在汽车制造领域,车内人机交互系统正在逐渐朝数字化、智能化和网联化方向发展,情感体验已经成为未来人机交互研究的重点。其中,识别驾驶者在驾驶过程中产生的情绪状态并提供自然的驾驶辅助,是智能汽车发展的一个重要方向。负面情绪会影响驾驶者的认知水平,增加驾驶者的认知负荷,进而影响用户体验。如何在车内人机交互体验中有效地识别和调节驾驶情绪,使其与驾驶员的认知能力相匹配,成为车内人机交互体验的重点,直接影响人机交互过程的自然化,对提高驾驶员的安全、驾驶绩效和总体用户满意度具有重要影响。本研究在智能汽车背景下以车内人机交互情感体验为视角,关注驾驶员情绪识别与情绪调节问题,对智能车载产品情感体验模型及多模态交互机制进行研究,通过穿戴式多导生理记录仪采集驾驶者的生理信号指标,实现基于生理指标的驾驶情绪识别。生理信号直接受人类自主神经系统和内分泌系统控制,基本不会受到用户主观的影响,可以更客观、真实地反映用户的情感状态,使得评估更加全面可靠。研究愤怒情境下驾驶者操作主要驾驶任务的认知负荷对驾驶体验的影响,并采用VACP模型预测驾驶过程的认知资源占用,提出多模态交互平衡模型,以改善负面驾驶情绪,提高驾驶者的用户体验。通过多模态交互生理实验分析不同情境下多模态交互组合方案对情绪调节的效果,最终综合评价各个交互方案的优先度。构建基于深度学习的多模态交互情绪调节系统及智能车载产品情感体验设计策略,以智能车载产品的情感体验设计为例验证论文所提方法的有效性。对智能车载产品在驾驶场景下的应用找到新的突破口、提高相关产品工业设计水平和市场竞争力有着显著意义。论文的主要工作与贡献包括以下几个方面:（1）构建智能车载产品情感体验模型及多模态交互机制,解释人机交互过程中的认知机理和情绪调节机理,有效探究智能汽车多模态人机交互的本质。通过文献分析,梳理驾驶情绪状态对驾驶体验的影响,总结情绪量化的评价指标及方法。结合实证分析,验证负面驾驶情绪的诱发因素以及情绪对驾驶行为的影响。在理论分析和设计研究的基础上,构建智能车载产品多模态交互情感体验设计指标体系及智能车载产品多模态交互情感体验模型。（2）建立驾驶者的情绪与生理信号指标之间的关系模型,探究驾驶情绪与心电、皮电、表面肌电、呼吸以及脉搏信号之间的相关关系,为智能、实时识别驾驶愤怒情绪提供量化方法。通过梳理情绪相关的基础理论、情绪诱发方法以及情绪识别算法,搭建生理信号驱动的驾驶情绪识别实验,提出生理信号特征提取方法和情感识别算法模型。探究驾驶情绪与生理指标之间的相关关系,确定影响驾驶情绪的关键指标和情绪识别算法。（3）针对愤怒驾驶情绪展开研究,构建愤怒情绪调节的多模态交互平衡模型,探究驾驶情境、愤怒情绪与认知负荷之间的关系,形成多模态交互在驾驶场景下进行愤怒情绪调节的自然化方法。搭建模拟驾驶实验,结合NASA-TLX量表分析不同驾驶情境以及愤怒驾驶情绪下的认知负荷。结合VACP量表进行愤怒情绪下的认知负荷预测,确定愤怒情绪与认知负荷之间的关系,分析在驾驶者产生愤怒情绪时的认知资源占用,并提出多模态交互平衡模型进行愤怒驾驶情绪调节,通过模态补偿有效地缓解愤怒情绪。（4）搭建多模态交互的模拟驾驶实验,展开愤怒驾驶情绪调节研究,提出更自然的愤怒情绪调节人机交互方法。对视觉、听觉、嗅觉三种模态进行研究,验证不同模态交互方案对愤怒驾驶情绪调节的有效性。结合统计学工具SPSS分析多模态交互方案在愤怒驾驶情绪调节前后的差异,结果表明,多模态交互方法对于驾驶愤怒情绪调节具有有效性,其中,嗅觉交互对于愤怒驾驶情绪调节具有显著优势。（5）展开基于深度学习的多模交互情绪调节系统设计及智能车载产品应用思路验证。综合分析不同模态组合方案对于驾驶情绪调节的优先排序,并提出基于深度学习的多模态交互情绪调节算法框架。构建智能车载产品情感体验设计策略,提出智能车载产品情感体验设计开发流程,并以智能车载产品的情感体验设计为例进行产品应用思路的验证。通过上述研究工作,在对驾驶者情绪及时检测识别的基础上,提出了用于驾驶情绪调节的多模态交互方法模型及情绪调节系统设计方案,提高驾驶者车内人机交互的整体满意度和愉悦度,为解决多模态交互情境下的用户驾驶体验设计提供理论参考和方法指导,为智能座舱中智能车载产品设计的多模态接口提供建议。