定性与定量分析跟驰行驶中汽车驾驶员情感-行为交互作用机理

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    71901134
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    19.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    G0116.交通运输管理
  • 结题年份:
    2022
  • 批准年份:
    2019
  • 项目状态:
    已结题
  • 起止时间:
    2020-01-01 至2022-12-31

项目摘要

Understanding the interaction between drivers’ emotions and driving behavior is essential for developing anthropomorphic autonomous vehicles and achieving intelligent human-machine interaction in connected vehicles. Previous research has focused on the impact of emotions on driving behavior, but the effects of driving behavior on driver emotion remain largely unexplored. From a new perspective of driving behavior affecting drivers’ emotion, this proposal will deeply analyze the interaction between drivers’ emotions and driving behavior during car-following from the perspective of cognition under a microscope. The study will conduct the real driving experiments and driving simulations to collect the human-vehicle-environment data, and apply the qualitative methods of think aloud、survey questionnaire、individual interview and focus group interview to collect drivers’ emotional and cognitive data. Grounded theory method will be used to investigate the mechanism of the interaction between drivers’ emotions and driving behavior. Structural Equation Model will be used to analyze the interaction effects of drivers’ emotions and behavior. Hidden Markov Model will be used to determine the transformation mechanism of driving behavior triggered by drivers’ emotions. By integrating the quantitative and qualitative results, an interaction model between emotions and behavior will be established based on drivers’ cognitive paths and sequences on processing traffic information during driving. The findings of this study can provide strong support for the development of personalized driving warning system and intelligent human-machine interaction.
研究驾驶过程中的情感特点和行为模式,正确认识驾驶情感与行为之间的影响作用,是实现拟人化无人驾驶和智能网联环境下人车和谐交互的重要基础。目前研究大多关注在驾驶情感对于行为的影响,而忽视了驾驶行为影响情感的研究。本项目拟从驾驶行为影响情感这一新视角出发,深度剖析在跟驰行驶中驾驶情感与行为在认知范畴内的微观交互作用机理,并定量分析驾驶情感与行为的影响作用效应。本研究通过模拟驾驶和实车道路实验,运用think aloud、问卷、个人深度访谈和焦点小组访谈等定性方法收集内隐驾驶员情感认知数据。使用扎根理论探究驾驶情感与行为的交互作用机理;运用结构方程模型剖析驾驶情感与行为的作用效应;采用隐马尔科夫模型推理情感演变激发的驾驶行为转移规律。在定性和定量分析的基础上,根据驾驶员认知路径和序列构建驾驶情感与行为交互作用模型。本研究阐明的作用机理和构建的交互模型,为车辆预警系统和人机交互的发展提供理论依据。

结项摘要

研究驾驶过程中的情感特征和行为模式,正确认识驾驶情感与行为之间的影响作用,是实现拟人化无人驾驶和智能网联环境下人车和谐交互的重要基础。本项目从情感与行为交互这一新视角出发,在驾驶人情感-行为交互作用机理和模型构建等方面取得了一系列成果。首先,运用结构方程模型构建驾驶行为状态下的情感效应模型,和驾驶情感状态下的行为效应模型,定量剖析驾驶情感与行为之间的作用大小,并揭示其作用实现路径和深层动因。其次,采用隐马尔可夫模型,推演驾驶情感-行为双重状态转移链,解析驾驶情感演变激发下的驾驶行为转移规律,预测驾驶员行为意图的动态演变。再次,通过深度挖掘驾驶人的生理特征指标,构建了基于认知路径和序列的驾驶情感与行为交互作用模型,从能量层面明晰了其交互作用机理。本项目所取得的研究成果,拓展了驾驶情感研究的思路,为智能汽车人机交互的开发提供理论依据。

项目成果

期刊论文数量(14)
专著数量(2)
科研奖励数量(1)
会议论文数量(0)
专利数量(0)
Driver's Intention Identification With the Involvement of Emotional Factors in Two-Lane Roads
情绪因素参与的双车道道路驾驶员意图识别
  • DOI:
    10.1109/tits.2020.2995837
  • 发表时间:
    2021-11-01
  • 期刊:
    IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS
  • 影响因子:
    8.5
  • 作者:
    Wang, Xiaoyuan;Guo, Yongqing;Han, Junyan
  • 通讯作者:
    Han, Junyan
Analysis of Differences in ECG Characteristics for Different Types of Drivers under Anxiety
不同类型驾驶员焦虑状态心电图特征差异分析
  • DOI:
    10.1155/2021/6640527
  • 发表时间:
    2021-08
  • 期刊:
    Advances in Civil Engineering
  • 影响因子:
    1.8
  • 作者:
    Yongqing Guo;Xiaoyuan Wang;Qing Xu;Quan Yuan;Chenglin Bai;Xuegang Ban
  • 通讯作者:
    Xuegang Ban
Investigating Rural Single-Vehicle Crash Severity by Vehicle Types Using Full Bayesian Spatial Random Parameters Logit Model
使用全贝叶斯空间随机参数 Logit 模型按车辆类型调查农村单车碰撞严重程度
  • DOI:
    10.3390/app11177819
  • 发表时间:
    2021-08
  • 期刊:
    APPLIED SCIENCES
  • 影响因子:
    --
  • 作者:
    Fulu Wei;Zhenggan Cai;Zhengyu Wang;Yongqing Guo;Xin Li;Xiaoyan Wu
  • 通讯作者:
    Xiaoyan Wu
The Emergence Characteristics of Driver’s Intentions Influenced by Different Emotions
不同情绪影响驾驶员意图的显现特征
  • DOI:
    10.3390/su132313292
  • 发表时间:
    2021-12
  • 期刊:
    STAINABILITY
  • 影响因子:
    --
  • 作者:
    Xiaoyuan Wang;Yongqing Guo;Chenglin Bai;Quan Yuan;Shanliang Liu;Xuegang Ban
  • 通讯作者:
    Xuegang Ban
Analysis of Roadside Accident Severity on Rural and Urban Roadways
城乡道路交通事故严重程度分析
  • DOI:
    10.32604/iasc.2021.014661
  • 发表时间:
    2021
  • 期刊:
    Intelligent Automation and Soft Computing
  • 影响因子:
    2
  • 作者:
    Fulu Wei;Zhenggan Cai;Yongqing Guo;Pan Liu;Zhenyu Wang;Zhibin Li
  • 通讯作者:
    Zhibin Li

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

潜标上浮过程中垂直运动数学建模与验证
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    海岸工程
  • 影响因子:
    --
  • 作者:
    郭永青;李晓龙;熊学军
  • 通讯作者:
    熊学军
基于风险价值的危险品运输路径优化方法
  • DOI:
    10.3963/j.jssn.1674-4861.2020.03.003
  • 发表时间:
    2020
  • 期刊:
    交通信息与安全
  • 影响因子:
    --
  • 作者:
    魏福禄;刘攀;李志斌;孙锋;郭永青;赵利英
  • 通讯作者:
    赵利英
青岛冬暖的气象水文学解读及成因分析
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    海岸工程
  • 影响因子:
    --
  • 作者:
    郭延良;熊学军;陈超;于龙;郭永青
  • 通讯作者:
    郭永青
根据漂流浮标资料对黑潮15m层流路及流轴特征的分析
  • DOI:
    --
  • 发表时间:
    2014
  • 期刊:
    海洋科学进展
  • 影响因子:
    --
  • 作者:
    于龙;熊学军;郭延良;郭永青
  • 通讯作者:
    郭永青

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码