交通替代攻击问卷的修订与信效度检验

目的 修订交通替代攻击问卷并检验其在我国驾驶员群体中的信效度.方法 采用交通替代攻击问卷对317 名驾驶员进行施测,共获得 305 份有效问卷.通过分析后得到修订版的中国交通替代攻击问卷.结果 修订后的交通替代攻击问卷共保留 24 个题目,累积方差贡献率 56.278%;该问卷的模型拟合度较好(GFI =0.870,IFI =0.920,TLI =0.911,NFI =0.860,CFI =0.919,RMSEA =0.062,χ2/df =2.148,SRMR = 0.045).问卷总的内部一致性系数为0.894,问卷各维度的内部一致性系数在0.677~0.936.问卷各维度与总分的相关系数在0.588~0.845 之间,且相关显著.问卷各维度与亲社会和攻击性驾驶行为量表之间部分相关显著,说明修订后的问卷具有良好的相容效度.结论 修订后的交通替代攻击问卷信度和效度较好,可以作为测量我国驾驶员交通替代攻击的一个可靠而有效的工具.

高温环境对驾驶行为的影响研究

目的为了探究高温环境对出租车驾驶人驾驶特征中不良情绪状态以及风险驾驶行为的影响,及其与个人属性的交互性作用机制。方法选取182名出租车驾驶员进行问卷调查,采用t检验等数理统计方法分析高温环境与出租车驾驶人的不良情绪及风险驾驶行为之间的关系,并建立中介效应模型检验高温环境下驾驶人属性、情绪状态以及风险驾驶行为三者之间的内在联系。结果(1)高温实验组的驾驶人紧张、愤怒、活力、疲劳情绪得分和风险驾驶行为频率显著高于对照组。(2)高温环境下不良情绪状态在驾驶人属性与风险驾驶行为之间中介效果为0.378,部分中介效应显著。结论(1)高温环境对驾驶人不良情绪、风险驾驶行为产生显著影响。(2)高温环境可促使驾驶人的不良情绪在驾驶人属性与驾驶行为之间中介作用显著。

汽车驾驶愤怒情绪研究现状与展望

系统分析愤怒驾驶的研究方法和研究难点,从汽车驾驶人愤怒情绪产生的情景、汽车驾驶人愤怒时的表现或行为、汽车驾驶人愤怒情绪对交通安全的影响、汽车驾驶人愤怒情绪识别4个方面介绍汽车驾驶人愤怒驾驶的研究进展,以及国外汽车驾驶人愤怒驾驶研究的方法和工具。提出研究汽车驾驶人愤怒情绪应该重点关注样本的选择和研究方法的突破,并对发展趋势进行了展望:准确识别汽车驾驶人开车中的愤怒情绪,预测愤怒下的驾驶人开车可能产生的不安全行为,如何有效地管理愤怒驾驶,消除驾驶人在行车中的愤怒情绪,避免或降低愤怒驾驶对交通安全的影响。

汽车驾驶愤怒研究进展

为全面认识驾驶人在愤怒情绪影响下的驾驶特征,回顾、分析了国内外学者在驾驶愤怒与攻击性驾驶的关系、驾驶愤怒影响因素、量表开发与应用及驾驶愤怒相关干预措施的实施等4个方面的研究成果。结果表明:驾驶愤怒的诱发受人口学、心理和环境因素的共同影响,驾驶愤怒在某种程度上会导致攻击性驾驶。驾驶愤怒量表(DAS)、驾驶愤怒表达量表(DAX)和驾驶愤怒倾向量表(PADS)被广泛用于驾驶愤怒的测量,用多种心理训练对驾驶人进行愤怒干预,尽管有一定的效果,但干预对象和方法均较为单一。总体上,众多学者使用相关问卷研究了驾驶人从愤怒情绪的诱发到表达的整个过程,并通过驾驶愤怒预测风险驾驶行为特征,研究内容不断丰富和完善,方法不断创新;对于如何有效减少或避免驾驶愤怒对交通安全的影响,未来应从驾驶人文化背景、交通模式、结合生理和心理特性的干预方法等方面重点考虑。

基于脑电信号的驾驶员情绪状态识别研究

为研究驾驶员情绪状态识别技术,利用特定题材的影音氛围诱发兴奋和悲伤2种情绪,结合汽车模拟驾驶试验采集驾驶员情绪化驾驶时的脑电信号,利用db5小波分解算法分解信号,提取受情绪状态显著的脑电信号成分,并计算相应的功率谱。结果表明:驾驶员左右额叶区脑电β波受情绪状态影响显著;平静状态时,驾驶员左右额叶脑电β波功率值Pβ大小近似,数值较小;兴奋状态时,左右额叶脑电Pβ大小近似,相比于平静时显著增加;悲伤状态时,左额叶脑电Pβ显著增加,右额叶脑电Pβ相比于平静时无显著变化。Pβ可作为区分驾驶员平静(平常)、兴奋和悲伤这3种情绪状态的依据。

修订版驾驶愤怒量表在中国驾驶人中的效信度分析

修订中国版驾驶愤怒量表,并检验其在中国驾驶人群体中的效度和信度。采用翻译后并新加入或删除部分题项的驾驶愤怒量表对职业和非职业驾驶人进行测试,共获得有效问卷232份,并通过项目分析、探索性因素分析和效信度分析,完成最终量表的修订。修订后的驾驶愤怒量表包括20项,由交通障碍、无礼驾驶、违规驾驶和低速驾驶4个因素组成;量表各因子与总量表之间的相关系数在0.64~0.84之间,P〈0.01,体现了较好的效度。总量表的内部一致性系数达到了0.90,并且各因素内部一致性均在0.75~0.81,具有较好的稳定性;年龄与违规驾驶得分和交通障碍得分呈负相关（r=-0.14,-0.15）;驾龄与低速驾驶得分呈负相关（r=-0.14）;去年行驶里程数与交通障碍得分、违规驾驶得分、低速驾驶得分和总量表得分均呈现负相关（r=-0.22,-0.38,-0.25,-0.24）;总驾驶里程数与交通障碍得分、违规驾驶得分、低速驾驶得分和总量表得分均呈现负相关（r=-0.20,-0.36,-0.21,-0.26）;非职业驾驶人的违规驾驶得分和低速驾驶得分高于职业驾驶人,均P〈0.05。修订版的驾驶愤怒量表符合中国驾驶人文化背景和驾驶习惯,体现了良好的效度和信度,可以用来作为评估驾驶愤怒和后续驾驶行为研究的测量工具。

基于驾驶行为的驾驶愤怒表现量表研究

对456名驾驶人的调查数据进行了因子分析,得到一份有21个项目的驾驶愤怒表现量表(Cronbachα=0.861),量表包括操作强度、操作频率、言语攻击、对车发泄、自我调节5个可靠的分量表,子量表的信度系数(Cronbachα)在0.667～0.894之间.除自我调节子量表外,其余各子量表彼此显著正相关.并通过比较月收入不同的驾驶人驾驶愤怒表现得分平均数对量表的结构效度进行了检验.研究结果表明,本量表具有较高的信度和效度,符合心理测量学标准.

基于结构方程模型的公交驾驶员负性情绪驾驶下工作状态的影响因素分析

为减少公交驾驶员负性情绪下消极驾驶造成的交通事故,基于结构方程理论,选取了工作环境、个人属性、心理特性、综合压力以及感知水平5个指标,构建了影响公交驾驶员负性情绪驾驶下工作状态的结构方程模型,并定量分析了各影响因素之间的关系以及对驾驶员工作状态的作用大小。结果表明:工作环境、个人属性、心理特性以及感知水平对驾驶员负性情绪驾驶下的工作状态具有正向影响,综合压力具有反向影响,其中工作环境的总影响效应最大(0.97)。

氛围灯色彩对驾驶情绪安抚作用的设计研究

目的不良的驾驶情绪易使驾驶员产生不利于驾驶的行为,文章通过缓解不良驾驶情绪提升驾驶安全系数。方法结合语音情感识别对驾驶情绪进行捕捉,以问卷调查法进行驾驶员关于色彩与情绪的关系评定,通过皮电实验和主观情绪量表获得客观数据。结果建立了色彩情绪维度模型,各种色彩在驾驶环境中对情绪的安抚作用的不同效果。结论合理的车内灯光跳转对不良驾驶情绪具有缓解作用。

驾驶人个体因素对驾驶愤怒情绪影响关系研究

国内外研究表明,对驾驶人的愤怒情绪产生的影响因素进行分析对提高交通安全性有着十分重要的现实意义和价值。对22名志愿者采用给定任务法开展了实车实验,要求2h内完成指定路线的驾驶任务。驾驶过程中要求被试者实时汇报其愤怒等级并进行记录,同时实验车还采集了相关的数据。采用SPSS以及Excel软件对数据进行处理发现:男性驾驶人在驾驶过程中产生愤怒情绪的概率要高于女性驾驶人;年长驾驶人出现驾驶愤怒情绪的概率显著高于年青驾驶人(spearman相关系数为0.618,显著性水平为0.02<0.05);而随着驾龄的增加驾驶人平均愤怒等级逐渐降低(spearman相关系数为-0.676,显著性水平为0.001<0.05)。同时还发现不同驾照类型对驾驶愤怒情绪也有着较大的影响。

风险驾驶情境下道路广告对驾驶行为特性的影响

以情感道路广告为切入点,应用驾驶模拟系统实验平台及眼动仪,研究了在模拟风险驾驶情境下,被试驾驶人由情感道路广告引起的驾驶注意力分散及风险特性.分析了风险情境下被试在相同安全速度的控制条件下对消极、中性、积极三类情感道路广告的注视时间、制动反应时间和行驶轨迹偏差等与安全相关参数的变化趋势,研究被试在不同类别广告下的风险驾驶行为特征.结果表明,在相同安全速度的控制条件下,消极情绪广告引起的注视总次数和总注视时间最大,对驾驶人注意力的影响最大;中性广告对驾驶人注意力的影响较小,驾驶人行驶轨迹较为稳定,且在风险驾驶情境下具有更快的反应时间.

公交驾驶员驾驶愤怒量表的编制及初步应用

为探究公交驾驶员的驾驶愤怒诱因,基于原始驾驶愤怒量表和客运驾驶员驾驶愤怒量表,经过访谈设计公交驾驶员驾驶愤怒量表,并在广东省内回收210份有效数据;通过项目分析、探索性因素分析和信效度分析修订量表;通过皮尔逊相关分析和独立样本t检验初步分析调查数据。结果表明：修订后的量表有较好的信效度,由23个题项组成,包括利己行为、缓慢驾驶、交通阻碍、违规驾驶和无礼行为等5个因子,其中利己行为平均得分最高;近2年发生过交通事故与因违章被处罚过的驾驶员缓慢驾驶得分显著较高;除缓慢驾驶外的所有因子得分与公交驾龄显著正相关;利己行为和无礼行为得分两者与每天平均工作时长显著正相关。

汽车驾驶人的情绪诱发与识别研究综述

交通事故的原因可以用不同的方法和细化等级来描述,概括而言是人、汽车、环境三者之间交互作用的结果,而人以及人与外部环境的组合是最重要的影响因素。当试图揭示危险驾驶的本质时,情绪作为交互过程中的一个重要组成部分是不容忽视的。通过介绍基础的情绪诱发机理和情绪识别技术,来梳理总结情绪诱发与识别研究的理论基础和研究进展。分析驾驶人的情绪诱发机理及其与危险驾驶的关系,从而阐述驾驶人情绪诱发的特殊性以及对其进行研究的重要性。讨论驾驶人情绪检测识别的研究趋势和情绪调节的策略,可为相关系统的设计提供参考,为保障驾驶安全和提升驾驶体验提供帮助。

非机动车驾驶人愤怒情绪及行为对交通安全影响分析

为了从非机动车驾驶人角度考虑愤怒情绪对交通安全的影响,编制非机动车驾驶人愤怒量表(the DAS for Cyclists,CAS),通过量表调查的数据结果,对量表的信度效度进行分析;以及对非机动车驾驶人愤怒行为与违规频率建立有序回归(Ordinal Regression)和多项Logistic回归模型,分析了模型的拟合度和显著性,并对愤怒情绪对非机动车驾驶人交通安全影响程度进行描述性统计分析。结果表明:CAS量表克朗巴哈系数(Cronbach'sα)0.812,KMO(Kaiser-Meyer-Olkin)=0.813,Bartlett球形检验的卡方近似值(Approx.Chi-Square)=531.519,P=0.000<0.005,该量表具备较高的信度和效度。愤怒行为(骑行途中的跟车距离远近、埋怨激怒自己的司机的频率)与违规频率存在相应的回归关系,且成正相关,非机动车驾驶人愤怒情绪及其行为对交通安全影响较大,与个体生理心理特征也有很大相关性。

多维度交通心理控制源量表的修订及信效度分析

目的修订多维度交通心理控制源量表及检验其信效度。方法两次随机选择了700名驾驶员,被试依次完成了多维度交通心理控制源量表和驾驶行为量表。结果修订后的多维度交通心理控制源量表共16个项目,分为其他驾驶员、自我、车辆和环境、命运4个维度。量表总的信度是0.87。各因素与量表总分的相关系数都在0.55以上,且P<0.01,表明量表的内容效度较好。结论修订后的多维度交通心理控制源量表信效度良好,可以做为测量我国驾驶员心理控制源的一个工具。

表情变换时序特征下的驾驶人情绪识别研究

针对现有驾驶人情绪识别方法存在的识别实时性不足、识别精度较低等问题,提出一种表情识别及其时序情绪表达的驾驶人情绪识别方法。首先,建立VGG Lite驾驶人表情识别模型,在传统VGG Net模型结构上,通过改变卷积层堆叠结构以大幅减少模型的参数量,修改激活函数以增强模型对人脸表情中细节特征的表达能力,并在模型中增加性能优化层来提升模型的收敛性和泛化性。其次,分析表情时序变化与情绪状态之间的关系,研究时间序列演变的情绪表达方式,设计了包含表情时序转化、表情-情绪量化映射和时序情绪表达的驾驶人时序情绪识别方法。然后,采用Fer2013数据集,将所提出的VGG Lite驾驶人表情识别模型与其他模型进行比较验证,证明了该模型不仅可以保持高识别准确率,还有效降低了模型参数量,从而提高了识别速度,此外,采用自制数据集识别表情获得了98.8%的高准确率,证明了该模型能有效识别不同驾驶情境中的驾驶人表情。最后,以公交车驾驶人情绪识别为例对提出的时序情绪识别方法进行试验验证,结果表明,该方法能够准确识别驾驶人各种表情转换下的复杂情绪状态,平均识别率高于95%,比单帧情绪识别方法提升5%以上,每帧图像的情绪识别耗时平均低于0.03 s,每秒平均识别超过10帧,满足交通驾驶情绪识别的实时性要求。所提方法能够及时、准确地评估驾驶人的情绪状态,为提高交通系统整体安全性和效率提供了更有效的手段。

基于积极性维度的公交车驾驶员驾驶行为量表修订

目的公交驾驶员驾驶行为与交通事故的发生息息相关,修订公交车驾驶员驾驶行为量表,系统考察公交车驾驶员驾驶行为特点,提升道路安全。方法在全国分两次随机选取840名公交车驾驶员作为样本。样本1(n=411)用于探索性因素分析,样本2(n=411)用于验证性因素分析。结果修订后的驾驶行为量表共34个题目,5个维度,各维度信度较好,在0.73~0.87;量表各维度与驾驶风格量表各维度的相关显著,表明量表的相容效度较好。结论公交车驾驶员驾驶行为量表与驾驶风格量表各维度之间相关显著,量表相容效度良好。

基于反向传播神经网络的驾驶人人际与情绪危险性模型

为评价和研究驾驶人的人际关系质量对安全驾驶的影响,利用情绪状态可测定的特性,采用反向传播(BP)人工神经网络工具,建立人际-情绪危险性网络模型,并利用530个情绪与人际关系的有效样本作为建模样本占总样本量的80.7%,127个样本作为测试样本,反复对模型进行学习和训练,分别取得了建模样本68.3%的正确率,测试样本70.1%的正确率。研究结果表明:利用BP神经网络建立的人际与情绪危险性模型,在系统关系不明确的状态下仍能达到较为理想的评价结果,可以作为驾驶人尤其是职业驾驶人安全管理和自我检测的有效手段。

基于ROC曲线和驾驶行为特征的驾驶愤怒强度判别阈值

为了对"路怒症"进行分级预警,提出了一种基于驾驶行为特征的愤怒强度判别阈值求解方法。通过在交通繁忙路段开展限时实车试验获得不同愤怒强度下的驾驶行为数据。基于方差分析选用方向盘转动角速度(SWRAR)、加速踏板踩踏速度(SGP)、横向加速度(LA)作为驾驶愤怒判别指标。运用接受者操作特征(ROC)曲线分析方法求得4种愤怒强度的最佳阈值范围分别为:正常状态0≤SWRAR<1.8863,0≤SGP<0.3974,0≤LA<0.1362;低强度愤怒1.8863≤SWRAR<2.3241,0.3974≤SGP<0.5054,0.1362≤LA<0.1559;中强度愤怒2.3241≤SWRAR<3.0835,0.5054≤SGP<0.6142,0.1559≤LA<0.1754;高强度愤怒SWRAR≥3.0835,SGP≥0.6142,LA≥0.1754。验证结果表明,此驾驶行为特征阈值的准确率可达79.42%。本文研究结果可为驾驶愤怒分级预警系统的开发提供理论支撑。

基于前额脑电多尺度小波对数能量熵的驾驶疲劳检测分析

为研究脑机接口(BCI)在交通运输中的应用,减少因疲劳驾驶导致的交通安全事故,提出基于前额脑电(EEG)信号多尺度小波对数能量熵的驾驶疲劳检测方法。首先,设计驾驶仿真模拟试验,利用脑电帽采集26名被试清醒驾驶和疲劳驾驶的前额EEG信号,试验过程中,使用主观检测方法每隔20min对被试进行问询;其次,应用MATLAB对采集到的EEG数据进行预处理,基于2种驾驶状态形成被试初始样本数据集;进而,在该数据集基础上,利用多尺度熵的概念,提取EEG信号小波对数能量熵(WLE)特征,同时提取经典模糊熵(FE)特征进行比较分析;然后,运用极限学习机(ELM)对提取的特征数据集进行快速有效的精准分类,并使用留一交叉验证法进行验证评估;最后,对比经典FE分类表现,并结合多种性能指标对驾驶疲劳检测结果进行综合比较。研究结果表明:在本文试验条件下,基于多尺度WLE(MWLE)的前额EEG疲劳识别率显著高于基于多尺度FE(MFE)的识别率,其理论平均正确率达91.8%;基于多尺度熵的EEG信号特征提取方法能有效提高驾驶疲劳识别效果和算法效率;多种性能指标表明前额EEG的WLE可以作为衡量驾驶疲劳的有效生理指标;结果验证了采用基于ELM对MWLE的前额EEG信号进行驾驶疲劳检测方法的有效性和实用性,有助于促进可穿戴BCI在疲劳驾驶预警中的应用。