自動(dòng)駕駛的安全性一直是行業(yè)和消費(fèi)者關(guān)注的焦點(diǎn),。對(duì)于如何提高高度自動(dòng)駕駛車輛的行路安全，最近,，研究人員開始關(guān)注乘客的在不同駕駛場(chǎng)景中的對(duì)于風(fēng)險(xiǎn)的認(rèn)知,。因?yàn)槿祟惐举|(zhì)上是一種特殊的傳感器，即使是不需要控制汽車的乘客,，也能夠感知風(fēng)險(xiǎn),。因此，研究基于人的狀態(tài)的腦機(jī)接口（Brain-computer inference, BCI）系統(tǒng)以克服自動(dòng)駕駛算法的功能缺陷是有意義的,。

今天,，我們將為大家介紹一個(gè)用于研究乘客在高度自動(dòng)駕駛場(chǎng)景中駕駛風(fēng)險(xiǎn)認(rèn)知的功能性近紅外光譜（fNIRS）數(shù)據(jù)集，介紹該數(shù)據(jù)集的原文題為：“An fNIRS dataset for driving risk cognition of passengers in highly automated driving scenarios”,。該數(shù)據(jù)集包含在多個(gè)高速駕駛場(chǎng)景中的乘客前額葉皮層活動(dòng)數(shù)據(jù),，還提供了駕駛場(chǎng)景的詳細(xì)信息，如車輛位置,、速度和加速度,。該研究為自動(dòng)駕駛的安全性提供了新的視角，為未來自動(dòng)駕駛車輛的腦機(jī)接口系統(tǒng)奠定了基礎(chǔ),。

圖1. 文章封面

在高度自動(dòng)駕駛的場(chǎng)景中,，車輛的操作不再依賴駕駛員，而是由自動(dòng)駕駛系統(tǒng)控制,。然而,，乘客的心理狀態(tài)也能反映車輛的安全性，其前額葉皮層活動(dòng)可以反映出他們對(duì)駕駛風(fēng)險(xiǎn)的感知,，這種感知可以幫助自動(dòng)駕駛系統(tǒng)更好地應(yīng)對(duì)潛在的危險(xiǎn)場(chǎng)景,。

在這項(xiàng)研究中,，研究者使用近紅外光譜設(shè)備（OctaMon, Artinis Medical Systerm）來實(shí)時(shí)監(jiān)測(cè)模擬駕駛情境中的乘客前額葉的氧合血紅蛋白（ΔHbo）和脫氧血紅蛋白（ΔHbR）變化，這些數(shù)據(jù)可以準(zhǔn)確反映出乘客在不同駕駛場(chǎng)景中的心理負(fù)荷和風(fēng)險(xiǎn)感知,。

研究者首先使用虛擬測(cè)試駕駛（virtual test drive,，VTD）軟件構(gòu)建了14種高度自動(dòng)駕駛場(chǎng)景（見圖2）。這些場(chǎng)景涵蓋了三種典型的單車場(chǎng)景：插隊(duì),、緊急制動(dòng)和行人橫穿馬路,。具體場(chǎng)景包括：領(lǐng)頭車輛從右側(cè)車道切出、領(lǐng)頭車輛從左側(cè)車道切出,、領(lǐng)頭車輛長(zhǎng)距離自主緊急制動(dòng),、周圍車輛短距離從左側(cè)車道切入、周圍車輛短距離從右側(cè)車道切入,、周圍車輛長(zhǎng)距離從右側(cè)車道切入、 領(lǐng)頭車輛短距離自主緊急制動(dòng),、周邊車輛從左側(cè)車道長(zhǎng)距離插隊(duì),、周邊車輛在右側(cè)車道行駛且不插隊(duì)、行人從右側(cè)橫穿馬路,、行人從左側(cè)橫穿馬路,、行人站在左側(cè)不橫穿馬路、行人站在右側(cè)不橫穿馬路,、周邊車輛在左側(cè)車道行駛且不插隊(duì),。因此每個(gè)場(chǎng)景包含一輛自動(dòng)駕駛的本車，目標(biāo)車輛或者行人,。這14種場(chǎng)景的具體參數(shù)描述可參考原文表2,。

其次，從這14種場(chǎng)景中隨機(jī)選擇25個(gè)場(chǎng)景組成一個(gè)虛擬測(cè)試駕駛（VTD）片段,。每個(gè)VTD片段的最初1000米內(nèi),，沒有任何事件發(fā)生，本車在三車道道路上以70 公里/小時(shí)的速度直線行駛,，期間無事發(fā)生,，目的是讓參與者適應(yīng)模擬駕駛環(huán)境。當(dāng)本車到達(dá)觸發(fā)位置后,，目標(biāo)車輛或行人開始執(zhí)行相應(yīng)動(dòng)作,，如切入、變道,、過馬路等,。

研究員一共準(zhǔn)備了12個(gè)VTD片段，每個(gè)片段長(zhǎng)約13分鐘,。在數(shù)據(jù)分析時(shí),，會(huì)舍棄每個(gè) VTD 片段中后面一個(gè)場(chǎng)景的數(shù)據(jù),，僅提取前面二十四個(gè)場(chǎng)景的數(shù)據(jù)進(jìn)行分析。十二個(gè)VTD片段中二十四個(gè)場(chǎng)景的順序可參考原文表1,。

最終,，由20名中國(guó)被試在駕駛模擬器上專注觀看所有12個(gè)VTD片段，不能進(jìn)行其他干擾任務(wù),，以確保對(duì)場(chǎng)景的感知和反應(yīng)不受影響,。觀看VTD的過程中，一旦被試感知到危險(xiǎn)或者聽到刺激聲音,，則需要按鍵,。任務(wù)過程會(huì)隨機(jī)出現(xiàn)的一些刺激聲音，以此判斷其是否專注,。且在同一天內(nèi),，被試最多觀看4個(gè)VTD片段。

OxySoft 軟件記錄由血氧監(jiān)測(cè)設(shè)備測(cè)量的氧合血紅蛋白變化（ΔHbo）和脫氧血紅蛋白變化（ΔHbR）的原始數(shù)據(jù),，此外,，OxySoft軟件還輸出原始強(qiáng)度數(shù)據(jù)，這些原始強(qiáng)度數(shù)據(jù)可根據(jù)特定需求進(jìn)行預(yù)處理,，可通過Homer3或其他軟件獲得ΔHbo和ΔHbR的預(yù)處理數(shù)據(jù),；Matlab/Simulink模塊負(fù)責(zé)硬件與主機(jī)之間、主機(jī)與OxySoft軟件之間的通信,；Python模塊和鍵盤共同記錄參與者按下鍵盤時(shí)主機(jī)的當(dāng)前時(shí)間,。

另外，本實(shí)驗(yàn)以動(dòng)能場(chǎng)作為駕駛場(chǎng)景危險(xiǎn)程度的客觀指標(biāo),，該指標(biāo)使用目標(biāo)車輛（或者行人）的相對(duì)縱向距離和速度來計(jì)算,。并且根據(jù)經(jīng)驗(yàn)，選取動(dòng)能值0.05作為割點(diǎn)（或者叫刺激點(diǎn)）,，以此將自動(dòng)駕駛場(chǎng)景分為前半段低風(fēng)險(xiǎn)和后半段高風(fēng)險(xiǎn)部分,。

該數(shù)據(jù)集的結(jié)構(gòu)和命名遵循一定規(guī)范，有助于高效管理和使用數(shù)據(jù),，具體如下：

數(shù)據(jù)集結(jié)構(gòu)：包含三個(gè)主要文件（participants.tsv,、participants.json和dataset_description.json）和二十個(gè)文件夾。其中,，二十個(gè)文件夾分別以符合大腦影像數(shù)據(jù)標(biāo)準(zhǔn)（BIDs）的格式保存二十名參與者的數(shù)據(jù),。participants.tsv 記錄參與者的年齡、性別,、駕駛經(jīng)驗(yàn)以及對(duì)VTD片段危險(xiǎn)程度的主觀評(píng)價(jià),；participants.json和dataset_description.json則分別是關(guān)于參與者和數(shù)據(jù)集的解釋說明文件。

命名規(guī)則：文件命名具有明確指向性,，如participants.tsv中 “participants”表明與參與者相關(guān),，“tsv”是文件格式,，說明該文件以制表符分隔存儲(chǔ)數(shù)據(jù)。“participants.json”同樣圍繞參與者,，“json”格式便于數(shù)據(jù)的存儲(chǔ)和交換,。“dataset_description.json”里“dataset_description”清晰表明這是對(duì)整個(gè)數(shù)據(jù)集進(jìn)行描述的文件。文件夾以參與者編號(hào)命名（對(duì)應(yīng)二十名參與者）,，用于分類存儲(chǔ)不同參與者的具體實(shí)驗(yàn)數(shù)據(jù),，方便查找和管理 。

該數(shù)據(jù)集已在OpenNeuro平臺(tái)上公開

此外,，研究人員還提供了以下工具和資源，幫助用戶更好地利用該數(shù)據(jù)集：

·VTD項(xiàng)目文件：用戶可以使用VTD軟件重建14種駕駛場(chǎng)景,。

·Python數(shù)據(jù)處理函數(shù)：用于處理OctaMon采集的原始ΔHbo和ΔHbR數(shù)據(jù),。

·Homer預(yù)處理示例：展示了如何使用Homer軟件進(jìn)行fNIRS數(shù)據(jù)預(yù)處理和機(jī)器學(xué)習(xí)分析。

原文作者基于該數(shù)據(jù)集發(fā)表了名為《Driving risk cognition of passengers in highly automated driving based on the prefrontal cortex activity via fNIRS》的文章,，研究聚焦于高度自動(dòng)駕駛場(chǎng)景中乘客的駕駛風(fēng)險(xiǎn)認(rèn)知問題,。且該研究只選取了14種場(chǎng)景中的4種作分析。這些場(chǎng)景分別為：前車短距離自主緊急制動(dòng),、前車短距離從左車道切入、前車短距離從右車道切入和行人從右側(cè)過馬路,。通過分析氧合血紅蛋白濃度特征,，發(fā)現(xiàn)，Brodmann 10區(qū)因駕駛場(chǎng)景風(fēng)險(xiǎn)引發(fā)的心理活動(dòng)非?；钴S,，大腦氧含量與駕駛風(fēng)險(xiǎn)場(chǎng)景呈正相關(guān)；還分析了性別和駕駛經(jīng)驗(yàn)對(duì)心理活動(dòng)的影響,，例如在短距離緊急制動(dòng)場(chǎng)景中,，有駕駛經(jīng)驗(yàn)的參與者在低風(fēng)險(xiǎn)和高風(fēng)險(xiǎn)片段的差異更明顯，男性參與者的差異比女性參與者更顯著,。

Zhang, X., Wang, Q., Li, J. et al. An fNIRS dataset for driving risk cognition of passengers in highly automated driving scenarios. Sci Data 11, 546 (2024).

該研究由清華大學(xué)車輛與運(yùn)載學(xué)院,、醫(yī)學(xué)院以及倫敦帝國(guó)理工學(xué)院電氣與電子工程系的相關(guān)研究團(tuán)隊(duì)共同完成。Xiaofei Zhang和Qiaoya Wang作為共同一作,，均來自清華大學(xué)車輛與運(yùn)載學(xué)院,，Hong Wang 來自清華大學(xué)車輛與運(yùn)載學(xué)院，是文章的通訊作者,。