Gli scienziati del Beijing Institute of Technology hanno proposto gli hBCI che incorporano segnali EEG ed EMG. Credito:Jiawei Ju et al.
Un documento tecnico degli scienziati del Beijing Institute of Technology ha introdotto interfacce cervello-computer ibride simultanee e sequenziali (hBCI) che incorporano segnali EEG ed EMG per classificare le frenate brusche, le frenate morbide e le normali intenzioni di guida dei conducenti per assistere meglio la guida.
"Il lavoro è prezioso per lo sviluppo di sistemi di guida assistiti intelligenti incentrati sull'uomo per migliorare la sicurezza e il comfort di guida e promuovere l'applicazione dei BCI", hanno spiegato gli autori dello studio Longxi Luo, un assistente professore, e Jiawei Ju, un assistente di ricerca, del Institute of Human Machine Systems (IHMS) diretto da Luzheng Bi, professore al Beijing Institute of Technology.
Gli incidenti stradali (RTA) sono diventati uno dei fattori più importanti che causano vittime e perdite economiche. Gli incidenti stradali causano quasi 1,35 milioni di morti e 20-50 milioni di feriti ogni anno. Quasi il 3% del PIL cinese viene consumato ogni anno a causa di incidenti stradali per spese mediche e perdita di produttività del personale. Inoltre, con il ritmo veloce della scienza, della tecnologia e dello sviluppo economico, i veicoli su strada stanno aumentando di anno in anno e si prevede che l'RTA sarà il quinto fattore che porterà alla morte nel 2030.
Un sistema intelligente di assistenza alla guida (IDAS) può influenzare indirettamente il controllo del veicolo avvisando i conducenti di possibili emergenze o controllando direttamente i veicoli dopo aver rilevato le emergenze, migliorando efficacemente la sicurezza di guida dei conducenti.
Alcuni IDAS devono rilevare lo stato di sonnolenza e lo stato di distrazione dei conducenti Altri IDAS dipendono dal rilevamento del comportamento di guida e dalla previsione delle intenzioni di guida. Se un IDAS è in grado di rilevare in anticipo l'intenzione di frenata brusca dei conducenti, può controllare direttamente i veicoli per effettuare una frenata brusca.
In questo studio, la frenata è un comportamento specifico che rallenta o arresta il veicolo. La frenata può essere classificata in frenata brusca e frenata morbida. La frenata brusca si riferisce al comportamento in cui il conducente preme il pedale con forza per ridurre rapidamente la velocità del veicolo di fronte a un'emergenza durante la guida. Al contrario, la frenata morbida si riferisce al comportamento in cui i conducenti premono leggermente il pedale per diminuire lentamente la velocità del veicolo.
Le informazioni di input degli IDAS consistono principalmente in informazioni relative al veicolo e all'ambiente circostante, al comportamento e al segnale biologico. Le informazioni sul veicolo e sull'ambiente circostante provengono principalmente dai parametri del veicolo e dalle informazioni sul traffico. Le informazioni relative al comportamento del conducente possono essere ottenute principalmente monitorando le attività dei piedi, degli arti e della testa dei conducenti. Le informazioni biologiche includono segnali di elettroencefalografia (EEG) e segnali di elettromiografia (EMG). Sebbene i BCI basati sui segnali EEM abbiano fatto grandi progressi nel rilevamento dell'intenzione di frenata, le prestazioni di rilevamento non sono stabili a causa delle proprietà dei segnali EEG.
Un'interfaccia ibrida cervello-computer (hBCI) è uno schema efficace in grado di affrontare le carenze dei BCI basati su EEG, come bassa stabilità, scarse prestazioni e affidabilità insufficiente.
A seconda di come vengono combinati i segnali, gli hBCI rientrano in due modalità:una che combina due o più tipi di segnali EEG, come ERD, ERS e P300, un'altra combina EEG e altri segnali, come segnali EMG e segnali ECG.
Tuttavia, i metodi esistenti di rilevamento dell'intenzione di frenata basati su hBCI sono stati sviluppati per riconoscere l'intenzione di frenata brusca dalla guida normale o dalle intenzioni di frenata morbida. Per rendere questi metodi di rilevamento dell'intenzione di frenata brusca più applicabili in situazioni di guida realistiche, nel nostro studio precedente era già stato proposto un metodo di rilevamento basato su EEG per distinguere la frenata brusca, la frenata morbida e le normali intenzioni di guida. I risultati sperimentali hanno suggerito la fattibilità di questo metodo di rilevamento. Tuttavia, le prestazioni di questo metodo di rilevamento non erano buone. L'accuratezza media dei test offline delle tre classi di intenzioni di guida in base alle caratteristiche spettrali è stata del 70,93%.
Per affrontare questo problema, in questo documento, miriamo a sviluppare hBCI simultanee e sequenziali basati su segnali EEG ed EMG per riconoscere la frenata brusca, la frenata morbida e le normali intenzioni di guida. Il contributo di questo documento è che si tratta del primo lavoro che utilizza la fusione di segnali EEG ed EMG per riconoscere frenate brusche, frenate morbide e normali intenzioni di guida.
"La precisione del nostro nuovo sistema nel riconoscere l'abbaiare forte, la frenata morbida e le normali intenzioni di guida ha raggiunto il 96,37%", hanno affermato gli autori dello studio.
La ricerca è stata pubblicata su Cyborg and Bionic Systems . + Esplora ulteriormente
