愤怒驾驶行为的判断阈值及自适应识别方法研究成果

1.最佳阈值求解

依据4.5.1部分介绍的ROC曲线评价方法的三个特点，基于ROC曲线确定检测指标的最佳判别阈值主要包括以下三个步骤：

（1）基于检测指标在两种状态下的变化范围确定所有可能的判别阈值。

（2）计算每个可能的判别阈值对应的真阳率（TPR）和假阳率（FPR），作为组成ROC曲线的诊断界点的纵、横坐标。

（3）分别计算判别阈值数组中各判别阈值对应的Youden（Y）指数，确定Youden（Y）指数的最大值，并基于此最大Y值确定对应的判别阈值，此判别阈值为驾驶愤怒状态的最佳判别阈值。

下面以β波相对功率谱（β%）这一检测指标为例进行说明。驾驶愤怒等级1下β%的范围为[0.181 6，0.316 4]，而在愤怒等级0（正常驾驶）下β%的范围为[0.138 3，0.269 5]，因此，β%在两种愤怒等级下的变化范围为[0.138 3，0.316 4]，即所有可能的判断阈值的取值范围。依据判断阈值的变化范围，选取 0.000 5 作为判别阈值取值间隔，生成ROC曲线，并确定检测指标β%在区分驾驶愤怒等级1与0的最佳判别阈值，具体实现方法如图4-8所示。

图4-8　基于判别指标β%的ROC曲线绘制过程及最佳判别阈值确定流程

经图4-8所示的步骤绘制的基于β%的ROC曲线如图4-9所示。其中，纵坐标表示阳性样本中被正确判别为阳性样本的概率，即驾驶愤怒等级为1的样本被正确识别的概率；横坐标表示阴性样本中被错误判别为阳性样本的概率，即驾驶愤怒等级为0（正常驾驶状态）的样本被错判为驾驶愤怒等级为1的概率。根据图4-8中关于最佳判别阈值点的选取原则，图4-9中的H1点Y指数达到最大值0.588 9，即此时Y值对应的判别阈值点为最佳判别阈值点，即基于 β%的最佳判别阈值为 0.258 6，此时真阳率TPR（灵敏度）为81.03%，假阳率（1-特异度）为22.14%，同时，此ROC曲线下的面积AUC为0.807 2，即采用β%这一检测指标的平均判别准确率为80.72%。此外，值得注意的是，在图4-9的ROC曲线中，存在两个转折点N（0，0.1465）和L（0.8814，1），其中N点的特异度为100%，但灵敏度仅为14.65%，表示85.35%的驾驶愤怒等级为1的样本被错判别为等级为0的样本；L点的灵敏度为100%，特异度为11.86%，表示有11.86%的驾驶愤怒等级为0的样本被正确识别。因此，当诊断界点位于N，L这两点之间，即相应的判别阈值介于0.221 4与0.243 8之间，也表示被试的β波的相对功率谱（β%）位于此区间时，被试极有可能处于从正常驾驶状态（愤怒等级为0）到愤怒等级为1的过渡状态，预示驾驶愤怒检测系统应该提前给予某种干预以缓和驾驶人的愤怒情绪，阻止可能出现低强度的“路怒症”。

图4-9　驾驶愤怒等级1样本的β%判别检测ROC曲线

类似地，基于图4-8所示的ROC曲线绘制步骤，驾驶愤怒等级3和驾驶愤怒等级5下的β波相对功率谱（β%）判别检测的ROC曲线如图4-10所示。同样地，θ波相对功率谱（θ%）、血流量脉冲（BVP）、心电样本熵（ECG_SampEn）这三项生理指标判别检测三种驾驶愤怒等级（1，3，5）的ROC曲线如图4-11～4-13所示。进一步对这三种特征指标在不同愤怒等级下的ROC曲线下的面积AUC进行统计分析，统计结果如表4-15所示。从表4-15可看出，三种生理特征指标判别检测不同驾驶愤怒等级的ROC曲线面积AUC介于0.801 9与0.886 7之间，均在0.8以上，按照表4-14中有关ROC曲线评判标准，这四项生理指标即EEG_β%，EEG_θ%，ECG_SampEn和BVP均可作为识别不同驾驶愤怒等级的有效特征。其中ECG_SampEn在判别检测愤怒等级5时的AUC取得最大值0.886 7，表明该生理特征在识别5级驾驶愤怒的准确率最高。同时从表4-15还可看出，这四种生理特征指标可显著区分不同驾驶愤怒等级，因为其渐进显著性概率均满足p＜0.05。

图4-10　三种愤怒等级下的EEG_β%判别检测的ROC曲线

图4-11　三种愤怒等级下的EEG_θ%判别检测的ROC曲线

图4-12　三种愤怒等级下的BVP判别检测的ROC曲线

图4-13　三种愤怒等级下的ECG_SampEn判别检测的ROC曲线

表4-15　四种特征指标在不同愤怒等级下的AUC统计分析

表4-16　不同愤怒等级检测指标的最佳判别阈值以及判别准确率

从图4-10和表4-16可看出，基于特征指标EEG_β%检测1级、3级与5级驾驶愤怒的最佳诊断界点分别为点H1，H2，H3，对应的最佳判别阈值分别为：0.258 6，0.326 9，0.367 4；同时，该指标判别这三种驾驶愤怒等级的灵敏度（TPR）满足：TPR∈[0.8103，0.9052]，特异度（TNR）满足：TNR∈[0.7381，0.7786]。这说明，EEG_β%特征指标在检测愤怒等级为1，3，5时具有较高的判断准确率。类似地，从图4-11、图4-12、图4-13和表4-16可看出，基于特征指标EEG_θ%检测1级、3级与5级驾驶愤怒的最佳诊断界点分别为点H4，H5，H6，对应的最佳判别阈值分别为0.218 3，0.153 9，0.121 6；同时，该指标判别这三种驾驶愤怒等级的灵敏度（TPR）满足：TPR∈[0.7506，0.8009]，特异度（TNR）满足：TNR∈[0.8136，0.8348]。基于特征指标BVP检测1级、3级与5级驾驶愤怒的最佳诊断界点分别为点H7，H8，H9，对应的最佳判别阈值分别为：37.36，38.45，39.62；同时，该指标判别这三种驾驶愤怒等级的灵敏度（TPR）满足TPR∈[0.8015，0.8872]，特异度（TNR）满足：TNR∈[0.7565，0.7874]。基于特征指标ECG_SampEn检测1级、3级与5级驾驶愤怒的最佳诊断界点分别为点H10，H11，H12，对应的最佳判别阈值分别为：0.357 2，0.513 7，0.648；同时，该指标判别这三种驾驶愤怒等级的灵敏度（TPR）满足：TPR∈[0.8276，0.9173]，特异度（TNR）满足：TNR∈[0.7254，0.7639]。因此，EEG_θ%，EEG_β%，ECG_SampEn和BVP这四个特征指标在检测愤怒等级为1，3，5时具有较高的判断准确率。

因BVP，ECG_SampEn，EEG_θ%，EEG_β%这四项生理指标都随着驾驶愤怒强度呈现出一致的单调性，因此，基于表4-16显示的驾驶愤怒等级为1级、3级与5级的最佳判别阈值，可推导出基于四种生理特征的四种驾驶愤怒强度的最佳判别阈值范围[149]，如表4-17所示。从表4-17可得出：正常驾驶状态（无愤怒）的最佳判别阈值范围分别为：

0＜EEG_β%＜0.2586(www.xing528.com)

0.2183≤EEG_θ%＜1

0＜ECG_SampEn＜0.3572

0＜BVP＜37.36

低等愤怒强度驾驶状态的最佳判别阈值范围分别为：

0.2586≤EEG_β%＜0.3269

0.1539≤EEG_θ%＜0.2183

0.3572≤ECG_SampEn＜0.5137

37.36≤BVP＜38.45

中等愤怒强度驾驶状态的最佳判别阈值范围分别为：

0.3269≤EEG_β%＜0.3674

0.1216≤EEG_θ%＜0.1539

0.5137≤ECG_SampEn＜0.6481

38.45≤BVP＜39.62

高等愤怒强度驾驶状态的最佳判别阈值范围分别为：

EEG_β%≥0.3674

0＜EEG_θ%＜0.1216

ECG_SampEn≥0.6481

BVP≥39.62

因此，可采用基于EEG_β%，EEG_θ%，ECG_SampEn，BVP这四项生理指标特征的最佳判别阈值范围对不同的驾驶愤怒强度进行分级预警或干预。

表4-17　不同驾驶愤怒强度的最佳判别阈值范围

2.阈值有效性验证

为了验证求得的特征指标EEG_β%，EEG_θ%，ECG_SampEn与BVP对四种愤怒强度判别阈值的有效性，下面选用795组实验样本数据对该阈值进行测试评价，其中，有352个正常驾驶样本（none anger），210个低强度愤怒样本，155个中强度愤怒样本，78个高强度愤怒样本。评价指标除了4.5.1节介绍的TPR，FPR与AUC，本节将再引入三个广泛使用的评价指标即PPA，F1与Acc。其中，PPA（positive predictive accuracy）为阳性预测率，又被称为查准率；Acc（accuracy）为识别准确率；F1为综合衡量查全率，即TPR与查准率PPA的指标。这三项指标的计算公式为：

式中TP为真阳性样本个数；TN为真阴性样本个数；FN为假阴性样本个数；FP为假阳性样本个数。

标定结果如表4-18所示，从该表可看出，特征指标EEG_β%对四种愤怒状态的识别准确率（Acc）最高，达到80.21%，而BVP对四种愤怒状态的识别准确率最低，仅为73.64%。四种指标的准确率由高到低的顺序为：

通过表4-18还可看出，EEG_β%的其他判别效果指标如查全率（TPR）、查准率（PPA）以及F1在四种指标中是最高的。因此，EEG_β%对四种驾驶愤怒状态的识别效果要高于其他三种指标。在实际标定驾驶愤怒强度的过程中，可综合考虑这四种特征指标的阈值判别结果，具体标定过程见4.5.3部分。

表4-18　四种特征指标判定阈值的有效性验证结果