润色论文网提供毕业论文写作、职称论文写作、职称论文发表及期刊论文发表服务！QQ：542793091

摘要：研究驾驶员的换道行为，可以从驾驶员情绪入手。驾驶员在行驶车辆尤其是在换道过程中由于情绪影响表现出异常的行为特征，会给行车带来较大的安全隐患。因此，如果将驾驶员情绪引入到汽车安全驾驶预警系统中（如图1所示），利用预先采集的驾驶员行为、车辆状态和行驶环境历史数据（即人车环境动态数据）确定驾驶类型，并通过人脸识别系统确定驾驶员情绪，从而建立驾驶员情绪-换道行为模型，实时自动识别危险驾驶行为，自动采取车辆强制控制措施，避免危险事故的发生。

关键词：情绪; 换道行为; 交通安全; 预警系统;

1 相关研究现状

1.1 国内外情绪心理的研究

关于情绪心理的研究，在1997年，Pricard首先提出了人工情绪的概念：通过信息手段让机器对人类情绪进行识别，从而更好地进行人机交互，就是人工情绪[1]。之后，王志良提出，人的复杂情绪是由一些基本情绪按照一定的比率合成的。基本情绪有髙兴、悲伤、愤怒和恐惧这4种[2]。关于对情绪的识别方法有很多，如语音识别[3,4]、基于生理信号方面的识别[5]、表情识别等。Mehrabian在二十世纪中期提出一个公式：感情表露=7%的言词+38%的声音+55%的面部表情[6]，这突出了面部表情在情绪识别中举足轻重的地位。之后，有更多的学者逐步深入研究人脸识别，包括对人的五官等13的特征点的标定[7]及对动态表情视频的分析与处理[8]。

图1 引入驾驶员情绪的汽车安全驾驶预警系统

1.2 驾驶员情绪的研究

国外西方国家对驾驶员情绪的研究要比中国起步早。国内外研究人员借用心理学相关理论，通过情绪量表的形式以及围绕驾驶人自身因素，展开对驾驶员情绪的研究；也有部分学者从社会认知角度和道路交通环境角度，探索驾驶行为的影响及产生机制。

1.2.1 关于驾驶愤怒量表（DAS）的研究

Jerry L.Deffenbacher早在20世纪90年代就设计了一份驾驶愤怒量表 (DrivingAnger Scale, DAS) ，这对于今后相关的研究具有开创性的意义[9]。包括法国[10]、土耳其[11]等在内的多个国家，先后借助DAS做出了相关的研究，得出车辆流动缓慢，不友好的手势和驾驶粗鲁等因子与驾驶人愤怒情绪呈较大相关性。雷虎、吴超仲等[12]通过研究出一份包括21个项目的驾驶愤怒表现量表，得出操作强度、操作频率、言语攻击、对车发泄这四个因素彼此显著正相关。

1.2.2 关于驾驶员愤怒情绪的研究

驾驶员消极情绪下的行为特征对安全驾驶有着很大的隐患，目前大多是针对驾驶员愤怒情绪的研究。2014年，Amanda N.Stephens等[13]研发现驾驶员产生的愤怒情绪不仅取决于相关驾驶行为，还和驾驶过程中的感知状态有关。2015年，Mark J.M.Sullman[14]发现新西兰司机大多通过攻击性语言或者冲动的驾驶行为来表达愤怒，这两种攻击性的愤怒表达方式与潜在的车祸显著相关。

至今对驾驶情感方面的研究还不够成熟，研究尚处于初步阶段。多数研究基于问卷调查完成，通过静态条件下根据相关驾驶行为量表来进行不同情绪下的驾驶行为分析，主观性较强，较少做模拟驾驶实验分析，且未深入考虑反映驾驶员决策偏好和心理情感状态的驾驶倾向性因素对相关驾驶行为的作用。同时，国内外大多是研究愤怒情绪下对驾驶行为的影响，未深入考虑如在悲伤、兴奋等情绪下对驾驶行为的影响，因此综合考虑多方面因素，研究关于不同情绪下的驾驶员换道行为有重要意义。

1.3 驾驶员换道决策行为的研究

1.3.1 传统换道的研究

关于车辆换道类型，有的学者将其划分为自由换道、强制换道、协作换道3种[15]，有的学者以驾驶员的换道需求为前提，将其分为判断性换道和强制性换道[16]。最初的换道模型是Gipps模型[17]，之后又相继出现了CORSIM模型[18]、SITRAS模型[19]等，虽然这些模型中，对某些因素考虑比较细致，但是有些参数缺乏严格的标定。这就容易导致在分析驾驶员换道行为时，忽视周边车辆的驾驶意图。

1.3.2 换道博弈的研究

车辆换道可以视为一种非合作博弈行为，有时亦可看作一种合作博弈行为。博弈论在对于研究车辆换道行为方面，提供了有效的分析手段和研究方法。2015年，Talebpour等人提出一种基于博弈论方法的变道模型，仿真结果表明，所提出的变道模型比基本的间隙接受模型具有更高的真实感[20]。2016年，墨西哥研究者将博弈论应用于车辆交通模型中，研究驾驶员策略对交通流的影响，通过驾驶员之间的交互作用，实现了一个移动优化过程[21]。

可见，关于驾驶员换道行为的研究，在传统换道决策的模型基础上，应该引入相关的博弈论，充分考虑目标车辆与周边车辆的博弈关系，进行换道博弈分析。

1.4 驾驶安全预警的研究

现有的很多安全辅助换道系统，大都是从车辆相关驾驶数据或安全距离出发，然后利用一些数学算法，推导出车辆换道过程中交通环境对换道车辆的威胁程度，预测会发生碰撞的情况下提出警示或者直接辅助。郑华荣[22]基于模糊逻辑推理识别驾驶意图，建立了考虑驾驶意图的安全换道模型；游峰等[23]针对高速公路超车发生的交通事故，提出超车安全预警模型，并验证了模型的有效性。由于目前辅助换道基本基于车辆的运动学，换道安全需兼顾纵向和横向的安全，换道安全模型较为复杂，有的研究近几年来开始结合模拟驾驶系统，考虑驾驶员个体差异、天气等因素对换道行为的影响来展开研究:倪捷等[24]通过K-means聚类分析结果将换道数据分为危险、安全、舒适等3类，并以其作为输出特征量，运用支持向量机 (SVM) 理论建立换道安全性预测模型，且预测效果良好；蒋锐等[25]提出了雾天驾驶延迟时间模型，同时通过结合车辆跟车模型, 建立了恶劣天气影响下的车辆换道安全模型。

换道行为比较复杂，且整个过程是通过人一车一路一环境协同作用来实现的，但是目前对于基于换道行为的驾驶安全预警方面的研究，很少将驾驶员个人体征的判断及行驶车辆状态的判断二者信息有效地融合起来。

2 已有研究不足及发展趋势

通过上述相关研究的分析，以往研究的不足之处具体如下：

第一，我国对于驾驶情绪及换道博弈分析方面的研究还不够成熟，研究尚处于初步阶段。多数研究基于问卷调查完成，主要研究内容仍集中在驾驶行为的机理分析、影响因素等方面，较少做相关深层次定量分析及数学模型构建，更未深入考虑反映驾驶员决策偏好和心理情感状态的驾驶倾向性因素对危险驾驶行为的作用。且国内外大多是研究愤怒情绪下对驾驶行为的影响，未深入考虑如在悲伤、兴奋等情绪下对驾驶行为的影响，因此综合考虑多方面因素，研究情绪影响下驾驶员换道行为有重要意义。

第二，关于驾驶安全方面的预警，既有研究缺乏驾驶人与驾驶行为之间的作用机制分析。当前的研究很少将驾驶员特征及车辆信息有效地融合，来综合分析情绪影响下驾驶员行为特征并进行安全预警。大多数是仅通过对驾驶员个人体征的判断或者仅是通过对行驶车辆状态的判断来进行预警，比较单一化，这样准确率不高且常常出现误报的情况，依旧不能有效地进行安全预警，实现道路的交通安全。

第三，对时序模式识别方面的研究欠缺。国内外以往研究多集中于驾驶员个性因素对相关驾驶影响的探讨和静态条件下根据相关驾驶行为量表进行驾驶行为分析判别等方面，而关系汽车主动安全的相关驾驶行为动态识别研究较少，更少见考虑驾驶员典型情绪的相关驾驶行为动态识别研究，所以相关研究的广度和深度还有待进一步拓展和深入。

因此，针对以上不足，今后研究拟从驾驶员生理心理指标、车辆运动参数、道路环境参数等角度定量评价情绪影响下驾驶员的行为特征，着重构建情绪影响下驾驶换道行为分析的描述方法和评价指标，分析他们之间的作用机理，构建换道决策博弈模型，设计驾驶员情绪影响下危险换道状态的识别判别算法，以期应用于汽车主动安全驾驶预警系统中，通过加强对驾驶员的信息反馈和约束减少交通事故发生。

参考文献

[1] Picard R.W.Affective c omputing[M].Cambridge, MA:MITpress, 1997.

[2] 王志良.人工情感[M].北京:机械工业出版社, 2008.

[3] 李皖玲, 梁吴迪, 张天湘.《基于隐马尔可夫模型的语音识别技术在载人航天器上的应用》, 《航天器环境工程》, 2013, 30 (4) :441-445.

[4]Sreenivasa Rao Krothapalli, Shashidhar G.Koolagudi, Emotion Recognitionusing Speech Features, Springer, 2013.

[5] 钟铭恩, 吴平东, 彭军强, 洪汉池.基于脑电信号的驾驶员情绪状态识别研究[J].中国安全科学学报, 2011, 21 (9) :64-69.

[6]Mehrabian A.Communication without words[J].PsychologyToday, 1968, 2 (4) :53-56.

[7] 李康, 尚鹏, 耿国华.基于深度图像的人脸模型特征点自动标定[J].计算机科学, 2014, 41 (4) :287-291.

[8] 李彦璇, 王蓉, 方银旺.视频人脸检测与追踪方法研究[J].电脑知识与技术, 2015, 11 (28) :131-135.

[9] J.L.Deffenbacher, E.R.Getting, R.S.Lynch.Development of a driving anger scale[J].Psychological Reports, 1994, 74 (1) :83-91.

[10] A.Villieux, P.Delhomme.Driving Anger Scale, French adaptation:Further evidence of reliability and validity[J].Perceptual and Motor Skills, 2007, 104 (3) :947-957.

[11] Yesim Yasak, Burcu Esiyok.Anger amongst Turkish drivers:Driving Anger Scale and its adapted, long and short version[J].Safety Science, 2009, 47 (1) :138-144.

[12] 雷虎, 吴超仲, 张晖.基于驾驶行为的驾驶愤怒表现量表研究[J].武汉理工大学学报 (交通科学与工程版) , 2012, 36 (4) :836-839.

[13] Stephens A N, Groeger J A.Following slower drivers:Lead driver status moderates driver’s anger and behavioural responses and exonerates culpability[J].Transportation research part F:traffic psychology and behaviour, 2014, 22:140-149.

[14] Sullman M J.The expression of anger on the road[J].Safety science, 2015, 72:153-159.

[15] HIDAS P.Modeling Vehicle Interaction in Microscopic Simulation of Merging and Weaving[J].Transportation Research Part C Emerging Technologies, 2005, 13 (1) :37-62.

[16] 商蕾, 陆化普.多车道下的车辆行为模型研究[J].华中科技大学学报 (自然科学版) , 2007 (06) :115-117.

[17]Gipps P G.A model for the structure of lane-changing decisions[J].Transportation Research, Part B (Methodological) , 1986, 20 (5) :403-414.

[18] YANG, KOUTSOPOULOS, H.N.A microscopic traffic simulator for evaluation of dynamic traffic management systems[J].Transportation Research Part C, 1996, 4 (3) :113-129.

[19] Peter H.Modeling lane changing and merging in microscopic traffic simulation[J].Transportation Research Part C, 2002, 10 (5) :351-371.

[20] Talebpour A, Mahmassani H S, Hamdar S H.Modeling Lane-Changing Behavior in a Connected Environment:A Game Theory Approach[J].Transportation Research Part C Emerging Technologies, 2015, 59:216-232.

[21]Comes-Berrueco L E, Gershenson C, Stephens C R.Traffic Games:Modeling Freeway Traffic with Game Theory[J].Plos One, 2016, 11 (11) :33-36.

[22] 郑华荣.考虑周边车辆驾驶意图的换道危险预警研究[D].武汉:武汉理工大学, 2013.

[23] 游峰, 张荣辉, 王海玮, 温惠英, 徐建闽.基于纵向安全距离的超车安全预警模型[J].华南理工大学学报 (自然科学版) , 2013, 41 (08) :87-92.

[24] 倪捷, 刘志强, 涂孝军, 董非.面向驾驶辅助系统的换道安全性预测模型研究[J].交通运输系统工程与信息, 2016, 16 (4) :95-100.

[25] 蒋锐, 郭忠印, 李振楠.恶劣天气条件下车辆换车道的安全模型[J].同济大学学报 (自然科学版) , 2011, 39 (4) :529-533.