日韩av大片在线观看欧美成人不卡|午夜先锋看片|中国女人18毛片水多|免费xx高潮喷水|国产大片美女av|丰满老熟妇好大bbbbbbbbbbb|人妻上司四区|japanese人妻少妇乱中文|少妇做爰喷水高潮受不了|美女人妻被颜射的视频,亚洲国产精品久久艾草一,俄罗斯6一一11萝裸体自慰,午夜三级理论在线观看无码

盡管交通事故的原因很復(fù)雜,，但主要原因是攻擊性駕駛行為,。而其中，駕駛員的情緒狀態(tài)與駕駛行為密切相關(guān),。

司機(jī)在不同駕駛行為下的情緒是如何變化的,？

能否通過(guò)情緒波動(dòng)提前識(shí)別危險(xiǎn)的駕駛行為？

來(lái)自東南大學(xué)的研究團(tuán)隊(duì)就探討了網(wǎng)約車(chē)司機(jī)在攻擊性駕駛和正常駕駛時(shí)的情緒變化模式（Ma et al.,2024）,，為研究情緒與駕駛行為之間的關(guān)系提供了一種新的途徑,，為高級(jí)輔助駕駛系統(tǒng)提高駕駛安全性提供了駕駛員情緒感知和情緒波動(dòng)檢測(cè)的重要參考和指導(dǎo)。

情緒與駕駛行為

交通系統(tǒng)由道路使用者,、車(chē)輛和道路組成,，盡管交通事故的原因很復(fù)雜，但主要原因之一是攻擊性駕駛行為,。影響駕駛行為的最重要因素之一是駕駛員的情緒狀態(tài),。

駕駛車(chē)輛是一項(xiàng)復(fù)雜的任務(wù)，駕駛員可能會(huì)因周?chē)h(huán)境的刺激而分心。駕駛員的情緒狀態(tài)可以直接或間接地決定其駕駛行為,，由此產(chǎn)生積極或消極的影響,。過(guò)往大多數(shù)研究都在探究特定負(fù)面情緒，如憤怒,、焦慮,、恐懼等對(duì)駕駛行為的影響。憤怒可能導(dǎo)致駕駛表現(xiàn)下降,，并導(dǎo)致駕駛員超速行駛或其他不安全駕駛行為,。例如有研究表明，當(dāng)司機(jī)生氣時(shí),，他們傾向于更晚,、更用力地踩剎車(chē)（Zhang et al., 2016）；對(duì)自然駕駛狀態(tài)下的數(shù)據(jù)分析表明,，由憤怒引起的危險(xiǎn)駕駛通常是故意的,，而不是由于認(rèn)知錯(cuò)誤，并且隨著駕駛員憤怒強(qiáng)度的增加,，會(huì)發(fā)生更多的駕駛違規(guī)行為（Precht et al, 2017）,。

一般來(lái)說(shuō)，情緒可以分為兩個(gè)維度：（1）效價(jià)（valence）,，表明情緒狀態(tài)是積極的還是消極的,；（2）喚醒（arousal），表明主體是活躍的還是不活躍的,。相較于關(guān)注獨(dú)立的離散情緒,，從情緒的維度角度更能從根本上解釋情緒和行為之間的關(guān)系。Taubman-Ben-Ari（2012）研究表明,，高喚醒的積極情緒會(huì)促進(jìn)魯莽駕駛,，而低喚醒的積極情緒則相反。這表明情緒的兩個(gè)維度對(duì)駕駛行為的影響是不同的,。

如何測(cè)量駕駛行為中的情緒變化,？

基于不同情緒可引起不同生理變化的理論，生理信號(hào)可用于情緒識(shí)別,。但是采集生理數(shù)據(jù)的設(shè)備往往需要與駕駛員接觸,，從而致使分心，進(jìn)而影響駕駛行為,。除了生理信息外,，面部表情等行為數(shù)據(jù)也可用于識(shí)別駕駛員的情緒（Xiao et al ., 2022）。有研究將面部表情數(shù)據(jù)與生理信號(hào)相結(jié)合,，以識(shí)別駕駛員的實(shí)際情緒狀態(tài)（Oh et al., 2021）,。與獲取生理信號(hào)的復(fù)雜過(guò)程相比,，面部表情數(shù)據(jù)的獲取只需要簡(jiǎn)單的儀器。此外,，非接觸式的測(cè)量方法減少了因觸碰而產(chǎn)生的潛在干擾,。因此，通過(guò)面部表情來(lái)檢測(cè)駕駛員的情緒狀態(tài)具有顯著的優(yōu)勢(shì),。

此外,，大多數(shù)研究都基于特定的靜態(tài)情緒，缺乏對(duì)情緒波動(dòng)的考慮,。而在現(xiàn)實(shí)情景下,，駕駛員的情緒是根據(jù)刺激而不斷變化的，因此僅僅通過(guò)自我報(bào)告和情緒誘導(dǎo)的方法測(cè)量情緒變化都存在過(guò)于主觀的的缺陷,。

因此,，本研究引入一個(gè)新的框架來(lái)分析不同駕駛行為的情緒波動(dòng)差異。首先考慮情緒的不穩(wěn)定性,，分析了情緒波動(dòng)對(duì)駕駛行為的影響,；其次，對(duì)情緒的描述關(guān)注兩個(gè)維度,，即效價(jià)和喚醒度,。通過(guò)分析駕駛員在真實(shí)駕駛過(guò)程中的面部表情視頻，得出這兩個(gè)指標(biāo)數(shù)據(jù),，構(gòu)成實(shí)時(shí),、真實(shí)的數(shù)據(jù)集。最后,，基于聚類(lèi)方法得到的不同駕駛行為的情緒變化模式,。這些模式可以用于在線(xiàn)監(jiān)測(cè)司機(jī)的情緒變化，從而提供給司機(jī)必要和及時(shí)的警告,，減輕與情緒相關(guān)風(fēng)險(xiǎn)行為。

網(wǎng)約車(chē)司機(jī)的真實(shí)駕駛實(shí)驗(yàn)

實(shí)驗(yàn)共招募16名網(wǎng)約車(chē)司機(jī),，平均年齡為36.38歲,，駕駛經(jīng)驗(yàn)范圍為4 ~ 25年。

實(shí)驗(yàn)選擇在駕駛員的正常工作時(shí)間進(jìn)行測(cè)試,，有利于駕駛員迅速進(jìn)入正常的駕駛狀態(tài),。實(shí)驗(yàn)設(shè)備包括VBOX- IISX10 GPS和雙攝像頭（前置和后置），分別安裝在車(chē)輛前儀表盤(pán)和擋風(fēng)玻璃上（圖1）,，以測(cè)量高精度的車(chē)輛運(yùn)動(dòng)學(xué)數(shù)據(jù),，如位置,、速度,、加速度等,，以及記錄司機(jī)的面部表情。使用諾達(dá)思的面部表情分析系統(tǒng)（FaceReader）分析司機(jī)的面部表情以獲得情緒數(shù)據(jù)（Iridiastadi, 2019）,。

圖1 數(shù)據(jù)采集設(shè)置

FaceReader在檢測(cè)到面部后,，會(huì)基于面部動(dòng)作編碼系統(tǒng)（Facial Action Coding System，FACS）和活動(dòng)外觀模型（Active Appearance Model,，AAM）,，描述面部500多個(gè)關(guān)鍵點(diǎn)來(lái)生成準(zhǔn)確的面部三維模型。最終使用訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)對(duì)面部表情進(jìn)行分類(lèi),。

使用FaceReader分析面部表情,，可以獲得六種基本情緒：快樂(lè)、悲傷,、生氣,、驚訝、害怕和厭惡,，以及中性情緒,。平均準(zhǔn)確率為99%。此外,，FaceReader可以測(cè)量20個(gè)最常見(jiàn)的面部動(dòng)作單位（Action Unit, AU）,，以0 ~ 1的取值表示其強(qiáng)度，以此獲得實(shí)時(shí)效價(jià)和喚醒度數(shù)據(jù),。效價(jià)的計(jì)算為快樂(lè)情緒強(qiáng)度減去強(qiáng)度最高的負(fù)面情緒強(qiáng)度,，喚醒度的計(jì)算基于表1所示的20個(gè)動(dòng)作單元的激活值。

表1

對(duì)于攻擊性駕駛行為的識(shí)別,，參考過(guò)往研究使用VBOX采集的車(chē)輛運(yùn)動(dòng)學(xué)數(shù)據(jù)中的速度,、縱向加速度（急加速或急制動(dòng)）和橫向加速度（急變車(chē)道和急轉(zhuǎn)彎）的閾值來(lái)檢測(cè)。

由于車(chē)輛運(yùn)動(dòng)學(xué)數(shù)據(jù)和情緒數(shù)據(jù)采用相同的采樣頻率,，因此可以基于時(shí)間戳對(duì)兩類(lèi)數(shù)據(jù)進(jìn)行匹配,。

整個(gè)研究以圖2所示分析框架進(jìn)行，用于分析攻擊性駕駛和正常駕駛下情緒波動(dòng)的差異,。首先,，該框架使用動(dòng)態(tài)加速（橫向和縱向）閾值來(lái)識(shí)別攻擊性駕駛行為；然后,，通過(guò)分析攻擊性駕駛行為的情緒數(shù)據(jù)特征來(lái)確定時(shí)間窗口,；最后，通過(guò)聚類(lèi)分析不同駕駛行為的情緒效價(jià)和喚醒波動(dòng),。

圖2 用于分析情緒波動(dòng)的框架

消極效價(jià)與高喚醒度增加攻擊性駕駛行為

（一）攻擊性駕駛行為識(shí)別結(jié)果

研究在16名司機(jī)中發(fā)現(xiàn)了303種攻擊性駕駛行為,。提取其發(fā)生前后15s的數(shù)據(jù)，為了避免數(shù)據(jù)重復(fù),，兩個(gè)提取的攻擊性駕駛樣本至少間隔一分鐘,。結(jié)果如圖3,，可以看到基于橫向和縱向加速度閾值的攻擊性駕駛和正常駕駛的識(shí)別結(jié)果。

圖3 駕駛員在一個(gè)工作日的攻擊性和正常駕駛行為識(shí)別

（二）攻擊駕駛行為的情緒波動(dòng)時(shí)間窗

以攻擊性駕駛前后15 s為情緒波動(dòng)序列長(zhǎng)度進(jìn)行分析,，可得以下結(jié)果（圖4）：從攻擊性駕駛行為發(fā)生前的第6秒開(kāi)始,，平均喚醒度持續(xù)上升，直到攻擊性駕駛行為發(fā)生時(shí)達(dá)到最高值,；攻擊性駕駛行為發(fā)生后,，平均喚醒度呈下降趨勢(shì)。這表明,，情緒喚醒的持續(xù)增加是一種心理變化,，往往會(huì)促進(jìn)攻擊性駕駛。攻擊性駕駛發(fā)生后,，心理狀態(tài)逐漸平靜下來(lái),。此外，司機(jī)的情緒效價(jià)在攻擊性駕駛前后的6秒內(nèi)波動(dòng)劇烈,。因此,，本研究結(jié)果提示攻擊性駕駛發(fā)生前6秒的情緒波動(dòng)與攻擊性駕駛的發(fā)生有著本質(zhì)的關(guān)系。

圖4 攻擊性駕駛行為中情緒平均值

（三）攻擊性和正常駕駛時(shí)的情緒差異

對(duì)效價(jià)和喚醒度進(jìn)行聚類(lèi)分析,，將效價(jià)波動(dòng)分為積極,、平靜和消極，喚醒波動(dòng)分為高度和低度,。結(jié)果表明,，在正常駕駛和攻擊性駕駛中，駕駛員的情緒變化存在差異,。當(dāng)駕駛員處于消極情緒效價(jià)時(shí),，其在攻擊性駕駛行為前中后期的平均消極程度高于正常駕駛的，且當(dāng)處于積極情緒效價(jià)時(shí),，駕駛員在攻擊性駕駛行為前中后期的平均積極程度低于正常駕駛的,。

這表明情緒效價(jià)對(duì)駕駛行為有影響。較低的消極效價(jià)增加了攻擊性駕駛行為的可能性,，即負(fù)面情緒會(huì)促進(jìn)攻擊性駕駛,；較高的積極效價(jià)降低了駕駛員攻擊性駕駛意圖的可能性。這與過(guò)往研究結(jié)果一致,。然而，在積極情緒對(duì)駕駛行為的影響方面,，過(guò)往研究存在不一致的觀點(diǎn),。本研究結(jié)果表明，積極效價(jià)的強(qiáng)度對(duì)駕駛行為產(chǎn)生不同的影響,。在較高的積極效價(jià)強(qiáng)度下,，駕駛員可能表現(xiàn)出更高的內(nèi)在動(dòng)機(jī)和更高的安全意識(shí),。然而，積極情緒對(duì)駕駛行為影響的內(nèi)在機(jī)制有待進(jìn)一步探索,。

圖5 不同駕駛行為的效價(jià)和喚醒度聚類(lèi)結(jié)果

(a/b)效價(jià)（攻擊性駕駛/正常駕駛）,，(c/d)喚醒度（攻擊性駕駛/正常駕駛）

圖5顯示了駕駛員在攻擊性駕駛和正常駕駛前后6秒情緒波動(dòng)時(shí)間窗內(nèi)的效價(jià)與喚醒度變化。結(jié)果顯示,，駕駛員在積極,、消極和平靜狀態(tài)下都可能表現(xiàn)出攻擊性駕駛行為。與正常駕駛相比,，攻擊性駕駛行為發(fā)生前6秒內(nèi)駕駛員情緒效價(jià)波動(dòng)更大,，尤其是處于積極情緒狀態(tài)時(shí)（圖5a，圖5b）,，即情緒不穩(wěn)定會(huì)增加司機(jī)攻擊性駕駛的可能性,。攻擊性駕駛行為的喚醒度均高于正常駕駛時(shí)的喚醒度（圖5c，圖5d）,，即高喚醒度會(huì)增加攻擊性駕駛的可能性,。結(jié)果均表明，即使是相同的效價(jià)值和喚醒度也會(huì)對(duì)駕駛員的駕駛行為產(chǎn)生不同的影響,，因此只關(guān)注靜態(tài)情緒的研究是不合理的,，必須考慮動(dòng)態(tài)情緒對(duì)駕駛的影響。

關(guān)注動(dòng)態(tài)情緒波動(dòng)以準(zhǔn)確識(shí)別駕駛行為意圖

本研究從微觀角度分析了駕駛員情緒波動(dòng)與駕駛行為之間的關(guān)系,，獲得了攻擊性駕駛和正常駕駛的情緒變化模式,。通過(guò)獲取真實(shí)駕駛情景下的駕駛數(shù)據(jù)和面部表情數(shù)據(jù)，獲得了更真實(shí)可靠的情緒數(shù)據(jù),。通過(guò)分析攻擊性駕駛行為發(fā)生前,、中、后的情緒數(shù)據(jù),，發(fā)現(xiàn)攻擊性駕駛行為發(fā)生前6秒駕駛員情緒變化與攻擊性駕駛行為發(fā)生的相關(guān)性更高,。此外，與正常駕駛相比,，攻擊性駕駛時(shí)駕駛員情緒效價(jià)波動(dòng)更大,，處于更負(fù)性的情緒狀態(tài)，且情緒喚醒度更高,。

未來(lái)研究應(yīng)考慮更多的測(cè)試場(chǎng)景以及更多的被試,，提供更大的樣本，從具體駕駛事件,、駕駛員性別和個(gè)體差異的角度研究情緒波動(dòng)與攻擊性駕駛之間的關(guān)系,，以及設(shè)計(jì)更精準(zhǔn)的實(shí)驗(yàn)來(lái)探究環(huán)境、情緒與駕駛行為之間的因果關(guān)系,。

本研究結(jié)果對(duì)駕駛員行為監(jiān)測(cè)和駕駛輔助預(yù)警系統(tǒng)的改進(jìn)具有重要的理論價(jià)值和現(xiàn)實(shí)意義,。這為駕駛員情緒狀態(tài)檢測(cè)提供了一種新的方法,。考慮駕駛員情緒的動(dòng)態(tài)波動(dòng),，可以更準(zhǔn)確地識(shí)別駕駛員的駕駛行為意圖,。通過(guò)動(dòng)態(tài)時(shí)間窗實(shí)時(shí)檢測(cè)駕駛員的情緒波動(dòng)并提前警告駕駛員，可以減輕潛在的危險(xiǎn)駕駛,，從而提高道路安全,。此外，駕駛員的情緒波動(dòng)水平可以作為指標(biāo)納入JZ考試,，對(duì)容易出現(xiàn)不良情緒波動(dòng)的駕駛員進(jìn)行培訓(xùn)和指導(dǎo),。

參考文獻(xiàn)

• Iridiastadi, H. (2019). Fatigue-related differences in human facial dimensions based on static images. IOP Conf. Series: Mater. Sci. Eng. 528.

• Ma, Y., Xing, Y., Chen, S., & Wu, Y. (2024). Investigating emotion fluctuations in driving behaviors of online car-hailing drivers using naturalistic driving data. Travel Behaviour and Society, 36, 100819. 

• Oh, G., Ryu, J., Jeong, E., Yang, J. H., Hwang, S., Lee, S., & Lim, S. (2021). Drer: Deep learning–based driver’s real emotion recognizer. Sensors, 21(6), 2166.

• Precht, L., Keinath, A., & Krems, J. F. (2017). Effects of driving anger on driver behavior–Results from naturalistic driving data. Transportation research part F: traffic psychology and behaviour, 45, 75-92.

• Taubman-Ben-Ari, O. (2012). The effects of positive emotion priming on self-reported reckless driving. Accident Analysis & Prevention, 45, 718-725.

• Xiao, H., Li, W., Zeng, G., Wu, Y., Xue, J., Zhang, J., ... & Guo, G. (2022). On-road driver emotion recognition using facial expression. Applied Sciences, 12(2), 807.

• Zhang, T., Chan, A. H., Ba, Y., & Zhang, W. (2016). Situational driving anger, driving performance and allocation of visual attention. Transportation research part F: traffic psychology and behaviour, 42, 376-388.