基于变压器的多模式融合框架的驾驶相关认知能力预测

科学领域:

• 认知科学 认知科学
• 神经心理学 神经心理学
• 交通安全工程 交通安全工程

背景情况:

• 城市道路复杂性和交通量不断增加,需要采取先进的交通安全措施.
• 现有的驾驶员评估研究侧重于注意力和反应时间,忽视了全面的认知评估.
• 在量化评估驾驶在复杂环境中至关重要的认知能力方面存在差距.

研究的目的:

• 识别和定量评估影响驱动决策,执行和心理状态的十个关键认知组件.
• 开发一种新的计算模型,利用多式联络数据预测驾驶相关的认知能力.
• 为驾驶风险评估和交通安全战略制定提供新的方法.

主要方法:

• 从模拟驾驶场景中的视频录像中分析驾驶员的行为.
• 收集多式联络数据,包括生理 (心电图,EDA) 和非生理 (眼睛追踪) 度量.
• 开发双分支变压器网络,从集成的多式联络数据中提取时间特征,用于认知能力预测.

主要成果:

• 开发的双分支变压器网络实现了驾驶相关认知能力的高预测准确度.
• 在多模式驾驶数据集上的实验验证结果为准确度 (ACC) 为0.9908和F1得分为0.9832.
• 该模型有效地整合了用于认知评估的行为和生理数据.

结论:

• 拟议的方法提供了一种新且有效的方法来评估驾驶员的认知能力.
• 这种技术成功地将行为分析与二次任务执行相结合,用于认知评估.
• 这些发现对推进驾驶风险评估和制定增强的交通安全战略做出了重大贡献.