一个fNIRS数据集用于在高度自动化的驾驶场景中驾驶乘客的驾驶风险认知

科学领域:

• 神经科学是一个神经科学.
• 人与计算机的交互
• 汽车工程 汽车工程

背景情况:

• 高度自动驾驶汽车减少了对人类持续操作的需求,将重点转移到乘客大脑状态以进行系统交互.
• 自动驾驶汽车中的脑计算机接口 (BCI) 系统可以利用乘客的心理活动作为安全驾驶的先进传感器.
• 量化乘客驾驶风险认知对于开发自动驾驶中有效的BCI至关重要.

研究的目的:

• 创建和呈现一种新的功能近红外光谱 (fNIRS) 数据集,用于分析前额叶皮层活动.
• 为了研究乘客在十四个不同的高度自动驾驶场景中的大脑反应.
• 通过自动驾驶汽车的BCI建立区分驾驶风险的基础.

主要方法:

• 收集了来自十四种类型的高度自动驾驶场景的参与者的八通道fNIRS数据.
• 记录的驾驶场景数据与神经成像数据一起.
• 在创建数据集时考虑人口因素,如年龄,性别和驾驶经验.

主要成果:

• 该数据集提供了与特定驾驶场景相关的全面大脑活动数据.
• 它可以分析与感知驾驶风险相关的前额叶皮层反应.
• 这些数据支持开发自动驾驶风险评估算法.

结论:

• 开发的fNIRS数据集对于在高度自动驾驶汽车中推进BCI系统非常有价值.
• 它有助于量化乘客的风险认知,这是迈向更安全的自动驾驶的关键一步.
• 该资源为自动驾驶场景中早期危险检测和预防提供了潜力.