手機(jī)版
化工儀器網(wǎng)手機(jī)版
化工儀器網(wǎng)小程序
官方微信
公眾號(hào)：chem17
掃碼關(guān)注視頻號(hào)
所有傳感器的位置。EEG帽、EMG電極、GSR電極、ECG電極和眼動(dòng)儀放置在如圖所示的位置
研究者將駕駛行為分成五類，設(shè)計(jì)了分類模型來證明生理數(shù)據(jù)和駕駛行為之間的相關(guān)性，他們展示了用于分析駕駛行為的多模態(tài)生理數(shù)據(jù)集（MPDB），為交通心理和行為的研究人員提供了機(jī)會(huì)。
研究背景
根據(jù)全國機(jī)動(dòng)車碰撞因果關(guān)系調(diào)查，94% 的交通事故與駕駛員的不當(dāng)行為有關(guān)。以往的研究主要集中在駕駛狀態(tài)對事故的影響上，探索疲勞和分心等領(lǐng)域，然而，在理解駕駛行為中人的反應(yīng)和決策的直接影響方面仍存在空白。
駕駛員行為研究對自車輛傳感器、攝像頭和智能手機(jī)的數(shù)據(jù)可靠性有很高的要求，這些數(shù)據(jù)在體現(xiàn)微小動(dòng)作時(shí)可能存在不準(zhǔn)確性、噪聲和局限性。而生理數(shù)據(jù)，如EEG和ECG，已被用于研究駕駛員的狀態(tài)，但缺乏將這些信號(hào)直接映射到實(shí)時(shí)場景中的駕駛員行為的數(shù)據(jù)集。本文通過引入一個(gè)新的數(shù)據(jù)集來解決這些差距，該數(shù)據(jù)集直接將多模態(tài)生理信號(hào)映射到復(fù)雜駕駛?cè)蝿?wù)中的駕駛員行為。
該數(shù)據(jù)集包括在六自由度駕駛模擬器上執(zhí)行駕駛?cè)蝿?wù)期間收集的EEG、ECG、EMG和眼球跟蹤的高分辨率數(shù)據(jù)。通過將生理信號(hào)與外顯駕駛行為相結(jié)合，本研究提供了對駕駛員認(rèn)知功能的見解，并提供了對人類駕駛決策過程的更全面的理解。該數(shù)據(jù)集為交通心理學(xué)、駕駛行為研究的進(jìn)步鋪平了道路，并為提高道路安全開發(fā)了更有效的模型。
事件相關(guān)駕駛?cè)蝿?wù)的
多模態(tài)生理數(shù)據(jù)采集方法
研究者通過對35名志愿者進(jìn)行的與事件相關(guān)的綜合駕駛實(shí)驗(yàn)，專注于了解人類的駕駛行為。所有參與者均為清華大學(xué)學(xué)生或教職員工，年齡介于20至60歲，平均年齡為25歲，至少有一年駕駛經(jīng)驗(yàn)。
在實(shí)驗(yàn)之前，所有參與者都必須有足夠的休息，避免藥物的攝入，并完成預(yù)測試，以確保他們理解任務(wù)并對實(shí)驗(yàn)設(shè)置熟悉。實(shí)驗(yàn)環(huán)境包括一個(gè)六自由度運(yùn)動(dòng)駕駛模擬器和一個(gè)圓形幕布，模擬器能夠平移和旋轉(zhuǎn)，讓參與者真實(shí)地體驗(yàn)各種駕駛場景，模擬器配備了真實(shí)的汽車方向盤、伺服電機(jī)和運(yùn)動(dòng)控制系統(tǒng)，以獲得更真實(shí)的駕駛體驗(yàn)。
道路場景從北京順柏路附近的實(shí)際道路復(fù)制了一條 11 公里的路線，具有急轉(zhuǎn)彎、城市道路和多車道等多種元素。對五個(gè)駕駛事件進(jìn)行了建模：平穩(wěn)駕駛（控制）、加速、減速、變道和轉(zhuǎn)彎。每種駕駛行為都是由特定事件觸發(fā)的，例如超車、突然變道、人行橫道和靜態(tài)障礙物。參與者被要求在保持正常駕駛條件的同時(shí)對這些事件做出反應(yīng)。所有事件都進(jìn)行了標(biāo)記，以便進(jìn)行精確的數(shù)據(jù)分析。
在駕駛?cè)蝿?wù)中，使用Neuracle和Tobii的數(shù)據(jù)采集系統(tǒng)同步收集各種生理信號(hào)，包括腦電圖、心電圖、肌電圖、GSR和眼動(dòng)追蹤數(shù)據(jù)。使用 64 個(gè)電極帽收集腦電圖數(shù)據(jù)，而使用參與者胸部的電極記錄心電圖信號(hào)。肌電圖數(shù)據(jù)是從參與駕駛的特定肌肉中獲取的，并使用手指上的電極測量GSR信號(hào)。
眼動(dòng)追蹤數(shù)據(jù)為駕駛過程中的凝視模式和瞳孔擴(kuò)張?zhí)峁┝藢氋F的見解。這些不同的生理信號(hào)與參與者對駕駛事件的反應(yīng)相結(jié)合，可以全面了解人類駕駛員的行為，為未來的交通心理學(xué)和行為建模研究提供強(qiáng)大的數(shù)據(jù)集。
駕駛行為評價(jià)中的數(shù)據(jù)存儲(chǔ)與分析
MPDB數(shù)據(jù)集提供了數(shù)據(jù)存儲(chǔ)和組織詳細(xì)信息，包括原始和預(yù)處理數(shù)據(jù)以及Figshare上可用的眼動(dòng)追蹤數(shù)據(jù)。原始數(shù)據(jù)集包含來自35名受試者的生理數(shù)據(jù)，每人駕駛兩小時(shí)，并按文件夾組織，進(jìn)一步分為不同的駕駛行為，如減速、加速、轉(zhuǎn)彎和變道。用戶可以根據(jù)自己的需要對原始數(shù)據(jù)進(jìn)行框架和預(yù)處理。
在預(yù)處理后的數(shù)據(jù)集中，每個(gè)受試者的生理數(shù)據(jù)樣本被合并到一個(gè)單一的文件中，包括五種類型的行為。將采集到的原始數(shù)據(jù)按受試者編號(hào)進(jìn)行組織，將采集到的EEG和ECG數(shù)據(jù)分開，通過同一無線傳輸裝置進(jìn)行傳輸。技術(shù)驗(yàn)證包括評估生理數(shù)據(jù)的質(zhì)量、車輛參數(shù)以及生理數(shù)據(jù)和駕駛行為之間的相關(guān)性。驗(yàn)證過程包括生理變量和車輛參數(shù)的質(zhì)量檢查，以及兩者之間的相關(guān)分析。
生理結(jié)構(gòu)分析涉及檢查駕駛行為的EEG時(shí)頻域特征，包括使用短時(shí)傅立葉變換。統(tǒng)計(jì)特性驗(yàn)證包括分析EEG數(shù)據(jù)的統(tǒng)計(jì)特性，如功率譜密度。數(shù)據(jù)集還包括EMG，ECG和GSR信號(hào)，這是預(yù)處理與帶通濾波和噪聲去除。每個(gè)信號(hào)類型的波形提出了不同的主題和渠道，表現(xiàn)出正常的周期性峰值在ECG和皮膚電導(dǎo)率的變化在GSR。
生理活動(dòng)和駕駛行為之間的相關(guān)性分析，說明與熱圖顯示的5個(gè)駕駛行為與生理信號(hào)的相關(guān)性。眼動(dòng)跟蹤變量驗(yàn)證檢查受試者在駕駛過程中的凝視模式，散點(diǎn)圖顯示引起事件的主要對象上的濃度。該數(shù)據(jù)集的駕駛環(huán)境旨在模擬實(shí)際車輛狀況，配備可調(diào)節(jié)座椅、方向盤和其他車輛組件。
質(zhì)量控制 措施包括使用通用串行總線（ USB ）端口將事件標(biāo)簽與生理數(shù)據(jù)同步。記錄車輛參數(shù)，如速度，加速度和齒輪位置，每個(gè)受試者遵循相同的路線和事件觸發(fā)器，確保數(shù)據(jù)的一致性。使用生理數(shù)據(jù)和車輛參數(shù)的分類任務(wù)，旨在確定相似的樣本之間的相關(guān)性和不同的樣本之間的差異。
結(jié)論
MPDB的全面驗(yàn)證和分析證明了其通過生理數(shù)據(jù)評估駕駛行為的可靠性和有效性。從腦電圖到肌電圖和心電圖，每一種方式都經(jīng)過嚴(yán)格的驗(yàn)證，確保高質(zhì)量的記錄，生物信號(hào)和駕駛行為之間的相關(guān)性分析證實(shí)了它們之間的關(guān)系，進(jìn)一步細(xì)化了分類模型，利用多模態(tài)數(shù)據(jù)提高分類精度，強(qiáng)調(diào)數(shù)據(jù)集的魯棒性。
來源：本文來源于“AZO-AI”，僅用于學(xué)術(shù)資訊分享，如有侵權(quán)請聯(lián)系管理員刪除。
原文鏈接：wwwazoaicom/news/20240422/The-MPDB-Dataset-Exploring-Driving-Behavior-with-Multimodal-Physiological-Data.aspx
采購中心