焦虑舒缓座舱项目
目录
项目摘要：围绕奇瑞汽车智能焦虑舒缓座舱，我参与搭建了从焦虑识别支持到舒缓干预验证的研究链路。我的工作重点包括焦虑数据采集方案设计、三轮诱发材料预实验、舒缓人因实验方案设计、视觉刺激 Demo 开发、实验结果复核。
研究目标
在车载场景中支持焦虑识别，并验证不同感官干预方式的舒缓体验。
我的职责
方案设计、材料筛选、数据分析、统计复核、工具开发和跨团队协作。
决策价值
为识别数据质量、舒缓参数验证和后续多模态组合提供研究依据。
1. 项目概览
本项目围绕“智能焦虑舒缓座舱”展开，目标是建立从焦虑识别到舒缓体验验证的完整研究框架：一方面，为焦虑识别模型设计车载场景下的数据采集方案；另一方面，围绕听觉、视觉等总共四个模态开展舒缓体验验证，为座舱策略形成提供依据。
| 维度 | 内容 |
|---|---|
| 项目场景 | 奇瑞汽车智能座舱中的焦虑识别与舒缓体验验证 |
| 研究方法 | 实验设计、主观量表、行为与生理指标、材料预实验、统计分析和结论复核 |
| 核心协作 | 与算法团队对齐数据采集需求；与合作高校对接舒缓实验方案并复核报告结论 |
2. 整体研究框架
项目以车载焦虑场景为起点，通过焦虑识别支持和参数人因验证两条路径，共同支撑座舱舒缓策略。下图展示的是项目整体研究框架。
3. 我的角色与贡献
算法识别支持
- 主导面向算法训练的焦虑数据采集方案设计。
- 完成三轮焦虑诱发材料预实验，并将实验发现转化为正式诱发方案优化、和算法训练数据质量控制建议。
- 围绕诱发方式、标注方法、摄像头布置和数据存储规范，与算法团队对齐需求。
舒缓人因验证
- 负责舒缓实验的核心方案设计。
- 与合作高校对接实验方案，并复核正式报告的数据分析与结论。
- 独立开发网页形式的视觉刺激 Demo，用于稳定呈现视觉干预材料，支持视觉实验的执行与参数验证。
4. 焦虑识别支持
该模块服务于焦虑识别模型训练。项目调研中发现，面向人脸图像识别的公开情绪数据多以基础情绪为主，可直接用于车载焦虑识别训练的数据和成熟方案较少，因此需要先建立一套适用于本项目的数据采集方案。我的工作重点是根据算法训练需求，梳理焦虑诱发、情绪标注、多模态采集和数据交付方式，并将其转化为可执行的实验方案。
4.1 数据采集方案设计
常规人因实验更强调控制变量、排除干扰和验证差异是否显著；面向算法训练的数据采集更需要考虑样本覆盖、标签可解释性和数据可复用性。两类目标并不完全一致，因此方案设计不能直接套用传统实验流程。
| 设计问题 | 常规人因实验关注点 | 面向算法训练的补充要求 |
|---|---|---|
| 诱发方式 | 控制材料差异，减少非目标因素影响 | 覆盖不同焦虑强度，同时关注材料特异性，减少恐惧、悲伤等情绪混入 |
| 标注方式 | 依赖实验前后量表判断状态变化 | 增加实时键盘反馈，并结合生理信号，为连续情绪变化提供辅助标记 |
| 环境控制 | 尽量统一实验环境和流程 | 在可控基础上考虑多场景覆盖，提升数据对真实座舱使用情境的适应性 |
| 被试样本 | 控制样本特征，减少个体差异干扰 | 扩大人群覆盖和样本量，为模型训练提供更充分的个体差异数据 |
| 数据规范 | 保证实验记录完整、可复核 | 高时间同步要求，便于算法团队后续使用 |
基于上述差异，我主导设计了驾驶舱场景下的焦虑数据采集方案。在方案推进过程中，我与算法团队对齐诱发方式、标注细节、视频采集条件和数据交付格式，尽量降低后续训练阶段的数据解释成本。
4.2 焦虑诱发材料预实验
为提高正式采集数据的有效性，我完成了三轮焦虑诱发材料预实验，负责材料筛选、实验执行、数据处理、统计分析和结论判断。
数据分析阶段，我结合主观焦虑评分、SAM 情绪维度和其他情绪指标，对候选材料进行筛选与复核。分析重点包括：材料是否能稳定提升焦虑水平；焦虑提升是否伴随恐惧、悲伤或愤怒等情绪混杂；不同材料在效价、唤醒度和具体情绪维度上的变化是否一致。
原方案曾倾向于通过增加实验轮次筛选材料，尽量获得“更纯净”的焦虑诱发结果。我结合心理学和算法训练两方面提出了不同判断：焦虑在真实诱发中往往不是孤立情绪，过度追求“纯净焦虑”既不一定符合情绪产生机制，也可能削弱训练数据对真实场景的覆盖。
基于预实验结果，我对正式采集方案形成了以下建议：
- 诱发材料筛选不应只依据单一焦虑分数，而应同时考虑诱发强度、稳定性和情绪构成。
- 正式采集应保留 SAM、多维情绪指标，为后续焦虑解释提供依据。
- 算法训练阶段应将实验标签理解为带有个体差异和情绪混杂的状态标签，而不是完全纯净、逐帧稳定的焦虑标签。
5. 多模态舒缓人因验证
舒缓验证部分围绕座舱中的感官干预展开，目标是比较不同刺激条件对焦虑恢复的影响，并为后续座舱舒缓策略提供参数依据。我的工作重点包括实验方案设计、关键参数验证、实验材料开发，以及对合作方报告结论的统计复核。
5.1 多模态组合实验设计
多模态组合实验采用“组别 × 时间”的混合实验设计。被试随机分配至不同刺激组合条件，在基线、焦虑诱发后、干预后三个时间点完成测量。核心目的是比较不同组合在诱发后到干预后的恢复幅度差异。
| 设计要素 | 内容 |
|---|---|
| 实验设计 | 多组别 × 三时间点混合设计 |
| 因变量（主观指标） | 状态焦虑、情绪效价、唤醒度等 |
| 因变量（生理指标） | HRV、EEG |
| 关键检验 | 组别 × 时间交互效应 |
| 样本量 | 基于 G*Power 进行事前功效分析 |
5.2 举例一：听觉实验方案迭代与统计结论复核
实验早期结果未达到预期后，进行文献调研与执行过程检查，调整干预条件与材料设置，随后追加采集数据，并基于调整后的样本进行正式分析。
在结果复核中，我重点检查了统计结论能否支持产品判断。原报告中，部分条件在组内比较中显示出干预前后变化，但条件与时间的交互效应不显著，说明不同条件之间的变化趋势没有形成稳定差异。进一步进行多重比较校正后，关键组内结果也不再显著。
5.3 举例二：视觉实验材料开发
使用codex开发了网页形式的视觉刺激 Demo。Demo 通过全屏界面模拟座舱氛围光变化，支持不同节律参数、亮度范围和呈现时长设置，用于统一实验材料并降低执行误差。
6. 反思与迭代
这个项目让我比较完整地经历了人因工程在整个产品链路中的作用：从早期概念验证、实验方案设计、数据采集与结果判断，到后续参数优化、跨团队协作和产品策略支撑。它让我更熟悉一个产品从想法到落地的过程。
6.1 人因工程在产品链路中的位置
之前的项目经历更多面向业务端，通常是围绕某一个具体功能提出人因工程需求，例如验证某个体验问题是否需要优化。这类工作更像是在产品开发中的某一个节点提供支持。
这个项目的特点在于，它的核心功能不是靠单次测试就能验证的。焦虑识别和舒缓策略都涉及状态定义、数据采集、诱发材料、感官参数、主观体验和生理反应，需要一整套连续的人因实验去支撑。
这让我对人因工程的理解更完整了。它不仅是发现问题、验证体验，也可以在产品早期帮助团队定义问题，在研发过程中提供数据依据，在结果阶段把实验发现转化成可用的产品判断。
6.2 跨团队协作中的人因价值
人因工程并不是只能在产品体验验证阶段发挥作用，也可以参与算法训练前的数据定义和采集方案设计。尤其是在情绪识别这类任务中，算法模型需要的是带有心理状态标签、诱发背景的训练数据，这正好需要人因研究介入。