基于虚拟现实的灾害场景应激反应诱发方法
王树祎1, 毛亮亮1, 吴新阳2, 田诚成2, 刘奕1    
1. 清华大学 工程物理系,公共安全研究院,北京 100084;
2. 清华大学 未央书院,北京 100084
摘要:灾害场景下人员行为规律研究对支撑应急决策有重要意义,但灾害发生有高度不确定性,且灾害场景下相关数据难以实际测得。该文提出一种基于虚拟现实(VR)的灾害场景应激反应诱发方法,即通过灾害题材VR影片诱发个体面临灾害的心理应激,从而达到在实验室条件下研究灾害场景中人的生理、心理及行为特性的目的。该研究通过2个实验对该方法的有效性进行了检验。实验1采集了180位被试观看VR影片前后的情绪量表数据,以及脉搏和皮电等生理数据;实验2采集了75位被试观看VR影片前后的驾驶行为数据。结果表明:被试的心理、生理和行为指标在观影前后均有显著差异,VR影片诱发出了应激反应。该研究为灾害场景下人员行为特性研究提供了研究方法参考。
关键词虚拟现实(VR)    灾害场景    应激反应    诱发方法    
Method of stress reaction induction in disaster scenarios based on virtual reality
WANG Shuyi1, MAO Liangliang1, WU Xinyang2, TIAN Chengcheng2, LIU Yi1    
1. Institute of Public Safety Research, Department of Engineering Physics, Tsinghua University, Beijing 100084, China;
2. Weiyang College, Tsinghua University, Beijing 100084, China
Abstract: Objective As natural disasters have major impacts on urban security, research on the behavior of individuals in disaster scenarios is crucial to support emergency decision-making. However, disaster occurrence is highly uncertain, making it difficult to collect data in disaster scenarios. Methods This paper proposes a stress induction method for disaster scenarios that can be conducted in a laboratory, that is, to induce the stress reaction of individuals who are facing disasters by using virtual reality (VR) videos with disaster scenarios. This study also tested the effectiveness of the method through two experiments. The first experiment comprised the baseline, stress, and recovery periods, representing before, during, and after watching the VR videos. Questionnaires and physiological data, such as photoplethysmography (PPG) and electrodermal activity (EDA), of 180 participants were collected. The second experiment was a simulated driving experiment with 75 participants. This experiment was conducted in two sessions, which were separated by at least one week to avoid memory interference. In the first session, we collected car-following data on a highway. In the second session, participants drove in the same traffic scenario as in the first session after watching the VR video. Results The results of the first experiment indicated significant differences in the physical and psychological indicators among the baseline, stress, and recovery periods. The positive affect and negative affect scale (PANAS) data demonstrated that the VR video stimulated evident scared, nervous, and jittery emotions, which were consistent with negative compound emotions in disaster scenarios. Meanwhile, interested and attentive emotions did not change significantly, indicating that the participants were in good condition during the experiment. In addition, more than 80% of the participants reported that the VR video induced a high excitation level. Nearly 90% of them did not feel dizzy while watching the video. Furthermore, pulse rate variability indicators, such as standard deviation of NN intervals (SDNN), low frequency (LF), and EDA, were significantly higher in the stress period than in the baseline period. Changes in physiological indicators indicated that the participants were sympathetically excited and got stressed after watching the VR video. However, some physiological indicators had a high standard deviation due to individual variability. Therefore, VR videos used as stressors should be standardized. In general, the second driving simulation experiment showed a significant increase in acceleration and a significant decrease in headway after watching the VR video compared to when the video was not watched. This demonstrated that their driving style might become more aggressive after watching the VR video. This result is consistent with the findings of previous studies on driving characteristics in normal and emergency situations. In fact, the changing pattern of driving behavior in two sessions showed individual variability, which required further study. Conclusions Results of the two experiments indicate that VR videos can induce stress reactions in disaster scenarios, which is demonstrated in physical, psychological, and behavioral aspects. This paper provides a research method for investigating human behavior characteristics in disaster scenarios.
Key words: virtual reality (VR)    disaster scenarios    stress reaction    induction method    

研究表明,按照发展历程,重大自然灾害受灾者会依次出现震惊、麻木、紧张、恐惧、悲伤等复杂情绪,并伴有应激反应[1-2]。应激分为生理应激和心理应激。灾害场景下受灾者的应激以急性心理应激为主,即个体通过对灾害场景下各种内外环境因素的认识、评价而发生心理及生理机能改变[3-4]。Keitel等[5]通过模拟突发事件实验证明人在急性心理应激下内分泌和行为表现均会出现显著变化。为实现科学有效的应急准备和响应,需要对灾害场景中个体的生理、心理及行为特性进行深入研究。然而,灾害发生的时间地点往往难以精确预测,实际灾害场景中人员相关数据无法采集。因此,需要在实验条件下模拟出灾害场景,进而对受灾者的行为进行系统分析。在实验条件下,如果诱发出与真实灾害场景相近的应激反应,就可以认为实验有效模拟出真实灾害场景。

关于急性应激反应的诱发方法前人作了大量研究。Jarczewski等[6]通过听觉惊跳和冷加压实验研究了急性应激下的心血管反应。Nowacki等[7]选用冷加压、社会评价冷加压等生理和心理应激源,研究了性别差异和不同应激源类型对决策的影响。此外,心算[8]、自由演讲[9]、唱歌压力测试[10]等方式也常用来诱发急性应激,但是这些方法均非针对灾害场景,诱发出的应激反应及其作用机理与灾害下的应激存在较大差异。王晓静[11]通过视频进行情绪启动来研究突发事件下个体情绪反应。邢邗等[12]在实验中让被试先观看地震灾害视频再驾驶模拟驾驶器,以此研究利他情景对个体跟驰行为的影响。这些研究虽然诱发了灾害场景下的应激反应,但是缺乏对诱发效果的详细检验。林晓飞[13]构建了地铁火灾虚拟现实(virtue reality,VR)场景,并选取心率、血压和火灾焦虑量表作为检验应激生理心理反应的指标。但是,在VR场景中进行视角频繁切换的行为实验极易引发眩晕[14],且开发成本较高的VR场景往往只能用于单一实验,造成资源浪费。

为在实验条件下有效诱发出灾害场景下的应激反应,并综合考虑VR眩晕和场景拓展性问题,本文提出通过灾害题材VR影片诱发个体面临灾害时急性心理应激的方法,并通过实验对此方法的有效性进行检验。

1 研究方法 1.1 原理

在实验条件下真实有效地诱发出灾害场景下的急性心理应激反应是本研究的核心问题。刺激被试产生应激反应的事物被称为应激源。现实世界中灾难事件是应激源之一,实验中为有效诱发与真实场景相近的应激反应,也需选择合适的应激源。本研究主要针对灾害场景下的急性心理应激,故应选用对应的应激源。心理应激源分为两大类:第1类是以智力活动为主的智力操作性应激源,如心算、演讲等;第2类是以情绪活动为主的精神焦虑紧张性应激源,如情绪性影片、人际拒绝等。陈羿江[15]通过实验发现心算和影片诱发的应激反应在生理参数表现上均十分明显,且后者的诱发效果持续时间更长。

综上,本研究采用给被试观看灾害题材VR影片的方式,诱发出灾害场景下的急性心理应激反应,并通过2个实验对此方法的有效性进行检验。首先,用情绪主观问卷和脉搏、皮电等客观生理数据判断被试在心理、生理上是否表现出应激反应,并对有效时长进行测试。然后,通过比较观看影片前后驾驶行为的差异,进一步验证所提出的方法诱发出的应激能够影响个体的行为特性。

1.2 研究对象

考虑到实验结果应达到统计学中的效应量要求[16-17],本研究随机招募255位被试参与实验。被试(构成情况如表 1所示)听力、视力或矫正视力正常,均为右利手,无精神疾病和药物依赖,且认知功能正常,并报告未参加过同类实验,在实验前保证休息充分。参与驾驶实验的被试均有3年以上驾驶经验,且驾车频率在每周2次以上。

表 1 被试构成情况
组别 年龄范围/岁 年龄/岁 不同性别人数 不同文化水平人数
平均值±标准差 初中及以下 高中或中专 本科或大专 研究生
生理-心理组 18~47 23.67±4.34 86 94 0 0 87 93
行为组 19~61 27.12±6.66 57 18 0 4 20 51
合计 18~61 24.58±5.28 143 112 0 4 107 144

1.3 研究工具

本研究选取灾害场景VR影片一部,时长约为3 min,通过一体机式VR眼镜放映,可360°呈现三维效果。实验使用BIOPAC Smart Center多导生理记录仪采集脉搏和皮电信号,采样频率为2 000 Hz;使用Forum 8三自由度模拟驾驶器(如图 1所示)完成灾害应激和常态下的驾驶行为对比测试,驾驶器配套UC-win/Road软件可输出驾驶行为数据,采样频率为10~15 Hz。

图 1 三自由度模拟驾驶器

采用邱林等[18]修订的积极情感消极情感量表(positive affect and negative affect scale,PANAS),并考虑到灾害场景的特殊性,根据王晓静[11]的研究略作调整。量表由代表积极情绪和消极情绪的18个词组成,使用Likert 9点评分对情绪的效价和效度进行自陈评价,1表示“非常不符合”,9表示“非常符合”。此外,还设计了问卷让被试对影片的刺激程度和实验中的眩晕度进行打分。

1.4 研究程序

实验分为2组,分别对VR影片诱发急性心理应激反应的生理、心理及行为表现进行测量。第1组实验记为“生理-心理组”,用以测量生理、心理表现,并通过监测观影后的生理数据来检验诱发应激反应的有效时长,实验共180人参加;第2组实验记为“行为组”,用以进一步测量VR影片对行为的作用效果,通过对比实验检测模拟驾驶行为的变化,实验共75人参加。驾驶实验场景为城市道路双向单车道跟驰,前车由静止加速至30 km/h,然后以30、40、50、60、70、80 km/h的速度梯度行驶,用来模拟阻塞流、拥挤流和自由流跟驰,每段约40 s,此外还设置了背景交通流。

实验开始前让被试充分了解实验内容和风险,并签署知情同意书,然后为其佩戴好生理记录仪。之后休息约10 min,确保实验开始前被试较为平静。为尽量减少环境对生理指标的影响,实验过程中将实验室内温度控制在(26±0.5) ℃,湿度控制在(45±5)%。下面介绍2组实验的具体步骤。

1) 生理-心理组。该组实验流程如图 2所示。

图 2 生理-心理组实验流程图

步骤1    被试填写第1份问卷,填写过程不限时,完成后佩戴VR眼镜。

步骤2   基线期。记录被试自然平静下的状态,共计5 min。

步骤3    应激期。自动播放实验用VR影片,时长3 min。

步骤4   影片结束后被试立即填写第2份问卷,以测得观看影片的真实感受。这段时间的生理信号不计入统计。

步骤5   恢复期。记录被试自然状态下的生理指标,共计5 min。

2) 行为组。该组实验分2次进行。为避免记忆效应干扰,2次实验间隔不少于7 d。

第1次实验:被试先进行10 min左右的试驾驶,确保充分适应模拟驾驶器。然后,在模拟驾驶器上完成城市道路跟驰任务。

第2次实验:

步骤1  与第1次实验一样试驾驶10 min左右,适应模拟驾驶器。

步骤2—4  同生理-心理组步骤1—3。

步骤5  观影结束后立即取下VR眼镜完成和第1次实验完全相同的城市道路跟驰任务。

2 数据处理 2.1 问卷数据

考虑到实验样本量较大,根据中心极限定理,使用SPSS 27.0软件对被试观影前后的PANAS情绪值进行配对t检验[19],并对影片刺激等级和眩晕度的评分结果分性别统计。

2.2 PPG信号数据

光电容积脉搏波描记图(photoplethysmography, PPG) 通过记录血管的搏动状态测量脉搏波,采集过程中PPG信号易受环境随机噪声和运动伪迹干扰[20],因此需要对PPG原始信号(示例见图 3a)进行降噪处理。首先采用低通滤波器,滤除频率高于5 Hz的数据,滤波后效果如图 3b所示;然后使用集合经验模态分解(ensemble empirical mode decomposition, EEMD)算法对滤波后信号进行分解[21],去掉运动伪迹的影响,降噪效果如图 3c所示。

图 3 PPG信号降噪处理

从降噪后PPG信号中提取的主要测量指标及其含义如表 2所示。本研究的实验对象为健康青壮年,故用脉率变异性替代心率变异性[22-23]

表 2 PPG信号指标
指标 含义 单位
PR 每分钟脉率均值 bpm
SDNN 窦性心搏间期标准差 ms
rMSSD 相邻窦性心搏间期差值均方根 ms
pNN50 时间间隔>50 ms的窦性心搏间期占所有间期比重
LF 0.04~0.15 Hz低频功率 ms2/Hz
HF 0.15~0.40 Hz高频功率 ms2/Hz
LF/HF 低高频功率比

2.3 EDA信号数据

皮肤电活动(electrodermal activity, EDA)信号记录了皮肤的导电性变化,可反映人的情绪波动。对EDA原始信号进行处理,补齐数据采集过程中的掉帧点,并以1~500 Hz的频率对数据进行带通滤波,然后计算表 3中各指标[24]

表 3 EDA信号指标[24]
指标 含义 单位
nSCR 出现峰值次数
EDA mean 皮肤电导均值 μS
EDA SD 皮肤电导标准差 μS

2.4 模拟驾驶数据

模拟驾驶器可采集车辆速度、加速度、位置、踏板开度等数据,选取指标及计算公式如表 4所示[25]

表 4 模拟驾驶数据指标及计算公式[25]
指标 计算公式 单位
速度均值 $\bar{v}=\frac{1}{n} \sum v_{i, \text { user }} $ m/s
加速度均值 $ \bar{a}=\frac{1}{n} \sum a_{i, \text { user }}$ m/s2
车头时距均值 $ \bar{t}=\frac{1}{n} \sum \frac{d_{i, \text { front }}-d_{i, \text { user }}-l}{v_{i, \text { user }}}$ s
油门踏板开度均值 $ \bar{b}=\frac{1}{n} \sum b_{i, \text { user }}$

表 4中:n代表实验过程的总采样次数;vi, user代表第i个采样点被试车的瞬时速度;ai, user代表第i个采样点被试车的瞬时加速度;di, front代表第i个采样点前车到起点的距离;di, user代表第i个采样点被试车到起点的距离;l代表车身长度,实验中车身长度均设定为3.5 m;bi, user代表第i个采样点被试车油门踏板开度,该值为模拟驾驶器自动采集并输出,取值范围为[0, 1]。

3 结果 3.1 主观评分

实验中通过量表和问卷收集了被试的主观评价,包括观影前后的情绪变化、影片的刺激程度评分、实验中眩晕度评分。观看VR影片前后PANAS情绪值(部分)配对t检验结果如表 5所示。观影前后消极情绪均呈现显著差异,积极情绪中除兴趣、精力充沛外其余情绪呈现显著差异。

表 5 观影前后PANAS情绪值(部分)配对t检验结果
情绪种类 配对差值 t 显著性(双尾)
平均值 标准差
消极 愤怒 -0.872 1.855 -6.308 0.000**
悲伤 -0.289 1.686 -2.298 0.023*
恐惧 -4.717 2.096 -30.188 0.000**
紧张 -3.083 2.419 -17.098 0.000**
惊慌 -4.411 2.291 -25.831 0.000**
积极 兴趣 0.061 2.112 0.388 0.698
接受 0.917 2.025 6.074 0.000**
快乐 1.100 2.679 5.510 0.000**
平静 2.867 2.123 18.116 0.000**
精力充沛 0.056 2.291 0.325 0.745
注:*代表在0.05水平上差异显著,* *代表在0.01水平上差异显著。

消极情绪中观影前后差异最显著的为恐惧、紧张和惊慌(如图 4所示),观影后相较于观影前这些情绪的分值均出现显著上升,且恐惧情绪上升幅度最大。积极情绪中观影前后差异最显著的为接受、快乐和平静(如图 5所示),观影后相较于观影前这些情绪的分值均出现显著下降,且平静下降幅度最大。

图 4 观影前后消极情绪分值的变化

图 5 观影前后积极情绪分值的变化

被试对实验中VR影片的刺激程度评分结果如图 6所示。问卷采用Likert 9点评分,分值越高代表被试认为影片越刺激。结果显示,近90%的被试认为实验中所用影片刺激程度为中高水平(5分及以上),且女性(平均值为6.65,标准差为1.89)的刺激等级评分稍高于男性(平均值为6.45,标准差为1.80)。

图 6 VR影片刺激等级评分

被试对实验中的眩晕感评分结果如图 7所示。问卷采用Likert 5点评分,其含义分别为:1表示完全不晕,2表示稍有一点晕,3表示有些晕,4表示比较晕,5表示非常晕。结果显示,80%以上的被试完全没有眩晕感,不同性别对眩晕感的评分差异不明显。

图 7 眩晕感评分

3.2 生理信号

对PPG和EDA信号的各指标进行计算,被试在基线期、应激期、恢复期的指标均值和标准差如表 6所示。其中,脉搏变化率为脉率相较于基线期的变化率均值。各指标在基线期、应激期、恢复期的组间单因素方差分析结果显示,除pNN50和HF外,其余指标均有显著差异。

表 6 生理信号的各指标计算结果
信号 指标 基线期 应激期 恢复期 P
PPG 脉搏变化率/% 4.03±3.72 2.56±1.87 0.036*
SDNN/ms 103.360±25.831 163.901±28.963 131.964±28.412 0.017*
rMSSD/ms 25.031±6.215 18.781±7.548 22.983±6.599 0.007**
pNN50 0.126±0.056 0.193±0.088 0.187±0.092 0.247
LF/(ms2·Hz-1) 917.701±201.686 1 220.790±248.523 1 135.709±225.023 0.026*
HF/(ms2·Hz-1) 1 081.453±156.745 927.402±162.125 1 056.961±158.421 0.062
LF/HF 0.913±0.216 1.389±0.455 1.144±0.301 0.035*
EDA EDA mean/μS 6.798 12.045 7.597 0.000**
EDA SD/μS 1.480 3.035 2.029 0.001**
nSCR 7.326±7.303 23.537±9.377 10.756±7.525 0.028*
注:*代表在0.05水平上差异显著,* *代表在0.01水平上差异显著。

3.3 驾驶行为

对行为组实验的驾驶行为数据进行统计,常态下和灾害场景下的驾驶行为指标及单因素方差分析结果如表 7所示。结果表明,观看灾害VR影片后相较于不看影片的常态,驾驶员的加速度均值、车头时距均值、油门踏板开度均值存在显著差异。

表 7 常态与灾害场景下驾驶行为差异及单因素方差分析结果
驾驶行为指标 常态(平均值±标准差) 灾害场景(平均值±标准差) F P
速度/(m·s-1) 17.129±4.423 17.265±4.488 0.708 0.402
加速度/(m·s-2) 0.393±0.639 1.116±0.747 4.475 0.036*
车头时距/s 1.613±0.517 1.139±0.519 28.039 0.000**
油门踏板开度 0.219±0.170 0.236±0.196 6.717 0.011*
注:*代表在0.05水平上差异显著,* *代表在0.01水平上差异显著。

4 讨论 4.1 心理反应

被试观看VR影片前后的情绪变化可以表征急性心理应激下的心理反应。图 45表 5表明,观看影片后被试的消极情绪比积极情绪变化更显著,影片刺激出了较高的恐惧、紧张、惊慌情绪。以往的研究指出,突发事件情境下个体出现以恐惧、紧张、悲伤为主的负性复合情绪[11],本实验结果基本与之一致,说明所提出的方法能够诱发出与真实灾害场景中相同的情绪反应。兴趣、精力充沛在观影前后无显著差异,说明实验过程中被试未产生厌烦和疲劳等会对实验造成干扰的感受,实验效果能得到保障。图 67的主观评分结果表明,本研究选取的VR影片具有较高刺激等级且不易引发眩晕,用于诱发灾害场景下的急性心理应激反应具有良好效果。

4.2 生理反应

比较分析生理-心理组的180组数据,表 6的单因素方差分析结果表明,观看VR影片对脉搏和皮电水平等生理指标有显著影响。应激期相较于基线期,SDNN、LF、LF/HF均值上升,脉率变异性增大,皮电均值和方差变大、峰值出现次数增多,表明交感神经活性升高[26],被试呈现紧张状态。这些生理指标的变化客观验证了VR影片的诱发效果,且此结果与观看恐怖片的实验结果相近[15]。本研究中PANAS结果也显示观影后恐惧情绪变化较大,与生理指标的变化相吻合。恢复期各指标水平均介于应激期和基线期之间,说明影片结束后的5 min恢复期内,被试持续受到VR影片的影响。

4.3 行为反应

比较分析行为组的75组数据,表 7的结果表明,灾害场景下相比于常态,加速度、油门踏板开度和车头时距存在显著差异,总体呈现出加速度增大、车头时距减小且标准差增大的趋势,与前人紧急状况下驾驶行为特性的研究结果具有一致性[27]。这说明VR影片诱发出的心理应激对驾驶行为作用明显。灾害场景下的速度均值与常态的差异不显著的原因是驾驶任务设定为跟驰,且前车速度范围固定,实验车的速度受此影响而不能作出较大调整。

5 结论

本文提出了使用VR影片作为应激源诱发灾害场景下的应激反应,从而实现在实验室条件下进行灾害场景行为研究的方法。2个实验的情绪量表数据、脉搏和皮电生理数据、驾驶行为数据结果表明,观看VR影片后被试在心理、生理和行为指标上均出现显著差异,验证了所提出的方法的有效性。本文方法为灾害场景下驾驶行为、行人疏散行为、决策行为等问题的研究提供了研究方法参考。

参考文献
[1]
HELBING D, FARKAS I, VICSEK T. Simulating dynamical features of escape panic[J]. Nature, 2000, 407(6803): 487-490. DOI:10.1038/35035023
[2]
马庆国, 王小毅. 非常规突发事件中影响当事人状态的要素分析与数理描述[J]. 管理工程学报, 2009, 23(3): 126-130.
MA Q G, WANG X Y. The mathematic description of the individual and crowd behavior under unconventional emergency[J]. Journal of Industrial Engineering and Engineering Management, 2009, 23(3): 126-130. DOI:10.3969/j.issn.1004-6062.2009.03.023 (in Chinese)
[3]
DE KLOET E R. Stress in the brain[J]. European Journal of Pharmacology, 2000, 405(1-3): 187-198. DOI:10.1016/S0014-2999(00)00552-5
[4]
罗跃嘉, 林婉君, 吴健辉, 等. 应激的认知神经科学研究[J]. 生理科学进展, 2013, 44(5): 345-353.
LUO Y J, LIN W J, WU J H, et al. Cognitive neuroscience of stress[J]. Progress in Physiological Sciences, 2013, 44(5): 345-353. (in Chinese)
[5]
KEITEL A, RINGLEB M, SCHWARTGES I, et al. Endocrine and psychological stress responses in a simulated emergency situation[J]. Psychoneuroendocrinology, 2011, 36(1): 98-108. DOI:10.1016/j.psyneuen.2010.06.011
[6]
JARCZEWSKI J, FURGAŁA A, WINIARSKA A, et al. Cardiovascular response to different types of acute stress stimulations[J]. Folia Medica Cracoviensia, 2019, 59(4): 95-110.
[7]
NOWACKI J, HEEKEREN H R, DEUTER C E, et al. Decision making in response to physiological and combined physiological and psychosocial stress[J]. Behavioral Neuroscience, 2019, 133(1): 59-67. DOI:10.1037/bne0000288
[8]
DEDOVIC K, RENWICK R, KHALILI MAHANI N, et al. The Montreal imaging stress task: Using functional imaging to investigate the effects of perceiving and processing psychosocial stress in the human brain[J]. Journal of Psychiatry & Neuroscience, 2005, 30(5): 319-325.
[9]
PABST S, BRAND M, WOLF O T. Stress and decision making: A few minutes make all the difference[J]. Behavioural Brain Research, 2013, 250: 39-45. DOI:10.1016/j.bbr.2013.04.046
[10]
JENDERNY S. The relation between conscientiousness and skin conductance in the sing-a-song stress test (SSST)[D]. Enschede: University of Twente, 2015.
[11]
王晓静. 突发事件情境下的情绪反应及情绪调节策略对决策的影响[D]. 北京: 清华大学, 2012.
WANG X J. The impact of emotion reaction and emotion regulation strategy on decision making in emergency situation[D]. Beijing: Tsinghua University, 2012. (in Chinese)
[12]
邢邗, 张琳, 刘奕. 利他情境对驾驶个体跟驰行为的影响[J]. 清华大学学报(自然科学版), 2018, 58(11): 1000-1005.
XING H, ZHANG L, LIU Y. Effect of altruistic scenarios for individual car-following behavior[J]. Journal of Tsinghua University (Science and Technology), 2018, 58(11): 1000-1005. DOI:10.16511/j.cnki.qhdxxb.2018.21.020 (in Chinese)
[13]
林晓飞. 地铁乘客火灾应激反应及干预研究[D]. 北京: 北京交通大学, 2020.
LIN X F. Research on stress response and intervention method of passengers in subway fire[D]. Beijing: Beijing Jiaotong University, 2020. (in Chinese)
[14]
ZHU Y Q, LI N. Virtual and augmented reality technologies for emergency management in the built environments: A state-of-the-art review[J]. Journal of Safety Science and Resilience, 2021, 2(1): 1-10. DOI:10.1016/j.jnlssr.2020.11.004
[15]
陈羿江. 不同应激条件和呼吸生物反馈训练对健康人生理指标的影响[D]. 南京: 南京师范大学, 2008.
CHEN Y J. The impact of stress and respiration biofeedback training on physiological parameters[D]. Nanjing: Nanjing Normal University, 2008. (in Chinese)
[16]
KRETZSCHMAR A, GIGNAC G E. At what sample size do latent variable correlations stabilize?[J]. Journal of Research in Personality, 2019, 80: 17-22. DOI:10.1016/j.jrp.2019.03.007
[17]
FAUL F, ERDFELDER E, LANG A G, et al. G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences[J]. Behavior Research Methods, 2007, 39(2): 175-191. DOI:10.3758/BF03193146
[18]
邱林, 郑雪, 王雁飞. 积极情感消极情感量表(PANAS)的修订[J]. 应用心理学, 2008, 14(3): 249-254, 268.
QIU L, ZHENG X, WANG Y F. Revision of the positive affect and negative affect scale[J]. Chinese Journal of Applied Psychology, 2008, 14(3): 249-254, 268. (in Chinese)
[19]
管仲尧, 项天, 方东平, 等. 改进的建筑工人疲劳与不安全行为实验测量方法[J]. 清华大学学报(自然科学版), 2021, 61(10): 1186-1194.
GUAN Z Y, XIANG T, FANG D P, et al. Improved experimental measurement method of construction worker fatigue and unsafe behavior[J]. Journal of Tsinghua University (Science and Technology), 2021, 61(10): 1186-1194. (in Chinese)
[20]
MEJÍA-MEJÍA E, ALLEN J, BUDIDHA K, et al. Photoplethysmography signal processing and synthesis[M]//ALLEN J, KYRIACOU P. Photoplethysmography: Technology, signal analysis and applications. Amsterdam: Elsevier, 2022: 69-146.
[21]
WANG H M, YANG L, LIANG X Y. A novel approach for extracting pulse rate, respiratory rate and heart rate from photoplethysmogram[J]. Journal of Measurement Science and Instrumentation, 2021, 12(2): 188-194.
[22]
HART J. Association between heart rate variability and manual pulse rate[J]. The Journal of the Canadian Chiropractic Association, 2013, 57(3): 243-250.
[23]
SCHÄFER A, VAGEDES J. How accurate is pulse rate variability as an estimate of heart rate variability? A review on studies comparing photoplethysmographic technology with an electrocardiogram[J]. International Journal of Cardiology, 2013, 166(1): 15-29.
[24]
VAN DOOREN M, DE VRIES J J G, JANSSEN J H. Emotional sweating across the body: Comparing 16 different skin conductance measurement locations[J]. Physiology & Behavior, 2012, 106(2): 298-304.
[25]
NI X Y, HUANG H, LI R Q, et al. Synergistic influence of rainstorm and waterlogging on drivers' driving behavior: An experimental study based on high-fidelity driving simulator[J]. Sustainability, 2022, 14(14): 8517.
[26]
张文彩, 阎克乐, 路运青, 等. 不同心理刺激诱发的交感和副交感神经活动的比较[J]. 心理学报, 2007, 39(2): 285-291.
ZHANG W C, YAN K L, LU Y Q, et al. The effect of different psychological stressors on responses of sympathetic and parasympathetic nervous systems[J]. Acta Psychologica Sinica, 2007, 39(2): 285-291. (in Chinese)
[27]
XU Z, YANG X K, ZHAO X H, et al. Differences in driving characteristics between normal and emergency situations and model of car-following behavior[J]. Journal of Transportation Engineering, 2012, 138(11): 1303-1313.