在现代道路交通系统中,驾驶员作为最主要角色参与到人车路的交通系统闭环中,因此驾驶员的自身状态与驾驶行为绩效将直接影响到自身与其他参与者的安全。驾驶员状态由情绪、疲劳状态和任务负荷等多因素共同决定,其中驾驶员情绪尤为重要。研究表明愤怒情绪引发的“路怒症”对驾驶危险感知、评估判断与决策执行有显著负面影响,容易产生行车安全风险,同时“路怒症”也是引发道路交通事故的重要诱因。因此愤怒情绪研究成为驾驶员情绪识别的热点研究。但现有研究中,理论研究层面,较多关注不同情绪模型与生理数据的关联性;实验研究层面,缺乏驾驶环境下对驾驶员情绪的研究;在情绪识别层面,主要以生理数据与脑电数据为主要研究对象,缺乏在驾驶或模拟驾驶环境下对驾驶行为的识别与多模态联合情绪识别的研究。因此,就现有研究不足,本文建立以脑电信号、生理信号与驾驶行为信息三位一体的驾驶员愤怒情绪多模态实验测量识别方法,在建立驾驶员愤怒情绪数据集的同时,使用基于注意力机制的LSTM模型对愤怒情绪与中性情绪进行建模识别。本文通过情绪诱导材料筛选实验、模拟驾驶环境情绪诱导及数据采集实验、单模态LSTM情绪识别建模、基于注意力机制的LSTM在特征层与决策层的情绪识别建模四部分组成。在情绪诱导筛选实验中,通过对7组42个视频在离散情绪模型的DES量表与维度情绪模型的SAM量表进行主观评价,找出对应7种情绪最佳的音视频诱导材料。在模拟驾驶情绪诱导实验中,建立起以模拟驾驶器为主体,集合音视频采集、脑电数据采集、驾驶行为数据采集和多通道生理数据采集为一体的实验方法。为驾驶情绪研究提供了完整、合理与有效的测量手段方法。同时在实验数据中,挖掘出在愤怒情绪下驾驶员脑认知机制与驾驶风险影响机制模型,进一步明确生理与行为层面对愤怒情绪对驾驶安全的负面影响,并形成愤怒情绪下的驾驶员脑认知与驾驶风险影响机制模型。在对驾驶员愤怒情绪与中性情绪模型识别前,对脑电32通道、模拟驾驶器18通道和多通道生理仪3通道分别进行数据预处理和特征提取,形成41人的驾驶愤怒情绪数据集,由于在首次试验中多通道生理仪的接口数据转发位数不足的情况,且在疫情期间无法复刻试验,因此对多通道生理仪的数据进行方法保留数据删除。所以经过各模态单模态LSTM情绪识别得到,脑电信号愤怒情绪识别正确率73.7%,F1-score为69.6%;驾驶行为数据愤怒情绪识别正确率65.8%,F1-score为65.6%。使用注意力机制,对多模态LSTM在特征层与决策层分别进行建模识别,其中在特征层识别正确率74.2%,F1-score为70.0%;决策层识别正确率76.3%,F1-score为73.2%。在情绪类别识别中,单模态、多模态特征层与多模态决策层识别方式相比较,多模态特征层融合方式显示出相对的优越性。最后,基于驾驶员情绪愤怒情绪识别的方法,在学术与工程方面的意义进行讨论,针对现有车载的驾驶能力辅助系统之上,需建立针对以人为核心的具有自适应能力的车机情感关怀系统,以实现汽车的智能化与智慧化,让智能汽车从智能感知进化到智能认知,让驾乘更加安全。