手機版
化工儀器網手機版
化工儀器網小程序
官方微信
公眾號：chem17
掃碼關注視頻號
所有傳感器的位置。EEG帽、EMG電極、GSR電極、ECG電極和眼動儀放置在如圖所示的位置
研究者將駕駛行為分成五類，設計了分類模型來證明生理數據和駕駛行為之間的相關性，他們展示了用于分析駕駛行為的多模態生理數據集（MPDB），為交通心理和行為的研究人員提供了機會。
研究背景
根據全國機動車碰撞因果關系調查，94% 的交通事故與駕駛員的不當行為有關。以往的研究主要集中在駕駛狀態對事故的影響上，探索疲勞和分心等領域，然而，在理解駕駛行為中人的反應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、攝像頭和智能手機的數據可靠性有很高的要求，這些數據在體現微小動作時可能存在不準確性、噪聲和局限性。而生理數據，如EEG和ECG，已被用于研究駕駛員的狀態，但缺乏將這些信號直接映射到實時場景中的駕駛員行為的數據集。本文通過引入一個新的數據集來解決這些差距，該數據集直接將多模態生理信號映射到復雜駕駛任務中的駕駛員行為。
該數據集包括在六自由度駕駛模擬器上執行駕駛任務期間收集的EEG、ECG、EMG和眼球跟蹤的高分辨率數據。通過將生理信號與外顯駕駛行為相結合，本研究提供了對駕駛員認知功能的見解，并提供了對人類駕駛決策過程的更全面的理解。該數據集為交通心理學、駕駛行為研究的進步鋪平了道路，并為提高道路安全開發了更有效的模型。
事件相關駕駛任務的
多模態生理數據采集方法
研究者通過對35名志愿者進行的與事件相關的綜合駕駛實驗，專注于了解人類的駕駛行為。所有參與者均為清華大學學生或教職員工，年齡介于20至60歲，平均年齡為25歲，至少有一年駕駛經驗。
在實驗之前，所有參與者都必須有足夠的休息，避免藥物的攝入，并完成預測試，以確保他們理解任務并對實驗設置熟悉。實驗環境包括一個六自由度運動駕駛模擬器和一個圓形幕布，模擬器能夠平移和旋轉，讓參與者真實地體驗各種駕駛場景，模擬器配備了真實的汽車方向盤、伺服電機和運動控制系統，以獲得更真實的駕駛體驗。
道路場景從北京順柏路附近的實際道路復制了一條 11 公里的路線，具有急轉彎、城市道路和多車道等多種元素。對五個駕駛事件進行了建模：平穩駕駛（控制）、加速、減速、變道和轉彎。每種駕駛行為都是由特定事件觸發的，例如超車、突然變道、人行橫道和靜態障礙物。參與者被要求在保持正常駕駛條件的同時對這些事件做出反應。所有事件都進行了標記，以便進行精確的數據分析。
在駕駛任務中，使用Neuracle和Tobii的數據采集系統同步收集各種生理信號，包括腦電圖、心電圖、肌電圖、GSR和眼動追蹤數據。使用 64 個電極帽收集腦電圖數據，而使用參與者胸部的電極記錄心電圖信號。肌電圖數據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。
眼動追蹤數據為駕駛過程中的凝視模式和瞳孔擴張提供了寶貴的見解。這些不同的生理信號與參與者對駕駛事件的反應相結合，可以全面了解人類駕駛員的行為，為未來的交通心理學和行為建模研究提供強大的數據集。
駕駛行為評價中的數據存儲與分析
MPDB數據集提供了數據存儲和組織詳細信息，包括原始和預處理數據以及Figshare上可用的眼動追蹤數據。原始數據集包含來自35名受試者的生理數據，每人駕駛兩小時，并按文件夾組織，進一步分為不同的駕駛行為，如減速、加速、轉彎和變道。用戶可以根據自己的需要對原始數據進行框架和預處理。
在預處理后的數據集中，每個受試者的生理數據樣本被合并到一個單一的文件中，包括五種類型的行為。將采集到的原始數據按受試者編號進行組織，將采集到的EEG和ECG數據分開，通過同一無線傳輸裝置進行傳輸。技術驗證包括評估生理數據的質量、車輛參數以及生理數據和駕駛行為之間的相關性。驗證過程包括生理變量和車輛參數的質量檢查，以及兩者之間的相關分析。
生理結構分析涉及檢查駕駛行為的EEG時頻域特征，包括使用短時傅立葉變換。統計特性驗證包括分析EEG數據的統計特性，如功率譜密度。數據集還包括EMG，ECG和GSR信號，這是預處理與帶通濾波和噪聲去除。每個信號類型的波形提出了不同的主題和渠道，表現出正常的周期性峰值在ECG和皮膚電導率的變化在GSR。
生理活動和駕駛行為之間的相關性分析，說明與熱圖顯示的5個駕駛行為與生理信號的相關性。眼動跟蹤變量驗證檢查受試者在駕駛過程中的凝視模式，散點圖顯示引起事件的主要對象上的濃度。該數據集的駕駛環境旨在模擬實際車輛狀況，配備可調節座椅、方向盤和其他車輛組件。
質量控制 措施包括使用通用串行總線（ USB ）端口將事件標簽與生理數據同步。記錄車輛參數，如速度，加速度和齒輪位置，每個受試者遵循相同的路線和事件觸發器，確保數據的一致性。使用生理數據和車輛參數的分類任務，旨在確定相似的樣本之間的相關性和不同的樣本之間的差異。
結論
MPDB的全面驗證和分析證明了其通過生理數據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，每一種方式都經過嚴格的驗證，確保高質量的記錄，生物信號和駕駛行為之間的相關性分析證實了它們之間的關系，進一步細化了分類模型，利用多模態數據提高分類精度，強調數據集的魯棒性。
來源：本文來源于“AZO-AI”，僅用于學術資訊分享，如有侵權請聯系管理員刪除。
原文鏈接：wwwazoaicom/news/20240422/The-MPDB-Dataset-Exploring-Driving-Behavior-with-Multimodal-Physiological-Data.aspx
采購中心