您好, 歡迎來到化工儀器網(wǎng)
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,。
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,，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,。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,。
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)存儲與分析
MPDB數(shù)據(jù)集提供了數(shù)據(jù)存儲和組織詳細(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，這是預(yù)處理與帶通濾波和噪聲去除,。每個(gè)信號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