一種交通虛擬仿真中的駕駛員情緒感染模型

劉婷婷，劉箴，陸濤，劉翠娟，柴艷杰

?

一種交通虛擬仿真中的駕駛員情緒感染模型

劉婷婷，劉箴*，陸濤，劉翠娟，柴艷杰

(寧波大學信息科學與工程學院，寧波 315211）

如何高效應對各類交通突發事件，提高交通應急管理能力己引起社會各界的廣泛關注。交通虛擬仿真技術可以為城市突發事件應急預案制定提供直觀的參考。目前城市交通擁堵日益嚴重，容易引發駕駛員消極情緒，在一定的情境下容易導致群體性事件。本文總結了情緒感染研究的相關工作，構建了一個道路擁堵的虛擬情景，采用智能體理論，提出了個體在情緒影響下的行為描述。根據人群中是否存在交通警察，提出了駕駛員的情緒感染模型，開展了虛擬仿真實驗，結果表明，駕駛員的消極情緒不僅與初始的情緒分布有關，也與駕駛員的個性和交通警察的數量和分布位置相關?？刂岂{駛員的消極情緒是避免交通群體性事件的一種重要手段。

虛擬仿真；情緒感染；交通虛擬；應急管理；智能體

引言

隨著城市車輛數量的迅速攀升，交通擁堵已經成為一個嚴重困擾我國城市發展的現實問題。調查顯示，在交通擁堵時，很多駕駛員處于消極情緒狀態，他們通過鳴笛、叫罵等方式表達消極情緒。這些消極情緒相互感染易引發搶占車道、群體對抗等交通突發事件。在已有的交通應急研究中很少關注駕駛員的情緒感染研究。實際上，情緒感染在交通突發事件的事態發展進程中扮演著重要的角色。

由于城市空間條件限制，對交通突發事件缺少應急演練，對可能發生的事件情景缺少形象的描述手段。隨著近年來智慧城市建設理念的普及，利用信息技術提升現有交通應急管理模式成為大勢所趨。為了更好地解決目前交通應急處置對快速響應的要求，有必要采用虛擬現實技術，充分整合城市的三維空間地理信息，為指揮中心建立一個形象直觀的交通應急可視化操作平臺。采用虛擬仿真技術輔助交通突發事件應急演練具有重要現實意義，通過模擬突發事件情景，可以直觀輔助管理者發現可能的交通安全風險，為交通執法的培訓提供形象的輔助工具。

本文選擇了一個典型道路設置障礙的虛擬情景，提出了一種駕駛員情緒感染模型，模擬可能的擁堵情景，為建立虛擬交通應急培訓提供一種新思路。

1 相關研究概述

Ortony 等人建立了一種基于認知的情緒理論。該理論認為情緒是智能體的認識評價，按照每種評價的結果劃分，針對特定對象的評價，情緒具有“正面”或者“負面”兩種類型[1]，該理論為智能體情緒計算提供了理論依據。Hatfield 提出了情緒感染的概念和描述[2]，他們認為智能體在交互過程中，自動和持續地模仿他人的面部表情、聲音、姿勢、動作和行為等，并傾向于時刻捕捉他人的情感，把這一過程稱為情緒感染。但是他們的研究只停留在概念和定性描述上，缺少可計算的手段。在智能體的群體模擬中，每個智能體應該具有獨一無二的個性，Durupinar等提出了智能體群體模擬中采用OCEAN個性模型的方法，能夠有效提高人群行為的真實感[3]。OCEAN的每個字母代表的含義分別為：開放性（openness）、公正性（conscientiousness）、外向性（extraversion）、和悅性（agreeableness）、神經質（neuroticism）。Bosse最早提出基于熱力學的ASCRIBE模型[4]，采用多智能體的方法模擬群體情感，是一種自底向上的方法。它的基本原理類似散熱現象，鄰近的物質以每一物質所特有的比率將能量轉移給對方。每個智能體都具有接收和發送情感的能力，但不同的智能體的接收和發送情感的能力有差異。Tsai等在ASCRIBE模型的基礎上提出ESCAPE模型，將智能體分為家庭、旅游者、權威人士三類，以仿真方式模擬機場疏散中的情緒感染過程，實驗表明家庭的數量、權威人士的數量和社會比較都能影響情緒的感染[5]。Durupinar模型是基于流行病學的模型[6]，是一種概率閾值模型。該模型將智能體類型分為易感染（susceptible）和已經感染（infected）兩種，智能體類型智能體的初始情感強度遵守預先定義的對數隨機分布。每次感染智能體生成一定量的情緒值，當智能體接收的情緒值累計到一定程度超過閾值則成為infected狀態。這兩種情緒狀態并不是一成不變的，兩種狀態可以根據接收情緒值的多少在一定程度上互相轉換。情緒感染過程與多種因素有關，其中主要因素包括人群的初始情緒強度、事件強度、接受者的接受能力、信息的公開性等多方面。比如Lhommet等生成一個危機模擬系統，通過情緒感染中的個體行為分析群體行為，以OCEAN模型為理論基礎，結合個體個性和關系提出通用的情緒感染模型，主要貢獻是分析影響情緒感染的個體個性參數[7]。劉箴等人在2013年提出了基于擁擠人群的情緒感染模型，該情緒感染模型分析了在擁擠狀態下人群的情緒變化和行為特征（如人群的跌倒行為），通過對人群的仿真分析可以得出，群體中的消極情緒會引起恐慌行為，為了避免造成群體消極情緒的擴散，可以引入管理員管理人群，降低人群恐慌程度[8]。

近幾年來，一些學者開始關注駕駛員的駕駛行為對車輛行為的影響。2013年，Lu等人提出一種A2R模型，在原有的AR模型的基礎上增加了駕駛員的預測以及反映事件等，使其更加接近真實的交通狀況[9]。2014年Lu等人又從心理學角度出發，在IDM模型的基礎上，為每個車輛個體引入不同駕駛員的性格特征，使每個車輛具有不同的行為表現，通過模擬城市交通，研究不同性格特征對車輛駕駛行為以及整個車流的影響情況[10]。但是，這些研究都是直接針對汽車的行為，而沒有很好的考慮駕駛員的情緒。文獻10雖然考慮了駕駛員的心理和個性特征，但是這種心理和個性在仿真中是固定不變的，并沒有考慮到車輛在行駛過程中駕駛者的情緒和駕駛行為的變化。Bryan Higgs、Montasir Abbas等人研究了一種汽車模型，研究者通過調研分析及數據統計結果表明，駕駛者的情緒對駕駛行為有著重要的影響[11]。

但是，汽車的情緒感染不同于人體的情緒感染，駕駛者在駕駛汽車過程中，會受到汽車的駕駛環境以及汽車的駕駛規則的影響，現有的行人情緒感染模型難以應用到車輛的情緒感染仿真中，目前還未發現關于汽車的情緒感染研究。因此本文重點關注駕駛過程中汽車的情緒傳播過程以及所導致的駕駛行為動畫。

在應急管理研究中，范維澄院士系統地論述了突發事件應急管理中的科學問題，指出了應急心理與行為的研究側重點[12]。邱曉剛和王飛躍等專家，提出了基于“情景-應對”的應急管理平臺框架[13]-[15]。汪秉宏等開展過人類行為動力學研究[16]。馬慶國等開展過決策的神經機制研究[17]。廖東升等提出了一種基于心理調查的人群心理仿真模型[18]，鄭小平等提出了一種群體疏散仿真模型[19]。孫多勇采用前景理論描述個體行為決策方法，建立了個體災害恐懼感知模型[20]。

2 車輛情緒感染模型

2.1 情緒分類

將車輛視為一個智能體，能夠感知前方和后方，其中后方的感知范圍設定在一輛車的距離。假設擁堵發生在十字路口，大量行人闖紅燈，造成大量車輛擁堵。假設駕駛員在等待時間超過信號燈轉換時間后，消極情緒開始增加，積極情緒開始下降。本文中，積極情緒主要表現為駕駛員耐心等待，遵守交通規則；消極狀態則是表現為不遵守交通規則的行為。同時，在車輛擁塞的情境下，有交通警察對交通進行疏通處理，其主要是為了避免出現更為嚴重的擁塞現象。而交通警察相當于一個積極情緒源，他會將擁塞車輛的消極情緒逐漸恢復為積極情緒，最終是群體處于積極的情緒狀態，從而保證城市交通道路的安全駕駛。

2.2 無交通警察情況下的情緒感染

在沒有交通警察情況下，一旦發生交通擁堵的情況下，由于車輛的等待時間較長，汽車智能體由此產生了消極的情緒，并隨著時間的推移，消極情緒會越來越強烈。同時在其周圍的其他汽車智能體也會受到消極情緒的影響，其自身的情緒也會逐漸變得消極起來。為了模擬仿真擁塞情況下汽車智能體的情緒變化過程，需要考慮如下兩個方面：

（1）自身的情緒變化

汽車智能體的自身的情緒變化主要是在兩種情況下發生變化：汽車停車等待和汽車啟動過程。汽車在停車等待過程中，由于等待時間過長，導致自身產生了消極的情緒，積極情緒在不斷的減少，因此此時的情緒變化主要受到等待時間的影響。汽車智能體的情緒增長量如下：

(2)

汽車開始啟動后，正常情況下，汽車智能體的積極情緒開始增加，消極情緒則開始減少。此時智能體的情緒則主要受到汽車的加速度所影響，當汽車的加速度達到最大加速度時，智能體的積極情緒增量也達到最大，消極情緒增量則是最小。此時汽車智能體自身的積極情緒值增量為：

（2）周圍汽車智能體的情緒感染

在獲取周圍汽車智能體的情緒值之前，我們首先將周圍汽車分為三種類型：左邊車道汽車；本車道汽車和右邊車道汽車。當車輛發生擁塞后，當前車主要受到左車道，本車道和右車道的智能車的情緒影響。但考慮如下情況：當左車道由于道路疏通，左車道的汽車智能體的積極情緒值逐漸增大，而本車道還未疏通，仍然擁塞，此時本車道的積極情緒值應該隨著左車道積極情緒值的增大而逐漸減小。這是由于駕駛員會受心理影響：由于左車道疏通，導致本車道的駕駛員對左車道產生了“嫉妒”心理，從而惡化了積極情緒。而當左車道積極情緒值減小，消極情緒值增大時，本車道還是受到消極情緒影響，只是相對于上一種情況而言，影響的力較小。同理，對于右車道而言，它對本車道中的智能體的情緒影響跟左車道類似，這里不再重復敘述。對周圍汽車智能體進行劃分的另一個目的是為后續汽車智能體換道提供了理論依據。當智能體產生了“嫉妒”心理，極端情況下會產生強行便道的行為，智能體選擇便道的依據就在于本車道的積極情緒值小于兩邊車道的積極情緒值，至于具體選擇哪一邊進行換道，則根據兩邊的積極情緒值和消極情緒值的大小進行決定。

(4)

(5)

(7)

(8)

(10)

(12)

(15)

(17)

2.3 有交通警察情況下的情緒感染

通常而言，當城市交通出現擁塞狀況時，在有交通警察的擁塞情況下和無交通警察管理車輛的情況下，前者的消極情緒值相對于后者較小，這是因為交通警察可以有效的抑制消極情緒的傳播，使駕駛員的情緒盡量保持在積極的情緒范圍內。因此，本文假設交通警察是一個帶有積極情緒源的智能體，他在汽車智能體中傳播，而且交通警察智能體的積極情緒值保持不變為，本文取值為0.8。當交通警察智能體進入汽車智能體的感知范圍后，該汽車智能體的情緒增量為：

上述公式表明，當汽車智能體與交通警察之間積極情緒的差值較大時，汽車智能體將獲取更多的積極情緒，此時表明交通警察重點關注此類汽車智能體的情緒變化；當汽車智能體與交通警察之間積極情緒的差值較小時，汽車智能體的積極情緒變化量較小。表明交通警察對此類汽車智能體不需要過多的關注。

3 實驗結果及分析

限于篇幅，本節只介紹其中的部分實驗結果，以交通路口堵車引發駕駛員情緒感染為虛擬情景，考慮車輛具有不同的情緒初始值，隨著等待時間的變化，每個駕駛員的消極情緒上升，并可能出現情緒感染現象，汽車智能體情緒的積極狀態、不穩定狀態、消極狀態分別用綠色、黃色、紅色表示，通過顏色的變化，可以直觀展現群體的情感變化。

3.1 無交通警察情況下的情緒變化實驗

仍采用上述程序，本文考慮汽車智能體中消極情緒智能體的個數對群體所造成的影響。表1為60個汽車智能體中初始狀態為消極狀態的智能體個數，對這些初始狀態為消極狀態的智能體進行情緒統計并平均，得到如圖1所示的曲線圖，其中橫坐標為時間軸，縱坐標為平均消極情緒值。

表1 初始狀態為消極情緒智能體的分布

狀態消極狀態智能體數量所占比例/% a711.7 b1525 c2236.7 d3050 e3761.7 f4575 g5286.7

圖1 汽車智能體的消極情緒值

圖1表現了在不同的初始狀態下，汽車智能體的情緒變化趨勢。從圖中可以看出，曲線a和曲線b在60輛汽車智能體中所占的比例較小，因此隨著時間的推移，汽車智能體的情緒將逐漸從消極情緒轉變為積極情緒；而且，當初始狀態下，消極狀態的汽車智能體所占的比例增大時，汽車智能體從消極狀態轉變為積極狀態所需要的時間也將增加，如曲線b；當比例進一步增大時，將會導致整個汽車智能體的情緒狀態由積極狀態轉變為消極狀態，消極情緒值夜開始增大，曲線c、d、e、f、g則表現了這種現象；同時隨著這種比例的增大，汽車智能體消極情緒變化會越來越快。這里需要指出的是，當消極狀態智能體的比例達到36.7%時，整個汽車智能體的消極情緒就開始發生變化，這是由于在等待的過程中，汽車智能體本身會產生消極情緒，從而導致了消極情緒發生變化。

3.2 有交通警察情況下的情緒變化實驗

隨著消極情緒的傳播，需要調遣交通警察協助管理交通安全，交通警察可以有效遏制消極情緒的傳播，并通過安撫汽車智能體，最終使局部的汽車智能體的消極情緒降低至安全水平，如圖2（a）和（b）所示。圖3顯示了汽車智能體消極情緒值的變化曲線。

（a）局部汽車智能體情緒變積極

（b）汽車智能體的情緒狀態全局圖

圖2 交通警察管理擁堵交通

圖3 消極情緒值變化曲線

圖3中有個明顯的消極情緒值變化，該處就是交通警察進入了擁堵的汽車智能體，通過交通警察的管理，可以有效的遏制消極情緒的傳播和擴散。

然而在圖3中明顯發現，單個交通警察的管理范圍非常有限，他只能控制局部的汽車智能體的情緒變化，因此說明交通警察所處的位置也會對情緒變化產生影響，如圖4所示，交通警察所處的不同位置，其周圍汽車智能體的情緒也相應的發生了變化。

圖4 交通警察在不同位置管理擁堵交通

進一步研究交通警察在交通管理中的作用，增加交通警察的數量如圖5所示。由圖6所得的曲線圖可知，引入的交通警察數量越多，消極情緒的平息速度也會越快。其中圖中的變化曲線是均是汽車智能體00029的消極情緒變化曲線。

圖6 消極情緒變化曲線受警察數的影響

4 結語

交通道路擁堵給城市居民出行生活造成了極大的影響，因此對城市交通中車輛擁堵狀態的行為仿真研究具有非常重要的現實意義。采用交通仿真技術對城市汽車在道路擁堵狀態下的各種極端狀態和異常行為進行模擬仿真，從而幫助交通管理者找出對應的應急處理方案。當城市交通發生擁塞現象，駕駛員的情緒將會發生轉變，容易產生“急躁”、“不安”等消極情緒，而駕駛者之間的情緒變化容易影響到交通擁堵事態的發展趨勢。掌握汽車在擁堵狀態下的情緒變化規律，對于有效管理城市交通至關重要。本章在現有的交通仿真的基礎上，分析駕駛者的情緒變化對駕駛行為的影響以及情緒感染模型的重要性，取得了以下研究成果：

（1）從車輛安全管理的角度考慮，將汽車智能體的情緒劃分為兩種情緒、三種狀態：消極情緒和積極情緒；消極狀態、不穩定狀態和積極狀態。在車輛擁堵狀態下，管理城市交通的關鍵就是要管理好消極情緒在汽車智能體之間的傳播，以免整個等待的汽車智能體陷入消極狀態，導致發生極端行為。

（2）將汽車個體模擬為汽車智能體，該汽車智能體具有感知、情緒控制和行為控制等能力。提出了汽車智能體在正常情況下和極端情況下的汽車變道行為的仿真模擬，給出了汽車智能體進行變道的必要條件。

（3）提出了在有交通警察和無交通警察的情況下，汽車智能體情緒感染的仿真過程，并給出了汽車智能體由消極情緒轉化為積極情緒的計算方法。該方法能夠有效的仿真和描述汽車智能體在不同的初始狀態下的變化規律，為交通管理者管理擁堵交通提供了理論依據。

（4）以城市十字路口擁堵為虛擬仿真環境，在三維仿真軟件上編制了城市車輛情緒感染三維仿真程序。從不同的視角觀察汽車的情緒感染過程，通過多組實驗數據對比可知，汽車智能體的情緒傳播不僅僅與自身的情緒變化、智能體的初始狀態、智能體的個性參數有關，也與交通警察出現的位置、數量和出現的時機有關。當擁堵的車輛智能體中占有一定數量的消極情緒的汽車智能體，整個汽車智能體的消極情緒將容易受到快速的影響。而如果交通警察能夠提前出現在合適的位置，就能夠有效的遏制消極情緒的傳播。

交通虛擬仿真是一個不斷發展的領域，本文的工作仍有待進一步完善。比如開展駕駛員情緒感染的量表調查，增強可視化效果等。

5 致謝

對本文的工作給予支持和提出寶貴建議的同行表示衷心的感謝! 本文的工作得到了國家自然科學基金的資助(61373068)，特此感謝。

[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] 劉箴, 金煒, 黃鵬, 等. 人群擁擠事件中的一種情緒感染仿真模型研究[J]. 計算機研究與發展, 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, 黃全義, 蘇國鋒, 范維澄等. 應急平臺體系關鍵技術研究的理論與實踐 [M]. 北京：清華大學出版社，2012。

[13] 邱曉剛, 張鵬, 陳彬, 張烙兵. 面向非常規突發事件應急管理的人工社會計算實驗平臺研究 [J]. 中國應急管理,2014,02:7-14.

[14] 張輝, 劉奕. 基于“情景-應對”的國家應急平臺體系基礎科學問題與集成平臺 [J]. 系統工程理論與實踐，2012，(05):947-953.

[15] 段偉, 曹志冬, 邱曉剛, 王飛躍, 曾大軍. 平行應急管理系統中人工社會的語義建模[J]. 系統工程理論與實踐，2012，(05):1010-1017.

[16] 樊超, 郭進利, 韓筱璞, 汪秉宏. 人類行為動力學研究綜述 [J]. 復雜系統與復雜性科學，2011，(02):1-17.

[17] 馬慶國, 沈強, 李典典, 卞軍. 經濟決策的神經化學與遺傳基礎 [J]. 科學通報, 2010, (32):3089-3096.

[18] 廖東升, 侯波南, 王兵, 郭勤, 郭靜. 基于心理調查和空間干預的人群心理仿真 [J]. 國防科技大學學報, 2011, (03):151-156

[19] 鄭小平, 鐘庭寬, 劉夢婷. 用于群體疏散的數字仿真方法研究 [J]. 系統仿真學報, 2009, (12):3503-3508.

[20] 孫多勇著. 突發事件與行為決策 [M]. 北京：社會科學文獻出版社, 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。

國家自然科學基金資助項目（61373068）；寧波市科技計劃基金資助項目（2015A610128, 2015C50053, 2015D10011）。

劉婷婷(1980-)，女，建德，講師，博士研究生，主要研究方向：虛擬現實、人機交互；劉箴(1965-)，男，遼寧，研究員，博士，主要研究方向：虛擬現實、人機交互；陸濤(1990-)，男，湖北，碩士，主要研究方向：虛擬現實、人機交互；劉翠娟(1979-)，女，山東，講師，博士研究生，主要研究方向：虛擬現實、社會媒體；柴艷杰(1968-)，女，遼寧，講師，碩士，主要研究方向：數字媒體。

(*通信作者電子郵箱：liuzhen@nbu.edu.cn)