“路怒症”已逐渐成为一种影响交通安全的社会问题，世界各国有关“路怒症”诱发交通事故的报道也层出不穷。国外相关研究表明，驾驶人产生愤怒情绪后，其感知、判断、决策与执行能力都会下降，最终影响其驾驶绩效，导致交通违规或交通事故的发生。但大部分的研究集中在愤怒诱导因素以及愤怒后的表现等方面，而且采用的实验手段主要是问卷调查。考虑到文化背景、生活方式或节奏、驾驶风格、交通素质或安全意识以及交通规则等方面的差异，国外的研究成果不能直接应用于我国国内的“路怒症”问题，而且目前鲜有有关驾驶情绪尤其是驾驶愤怒情绪检测等方面的研究。因此，针对上述问题，本书开展了如下研究工作：
（1）设计了愤怒驾驶模拟实验和实车实验。包括愤怒情绪诱导方法、实验场景、实验数据的采集种类、实验被试、实验要求与实验步骤等。
（2）建立了驾驶愤怒强度预测模型。基于驾驶人的个体、交通环境因素与驾驶人愤怒强度之间的相关性，建立了驾驶人愤怒强度预测（选择）模型，并基于敏感度分析，确定了对驾驶人愤怒情绪有决定性作用的诱导因素即年龄、气质（性格）与周围车辆的不文明驾驶行为，实现了对驾驶愤怒行为诱发机理的深度挖掘。可在实际驾驶培训和交通管控中对这些因素进行针对性的控制、改善和消除。
（3）研究了不同愤怒强度下的生理特征。采用多种时域或频域特征生成方法提取了不同愤怒强度下的生理特征，如BVP，ECG样本熵及EEG相对功率谱等。基于这些客观的生理指标，运用接受者操作特征曲线（ROC）分析方法确定了不同愤怒强度的最佳判别阈值，进一步完成了对不同驾驶愤怒强度的精确标定。(www.xing528.com)
（4）研究了不同愤怒强度下的驾驶行为特征。采用方差分析方法提取愤怒情绪下的驾驶行为特征即驾驶操作行为和车辆运行状态特征，如方向盘转角标准差、方向盘转角信号第1层小波系数标准差、加速踏板踩踏速度及车道位置标准差、加速度与横摆角速度标准差，等等。这些特征值均随着驾驶愤怒强度的增大而增大。
（5）建立了基于信息融合的驾驶人愤怒状态识别模型。本书综合考虑了驾驶人个体特征以及当前时刻诱发情绪的交通场景、刺激事件和驾驶环境因素，并采用SFFS特征选择算法从当前愤怒状态下的生理、驾驶行为等可观测指标中选择最优特征指标，建立了基于置信规则库的驾驶愤怒状态自适应识别模型，以提高驾驶愤怒强度检测的准确性。
基于本书的研究工作，今后可根据不同的愤怒强度，选用不同的干预措施。例如，当驾驶状态监测系统如ADAS（advanced driver assistant systems）检测到驾驶人处于低等愤怒状态时，可通过其人机交互接口释放舒缓的音乐或与驾驶人进行良性互动对话以平复其愤怒情绪。当系统检测到驾驶人处于中、高等愤怒状态时，其人机共驾系统可协助甚至接管驾驶人对方向盘、制动踏板或加速踏板的控制，以防驾驶人产生危险驾驶行为，有效降低“路怒症”对道路安全的影响。因此，本书研究结果可为实施情绪检测与干预的ADAS设计提供理论支撑。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
