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(xué)信息科學(xué)與工程學(xué)院，寧波 315211）

如何高效應(yīng)對(duì)各類交通突發(fā)事件，提高交通應(yīng)急管理能力己引起社會(huì)各界的廣泛關(guān)注。交通虛擬仿真技術(shù)可以為城市突發(fā)事件應(yīng)急預(yù)案制定提供直觀的參考。目前城市交通擁堵日益嚴(yán)重，容易引發(fā)駕駛員消極情緒，在一定的情境下容易導(dǎo)致群體性事件。本文總結(jié)了情緒感染研究的相關(guān)工作，構(gòu)建了一個(gè)道路擁堵的虛擬情景，采用智能體理論，提出了個(gè)體在情緒影響下的行為描述。根據(jù)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(kāi)展了虛擬仿真實(shí)驗(yàn)，結(jié)果表明，駕駛員的消極情緒不僅與初始的情緒分布有關(guān)，也與駕駛員的個(gè)性和交通警察的數(shù)量和分布位置相關(guān)?？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(yīng)急管理；智能體

引言

隨著城市車輛數(shù)量的迅速攀升，交通擁堵已經(jīng)成為一個(gè)嚴(yán)重困擾我國(guó)城市發(fā)展的現(xiàn)實(shí)問(wèn)題。調(diào)查顯示，在交通擁堵時(shí)，很多駕駛員處于消極情緒狀態(tài)，他們通過(guò)鳴笛、叫罵等方式表達(dá)消極情緒。這些消極情緒相互感染易引發(fā)搶占車道、群體對(duì)抗等交通突發(fā)事件。在已有的交通應(yīng)急研究中很少關(guān)注駕駛員的情緒感染研究。實(shí)際上，情緒感染在交通突發(fā)事件的事態(tài)發(fā)展進(jìn)程中扮演著重要的角色。

由于城市空間條件限制，對(duì)交通突發(fā)事件缺少應(yīng)急演練，對(duì)可能發(fā)生的事件情景缺少形象的描述手段。隨著近年來(lái)智慧城市建設(shè)理念的普及，利用信息技術(shù)提升現(xiàn)有交通應(yīng)急管理模式成為大勢(shì)所趨。為了更好地解決目前交通應(yīng)急處置對(duì)快速響應(yīng)的要求，有必要采用虛擬現(xiàn)實(shí)技術(shù)，充分整合城市的三維空間地理信息，為指揮中心建立一個(gè)形象直觀的交通應(yīng)急可視化操作平臺(tái)。采用虛擬仿真技術(shù)輔助交通突發(fā)事件應(yīng)急演練具有重要現(xiàn)實(shí)意義，通過(guò)模擬突發(fā)事件情景，可以直觀輔助管理者發(fā)現(xiàn)可能的交通安全風(fēng)險(xiǎn)，為交通執(zhí)法的培訓(xùn)提供形象的輔助工具。

本文選擇了一個(gè)典型道路設(shè)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(yīng)急培訓(xùn)提供一種新思路。

1 相關(guān)研究概述

Ortony 等人建立了一種基于認(rèn)知的情緒理論。該理論認(rèn)為情緒是智能體的認(rèn)識(shí)評(píng)價(jià)，按照每種評(píng)價(jià)的結(jié)果劃分，針對(duì)特定對(duì)象的評(píng)價(jià)，情緒具有“正面”或者“負(fù)面”兩種類型[1]，該理論為智能體情緒計(jì)算提供了理論依據(jù)。Hatfield 提出了情緒感染的概念和描述[2]，他們認(rèn)為智能體在交互過(guò)程中，自動(dòng)和持續(xù)地模仿他人的面部表情、聲音、姿勢(shì)、動(dòng)作和行為等，并傾向于時(shí)刻捕捉他人的情感，把這一過(guò)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(jì)算的手段。在智能體的群體模擬中，每個(gè)智能體應(yīng)該具有獨(dú)一無(wú)二的個(gè)性，Durupinar等提出了智能體群體模擬中采用OCEAN個(gè)性模型的方法，能夠有效提高人群行為的真實(shí)感[3]。OCEAN的每個(gè)字母代表的含義分別為：開(kāi)放性（openness）、公正性（conscientiousness）、外向性（extraversion）、和悅性（agreeableness）、神經(jīng)質(zhì)（neuroticism）。Bosse最早提出基于熱力學(xué)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(xiàn)象，鄰近的物質(zhì)以每一物質(zhì)所特有的比率將能量轉(zhuǎn)移給對(duì)方。每個(gè)智能體都具有接收和發(fā)送情感的能力，但不同的智能體的接收和發(fā)送情感的能力有差異。Tsai等在ASCRIBE模型的基礎(chǔ)上提出ESCAPE模型，將智能體分為家庭、旅游者、權(quán)威人士三類，以仿真方式模擬機(jī)場(chǎng)疏散中的情緒感染過(guò)程，實(shí)驗(yàn)表明家庭的數(shù)量、權(quán)威人士的數(shù)量和社會(huì)比較都能影響情緒的感染[5]。Durupinar模型是基于流行病學(xué)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(jīng)感染（infected）兩種，智能體類型智能體的初始情感強(qiáng)度遵守預(yù)先定義的對(duì)數(shù)隨機(jī)分布。每次感染智能體生成一定量的情緒值，當(dāng)智能體接收的情緒值累計(jì)到一定程度超過(guò)閾值則成為infected狀態(tài)。這兩種情緒狀態(tài)并不是一成不變的，兩種狀態(tài)可以根據(jù)接收情緒值的多少在一定程度上互相轉(zhuǎn)換。情緒感染過(guò)程與多種因素有關(guān)，其中主要因素包括人群的初始情緒強(qiáng)度、事件強(qiáng)度、接受者的接受能力、信息的公開(kāi)性等多方面。比如Lhommet等生成一個(gè)危機(jī)模擬系統(tǒng)，通過(guò)情緒感染中的個(gè)體行為分析群體行為，以O(shè)CEAN模型為理論基礎(chǔ)，結(jié)合個(gè)體個(gè)性和關(guān)系提出通用的情緒感染模型，主要貢獻(xiàn)是分析影響情緒感染的個(gè)體個(gè)性參數(shù)[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(tài)下人群的情緒變化和行為特征（如人群的跌倒行為），通過(guò)對(duì)人群的仿真分析可以得出，群體中的消極情緒會(huì)引起恐慌行為，為了避免造成群體消極情緒的擴(kuò)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(lái)，一些學(xué)者開(kāi)始關(guān)注駕駛員的駕駛行為對(duì)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(chǔ)上增加了駕駛員的預(yù)測(cè)以及反映事件等，使其更加接近真實(shí)的交通狀況[9]。2014年Lu等人又從心理學(xué)角度出發(fā)，在IDM模型的基礎(chǔ)上，為每個(gè)車輛個(gè)體引入不同駕駛員的性格特征，使每個(gè)車輛具有不同的行為表現(xiàn)，通過(guò)模擬城市交通，研究不同性格特征對(duì)車輛駕駛行為以及整個(gè)車流的影響情況[10]。但是，這些研究都是直接針對(duì)汽車的行為，而沒(méi)有很好的考慮駕駛員的情緒。文獻(xiàn)10雖然考慮了駕駛員的心理和個(gè)性特征，但是這種心理和個(gè)性在仿真中是固定不變的，并沒(méi)有考慮到車輛在行駛過(guò)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(guò)調(diào)研分析及數(shù)據(jù)統(tǒng)計(jì)結(jié)果表明，駕駛者的情緒對(duì)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(guò)程中，會(huì)受到汽車的駕駛環(huán)境以及汽車的駕駛規(guī)則的影響，現(xiàn)有的行人情緒感染模型難以應(yīng)用到車輛的情緒感染仿真中，目前還未發(fā)現(xiàn)關(guān)于汽車的情緒感染研究。因此本文重點(diǎn)關(guān)注駕駛過(guò)程中汽車的情緒傳播過(guò)程以及所導(dǎo)致的駕駛行為動(dòng)畫。

在應(yīng)急管理研究中，范維澄院士系統(tǒng)地論述了突發(fā)事件應(yīng)急管理中的科學(xué)問(wèn)題，指出了應(yīng)急心理與行為的研究側(cè)重點(diǎn)[12]。邱曉剛和王飛躍等專家，提出了基于“情景-應(yīng)對(duì)”的應(yīng)急管理平臺(tái)框架[13]-[15]。汪秉宏等開(kāi)展過(guò)人類行為動(dòng)力學(xué)研究[16]。馬慶國(guó)等開(kāi)展過(guò)決策的神經(jīng)機(jī)制研究[17]。廖東升等提出了一種基于心理調(diào)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(gè)體行為決策方法，建立了個(gè)體災(zāi)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(gè)智能體，能夠感知前方和后方，其中后方的感知范圍設(shè)定在一輛車的距離。假設(shè)擁堵發(fā)生在十字路口，大量行人闖紅燈，造成大量車輛擁堵。假設(shè)駕駛員在等待時(shí)間超過(guò)信號(hào)燈轉(zhuǎn)換時(shí)間后，消極情緒開(kāi)始增加，積極情緒開(kāi)始下降。本文中，積極情緒主要表現(xiàn)為駕駛員耐心等待，遵守交通規(guī)則；消極狀態(tài)則是表現(xiàn)為不遵守交通規(guī)則的行為。同時(shí)，在車輛擁塞的情境下，有交通警察對(duì)交通進(jìn)行疏通處理，其主要是為了避免出現(xiàn)更為嚴(yán)重的擁塞現(xiàn)象。而交通警察相當(dāng)于一個(gè)積極情緒源，他會(huì)將擁塞車輛的消極情緒逐漸恢復(fù)為積極情緒，最終是群體處于積極的情緒狀態(tài)，從而保證城市交通道路的安全駕駛。

2.2 無(wú)交通警察情況下的情緒感染

在沒(méi)有交通警察情況下，一旦發(fā)生交通擁堵的情況下，由于車輛的等待時(shí)間較長(zhǎng)，汽車智能體由此產(chǎn)生了消極的情緒，并隨著時(shí)間的推移，消極情緒會(huì)越來(lái)越強(qiáng)烈。同時(shí)在其周圍的其他汽車智能體也會(huì)受到消極情緒的影響，其自身的情緒也會(huì)逐漸變得消極起來(lái)。為了模擬仿真擁塞情況下汽車智能體的情緒變化過(guò)程，需要考慮如下兩個(gè)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(fā)生變化：汽車停車等待和汽車啟動(dòng)過(guò)程。汽車在停車等待過(guò)程中，由于等待時(shí)間過(guò)長(zhǎng)，導(dǎo)致自身產(chǎn)生了消極的情緒，積極情緒在不斷的減少，因此此時(shí)的情緒變化主要受到等待時(shí)間的影響。汽車智能體的情緒增長(zhǎng)量如下：

(2)

汽車開(kāi)始啟動(dòng)后，正常情況下，汽車智能體的積極情緒開(kāi)始增加，消極情緒則開(kāi)始減少。此時(shí)智能體的情緒則主要受到汽車的加速度所影響，當(dāng)汽車的加速度達(dá)到最大加速度時(shí)，智能體的積極情緒增量也達(dá)到最大，消極情緒增量則是最小。此時(shí)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(dāng)車輛發(fā)生擁塞后，當(dāng)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(dāng)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(shí)本車道的積極情緒值應(yīng)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(huì)受心理影響：由于左車道疏通，導(dǎo)致本車道的駕駛員對(duì)左車道產(chǎn)生了“嫉妒”心理，從而惡化了積極情緒。而當(dāng)左車道積極情緒值減小，消極情緒值增大時(shí)，本車道還是受到消極情緒影響，只是相對(duì)于上一種情況而言，影響的力較小。同理，對(duì)于右車道而言，它對(duì)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(fù)敘述。對(duì)周圍汽車智能體進(jìn)行劃分的另一個(gè)目的是為后續(xù)汽車智能體換道提供了理論依據(jù)。當(dāng)智能體產(chǎn)生了“嫉妒”心理，極端情況下會(huì)產(chǎn)生強(qiáng)行便道的行為，智能體選擇便道的依據(jù)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(jìn)行換道，則根據(jù)兩邊的積極情緒值和消極情緒值的大小進(jìn)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(dāng)城市交通出現(xiàn)擁塞狀況時(shí)，在有交通警察的擁塞情況下和無(wú)交通警察管理車輛的情況下，前者的消極情緒值相對(duì)于后者較小，這是因?yàn)榻煌ň炜梢杂行У囊种葡麡O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(nèi)。因此，本文假設(shè)交通警察是一個(gè)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?yōu)?，本文取值?.8。當(dāng)交通警察智能體進(jìn)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(dāng)汽車智能體與交通警察之間積極情緒的差值較大時(shí)，汽車智能體將獲取更多的積極情緒，此時(shí)表明交通警察重點(diǎn)關(guān)注此類汽車智能體的情緒變化；當(dāng)汽車智能體與交通警察之間積極情緒的差值較小時(shí)，汽車智能體的積極情緒變化量較小。表明交通警察對(duì)此類汽車智能體不需要過(guò)多的關(guān)注。

3 實(shí)驗(yàn)結(jié)果及分析

限于篇幅，本節(jié)只介紹其中的部分實(shí)驗(yàn)結(jié)果，以交通路口堵車引發(fā)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(shí)間的變化，每個(gè)駕駛員的消極情緒上升，并可能出現(xiàn)情緒感染現(xiàn)象，汽車智能體情緒的積極狀態(tài)、不穩(wěn)定狀態(tài)、消極狀態(tài)分別用綠色、黃色、紅色表示，通過(guò)顏色的變化，可以直觀展現(xiàn)群體的情感變化。

3.1 無(wú)交通警察情況下的情緒變化實(shí)驗(yàn)

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(gè)數(shù)對(duì)群體所造成的影響。表1為60個(gè)汽車智能體中初始狀態(tài)為消極狀態(tài)的智能體個(gè)數(shù)，對(duì)這些初始狀態(tài)為消極狀態(tài)的智能體進(jìn)行情緒統(tǒng)計(jì)并平均，得到如圖1所示的曲線圖，其中橫坐標(biāo)為時(shí)間軸，縱坐標(biāo)為平均消極情緒值。

表1 初始狀態(tài)為消極情緒智能體的分布

狀態(tài)消極狀態(tài)智能體數(shù)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(xiàn)了在不同的初始狀態(tài)下，汽車智能體的情緒變化趨勢(shì)。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(shí)間的推移，汽車智能體的情緒將逐漸從消極情緒轉(zhuǎn)變?yōu)榉e極情緒；而且，當(dāng)初始狀態(tài)下，消極狀態(tài)的汽車智能體所占的比例增大時(shí)，汽車智能體從消極狀態(tài)轉(zhuǎn)變?yōu)榉e極狀態(tài)所需要的時(shí)間也將增加，如曲線b；當(dāng)比例進(jìn)一步增大時(shí)，將會(huì)導(dǎo)致整個(gè)汽車智能體的情緒狀態(tài)由積極狀態(tài)轉(zhuǎn)變?yōu)橄麡O狀態(tài)，消極情緒值夜開(kāi)始增大，曲線c、d、e、f、g則表現(xiàn)了這種現(xiàn)象；同時(shí)隨著這種比例的增大，汽車智能體消極情緒變化會(huì)越來(lái)越快。這里需要指出的是，當(dāng)消極狀態(tài)智能體的比例達(dá)到36.7%時(shí)，整個(gè)汽車智能體的消極情緒就開(kāi)始發(fā)生變化，這是由于在等待的過(guò)程中，汽車智能體本身會(huì)產(chǎn)生消極情緒，從而導(dǎo)致了消極情緒發(fā)生變化。

3.2 有交通警察情況下的情緒變化實(shí)驗(yàn)

隨著消極情緒的傳播，需要調(diào)遣交通警察協(xié)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(guò)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(tài)全局圖

圖2 交通警察管理?yè)矶陆煌?/p>

圖3 消極情緒值變化曲線

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

然而在圖3中明顯發(fā)現(xiàn)，單個(gè)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(shuō)明交通警察所處的位置也會(huì)對(duì)情緒變化產(chǎn)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(yīng)的發(fā)生了變化。

圖4 交通警察在不同位置管理?yè)矶陆煌?/p>

進(jìn)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(shù)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(shù)量越多，消極情緒的平息速度也會(huì)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(shù)的影響

4 結(jié)語(yǔ)

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(duì)城市交通中車輛擁堵?tīng)顟B(tài)的行為仿真研究具有非常重要的現(xiàn)實(shí)意義。采用交通仿真技術(shù)對(duì)城市汽車在道路擁堵?tīng)顟B(tài)下的各種極端狀態(tài)和異常行為進(jìn)行模擬仿真，從而幫助交通管理者找出對(duì)應(yīng)的應(yīng)急處理方案。當(dāng)城市交通發(fā)生擁塞現(xiàn)象，駕駛員的情緒將會(huì)發(fā)生轉(zhuǎn)變，容易產(chǎn)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(tài)的發(fā)展趨勢(shì)。掌握汽車在擁堵?tīng)顟B(tài)下的情緒變化規(guī)律，對(duì)于有效管理城市交通至關(guān)重要。本章在現(xiàn)有的交通仿真的基礎(chǔ)上，分析駕駛者的情緒變化對(duì)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(tài)：消極情緒和積極情緒；消極狀態(tài)、不穩(wěn)定狀態(tài)和積極狀態(tài)。在車輛擁堵?tīng)顟B(tài)下，管理城市交通的關(guān)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(gè)等待的汽車智能體陷入消極狀態(tài)，導(dǎo)致發(fā)生極端行為。

（2）將汽車個(gè)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(jìn)行變道的必要條件。

（3）提出了在有交通警察和無(wú)交通警察的情況下，汽車智能體情緒感染的仿真過(guò)程，并給出了汽車智能體由消極情緒轉(zhuǎn)化為積極情緒的計(jì)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(tài)下的變化規(guī)律，為交通管理者管理?yè)矶陆煌ㄌ峁┝死碚撘罁?jù)。

（4）以城市十字路口擁堵為虛擬仿真環(huán)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(guò)程，通過(guò)多組實(shí)驗(yàn)數(shù)據(jù)對(duì)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(tài)、智能體的個(gè)性參數(shù)有關(guān)，也與交通警察出現(xiàn)的位置、數(shù)量和出現(xiàn)的時(shí)機(jī)有關(guān)。當(dāng)擁堵的車輛智能體中占有一定數(shù)量的消極情緒的汽車智能體，整個(gè)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(xiàn)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(gè)不斷發(fā)展的領(lǐng)域，本文的工作仍有待進(jìn)一步完善。比如開(kāi)展駕駛員情緒感染的量表調(diào)查，增強(qiáng)可視化效果等。

5 致謝

對(duì)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(guó)家自然科學(xué)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(jì)算機(jī)研究與發(fā)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(guó)鋒, 范維澄等. 應(yīng)急平臺(tái)體系關(guān)鍵技術(shù)研究的理論與實(shí)踐 [M]. 北京：清華大學(xué)出版社，2012。

[13] 邱曉剛, 張鵬, 陳彬, 張烙兵. 面向非常規(guī)突發(fā)事件應(yīng)急管理的人工社會(huì)計(jì)算實(shí)驗(yàn)平臺(tái)研究 [J]. 中國(guó)應(yīng)急管理,2014,02:7-14.

[14] 張輝, 劉奕. 基于“情景-應(yīng)對(duì)”的國(guó)家應(yīng)急平臺(tái)體系基礎(chǔ)科學(xué)問(wèn)題與集成平臺(tái) [J]. 系統(tǒng)工程理論與實(shí)踐，2012，(05):947-953.

[15] 段偉, 曹志冬, 邱曉剛, 王飛躍, 曾大軍. 平行應(yīng)急管理系統(tǒng)中人工社會(huì)的語(yǔ)義建模[J]. 系統(tǒng)工程理論與實(shí)踐，2012，(05):1010-1017.

[16] 樊超, 郭進(jìn)利, 韓筱璞, 汪秉宏. 人類行為動(dòng)力學(xué)研究綜述 [J]. 復(fù)雜系統(tǒng)與復(fù)雜性科學(xué)，2011，(02):1-17.

[17] 馬慶國(guó), 沈強(qiáng), 李典典, 卞軍. 經(jīng)濟(jì)決策的神經(jīng)化學(xué)與遺傳基礎(chǔ) [J]. 科學(xué)通報(bào), 2010, (32):3089-3096.

[18] 廖東升, 侯波南, 王兵, 郭勤, 郭靜. 基于心理調(diào)查和空間干預(yù)的人群心理仿真 [J]. 國(guó)防科技大學(xué)學(xué)報(bào), 2011, (03):151-156

[19] 鄭小平, 鐘庭寬, 劉夢(mèng)婷. 用于群體疏散的數(shù)字仿真方法研究 [J]. 系統(tǒng)仿真學(xué)報(bào), 2009, (12):3503-3508.

[20] 孫多勇著. 突發(fā)事件與行為決策 [M]. 北京：社會(huì)科學(xué)文獻(xiàn)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(guó)家自然科學(xué)基金資助項(xiàng)目（61373068）；寧波市科技計(jì)劃基金資助項(xiàng)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(xiàn)實(shí)、人機(jī)交互；劉箴(1965-)，男，遼寧，研究員，博士，主要研究方向：虛擬現(xiàn)實(shí)、人機(jī)交互；陸濤(1990-)，男，湖北，碩士，主要研究方向：虛擬現(xiàn)實(shí)、人機(jī)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(xiàn)實(shí)、社會(huì)媒體；柴艷杰(1968-)，女，遼寧，講師，碩士，主要研究方向：數(shù)字媒體。

(*通信作者電子郵箱：liuzhen@nbu.edu.cn)