刻( 0 min) 到情绪平复 8 min 后，计算这段时间情绪在灯光组和对照组各打分节点的得分平均值，得到情绪平复情况的主观调查结果。

从图 7 可以看出在情绪平复过程中，初始时刻情绪的调动效果都较为明显，被试有较强的情绪反应。有灯光组和无灯光组平复情况的总体走向相同，随着时间的推移，被试的情绪也在逐渐平复，时间越长，被试感觉越平静。

表4中研究数据的样本量全部≤50，因而使用S－W检验。具体来看，悲伤—红色，愉快—蓝色，恐惧—绿色，惊奇—湖蓝，生气—黄色全部均没有呈现显著性(P＞0．05)，意味着接受原假设，悲伤—红色，愉快—蓝色，恐惧—绿色，惊奇—湖蓝，生气—黄色全部均具备正态性特质。

主观情绪测量结果证明，在驾驶环境下灯光色彩与情绪的对应情况与自然色彩与情绪的对应情况较为一致，见图8。情绪为愤怒时，蓝色和湖蓝色灯光都可以使被试感受到情绪得到平复。通过与无灯光组结果进行对比，发现蓝色及湖蓝色灯光可以使被试情绪更快恢复平静。在情绪为悲伤时，被试的初始情绪与其他情绪相比显得更平静一些，在红色灯光下，被试认为自己的情绪逐渐变得不平静，而在无灯光下，被试情绪平复得更加快速，见图9。

计算灯光组所有被试每个测试时间点皮电显示数值的平均数。通过皮电数据可得，处于愉快状态的被试，通过蓝色灯光的调节，皮电显示值下降。恐惧、生气状态的显示值下降趋势明显，惊奇与悲伤情绪在灯光组较于其他情绪有抑制情绪平复的趋势。

对照组的每种情绪随着时间的推移都是处于下降趋势的，只有惊奇在最后表现出上升的趋势。在生气情绪中前 40 s 是明显下降，又产生小幅度上升，之后也是在下降趋势中，图10。

通过灯光组与对照组的对比，在愉快、生气、害怕情绪中，灯光组皮电显示值都是平稳下降， 对照组数据趋势不够平稳，但也是处于明显的下降过程中。在生气情绪中前期数值下降较快，后期明显慢于灯光组。在愉快情绪中前期两组的趋势情况相似，后期无灯光组趋于平稳，灯光组仍处于下降趋势。在惊奇情绪中，两组的变化都不明显，灯光组前期数据变化较小。在悲伤情绪中，红色明显抑制了情绪的平复。由数据可以证明灯光对于情绪在一定程度上更具有安抚效果。

语音情感识别应用

在语音情感识别中被普遍认可的方法有以下几种:贝叶斯网络、人工神经网络、近邻算法、隐马尔科夫模型、支持向量机、k－means聚类算法等。在近些年中，人工智能为各行各业都打开了新世界的大门。机器学习、深度学习在情感识别方面展示出非常强势的生命力，在驾驶环境语义分析方面也有较大提升［13］。本文选择的语音情感识别方法为识别率较高的卷积神经网络(Convolutionneuralnetwork，CNN)［14］，如图11显示。

星宇车灯股份有限公司前期研发部门对于语音识别较为专业，依托部门的语音识别氛围灯项目，在部门图像识别开发完善的基础上，进一 步做了语音情绪识别的测试。使用的程序语音 为 MATLAB 及 Python。情感数据库使用的是 CA- SIA 汉语情感语料库，最后的识别结果不是特别 理想，但进行识别分类还是可行的。

氛围灯色彩跳转设计

氛围灯的设计在汽车内部多为带状发光物，位于驾驶仪表盘、全景天窗周围、前后车门扶手、踩脚线、杯托、车门扶手处等位置。较少为点状发光物，点状氛围灯多为内嵌式，一般位于按键内部，例如车窗调控按键内部。点状氛围灯影响面积较小，无论对驾驶者还是对乘坐者的生理刺激都较微弱。而带状氛围灯的影响空间较大，对驾驶者会产生较强的色彩刺激。所以在氛围灯的设计中，对于灯光效果的设计主要是针对带状氛围灯进行描述。例如向中间熄灭，即指氛围灯灯带的光源由两端开始熄灭，直至中间熄灭。

基础氛围灯是指在不启动语音交互系统的情况下车内氛围灯的基础功能(见表5)。在基础功能中，对车内交互情况做了简单分类，同时也对车速情况进行了考虑。在车速过高时，车处于危险状态，所以车内的氛围灯的色彩采用蓝色使驾驶员情绪平静。娱乐模式、音乐模式易使驾驶者分心，氛围灯色彩不能使用红色等具有刺激效果的颜色。

A1是指进入车内，未启动车辆，A2是在一般驾驶环境下的交互场景，与车速产生交互效果。A3、A4指驾驶情况良好，驾驶环境处于较为舒适的情况下的自动驾驶场景。A5为驾驶情况较差，驾驶员处于较为专注的状态。

表6中V1、V2、V3、V4、V5、V6情绪模式的使用场景均为车载语音情感识别交互系统识别出驾驶员处于上述六种模式的某种情绪中。

对于语音情感采样及识别的功能是语音交互系统的附加功能，通过对情感的分析，以及实验的验证，对每种情绪的安抚色彩已经有较为明确的选择。根据问卷结果、色彩情绪维度图及实验结果，情绪的安抚通过采用上表的色彩跳转逻辑更合理。

讨论

在本次研究主要验证在驾驶环境下色彩对情绪依然存在影响，且合理灯光色彩跳转对不良驾驶情绪具有安抚作用。在此次研究中的也存在一些不足:

(1)实验样本容量相对偏小。因为情绪较多，每个实验所需时间较长，且被试必须要求有三年以上驾龄，加之受疫情影响，被试相对较为难找，以至于样本容量较小。为了弥补样本容量问题，采用了多个生理指标，以及情绪自测表的方式进行辅助验证。

(2)实验流程设计有待改进。虽然对实验中的时间、被试顺序应用等多个指标进行了模拟，也通过预实验预先感受了实验过程。但是对于生理指标的测试需要更加细致，生理指标非常敏感，噪声或者温度都会对皮电、心电等数据产生影响。

基于此次研究接下来可以在以下方面展开进一步研究:

(1)建立不良驾驶情绪与其安抚色彩的对应模型。

为尽可能完善驾驶情绪色彩安抚机制，后期通过实验及参考色彩心理学的内容，可以建立不良情绪与色彩对应关系的模型。找到驾驶环境下，色彩对驾驶情绪的安抚规律，以及多种色彩各自的安抚效果。

(2)以回归方程的形式计算色彩安抚效果。

当一种情绪可由多种色彩进行平复时，可通过脑电、皮电对氛围灯平复情绪的能力进行计算，得到每种色彩在安抚机制中所占权重。

总结

目前对于驾驶安全问题的研究较多处于车外预防，但每年由于路怒症或者其他不良驾驶情绪而引起交通事故的现象屡见不鲜。研究发现通过色彩可对驾驶环境中驾驶员不良情绪进行安抚。目前氛围灯的设计主要基于汽车整体形象的构造，缺少情感交互的内容。本研究主要通过语音情感识别技术，捕捉驾驶员的情绪状态，将情绪状况进行分类反馈到氛围灯，氛围灯根据程序显示出安抚对应不良驾驶情绪的色彩，最终在一定程度上缓解驾驶安全问题。

【参考文献】

[1]乔柏钧,蒋秋洁.基于人工智能技术的车载交互设计方法研究[J].计算机产品与流通,2018,35(8):84.

[2][调查分析]60%车主有路怒症多起因违章[OL].http://auto.Sohu.com/20080513/n256816082.sht-ml,2008-05-13.

[3]JeonM,WalkerBN,YimJB.EffectsofSpecificEmo-tionsonSubjectiveJudgment,DrivingPerformance,andPerceivedWorkload[J].TransportationResearchPartF-TrafficPsychologyandBehaviour,2014,24(2):197-209.

[4]MurrayMillar.TheInfluenceofPublicSelfConscious-nessandAngeronAggressiveDriving[J].PersonalityandIndividualDifferences,2007,43(8):2116-2126.

[5]朱敏慧.汽车内饰新时尚:车内照明[J].汽车与配件,2010,30(1):30-32.

[6]孙亮.LED车内氛围灯的现状及发展趋势[J].中国照明电器,2017,47(6):35-37.

[7]万杰,黄会明.LED汽车内饰氛围灯技术应用探究[J].汽车实用技术,2018,43(21):158-161.

[8]王波,熊昊.基于固态照明技术的汽车灯具形态发展分析[J].汽车工程学报,2016,6(1):1-9.

[9]田少煦,申品品,郭昱竹.基于眼动跟踪技术的色彩情感研究[J].现代传播(中国传媒大学学报),2015,37(6):70-76.

[10]谢晶,方平,姜媛.情绪测量方法的研究进展[J].心理科学,2011,34(2):488-493.

[11]JonauskaiteD,AlthausB,DaelN,etal.WhatColourDoYouFeelColourChoicesAreDrivenbyMood[J].ColourResearch&Application,2019,44(2):272-284.

[12]李浩然,林燕丹.车载显示屏亮度对于道路安全的影响[J].照明工程学报,2018,29(5):68-72.

[13]谭刚平.车内语言清晰度分析评价及其主动控制技术研究[D].长春:吉林大学,2013.

[14]费孝峰,樊嘉杰,邓亮,等.基于深度学习的LED车载语音交互氛围灯设计[J].照明工程学报,2020,31(1):64-69.