在自动驾驶车辆条件下,虚拟现实引起的运动病:基于EEG的识别和对各种驾驶模式的ANOVA分析
Shuyu Shao1, Yang Zhang1, Hongjue Wang2
1School of Logistics, Beijing Wuzi University, Beijing, China.
概括
自动驾驶增加了运动恶性,通过电脑电图 (EEG) 信号检测到. 特定的大脑波变化和与事件相关的潜能与疾病相关,有助于未来的系统设计.
科学领域:
- 神经科学是一个神经科学.
- 运输工程 运输工程
- 人与计算机的交互
背景情况:
- 运动病是可持续的自动驾驶运输的一个重大挑战.
- 了解自动驾驶汽车中运动病的神经基础对于乘客舒适性和系统采用至关重要.
研究的目的:
- 研究在模拟自动驾驶过程中运动病和电脑电图 (EEG) 信号之间的关联.
- 为了识别运动病的神经相关因子,以进行潜在的检测和干预.
主要方法:
- 记录了手动驾驶,休息和自动驾驶场景参与者的EEG数据.
- 通过调查问卷收集了运动病的数据.
- 使用时间,频域和事件相关潜力 (ERP) 分析分析了EEG信号 (N200,P300).
主要成果:
- 与手动驾驶相比,自动驾驶显著增加了运动病的可能性.
- N200和P300 ERP与运动恶心发生相关.
- 脑电图分析揭示了科尔摩戈罗夫复杂度,α,gamma和β波活动以及与运动恶心相关的电皮层地形的明显变化.
结论:
- 脑电图信号,特别是ERP和光谱/复杂性分析,可以在自动驾驶过程中潜在地检测出运动病.
- 结果提供了对神经机制的洞察力,并指导了自动驾驶系统设计的改进,以提高安全性和可持续性.
更多相关视频
08:36The Immersive Cleveland Clinic Virtual Reality Shopping Platform for the Assessment of Instrumental Activities of Daily Living
Published on: July 28, 2022
3.7K
08:50How to Study Placebo Responses in Motion Sickness with a Rotation Chair Paradigm in Healthy Participants
Published on: December 14, 2014
9.2K
