优化和验证基于EEG识别驾驶员负面情绪的多尺度特征选择
Yan Li1, Bangbei Tang1,2, Bingjie Luo1
1School of Intelligent Manufacturing Engineering, Chongqing University of Arts and Sciences, Chongqing, China.
Traffic injury prevention
|January 14, 2026
概括
压力和愤怒等负面情绪会影响驾驶安全. 这项研究使用脑电图 (EEG) 来分析大脑活动,识别了驾驶员对压力和愤怒识别的关键神经模式.
科学领域:
- 神经科学是一个神经科学.
- 交通安全 交通安全
- 机器学习 机器学习
背景情况:
- 负面情绪,包括压力和愤怒,与危险的驾驶行为有关.
- 研究这些情绪的神经支对于预防交通伤害至关重要.
- 电脑电图 (EEG) 为检测情绪神经活动提供了高时间分辨率.
研究的目的:
- 系统地分析多尺度EEG信号特征,以了解驾驶过程中的压力和愤怒.
- 在驾驶环境中识别与情绪状态相关的独特神经机制.
- 开发基于EEG的驾驶员情绪识别系统的神经生理基础.
主要方法:
- 收集了32名参与者在情绪和非情绪条件下的驾驶模拟器中的EEG数据.
- 提取了五个大脑区域和五个频段的时间,频率和空间域特征.
- 通过相关性分析采用特征选择,并通过支向量机分类器验证.
主要成果:
- 前极区域显示了最高的神经活动,贝塔波是最常见的.
- 共同的空间模式有效地区分了压力和愤怒情绪.
- 一个最佳的特征集实现了85%的压力准确性和80%的愤怒检测,优于未选和单域特征.
结论:
- 这些发现为基于EEG的可穿戴式驾驶员情绪识别提供了神经生理学的基础.
- 这项技术可以通过及时干预来提高交通安全.
- 识别驾驶员的情绪状态可以帮助降低事故风险.
