如何測量與繪製都市自行車騎乘壓力地圖以打造安全街道 - Pupil labs

 

Image Credit: Photo by Eduardo Enrietti. Unrelated to research, used for visualization only.

以下節自 Pupil Labs' Blog - How to Measure and Map Urban Cycling Stress for Safer Streets

---

 

 

如何測量與繪製都市自行車騎乘壓力地圖以打造安全街道

 

 

影片: 右邊為使用 Neon 軟體在騎行過程中所拍攝的影片，左邊為相對應的模擬模型。

影片由 Martin Moser 博士提供。

 

圖 1：用於捕捉自行車騎士體驗的多模態感測器設定

來源：Moser, MK, & Keskin, M. Simulating stress in urban active mobility: A multimodal framework integrating physiological and mobile eye tracking data in cycling.

 

 

 

都市規劃中的盲點

 

為了因應氣候變遷和交通堵塞，世界各地的城市都在逐步轉向主動式交通（Active Transportation），包括騎自行車、步行和其他以人力為主的移動方式。然而，作為道路上最脆弱的使用者之一，自行車騎士仍然面臨著一個主要障礙：安全感。傳統上，都市規劃​​者大多依據事故統計和調查來評估自行車基礎設施。雖然這些方法很有用，但它們是被動反應的，只能告訴我們事故是在哪裡發生，但不一定能解釋引發壓力反應的原因，或是騎士感到不安全的背後因素。

 

若要打造真正友善的自行車城市，我們必須了解騎士與環境之間即時、動態的互動關係。例如：缺乏自行車道會如何影響騎士的壓力？在繁忙的十字路口，視覺注意力會如何轉移？

 

 

 

測量壓力的多模態方法

 

Martin Moser（Interdisciplinary Transformation University, IT:U）和Merve Keskin（University of Salzburg）開發了一套嶄新的研究框架來解答這些問題。他們的研究跳脫靜態問卷的限制，整合穿戴式眼動追蹤技術與生理感測器，全面性地探究自行車騎士的行為與感受。

 

研究團隊在奧地利薩爾茨堡進行了一項前導性的實地研究，為參與者配備了 Pupil Neon 研究型佩戴式眼動儀和 Empatica E4 手環，以測量膚電反應（一種急性壓力的生理指標）。參與者需完成兩條不同的路線：

 

• 簡單路線：具備高品質、專用的自行車基礎設施。

• 困難路線： 基礎設施有限、道路交會頻繁的複雜路線。

 

 

 

「壓力地圖」的驗證

 

 

圖 2：壓力時刻（Moments of Stress，MOS）的空間群聚分佈。

熱點區域主要出現在交叉路口、交通繁忙區域以及缺乏自行車專用基礎設施的路段附近；

而冷點區域則與設計良好且防護完善的道路區域相吻合。

 

 

研究結果顯示出明確且一致的差異：相較於簡單路線，困難路線引發的生理壓力顯著較高。透過將壓力事件與 GPS 定位連結，研究人員繪製出空間壓力分布圖，清楚揭露了在繁忙路口及缺乏自行車道的路段，騎士的壓力水準明顯上升。

 

研究同時也發現了生理反應和視覺行為之間有趣的關聯：

 

• 眨眼頻率作為壓力指標： 騎士在感到壓力時，會更頻繁地眨眼，眨眼頻率明顯提高，且此模式與手環所記錄到的生理壓力高峰高度一致。

• 速度因素： 當壓力上升時，騎士通常會自然放慢速度，這可能是為了維持操控的穩定以及管理認知負荷，同時保持警覺。

 

 

 

從真實世界資料到虛擬模擬 

 

這項研究的創新之處不僅在於資料收集，還在於資料的應用方式。 Moser 和 Keskin 利用這些真實世界的記錄數據，對個體導向模型（Agent-Based Model，ABM）進行了參數設定。透過整合感知指標、壓力觸發因素與速度變化等真實測量數據，研究人員建立了一個能夠模擬真實自行車行為的虛擬環境。這種模擬方法可讓都市規劃者在實際施工前，先行測試不同的基礎設施設計，並評估其潛在的安全改善效果。

 

 

 

未來展望：電腦視覺與深度分析

 

未來的研究將進一步利用電腦視覺技術擴展這一框架。透過對 Neon 所拍攝的場景影像進行全景分割（Panoptic Segmentation）與深度估測，研究團隊希望能自動辨識究竟是哪些物體（如汽車、行人或交通標誌）引發了壓力反應。

 

這項研究凸顯了多模態研究的強大潛力。透過結合「在哪裡」（GPS）、「看到了什麼」（眼動追蹤）和「感受如何」（生理感測器），我們可以朝向以資料為基礎的都市設計邁進，這樣不僅能提升實質安全性，也能為每一位自行車騎士創造更舒適、安心的騎乘體驗。

 

 

 

 

更多相關資源

 

全文：

Simulating stress in urban active mobility: A multimodal framework integrating physiological and mobile eye tracking data in cycling

 

相關文章 – 騎乘中的生理壓力檢測與實際壓力：

• An Individual-Oriented Algorithm for Stress Detection in Wearable Sensor Measurements

• An Explainable Deep Learning Approach for Stress Detection in Wearable Sensor Measurements

• Understanding the Influence of Urban Characteristics on Cyclists’ Stress Measured through Wearable Sensors: A Quantitative Open Data Approach

• A multimodal approach combining wearable sensors and point of view videos to evaluate stress in urban cycling

 

研究中心：

• Interdisciplinary Transformation University (IT:U), Linz, Austria

• Geosocial Artificial Intelligence Research Group, Linz, Austria

• University of Salzburg, Salzburg, Austria

 

 

 

---

 

未來還會持續推出不同產品知識或應用方面的文章喔！還請多多關注我們！

 

歡迎加入我們的社群頁面，隨時獲得最新消息！