EmoRoad：驾驶员情绪×场景多模态数据集——50人8场景EEG+眼动+生理+行为全景采集

论文信息

核心价值

EmoRoad是目前最全面的驾驶员情绪多模态数据集——50名参与者，8种驾驶场景（城市/郊区×拥堵/畅通×晴天/雨天），同步采集EEG、眼动、面部视频、方向盘触觉、车辆动力学和情绪标注。

数据集详情

采集场景设计

多模态信号

参与者

与现有数据集对比

IMS开发启示

1. 情绪→驾驶安全关联建模

EmoRoad首次将驾驶场景×情绪×生理×行为同步采集，支持以下研究：

1
2
3
4
5
6
7
8

emoroad_research_directions = {
    "情绪→行为": "不同情绪状态下的驾驶行为差异（刹车力度/转向模式）",
    "场景→情绪": "交通拥堵/雨天对驾驶员情绪的影响",
    "情绪→安全": "负面情绪（愤怒/焦虑）与事故风险的关联",
    "EEG→情绪": "从脑电信号解码驾驶员情绪状态",
    "眼动×情绪": "不同情绪下的注视模式差异",
    "方向盘触觉": "情绪状态对手握力度的影响（压力分布）"
}

2. 方向盘触觉信号——创新维度

EmoRoad引入的方向盘触觉压力分布是首次在驾驶情绪研究中使用：

3. Euro NCAP情绪监测前瞻

虽然Euro NCAP 2026尚未明确要求情绪监测，但EmoRoad数据集为未来法规演进做了数据储备：

总结

EmoRoad是驾驶员情绪研究领域迄今最全面的多模态数据集，50人×8场景×6模态的规模为情绪识别、行为建模和场景感知提供了丰富资源。对IMS的启示：情绪监测是DMS的下一个前沿——从当前的疲劳/分心检测扩展到情绪状态感知，可实现路怒预警、压力驾驶干预和个性化驾驶风格适配。