Identificación de condiciones meteorológicas especiales en carreteras de pastizales basada en redes cerebrales...

Área de la Ciencia:

• Neurociencia
• Ciencia Cognitiva
• Tecnología de Conducción Autónoma

Sus antecedentes:

• Las carreteras de pastizales de Mongolia Interior ofrecen condiciones ideales para la investigación de la conducción autónoma debido al bajo tráfico y la geometría simple.
• Sin embargo, los desafíos como los cruces de ganado y el clima severo (tormentas de arena, lluvia, nieve) dificultan el rendimiento de los sistemas autónomos, lo que requiere la intervención del conductor.
• El proceso de traspaso del conductor implica actividades cognitivas complejas, por lo que la comprensión de las redes cerebrales funcionales es crucial para la elucidación del mecanismo.

Objetivo del estudio:

• Analizar las características de la red funcional cerebral durante los eventos de traspaso del conductor en diversas condiciones climáticas.
• Investigar el impacto de diferentes escenarios climáticos en el procesamiento cognitivo y la dinámica de la red cerebral.
• Desarrollar un modelo de aprendizaje automático para identificar las condiciones climáticas y mejorar el soporte de decisiones de conducción autónoma.

Principales métodos:

• Se realizó un experimento de simulación de conducción en condiciones soleadas, de tormenta de arena y de lluvia/nieve.
• Se registraron señales de electroencefalograma (EEG) y tiempos de respuesta de traspaso durante cruces simulados de ganado.
• Se construyeron redes de sincronización de fase utilizando el índice de desfase y se analizaron las características topológicas en las bandas de frecuencia θ, α y β.
• Se empleó un algoritmo K-vecinos más cercanos (KNN) para la clasificación del clima.

Principales resultados:

• Los tiempos de respuesta de traspaso fueron más largos en las tormentas de arena, lo que indica interferencia visual y control cognitivo inhibido.
• El clima severo debilitó la conectividad cerebral interregional, particularmente en la banda β, lo que afectó la estabilidad del traspaso.
• Las condiciones de lluvia y nieve mostraron una mayor integración de la red en las bandas θ y α para el procesamiento de información, mientras que las condiciones soleadas mantuvieron conexiones cerebrales estables y una menor carga cognitiva, lo que resultó en un mejor rendimiento del traspaso.
• El modelo KNN logró una precisión del 96 % en el reconocimiento del clima, lo que demuestra una buena generalización.

Conclusiones:

• El análisis de la red funcional cerebral proporciona información sobre los mecanismos de traspaso del conductor en condiciones climáticas adversas.
• Los hallazgos respaldan la optimización de las estrategias de conducción autónoma al ofrecer evidencia neurofisiológica para la toma de decisiones adaptativa en condiciones climáticas especiales.