驾驶过程中因为情绪波动过大而造成的驾驶状态失常现象,如路怒症等,是导致道路交通事故的重要因素之一,甚至可能造成严重的人员伤亡.现有的情绪波动识别检测工作主要是基于视觉和生物信号传感器的检测手段.然而,基于视觉的方法具有视觉...驾驶过程中因为情绪波动过大而造成的驾驶状态失常现象,如路怒症等,是导致道路交通事故的重要因素之一,甚至可能造成严重的人员伤亡.现有的情绪波动识别检测工作主要是基于视觉和生物信号传感器的检测手段.然而,基于视觉的方法具有视觉阻塞或失真问题,基于生物信号的方法具有侵入性、隐私侵犯等问题,且其使用的设备也会带来不便或额外成本.本文提出一种新的基于WiFi信号的情绪波动识别框架WiDriver,以克服现有方法的不足.WiDriver首先通过菲涅耳区设计天线位置区域以达到最佳信号采集效果.其次,通过收集驾驶员油门与刹车动作的信道状态信息(Channel State Information)进行情绪识别系数计算,通过基于识别系数与LSTM的情绪判别器进行情绪波动识别.实验将WiDriver部署在商业WiFi基础设施中,并评估其在真实驾驶环境中的性能.实验结果表明WiDriver在真实场景中的平均识别率达到83.9%.展开更多
“路怒”会显著影响驾驶表现、增加交通事故风险。为了有效预防路怒的发生,研究人员已经开发出多种技术和方法尝试对路怒情绪进行准确识别和实时监测,这包括路怒特质与倾向测量、路怒状态的监测以及情感计算技术的应用。目前的监测技术...“路怒”会显著影响驾驶表现、增加交通事故风险。为了有效预防路怒的发生,研究人员已经开发出多种技术和方法尝试对路怒情绪进行准确识别和实时监测,这包括路怒特质与倾向测量、路怒状态的监测以及情感计算技术的应用。目前的监测技术已有长足发展,但仍存在一些局限和挑战,未来的研究需要综合利用个人特征和情景数据,并增加车内因素的权重分析。Road rage can significantly affect driving performance and increase the risk of traffic accidents. To effectively prevent the occurrence of road rage, researchers have developed various technologies and methods to accurately identify and monitor road rage emotions in real time, including the measurement of road rage traits and tendencies, monitoring of road rage states, and the application of affective computing technology. The current monitoring technology has made great progress, but there are still some limitations and challenges. Future research needs to comprehensively utilize personal characteristics and situational data, and increase the weight analysis of in-vehicle factors.展开更多
文摘驾驶过程中因为情绪波动过大而造成的驾驶状态失常现象,如路怒症等,是导致道路交通事故的重要因素之一,甚至可能造成严重的人员伤亡.现有的情绪波动识别检测工作主要是基于视觉和生物信号传感器的检测手段.然而,基于视觉的方法具有视觉阻塞或失真问题,基于生物信号的方法具有侵入性、隐私侵犯等问题,且其使用的设备也会带来不便或额外成本.本文提出一种新的基于WiFi信号的情绪波动识别框架WiDriver,以克服现有方法的不足.WiDriver首先通过菲涅耳区设计天线位置区域以达到最佳信号采集效果.其次,通过收集驾驶员油门与刹车动作的信道状态信息(Channel State Information)进行情绪识别系数计算,通过基于识别系数与LSTM的情绪判别器进行情绪波动识别.实验将WiDriver部署在商业WiFi基础设施中,并评估其在真实驾驶环境中的性能.实验结果表明WiDriver在真实场景中的平均识别率达到83.9%.
文摘“路怒”会显著影响驾驶表现、增加交通事故风险。为了有效预防路怒的发生,研究人员已经开发出多种技术和方法尝试对路怒情绪进行准确识别和实时监测,这包括路怒特质与倾向测量、路怒状态的监测以及情感计算技术的应用。目前的监测技术已有长足发展,但仍存在一些局限和挑战,未来的研究需要综合利用个人特征和情景数据,并增加车内因素的权重分析。Road rage can significantly affect driving performance and increase the risk of traffic accidents. To effectively prevent the occurrence of road rage, researchers have developed various technologies and methods to accurately identify and monitor road rage emotions in real time, including the measurement of road rage traits and tendencies, monitoring of road rage states, and the application of affective computing technology. The current monitoring technology has made great progress, but there are still some limitations and challenges. Future research needs to comprehensively utilize personal characteristics and situational data, and increase the weight analysis of in-vehicle factors.