Reconhecimento das intenções de frenagem forte e suave dos motoristas com base em interfaces cérebro-computador híbridas
Cientistas do Instituto de Tecnologia de Pequim propuseram os hBCIs que incorporam sinais de EEG e EMG. Crédito:Jiawei Ju et al.
Um artigo técnico de cientistas do Instituto de Tecnologia de Pequim introduziu interfaces cérebro-computador híbridas simultâneas e sequenciais (hBCIs) que incorporam sinais EEG e EMG para classificar a frenagem brusca, frenagem suave e intenções normais de direção dos motoristas para melhor auxiliar a direção.
"O trabalho é valioso para o desenvolvimento de sistemas de direção assistida inteligente centrados no ser humano para melhorar a segurança e o conforto da direção e promover a aplicação de BCIs", explicaram os autores do estudo Longxi Luo, professor assistente, e Jiawei Ju, assistente de pesquisa, do instituto de sistemas homem-máquina (IHMS) dirigido por Luzheng Bi, professor do Instituto de Tecnologia de Pequim.
Os acidentes de trânsito (ATR) tornaram-se um dos mais importantes fatores causadores de vítimas e perdas econômicas. Os acidentes de trânsito causam cerca de 1,35 milhão de mortes e 20 a 50 milhões de feridos a cada ano. Quase 3% do PIB da China é consumido como resultado de acidentes de trânsito todos os anos para despesas médicas e perda de produtividade do pessoal. Além disso, com o ritmo acelerado da ciência, tecnologia e desenvolvimento econômico, os veículos nas estradas estão aumentando ano a ano, e prevê-se que o RTA seja o quinto fator que levará à morte em 2030.
Um sistema inteligente de assistência ao motorista (IDAS) pode influenciar indiretamente o controle do veículo, notificando os motoristas sobre possíveis emergências ou controlando diretamente os veículos após a detecção de emergências, melhorando efetivamente a segurança de condução dos motoristas.
Alguns IDASs precisam detectar o estado de sonolência e distração dos motoristas Outros IDASs dependem da detecção do comportamento de direção e da previsão das intenções de direção. Se um IDAS puder detectar a intenção de frenagem brusca dos motoristas com antecedência, ele pode controlar diretamente os veículos para frear bruscamente.
Neste estudo, a frenagem é um comportamento específico que desacelera ou para o veículo. A frenagem pode ser classificada em frenagem forte e frenagem suave. A frenagem brusca refere-se ao comportamento em que o motorista pressiona o pedal com força para diminuir rapidamente a velocidade do veículo diante de uma emergência durante a condução. Em contraste, a frenagem suave refere-se ao comportamento em que os motoristas pressionam o pedal suavemente para diminuir lentamente a velocidade do veículo.
As informações de entrada dos IDASs consistem principalmente em informações relacionadas ao veículo e ao ambiente, relacionadas ao comportamento e relacionadas ao sinal biológico. As informações do veículo e do ambiente circundante vêm principalmente dos parâmetros do veículo e das informações de tráfego. Informações relacionadas ao comportamento do motorista podem ser obtidas principalmente pelo monitoramento das atividades dos pés, membros e cabeças dos motoristas. A informação biológica inclui sinais de eletroencefalografia (EEG) e sinais de eletromiografia (EMG). Embora os BCIs baseados em sinais EEM tenham feito grande progresso na detecção de intenção de frenagem, o desempenho da detecção não é estável devido às propriedades dos sinais EEG.
Uma interface cérebro-computador híbrida (hBCI) é um esquema eficaz que pode resolver as deficiências dos BCIs baseados em EEG, como baixa estabilidade, baixo desempenho e confiabilidade insuficiente.
De acordo com a forma como os sinais são combinados, os hBCIs se dividem em dois modos:um que combina dois ou mais tipos de sinais de EEG, como ERD, ERS e P300, outro combina EEG e outros sinais, como sinais de EMG e sinais de ECG.
No entanto, os métodos existentes de detecção de intenção de frenagem com base em hBCIs são desenvolvidos para reconhecer a intenção de frenagem forte de uma condução normal ou intenções de frenagem suave. Para tornar esses métodos de detecção de intenção de frenagem forte mais aplicáveis em situações de direção realistas, um método de detecção baseado em EEG para distinguir frenagem forte, frenagem suave e intenções de direção normal já foi proposto em nosso estudo anterior. Os resultados experimentais sugeriram a viabilidade deste método de detecção. No entanto, o desempenho deste método de detecção não foi bom. A precisão média dos testes offline das três classes de intenções de condução com base em características espectrais foi de 70,93%.
Para resolver este problema, neste artigo, pretendemos desenvolver hBCIs simultâneos e sequenciais baseados em sinais EEG e EMG para reconhecer frenagem forte, frenagem suave e intenções normais de direção. A contribuição deste artigo é que é o primeiro trabalho a usar a fusão de sinais EEG e EMG para reconhecer frenagem forte, frenagem suave e intenções normais de direção.
"A precisão do nosso novo sistema em reconhecer latidos fortes, frenagem suave e intenções normais de direção atingiu 96,37%", disseram os autores do estudo.
A pesquisa foi publicada em
Cyborg and Bionic Systems .
+ Explorar mais Direção autônoma – mãos no volante ou sem volante