도로 위 운전자의 '신의 어시스트'! BIT, 운전 안전성 향상을 위한 하이브리드 뇌-컴퓨터 인터페이스 운전 보조 시스템 개발

​사람들의 생활 수준이 향상되면서 수천 가구에 자동차가 보급되었습니다. 그러나 자동차는 여행의 편리함을 제공하지만, 교통사고는 운전자와 보행자의 생명안전에 중요한 위협이 되고 있습니다.

2018년 세계보건기구(WHO)의 불완전한 통계에 따르면, 도로 교통사고는 인명 피해와 경제적 손실을 초래하는 중요한 요인 중 하나입니다. 교통사고로 인해 매년 약 135만 명이 사망하고 2천만~5천만 명이 부상을 입습니다. 매년 GDP의 약 3%가 교통사고로 소비됩니다.

그 중 피로운전은 과속 다음으로 교통사고를 일으키는 중요한 요인입니다. 따라서 "숙련된 운전자"라 할지라도 운전 안전은 결코 작은 문제가 아닙니다.

운전 안전 문제를 바탕으로 최근 베이징 공과대학 기계 및 차량 공학부 Bi Luzheng 교수의 지능형 인간-기계 시스템 팀의 Luo Longxi 조교수와 박사 과정 Ju Jiawei가 지능형 운전을 제안했습니다. 보조 시스템(줄여서 IDAS), 즉 동기화된 순차 하이브리드 뇌-컴퓨터 인터페이스(hBCI)는 뇌파검사(EEG)와 근전도검사(EMG) 신호를 결합하여 운전자의 제동 의도와 정상적인 운전 의도를 분류합니다.

간단히 말하면 이 지능형 보조 시스템은 운전자가 직면할 수 있는 긴급 상황을 식별하여 차량 제어에 간접적으로 영향을 줄 수도 있고, 긴급 상황을 발견한 후 차량을 직접 제어할 수도 있어 운전 안전성을 효과적으로 향상시킬 수 있습니다.

본 연구는 영국 과학기술저널 Cyborg and Bionic Systems에 논문 형태로 게재되었습니다.

하이브리드 뇌-컴퓨터 인터페이스 - hBCI​

현재 IDAS의 입력 정보에는 주로 차량 및 환경과 관련된 정보, 행동, 생체 신호가 포함됩니다. 차량 및 주변 환경 정보는 주로 차량 매개변수와 교통정보에서 비롯됩니다. 일부 IDAS는 운전자의 졸음 상태를 감지해야 하는 반면, 다른 시스템은 운전 행동 감지 및 운전 의도 예측에 의존합니다.

그럼 운전자에 대한 관련 정보는 어디서 얻나요? 답은 운전자의 발, 팔다리, 신경의 활동을 모니터링하여 얻을 수 있습니다.

생물학적 정보의 출처에는 뇌파검사(EEG) 신호와 근전도검사(EMG) 신호가 포함됩니다. EEG 신호의 초기 출현으로 인해 운전 행동 연구에는 EEG 신호를 기반으로 한 BCI(Brain-Computer Interface)가 사용되었습니다. 이러한 EEG 인터페이스는 제동 의도 감지에 있어 큰 발전을 이루었지만 EEG 신호 자체의 특성으로 인해 감지 성능이 안정적이지 않습니다. 효과적인 솔루션인 hBCI(하이브리드 뇌-컴퓨터 인터페이스)는 낮은 안정성, 성능 저하, 신뢰성 부족 등 EEG 기반 BCI의 단점을 해결할 수 있습니다.

신호가 결합되는 방식에 따라 hbci는 기능 수준 융합 전략(hBCI-FL)과 분류자 수준 융합 전략(hbci-cl)을 사용하는 두 가지 모드로 나눌 수 있습니다. 첫 번째 모드는 두 개 이상의 EEG 신호를 결합하고, 다른 모드는 EEG 신호와 EMG 신호 및 ECG 신호와 같은 다른 신호를 결합합니다.

개발자는 24~30세의 피험자 13명을 실험에 초대했습니다. 모의 운전 중 EEG 신호, ​​EMG 신호 및 차량 정보를 수집하여 가상 운전 시나리오에서 운전자의 급제동 의도 탐지를 연구했습니다. 그런 다음 EEG 신호, ​​EMG 신호 및 차량 정보를 결합한 hBCI 모델을 사용하여 다가오는 비상 제동 의도를 감지했습니다.

세 가지 운전 의도 분류

실험에서 R&D팀은 스펙트럼 특징과 시간 특징을 각각 사용하여 여러 개의 동시 및 순차 hBCI 모델과 하나의 VS 휴식 또는 결정 트리를 사용하여 비교 분석했습니다. 분류 전략 세 가지 운전 의도에 대한 다양한 분류를 제공합니다.

"1 대 나머지" 분류 전략은 세 가지 범주를 일반 운전 대 기타, 부드러운 제동 대 기타, 급제동 대 기타를 포함하여 세 가지 병렬 이진 범주로 분해합니다. One VS Rest 분류 전략의 경우 두 분류기 모두의 최대값을 기반으로 최종 결과를 얻습니다.

실험 결과 R&D 팀의 hBCI 시스템은 페달 편향을 기반으로 모델보다 130m/s 더 빠르게 급제동 의도를 인식하는 것으로 나타났습니다. hBCI-SE1 분류 알고리즘과 스펙트럼 특징을 기반으로 한 일대일 분류 전략은 분류 정확도가 가장 높으며 평균 시스템 정확도는 96.37%입니다. 마지막으로 팀은 최적 순서 hBCI, 최적 순서 hBCI 및 단일 뇌 전기 신호 또는 근전도 신호를 기반으로 한 모델을 선택하여 비교했습니다.

결과는 최적의 동시 및 순차 hbci가 단일 EEG 또는 EMG 신호를 기반으로 한 방법보다 훨씬 우수하다는 것을 보여줍니다. 테스트에서 얻은 결과는 오프라인 테스트 결과와 잘 일치했습니다.

본 연구는 운전 안전성과 운전 편의성을 향상시키는 인간 중심의 지능형 운전 보조 시스템에 대한 일정한 참고 가치를 가지고 있습니다. 그러나 이 프로젝트에는 현재 특정 제한 사항이 있습니다. 예를 들어 급제동과 부드러운 제동을 유발하는 다양한 자극 요인, 주체 차이의 영향, 수집 장치의 불편함 등이 있습니다. 다음으로, 팀은 위의 한계를 해결하고 개선을 위한 보다 효과적인 기능과 전략 융합을 모색할 것입니다. 성능.

이 연구는 중국 국립 자연 과학 재단(51975052)과 중국 베이징 자연 과학 재단(3222021)의 일부 자금 지원을 받았습니다.

논문 주소:

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

위 내용은 도로 위 운전자의 '신의 어시스트'! BIT, 운전 안전성 향상을 위한 하이브리드 뇌-컴퓨터 인터페이스 운전 보조 시스템 개발의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!