Les modèles classiques de simulation microscopique de trafic sont fondés sur une équation gérant le suivi de véhicules et sur un algorithme de changement de voie. Ce type de modélisation montre de bons résultats en terme de propriétés macroscopiques, mais ne permet pas de répliquer de façon précise les comportements individuels, ce qui limite la capacité des simulations à expliquer et à prédire le comportement des conducteurs. De façon à améliorer le réalisme des comportements individuels et collectifs des agents, nous proposons d’intégrer la perception des événements et le calcul des émotions des agents dans le cadre de la logique floue. La modélisation de la perception et de ses effets sur les émotions grâce à un processus d’inférence floue permet aux agents virtuels d’appréhender de façon souple l’environnement et de choisir des comportements non-normatifs. Nous montrons comment différents types de règles floues, peuvent être utilisées pour émuler les perceptions et émotions d’un conducteur, et leurs effets sur le processus de décision.