《Cognitive Systems Research》：An exploration of the applicability of information processing theories in road hazard perception context using e-scooter simulator in augmented virtuality scenarios
编辑推荐：
本研究针对传统交通危险感知研究缺乏认知机制解释的局限，创新性地融合信号检测理论(SDT)和预测编码理论(PCT)，通过增强虚拟现实场景下的电动滑板车模拟实验，结合行为数据（加速度/刹车输入）和神经指标（α波振幅），揭示了危险线索可预测性对骑行者认知决策过程的调控机制。研究发现低可预测性线索会引发更强的神经认知负荷（α波抑制）和预防性行为调整（加速度降低），为开发符合人类认知机理的智能交通安全系统提供了理论依据。
在城市交通生态中，电动滑板车等微出行工具的普及带来了新的安全挑战。传统研究多从社会学或人因工程角度分析事故成因，如驾驶经验、情绪状态对反应时间的影响，却难以揭示危险感知过程中的内在认知机制。这就像只观察到了计算机的输出结果，却不了解其内部算法——我们知道经验丰富的骑手反应更快，但不清楚他们的大脑如何更高效地处理环境信息以预判风险。这种认知黑箱限制了交通安全干预措施的精准性。为此，来自奥地利自然资源与生命科学大学的Martyna Fidler、Robin Palmberg和Yusak Susilo团队在《Cognitive Systems Research》上发表了一项开创性研究，尝试用认知科学的两大经典理论——信号检测理论(Signal Detection Theory, SDT)和预测编码理论(Predictive Coding Theory, PCT)来照亮这个黑箱。
SDT解释了人们在不确定性环境下如何从噪声中分辨出关键信号，而PCT则描述了大脑如何利用先验知识（心理模型）来预测未来事件，并通过不断比对预测与真实输入来更新模型。研究者假设，这些在视觉感知等领域被验证的机制，同样主导着骑行者在复杂交通环境中的危险预判过程。为了验证这一设想，他们设计了一个精巧的增强虚拟现实实验。
研究团队招募了20名参与者，让他们在实验室中骑乘一辆经过改装的真实九号电动滑板车，其前方投影仪呈现一条简化的虚拟直路。道路左侧等间距设置了30扇门，它们构成了实验的核心刺激：三分之一的门会打开并滚出一个红色小球（明确危险），三分之一的门打开但无球出现（模糊危险），其余门保持关闭（安全对照）。门在参与者距离10米时自动开启，小球则有1秒延迟释放，模拟真实场景中的突发风险。这种设计巧妙创造了高可预测性（闭门）和低可预测性（开门）的危险线索。实验过程中，同步采集了参与者的滑板车操控数据（加速度和刹车输入，归一化到0-1范围）以及通过8导联Enobio脑电设备记录的大脑活动信号，重点关注与视觉空间注意力和认知负荷密切相关的顶叶α波（8-14 Hz）活动。
关键技术方法包括：1) 构建增强虚拟现实实验平台，整合定制电动滑板车实体控制器与Unity引擎开发的虚拟环境，实现高沉浸感交互；2) 采用事件相关设计，在危险线索（门开）出现前后（-1000 ms 到 +200 ms）时间窗内分析行为与脑电响应；3) 对脑电数据进行标准化预处理（滤波、伪迹剔除、独立成分分析ICA去噪）后，通过快速傅里叶变换FFT提取α波功率；4) 使用线性混合效应模型和广义线性混合模型GLMM分别分析行为数据和α波振幅，以参与者为随机效应，比较不同线索类型下的差异。
5.1. 数据的一般有效性——外显行为
对线索出现后8秒时间窗内行为的可视化分析显示，参与者的反应符合现实逻辑，验证了实验设置的有效性（H1）。当门打开且有球滚出时，加速度在约1秒时降至最低，刹车力度显著增强，以规避碰撞。而对于开门无球的情况，加速度的最低点延迟至1.5秒，且恢复缓慢，体现了骑行者面对不确定性时的犹豫。关闭的门则仅引起加速度的轻微下降，未触发刹车。这表明，行为响应确实受到线索可预测性的调节。
5.2. 危险线索周围的行为和神经处理分析
统计模型聚焦于线索出现前1000毫秒到出现后200毫秒的关键决策窗口，结果揭示了更深层的认知机制：
- •
加速度输入：低可预测性线索（开门无球）条件下的加速度输入显著低于高可预测性线索（闭门）和明确危险线索（开门有球）（H2成立）。这表明面对不确定性，骑行者倾向于采取预防性策略，通过降低速度来争取更多的信息处理时间。
- •
刹车输入：在所选时间窗内，刹车输入在开门无球条件下反而低于闭门条件，这与直觉相反（H3部分支持）。结合全时间窗行为模式图，研究者认为在风险尚未明确化时，骑行者优先选择调整加速度这种“温和”的应对方式，而非强烈的刹车动作。刹车更可能是在危险确凿无疑或迫在眉睫时才被激活的终极手段，这符合生物体的效率原则，以最小化身心努力。
- •
α波振幅：最重要的发现来自神经层面。与闭门条件相比，两种开门条件（无论有无球）都引发了顶叶α波振幅的显著降低（H4成立），且开门无球条件下的抑制效应最强。α波活动降低通常意味着大脑认知资源投入的增加。这说明，低可预测性线索需要大脑投入更多的注意力资源进行信息甄别和预测误差计算，从而在神经指标上留下了清晰的印记。
这项研究成功地架起了认知理论与交通行为之间的桥梁。结果表明，骑行者的危险感知是一个主动的、预测性的认知过程。大脑并非被动接收信息，而是基于SDT原理对环境线索的信噪比进行判断，并依据PCT框架，利用已有经验不断生成和更新预测。当线索模糊（如开门无球）时，预测误差增大，大脑需要调动更多资源（α波抑制）来解析不确定性，行为上则体现为谨慎的速度控制（加速度降低）。这种神经与行为的协同响应，揭示了“不确定性”本身就是一个强大的认知信号。
该研究的深刻意义在于它将交通安全研究的焦点从单纯的“反应时间”转向了更深层的“预测能力”。它提示我们，提升道路安全不仅在于训练人们更快的反应，更在于通过基础设施设计（如提高道路环境的可预测性）和教育培训（如丰富骑手的风险场景经验）来增强其内在的预测机制。更重要的是，研究证实了α波等神经标记物可用于客观评估骑行者的认知状态，这为未来开发自适应的人机协同系统奠定了基础。例如，安全辅助系统可以实时监测用户的神经活动，在其认知负荷过高、预测能力下降时，适时提供预警或辅助，从而实现与人类认知机理深度契合的智能护航。
当然，研究也存在一些局限，如样本量较小、实验场景相对简化，其结论在真实复杂交通环境中的普适性有待进一步验证。未来的研究可以扩大样本多样性，引入更动态的虚拟场景，并尝试与自然驾驶数据相结合，以不断完善我们对危险感知认知地图的理解。尽管如此，这项研究无疑为打开交通安全的认知黑箱提供了一把关键的钥匙，标志着交通心理学与认知神经科学交叉融合的新起点。
