随着智能化和网联化等级的增加,智能网联汽车正转变成为承载丰富功能和服务的多元智能化移动终端。这种发展将会拓展和加深人车之间的人机交互范围,从而产生新的、更自然的智能座舱中的人车关系,而智能座舱的不断发展也为解决驾驶员情绪失控、提升驾驶安全和舒适提供了可能。汽车智能座舱是指从用户应用场景下的需求出发,搭载了智能化和网联化的产品或技术,具备洞察、理解、满足用户需求等功能,可实现安全、高效、舒适、愉悦的人机交互体验的智能服务系统。面向“情感化交互”智能座舱的驾驶员情绪研究是实现安全、高效、舒适、愉悦的驾驶体验的有效途径之一。目前针对驾驶员情绪的研究存在的问题主要有:缺乏全面的驾驶员情绪机理论述和完整的驾驶员情绪研究框架的构建;不同情绪对驾驶员行为的影响差异不明;非接触式的驾驶员多种情绪识别方法研究不足,以及缺乏驾驶员情绪识别研究的相关数据集;对于驾驶员情绪调节方式的机理研究不足。本文针对以上存在的问题,分别研究了驾驶员情绪的机理及框架,驾驶员情绪对驾驶行为的影响,基于面部表情和驾驶行为驾驶员情绪识别及驾驶员情绪数据集,基于视觉元素的驾驶员情绪调节及应用展望。驾驶员情绪研究的机理和框架是驾驶员情绪研究的基础。本文首先从情绪的发展、产生过程及分类、情绪对驾驶的影响过程、情绪的多模态表达、情绪的调节过程四个方面分别阐述了情绪研究的基本知识、情绪对驾驶影响的机理、情绪的识别机理,情绪的调节策略机理。在明确驾驶员情绪研究机理的基础上,本文构建了面向“情感化交互”智能座舱的驾驶员情绪研究的框架,该框架包括驾驶员、智能汽车和网络三层。驾驶员情绪导致的驾驶行为是影响驾驶安全的重要因素之一。此外驾驶员情绪对驾驶行为的影响分析结果将为设计驾驶员不同情绪的识别方案和调节策略提供参考,进而提升驾驶体验。本文从离散情绪模型和维度情绪模型出发,主要研究了中国驾驶员处于不同情绪下对驾驶行为的影响差异。本文首先构建了驾驶员情绪诱导材料库,接着实施了驾驶员多种情绪驾驶实验,最后通过数据分析,分别得出了离散情绪对驾驶行为的影响结果和维度情绪对驾驶行为的影响结果。驾驶员情绪识别是“情感化交互”智能座舱的重要研究内容。本文首先提出了一种基于面部表情和驾驶行为的多模态驾驶员情绪识别模型MDERNet。接着实施了驾驶员情绪驾驶下的面部表情和驾驶行为数据的采集实验,最后使用采集到的数据对模型进行训练,验证了MDERNet模型的有效性,同时本章还在其他公开数据集上对模型的普适性和先进性进行了验证。此外,本文还分别建立了模拟器环境下的驾驶员情绪多模态数据集,实车环境下的驾驶员情绪面部表情和道路场景数据集,这些数据集将有助驾驶员情绪识别领域的相关研究。调节驾驶员情绪是实现“情感化交互”智能座舱的重要手段。针对驾驶员愤怒情绪这一影响驾驶安全的主要原因,本文研究了驾驶过程中不同视觉元素的不同参数的愤怒调节质量,从视觉设计参数的角度,分别从颜色（冷/暖）、表现形式（扁平/拟物）和调节方式（积极干预/状态反馈）三个维度来研究驾驶员愤怒情绪调节。本文首先设计了基于以上参数的驾驶员愤怒情绪调节方案,接着实施了驾驶员情绪调节实验,随后分别讨论了颜色、表现形式和调节方式三个维度的驾驶员情绪调节质量。最后本文讨论了驾驶员情绪研究的应用展望。