一种交通虚拟仿真中的驾驶员情绪感染模型

刘婷婷，刘箴，陆涛，刘翠娟，柴艳杰



一种交通虚拟仿真中的驾驶员情绪感染模型

刘婷婷，刘箴*，陆涛，刘翠娟，柴艳杰

(宁波大学信息科学与工程学院，宁波 315211）

如何高效应对各类交通突发事件，提高交通应急管理能力己引起社会各界的广泛关注。交通虚拟仿真技术可以为城市突发事件应急预案制定提供直观的参考。目前城市交通拥堵日益严重，容易引发驾驶员消极情绪，在一定的情境下容易导致群体性事件。本文总结了情绪感染研究的相关工作，构建了一个道路拥堵的虚拟情景，采用智能体理论，提出了个体在情绪影响下的行为描述。根据人群中是否存在交通警察，提出了驾驶员的情绪感染模型，开展了虚拟仿真实验，结果表明，驾驶员的消极情绪不仅与初始的情绪分布有关，也与驾驶员的个性和交通警察的数量和分布位置相关。控制驾驶员的消极情绪是避免交通群体性事件的一种重要手段。

虚拟仿真；情绪感染；交通虚拟；应急管理；智能体

引言

随着城市车辆数量的迅速攀升，交通拥堵已经成为一个严重困扰我国城市发展的现实问题。调查显示，在交通拥堵时，很多驾驶员处于消极情绪状态，他们通过鸣笛、叫骂等方式表达消极情绪。这些消极情绪相互感染易引发抢占车道、群体对抗等交通突发事件。在已有的交通应急研究中很少关注驾驶员的情绪感染研究。实际上，情绪感染在交通突发事件的事态发展进程中扮演着重要的角色。

由于城市空间条件限制，对交通突发事件缺少应急演练，对可能发生的事件情景缺少形象的描述手段。随着近年来智慧城市建设理念的普及，利用信息技术提升现有交通应急管理模式成为大势所趋。为了更好地解决目前交通应急处置对快速响应的要求，有必要采用虚拟现实技术，充分整合城市的三维空间地理信息，为指挥中心建立一个形象直观的交通应急可视化操作平台。采用虚拟仿真技术辅助交通突发事件应急演练具有重要现实意义，通过模拟突发事件情景，可以直观辅助管理者发现可能的交通安全风险，为交通执法的培训提供形象的辅助工具。

本文选择了一个典型道路设置障碍的虚拟情景，提出了一种驾驶员情绪感染模型，模拟可能的拥堵情景，为建立虚拟交通应急培训提供一种新思路。

1 相关研究概述

Ortony 等人建立了一种基于认知的情绪理论。该理论认为情绪是智能体的认识评价，按照每种评价的结果划分，针对特定对象的评价，情绪具有“正面”或者“负面”两种类型[1]，该理论为智能体情绪计算提供了理论依据。Hatfield 提出了情绪感染的概念和描述[2]，他们认为智能体在交互过程中，自动和持续地模仿他人的面部表情、声音、姿势、动作和行为等，并倾向于时刻捕捉他人的情感，把这一过程称为情绪感染。但是他们的研究只停留在概念和定性描述上，缺少可计算的手段。在智能体的群体模拟中，每个智能体应该具有独一无二的个性，Durupinar等提出了智能体群体模拟中采用OCEAN个性模型的方法，能够有效提高人群行为的真实感[3]。OCEAN的每个字母代表的含义分别为：开放性（openness）、公正性（conscientiousness）、外向性（extraversion）、和悦性（agreeableness）、神经质（neuroticism）。Bosse最早提出基于热力学的ASCRIBE模型[4]，采用多智能体的方法模拟群体情感，是一种自底向上的方法。它的基本原理类似散热现象，邻近的物质以每一物质所特有的比率将能量转移给对方。每个智能体都具有接收和发送情感的能力，但不同的智能体的接收和发送情感的能力有差异。Tsai等在ASCRIBE模型的基础上提出ESCAPE模型，将智能体分为家庭、旅游者、权威人士三类，以仿真方式模拟机场疏散中的情绪感染过程，实验表明家庭的数量、权威人士的数量和社会比较都能影响情绪的感染[5]。Durupinar模型是基于流行病学的模型[6]，是一种概率阈值模型。该模型将智能体类型分为易感染（susceptible）和已经感染（infected）两种，智能体类型智能体的初始情感强度遵守预先定义的对数随机分布。每次感染智能体生成一定量的情绪值，当智能体接收的情绪值累计到一定程度超过阈值则成为infected状态。这两种情绪状态并不是一成不变的，两种状态可以根据接收情绪值的多少在一定程度上互相转换。情绪感染过程与多种因素有关，其中主要因素包括人群的初始情绪强度、事件强度、接受者的接受能力、信息的公开性等多方面。比如Lhommet等生成一个危机模拟系统，通过情绪感染中的个体行为分析群体行为，以OCEAN模型为理论基础，结合个体个性和关系提出通用的情绪感染模型，主要贡献是分析影响情绪感染的个体个性参数[7]。刘箴等人在2013年提出了基于拥挤人群的情绪感染模型，该情绪感染模型分析了在拥挤状态下人群的情绪变化和行为特征（如人群的跌倒行为），通过对人群的仿真分析可以得出，群体中的消极情绪会引起恐慌行为，为了避免造成群体消极情绪的扩散，可以引入管理员管理人群，降低人群恐慌程度[8]。

近几年来，一些学者开始关注驾驶员的驾驶行为对车辆行为的影响。2013年，Lu等人提出一种A2R模型，在原有的AR模型的基础上增加了驾驶员的预测以及反映事件等，使其更加接近真实的交通状况[9]。2014年Lu等人又从心理学角度出发，在IDM模型的基础上，为每个车辆个体引入不同驾驶员的性格特征，使每个车辆具有不同的行为表现，通过模拟城市交通，研究不同性格特征对车辆驾驶行为以及整个车流的影响情况[10]。但是，这些研究都是直接针对汽车的行为，而没有很好的考虑驾驶员的情绪。文献10虽然考虑了驾驶员的心理和个性特征，但是这种心理和个性在仿真中是固定不变的，并没有考虑到车辆在行驶过程中驾驶者的情绪和驾驶行为的变化。Bryan Higgs、Montasir Abbas等人研究了一种汽车模型，研究者通过调研分析及数据统计结果表明，驾驶者的情绪对驾驶行为有着重要的影响[11]。

但是，汽车的情绪感染不同于人体的情绪感染，驾驶者在驾驶汽车过程中，会受到汽车的驾驶环境以及汽车的驾驶规则的影响，现有的行人情绪感染模型难以应用到车辆的情绪感染仿真中，目前还未发现关于汽车的情绪感染研究。因此本文重点关注驾驶过程中汽车的情绪传播过程以及所导致的驾驶行为动画。

在应急管理研究中，范维澄院士系统地论述了突发事件应急管理中的科学问题，指出了应急心理与行为的研究侧重点[12]。邱晓刚和王飞跃等专家，提出了基于“情景-应对”的应急管理平台框架[13]-[15]。汪秉宏等开展过人类行为动力学研究[16]。马庆国等开展过决策的神经机制研究[17]。廖东升等提出了一种基于心理调查的人群心理仿真模型[18]，郑小平等提出了一种群体疏散仿真模型[19]。孙多勇采用前景理论描述个体行为决策方法，建立了个体灾害恐惧感知模型[20]。

2 车辆情绪感染模型

2.1 情绪分类

将车辆视为一个智能体，能够感知前方和后方，其中后方的感知范围设定在一辆车的距离。假设拥堵发生在十字路口，大量行人闯红灯，造成大量车辆拥堵。假设驾驶员在等待时间超过信号灯转换时间后，消极情绪开始增加，积极情绪开始下降。本文中，积极情绪主要表现为驾驶员耐心等待，遵守交通规则；消极状态则是表现为不遵守交通规则的行为。同时，在车辆拥塞的情境下，有交通警察对交通进行疏通处理，其主要是为了避免出现更为严重的拥塞现象。而交通警察相当于一个积极情绪源，他会将拥塞车辆的消极情绪逐渐恢复为积极情绪，最终是群体处于积极的情绪状态，从而保证城市交通道路的安全驾驶。

2.2 无交通警察情况下的情绪感染

在没有交通警察情况下，一旦发生交通拥堵的情况下，由于车辆的等待时间较长，汽车智能体由此产生了消极的情绪，并随着时间的推移，消极情绪会越来越强烈。同时在其周围的其他汽车智能体也会受到消极情绪的影响，其自身的情绪也会逐渐变得消极起来。为了模拟仿真拥塞情况下汽车智能体的情绪变化过程，需要考虑如下两个方面：

（1）自身的情绪变化

汽车智能体的自身的情绪变化主要是在两种情况下发生变化：汽车停车等待和汽车启动过程。汽车在停车等待过程中，由于等待时间过长，导致自身产生了消极的情绪，积极情绪在不断的减少，因此此时的情绪变化主要受到等待时间的影响。汽车智能体的情绪增长量如下：

(2)

汽车开始启动后，正常情况下，汽车智能体的积极情绪开始增加，消极情绪则开始减少。此时智能体的情绪则主要受到汽车的加速度所影响，当汽车的加速度达到最大加速度时，智能体的积极情绪增量也达到最大，消极情绪增量则是最小。此时汽车智能体自身的积极情绪值增量为：

（2）周围汽车智能体的情绪感染

在获取周围汽车智能体的情绪值之前，我们首先将周围汽车分为三种类型：左边车道汽车；本车道汽车和右边车道汽车。当车辆发生拥塞后，当前车主要受到左车道，本车道和右车道的智能车的情绪影响。但考虑如下情况：当左车道由于道路疏通，左车道的汽车智能体的积极情绪值逐渐增大，而本车道还未疏通，仍然拥塞，此时本车道的积极情绪值应该随着左车道积极情绪值的增大而逐渐减小。这是由于驾驶员会受心理影响：由于左车道疏通，导致本车道的驾驶员对左车道产生了“嫉妒”心理，从而恶化了积极情绪。而当左车道积极情绪值减小，消极情绪值增大时，本车道还是受到消极情绪影响，只是相对于上一种情况而言，影响的力较小。同理，对于右车道而言，它对本车道中的智能体的情绪影响跟左车道类似，这里不再重复叙述。对周围汽车智能体进行划分的另一个目的是为后续汽车智能体换道提供了理论依据。当智能体产生了“嫉妒”心理，极端情况下会产生强行便道的行为，智能体选择便道的依据就在于本车道的积极情绪值小于两边车道的积极情绪值，至于具体选择哪一边进行换道，则根据两边的积极情绪值和消极情绪值的大小进行决定。

(4)

(5)

(7)

(8)

(10)

(12)

(15)

(17)

2.3 有交通警察情况下的情绪感染

通常而言，当城市交通出现拥塞状况时，在有交通警察的拥塞情况下和无交通警察管理车辆的情况下，前者的消极情绪值相对于后者较小，这是因为交通警察可以有效的抑制消极情绪的传播，使驾驶员的情绪尽量保持在积极的情绪范围内。因此，本文假设交通警察是一个带有积极情绪源的智能体，他在汽车智能体中传播，而且交通警察智能体的积极情绪值保持不变为，本文取值为0.8。当交通警察智能体进入汽车智能体的感知范围后，该汽车智能体的情绪增量为：

上述公式表明，当汽车智能体与交通警察之间积极情绪的差值较大时，汽车智能体将获取更多的积极情绪，此时表明交通警察重点关注此类汽车智能体的情绪变化；当汽车智能体与交通警察之间积极情绪的差值较小时，汽车智能体的积极情绪变化量较小。表明交通警察对此类汽车智能体不需要过多的关注。

3 实验结果及分析

限于篇幅，本节只介绍其中的部分实验结果，以交通路口堵车引发驾驶员情绪感染为虚拟情景，考虑车辆具有不同的情绪初始值，随着等待时间的变化，每个驾驶员的消极情绪上升，并可能出现情绪感染现象，汽车智能体情绪的积极状态、不稳定状态、消极状态分别用绿色、黄色、红色表示，通过颜色的变化，可以直观展现群体的情感变化。

3.1 无交通警察情况下的情绪变化实验

仍采用上述程序，本文考虑汽车智能体中消极情绪智能体的个数对群体所造成的影响。表1为60个汽车智能体中初始状态为消极状态的智能体个数，对这些初始状态为消极状态的智能体进行情绪统计并平均，得到如图1所示的曲线图，其中横坐标为时间轴，纵坐标为平均消极情绪值。

表1 初始状态为消极情绪智能体的分布

状态消极状态智能体数量所占比例/% a711.7 b1525 c2236.7 d3050 e3761.7 f4575 g5286.7

图1 汽车智能体的消极情绪值

图1表现了在不同的初始状态下，汽车智能体的情绪变化趋势。从图中可以看出，曲线a和曲线b在60辆汽车智能体中所占的比例较小，因此随着时间的推移，汽车智能体的情绪将逐渐从消极情绪转变为积极情绪；而且，当初始状态下，消极状态的汽车智能体所占的比例增大时，汽车智能体从消极状态转变为积极状态所需要的时间也将增加，如曲线b；当比例进一步增大时，将会导致整个汽车智能体的情绪状态由积极状态转变为消极状态，消极情绪值夜开始增大，曲线c、d、e、f、g则表现了这种现象；同时随着这种比例的增大，汽车智能体消极情绪变化会越来越快。这里需要指出的是，当消极状态智能体的比例达到36.7%时，整个汽车智能体的消极情绪就开始发生变化，这是由于在等待的过程中，汽车智能体本身会产生消极情绪，从而导致了消极情绪发生变化。

3.2 有交通警察情况下的情绪变化实验

随着消极情绪的传播，需要调遣交通警察协助管理交通安全，交通警察可以有效遏制消极情绪的传播，并通过安抚汽车智能体，最终使局部的汽车智能体的消极情绪降低至安全水平，如图2（a）和（b）所示。图3显示了汽车智能体消极情绪值的变化曲线。

（a）局部汽车智能体情绪变积极

（b）汽车智能体的情绪状态全局图

图2 交通警察管理拥堵交通

图3 消极情绪值变化曲线

图3中有个明显的消极情绪值变化，该处就是交通警察进入了拥堵的汽车智能体，通过交通警察的管理，可以有效的遏制消极情绪的传播和扩散。

然而在图3中明显发现，单个交通警察的管理范围非常有限，他只能控制局部的汽车智能体的情绪变化，因此说明交通警察所处的位置也会对情绪变化产生影响，如图4所示，交通警察所处的不同位置，其周围汽车智能体的情绪也相应的发生了变化。

图4 交通警察在不同位置管理拥堵交通

进一步研究交通警察在交通管理中的作用，增加交通警察的数量如图5所示。由图6所得的曲线图可知，引入的交通警察数量越多，消极情绪的平息速度也会越快。其中图中的变化曲线是均是汽车智能体00029的消极情绪变化曲线。

图6 消极情绪变化曲线受警察数的影响

4 结语

交通道路拥堵给城市居民出行生活造成了极大的影响，因此对城市交通中车辆拥堵状态的行为仿真研究具有非常重要的现实意义。采用交通仿真技术对城市汽车在道路拥堵状态下的各种极端状态和异常行为进行模拟仿真，从而帮助交通管理者找出对应的应急处理方案。当城市交通发生拥塞现象，驾驶员的情绪将会发生转变，容易产生“急躁”、“不安”等消极情绪，而驾驶者之间的情绪变化容易影响到交通拥堵事态的发展趋势。掌握汽车在拥堵状态下的情绪变化规律，对于有效管理城市交通至关重要。本章在现有的交通仿真的基础上，分析驾驶者的情绪变化对驾驶行为的影响以及情绪感染模型的重要性，取得了以下研究成果：

（1）从车辆安全管理的角度考虑，将汽车智能体的情绪划分为两种情绪、三种状态：消极情绪和积极情绪；消极状态、不稳定状态和积极状态。在车辆拥堵状态下，管理城市交通的关键就是要管理好消极情绪在汽车智能体之间的传播，以免整个等待的汽车智能体陷入消极状态，导致发生极端行为。

（2）将汽车个体模拟为汽车智能体，该汽车智能体具有感知、情绪控制和行为控制等能力。提出了汽车智能体在正常情况下和极端情况下的汽车变道行为的仿真模拟，给出了汽车智能体进行变道的必要条件。

（3）提出了在有交通警察和无交通警察的情况下，汽车智能体情绪感染的仿真过程，并给出了汽车智能体由消极情绪转化为积极情绪的计算方法。该方法能够有效的仿真和描述汽车智能体在不同的初始状态下的变化规律，为交通管理者管理拥堵交通提供了理论依据。

（4）以城市十字路口拥堵为虚拟仿真环境，在三维仿真软件上编制了城市车辆情绪感染三维仿真程序。从不同的视角观察汽车的情绪感染过程，通过多组实验数据对比可知，汽车智能体的情绪传播不仅仅与自身的情绪变化、智能体的初始状态、智能体的个性参数有关，也与交通警察出现的位置、数量和出现的时机有关。当拥堵的车辆智能体中占有一定数量的消极情绪的汽车智能体，整个汽车智能体的消极情绪将容易受到快速的影响。而如果交通警察能够提前出现在合适的位置，就能够有效的遏制消极情绪的传播。

交通虚拟仿真是一个不断发展的领域，本文的工作仍有待进一步完善。比如开展驾驶员情绪感染的量表调查，增强可视化效果等。

5 致谢

对本文的工作给予支持和提出宝贵建议的同行表示衷心的感谢! 本文的工作得到了国家自然科学基金的资助(61373068)，特此感谢。

[1] ORTONY A, CLORE G L, COLLINS A. The cognitive structure of emotions [M]. New York, USA: Cambridge University Press, 1988.

[2] HATFIELD E, CACIOPPO J.T, RAPSON R.L. Emotional contagion [M]. Cambridge Univ. Press, Cambridge, 1994.

[3] DURUPINAR F, PELECHANO N, ALLBECK J, et al. The impact of the ocean personality model on the perception of crowds [J]. IEEE Computer Graphics and Applications, 2011, 31(3): 22-31.

[4] BOSSE T, DUELL R, MEMON Z A, et al. A multi-agent model for mutual absorption of emotions [J]. In ECMS-09, 2009a, 2009.

[5] TSAI J, FRIDMAN N, BOWRING E, et al. ESCAPES: Evacuation simulation with children, authorities, parents, emotions, and social comparison.[C]// International Conference on Autonomous Agents & Multiagent Systems-volume. 2011:457-464.

[6] DURUPINAR F. From audiences to mobs: Crowd simulation with psychological factors, PhD dissertation, Bilkent University, 2010.

[7] LHOMMET M, LOURDEAUX D, BARTHÈS J P. Never Alone in the Crowd: A Microscopic Crowd Model Based on Emotional Contagion[C]// WI-IAT 2011:2011 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology Web Intelligence and Intelligent Agent Technology. Lyon :ACM, 2011:89-92.

[8] 刘箴, 金炜, 黄鹏, 等. 人群拥挤事件中的一种情绪感染仿真模型研究[J]. 计算机研究与发展, 2013, 50(12):2578-2589.

[9] LU X Q, XU M L, CHEN W Z, et al. Adaptive-AR model with drivers’ prediction for traffic simulation [J]. International Journal of Computer Games Technology, 2013:1-8.

[10] LU X Q, WANG Z H, XU M L, et al. A personality model for animating heterogeneous traffic behaviors[J]. Computer Animation & Virtual Worlds, 2014, 25(3-4):361-371.

[11] HIGGS B, ABBAS M. Development of an emotional car-following model[C]. // ITSC: 17th International IEEE Conference on Intelligent Transportation Systems. Qingdao: IEEE, 2014:2972-2977.

[12] 袁宏永, 黄全义, 苏国锋, 范维澄等. 应急平台体系关键技术研究的理论与实践 [M]. 北京：清华大学出版社，2012。

[13] 邱晓刚, 张鹏, 陈彬, 张烙兵. 面向非常规突发事件应急管理的人工社会计算实验平台研究 [J]. 中国应急管理,2014,02:7-14.

[14] 张辉, 刘奕. 基于“情景-应对”的国家应急平台体系基础科学问题与集成平台 [J]. 系统工程理论与实践，2012，(05):947-953.

[15] 段伟, 曹志冬, 邱晓刚, 王飞跃, 曾大军. 平行应急管理系统中人工社会的语义建模[J]. 系统工程理论与实践，2012，(05):1010-1017.

[16] 樊超, 郭进利, 韩筱璞, 汪秉宏. 人类行为动力学研究综述 [J]. 复杂系统与复杂性科学，2011，(02):1-17.

[17] 马庆国, 沈强, 李典典, 卞军. 经济决策的神经化学与遗传基础 [J]. 科学通报, 2010, (32):3089-3096.

[18] 廖东升, 侯波南, 王兵, 郭勤, 郭静. 基于心理调查和空间干预的人群心理仿真 [J]. 国防科技大学学报, 2011, (03):151-156

[19] 郑小平, 钟庭宽, 刘梦婷. 用于群体疏散的数字仿真方法研究 [J]. 系统仿真学报, 2009, (12):3503-3508.

[20] 孙多勇著. 突发事件与行为决策 [M]. 北京：社会科学文献出版社, 2007。

A Driver Emotional Contagion Model of Traffic Congestion Simulation

LIU Tingting，LIU Zhen*，LU Tao，LIU Cuijuan，CHAI Yanjie

（Faculty of Information Science and Technology, Ningbo University, Ningbo 315211, China)

How to efficiently deal with all kinds of traffic emergent events and improve traffic emergency management ability has become a social focus. Virtual simulation technology can be a visualized tool for emergency planners to develop urban contingency plans. The increasingly congested traffic will cause driver’s negative emotions and will lead to mass disturbance in a certain situation. This paper summarized the related work of emotional contagion and built a scenario for road congestion. Based on the agent theory, we described the emotional individual behavior. A driver emotional contagion model was proposed according to the existence of traffic police in the crowd. Results of the simulation experiment showed that the driver's negative emotions are not only associated with the initial distribution of emotions, but also related to driver's character and the number and distribution of the traffic polices. Controlling the driver's negative emotions is an important mean to avoid the traffic mass disturbance.

virtual simulation; emotional contagion; transportation virtualization; emergency management; agent

1672-9129(2016)01-0063-07

TP391.9

A

2016-06-17；

2016-06-28。

国家自然科学基金资助项目（61373068）；宁波市科技计划基金资助项目（2015A610128, 2015C50053, 2015D10011）。

刘婷婷(1980-)，女，建德，讲师，博士研究生，主要研究方向：虚拟现实、人机交互；刘箴(1965-)，男，辽宁，研究员，博士，主要研究方向：虚拟现实、人机交互；陆涛(1990-)，男，湖北，硕士，主要研究方向：虚拟现实、人机交互；刘翠娟(1979-)，女，山东，讲师，博士研究生，主要研究方向：虚拟现实、社会媒体；柴艳杰(1968-)，女，辽宁，讲师，硕士，主要研究方向：数字媒体。

(*通信作者电子邮箱：liuzhen@nbu.edu.cn)