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