L'« assistance divine » du conducteur sur la route ! BIT développe un système hybride d'aide à la conduite avec interface cerveau-ordinateur pour améliorer la sécurité de conduite

​Avec l’amélioration du niveau de vie des gens, les voitures sont entrées dans des milliers de foyers. Cependant, si les véhicules facilitent les déplacements, les accidents de la route sont également devenus une menace importante pour la sécurité des conducteurs et des piétons.

Selon les statistiques incomplètes de l'Organisation mondiale de la santé en 2018, les accidents de la route sont l'un des principaux facteurs causant des victimes et des pertes économiques. Les accidents de la route provoquent chaque année près de 1,35 million de morts et 20 à 50 millions de blessés. Près de 3 % du PIB sont consacrés chaque année aux accidents de la route.

Parmi eux, la fatigue au volant est un facteur important provoquant des accidents de la route, juste derrière la vitesse. La sécurité au volant n’est donc pas une mince affaire, même si vous êtes un « conducteur expérimenté ».

Sur la base des problèmes de sécurité de conduite, le professeur adjoint Luo Longxi et le doctorant Ju Jiawei de l'équipe des systèmes homme-machine intelligents du professeur Bi Luzheng de l'École d'ingénierie mécanique et automobile de l'Institut de technologie de Pékin ont proposé une conduite intelligente Le système d'assistance (IDAS en abrégé), c'est-à-dire les interfaces cerveau-ordinateur hybrides séquentielles synchronisées (hBCI), combinent les signaux d'électroencéphalographie (EEG) et d'électromyographie (EMG) pour classer le freinage du conducteur et les intentions de conduite normales.

Pour le dire simplement et grossièrement, ce système d'assistance intelligent peut affecter indirectement le contrôle du véhicule en identifiant les urgences que le conducteur peut rencontrer. Il peut également contrôler directement le véhicule après avoir découvert une urgence, améliorant ainsi efficacement la sécurité de conduite.

Cette recherche a été publiée sous la forme d'un article dans la revue scientifique et technologique anglaise Cyborg and Bionic Systems.

Interface hybride cerveau-ordinateur - hBCI​

Actuellement, les informations d'entrée de l'IDAS comprennent principalement des informations liées aux véhicules et à l'environnement, au comportement et aux signaux biologiques. Les informations sur le véhicule et son environnement proviennent principalement des paramètres du véhicule et des informations sur le trafic. Certains IDAS doivent détecter l'état de somnolence du conducteur, tandis que d'autres systèmes s'appuient sur la détection du comportement de conduite et la prédiction des intentions de conduite.

Alors, où obtenez-vous les informations pertinentes sur le conducteur ? La réponse est obtenue en surveillant l'activité des pieds, des membres et des nerfs du conducteur.

Les sources d'informations biologiques comprennent les signaux d'électroencéphalographie (EEG) et les signaux d'électromyographie (EMG). En raison de l'émergence précoce des signaux EEG, des interfaces cerveau-ordinateur (BCI) basées sur les signaux EEG ont été utilisées dans la recherche sur le comportement au volant. Bien que ces interfaces EEG aient fait de grands progrès dans la détection des intentions de freinage, leurs performances de détection ne sont pas stables en raison des caractéristiques du signal EEG lui-même. En tant que solution efficace, l'interface hybride cerveau-ordinateur (hBCI) peut résoudre les défauts des BCI basés sur l'EEG, tels qu'une faible stabilité, de mauvaises performances et une fiabilité insuffisante.

En fonction de la façon dont les signaux sont combinés, hbci peut être divisé en deux modes, en utilisant une stratégie de fusion au niveau des fonctionnalités (hBCI-FL) et une stratégie de fusion au niveau du classificateur (hbci-cl). Le premier mode combine deux signaux EEG ou plus, et l'autre mode combine l'EEG avec d'autres signaux tels que les signaux EMG et les signaux ECG.

Les développeurs ont invité 13 sujets âgés de 24 à 30 ans à participer à l'expérience. En collectant des signaux EEG, des signaux EMG et des informations sur le véhicule lors d'une conduite simulée, la détection de l'intention de freinage brusque du conducteur dans des scénarios de conduite virtuelle a été étudiée. Ensuite, ils ont utilisé le modèle hBCI qui combine les signaux EEG, les signaux EMG et les informations sur le véhicule pour détecter l’intention de freinage d’urgence à venir.

Trois classifications d'intentions de conduite

Dans l'expérience, l'équipe R&D a comparé et analysé plusieurs modèles hBCI simultanés et séquentiels, en utilisant respectivement des caractéristiques spectrales et des caractéristiques temporelles, et un repos VS ou un arbre de décision. La stratégie de classification fournit plusieurs classifications des trois intentions de conduite.

La stratégie de classification « un VS repos » décompose les trois catégories en trois catégories binaires parallèles, dont la conduite normale contre autre, le freinage doux contre autre et le freinage brusque contre autre. Pour la stratégie de classification un VS repos, le résultat final est obtenu sur la base de la valeur maximale des deux classificateurs.

Les résultats expérimentaux montrent que le système hBCI de l'équipe R&D reconnaît les intentions de freinage brusque 130 m/s plus rapidement que le modèle basé sur la déviation de la pédale. L'algorithme de classification hBCI-SE1 et la stratégie de classification individuelle basée sur les caractéristiques spectrales ont la précision de classification la plus élevée, et la précision moyenne du système est de 96,37 %. Enfin, l’équipe a sélectionné le hBCI d’ordre optimal, le hBCI d’ordre optimal et des modèles basés sur des signaux électriques cérébraux uniques ou des signaux électromyographiques à des fins de comparaison.

Les résultats montrent que les hbci simultanées et séquentielles optimales sont nettement meilleures que les méthodes basées sur des signaux EEG ou EMG uniques. Lors du test, les résultats obtenus étaient en bon accord avec les résultats du test hors ligne.

Cette recherche a une certaine valeur de référence pour les systèmes de conduite assistée intelligents centrés sur l'humain afin d'améliorer la sécurité et le confort de conduite. Cependant, le projet présente actuellement certaines limites. Par exemple, il existe divers facteurs de stimulation qui induisent un freinage brusque et un freinage doux, l'impact des différences entre les sujets, les inconvénients du dispositif de collecte, etc. Ensuite, l'équipe résoudra les limitations ci-dessus et explorera une fusion plus efficace des fonctionnalités et des stratégies pour améliorer performance.

Cette recherche a été partiellement financée par la Fondation nationale des sciences naturelles de Chine (51975052) et la Fondation chinoise des sciences naturelles de Pékin (3222021).

Adresse papier :

https://downloads.spj.sciencemag.org/cbsystems/aip/9847652.pdf​

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!