面向车辆安全早期估计的驾驶人异常情绪反演辨识方法研究

When driving a vehicle on the road, abnormal emotions triggered by multiple factors may have a serious impact on vehicle’s safety. Thus, taking account of the influence of the abnormal emotions into vehicle safety assessment has a practical significance. However, currently, the mapping relationship between abnormal emotions and human-vehicle-environment system is not very clear and the criteria, characterization, and online identification of abnormal emotion remains to be elucidated. Therefore, this project will focus on the driver’s abnormal dangerous emotion and study the early assessment method of vehicle's safety. In order to achieve the goal, the project will take advantage of both theoretical modeling and experimental verification method, with the main research content of abnormal emotion definition, feature selection and inversion identification. This research intend to make clear of the definition rule of abnormal emotion and clarify the endogenous contact between multi-features of driving system and driver’s abnormal emotion. Then, the method can provide both theoretical and technical support for developing an early assessment model of vehicle’s safety.

车辆行驶过程中，多诱因引发的驾驶人异常情绪对车辆安全影响极大，因而将驾驶人异常情绪引入到智能车辆监控范围中来，具有重要的现实意义。然而，目前对驾驶人异常情绪与人-车-环境耦联系统间的作用机理和映射关系还不十分清楚，对驾驶人异常情绪的判断标准、表征方法和在线识别等方面的研究仍有待深入。为此，本项目以可能引发车辆危险的驾驶人异常情绪为研究对象，以实现车辆安全态势早期估计为出发点，以驾驶人异常情绪的内涵界定、特征筛选、反演辨识为主要研究内容。采用理论建模与实验验证相结合的方法，探索非接触式、个性化、可在线主动学习的驾驶人异常情绪反演辨识方法。旨在明确可能导致车辆危险的驾驶人异常情绪内涵与界定法则，阐明人-车-环境耦联系统中非接触式多维异构特征与驾驶人异常情绪间的内生联系与映射规律，为构建高可信的车辆安全态势早期评估模型提供理论依据和前沿技术支撑。

本项目针对多诱因引发的驾驶人异常情绪，采用理论分析、计算机仿真和模拟驾驶实验相结合的手段，实现了非接触式、个性化、可在线主动学习的驾驶人异常情绪早期辨识方法，完成了既定目标。在异常情绪高维脑电特征向量构建与低维本质特征提取方面，项目以生物电信号为“黄金”评价准则，分析真实脑电信号分离方法，研究情绪异动在脑电信号中的敏感频带，采用频域、时域、相位相结合方法，构建了情绪高维特征向量。同时采用基于ISOMAP的高维特征向量约简方法，获取了表征驾驶人情绪状态的低维本质特征。以此为基础，从车辆安全态势评估角度出发，分析不同类型和强度的情绪状态对驾驶人操控能力的影响，对驾驶人异常情绪内涵进行有效界定，形成基于脑电特征表达的异常情绪内涵界定量表；在异常情绪强关联特征提取与个性特征知识库构建方面，项目以异常情绪内涵界定量表为基础，从驾驶实际出发，分析驾驶人不同情绪状态下人-车-环境耦联系统的异动表现，从表观特征、语音信息、操作序贯链、车路交互关系4个层面，筛选与异常情绪具有强关联度的非接触式特征。同时，考虑个性特征知识库的群体普适性和个体差异性需求，以驾驶人情绪强关联特征为信源，采用在线主动学习方法，构建了具有一定群体覆盖度和个体适应性的驾驶人个性特征知识库；在动态人-车-环境耦联特征协同推演的驾驶人异常情绪辨识方法方面，项目基于动态人-车-环境耦联系统，在驾驶人个性特征知识库的支撑下，同步获取驾驶人脑电信号和异常情绪非接触式特征，以两种方法所得结果的近似度为目标函数，建立模型参数多目标优化方程，构建了基于贝叶斯网络的非接触式异常情绪推理模型，实现对驾驶人异常情绪的反演辨识。总体而言，项目研究按照既定技术路线进行，研究内容未进行大幅调整和变动，取得了一系列研究成果，包括发表了SCI期刊论文4篇（其中，中科院2区期刊论文2篇），EI国际会议论文2篇，国家发明专利4项，由“机械工业出版社”出版专著一本。