驾驶情绪与驾驶倾向性均是近年来交通领域的研究热点内容,随着机动车以及机动车驾驶员数量的迅速增加,道路交通系统中人—车—环境矛盾冲突严重,使得交通事故频发,因此如何对驾驶员的驾驶行为进行分析并完善安全驾驶辅助系统成为交通领域研究的重中之重。驾驶员是具有认知活动与车辆操控能力的交通主要参与者,在交通系统各个环节中都具有重要作用,驾驶情绪与驾驶倾向性都是保证驾驶员驾驶安全的关键因素,典型驾驶情绪主要包括高兴、悲伤、愤怒、焦虑等情绪,而驾驶倾向性包括保守型、普通型、激进型等。本文从分析不同情绪下的驾驶数据入手,设计情绪诱导实验、模拟驾驶实验以及人因实验获取多源数据,结合深度学习模型及驾驶倾向性相关理论知识对驾驶倾向性进行动态分析及辨识,得出相应结论,这对于完善个性化的驾驶安全预警系统以及辅助安全驾驶系统具有重要意义。首先,综合使用驾驶倾向性调查问卷、多人交互模拟驾驶器、情绪维持时间记录量表、PsyLAB人因工程实验系统等进行信息采集,获得不同情绪下的驾驶员实验数据,对采集的驾驶行为数据、人因数据进行分析与处理;其次,建立基于配对样本T检验与改进熵值法的驾驶倾向性定量表示模型,并借助方差分析与箱型图对量化的驾驶倾向性进行动态分析,明确不同典型驾驶情绪下驾驶倾向性的动态转移规律,建立动态转移概率矩阵加以验证;再次,针对所有实验样本建立驾驶倾向性辨识模型,使用主成分分析进行特征参数提取后将含有时间序列的驾驶数据进行模型输入,并对含有典型驾驶情绪的驾驶数据进行驾驶倾向性识别;最后,提出一种考虑驾驶情绪强烈程度的驾驶倾向性动态辨识模型,以实验者个体为研究对象,使用BPTT算法对愤怒情绪下的驾驶倾向性类别进行短期预测,并利用朴素贝叶斯模型对驾驶倾向性进行实时辨识,分析出驾驶倾向性随驾驶情绪强烈程度变化而变化的趋势。结果表明,本文建立的驾驶倾向性定量表示模型可有效表示驾驶员的驾驶倾向性,可用于分析驾驶员在不同驾驶情绪下的驾驶倾向性变化情况。与此同时,建立的基于样本整体与考虑情绪强烈程度的驾驶倾向性辨识模型可准确识别不同驾驶情绪下的驾驶倾向性以及连续驾驶过程中驾驶倾向性的动态变化情况,辨识准确率较高。本文研究内容可进一步丰富驾驶员驾驶倾向性相关理论研究,对实现驾驶安全预警及完善车辆安全辅助驾驶系统均具有重要意义。