北京理工学院科学家的一篇技术论文介绍了同时和顺序混合脑-计算机接口(HBCI),该接口结合了EEG和EMG信号,用于对驾驶员的硬制动、软制动和正常驾驶意图进行分类,以更好地辅助驾驶。
“这项工作对于开发以人为中心的智能辅助驾驶系统,以提高驾驶安全性和驾驶舒适性,并促进BCIs的应用具有重要价值,”研究作者、北京理工学院教授吕正碧指导的人机系统研究所(IHMS)的助理教授罗龙熙和研究助理朱家伟解释道。
道路交通事故已成为造成人员伤亡和经济损失的重要因素之一。交通事故每年造成近135万人死亡,2000-5000万人受伤。中国每年有近3%的GDP用于医疗费用和人员生产力损失的交通事故。此外,随着科学、技术和经济的快速发展,道路上的车辆逐年增加,预计到2030年,道路交通事故将成为导致死亡的第五大因素。
智能驾驶员辅助系统(IDAS)可以通过通知驾驶员可能发生的紧急情况或在检测到紧急情况后直接控制车辆,从而间接影响车辆控制,有效提高驾驶员的驾驶安全性。
一些IDAS需要检测驾驶员的睡意状态和分心状态,其他IDAS依赖于驾驶行为检测和驾驶意图预测。如果IDAS能够提前检测到驾驶员的紧急制动意图,它可以直接控制车辆进行紧急制动。
在本研究中,制动是一种使车辆减速或停止的特定行为。制动可分为硬制动和软制动。紧急制动是指驾驶员在驾驶过程中遇到紧急情况时用力踩下踏板以快速降低车速的行为。相反,软制动是指驾驶员轻轻踩下踏板以缓慢降低车速的行为。
IDAS的输入信息主要包括车辆和周围环境相关信息、行为相关信息和生物信号相关信息。车辆和周围环境信息主要来自车辆参数和交通信息。驾驶员行为相关信息主要通过监控驾驶员的脚、四肢和头部的活动来获得。生物信息包括脑电图(EEG)信号和肌电图(EMG)信号。尽管基于EEM信号的BCI在制动意图检测方面取得了很大进展,但由于EEG信号的特性,检测性能并不稳定。
混合脑机接口(hBCI)是一种有效的方案,可以解决基于EEG的脑机接口的稳定性低、性能差和可靠性不足等缺点。
根据信号的组合方式,HBCI分为两种模式:一种是组合两种或多种EEG信号,如ERD、ERS和P300,另一种是将EEG和其他信号,如EMG信号和ECG信号组合。
然而,基于hBCIs的现有制动意图检测方法是为了从正常驾驶或软制动意图中识别硬制动意图而开发的。为了使这些硬制动意图检测方法更适用于实际驾驶情况,我们在之前的研究中已经提出了一种基于EEG的检测方法,用于区分硬制动、软制动和正常驾驶意图。实验结果表明了该检测方法的可行性。然而,这种检测方法的性能并不好。基于光谱特征的三类驾驶意图的离线测试平均准确率为70.93%。
为了解决这个问题,在本文中,我们旨在开发基于EEG和EMG信号的同时和顺序HBCI,以识别硬制动、软制动和正常驾驶意图。本文的贡献在于,这是首次使用EEG和EMG信号的融合来识别硬制动、软制动和正常驾驶意图。
“我们的新系统在识别硬吠声、软刹车和正常驾驶意图方面的准确率达到96.37%,”研究作者说。
这项研究发表在《机器人和仿生系统》杂志上。