一种基于危险预兆的感知能力测试的驾驶员选方法.

科学领域:

• 神经科学和认知科学 神经科学和认知科学
• 汽车工程 汽车工程
• 人类因素 心理学 心理学

背景情况:

• 之前的研究证实了事故前的警告信号,但缺乏对高度感知驾驶员特征的理解.
• 现有的研究没有提供识别具有优越危险感知能力的个体的方法.

研究的目的:

• 研究能够感知危险预兆的司机的生物心理生理学特征.
• 开发一种选方法,用于识别具有高感官敏捷性和危险感知的驾驶员.
• 为开发先进的驾驶辅助系统和自动驾驶技术提供信息.

主要方法:

• 设计危险场景并进行危险感知测试,收集生物电信号 (EEG,ECG) 和眼动数据.
• 在视频播放期间分析了脑电图 (EEG) 数据,以确定预兆感知时刻.
• 使用统计测试 (科尔莫戈罗夫-斯米尔诺夫,曼-惠特尼U) 来比较驾驶员群体.
• 开发并验证了一个结构方程模型,使用生物电和眼动数据进行查.

主要成果:

• 确定了独特的生物电气和眼睛运动特征,使那些感知危险预兆的司机与其他司机有所区别.
• 建立了一个经过验证的结构方程模型,用于选能够感知危险预兆的司机.
• 证明了使用生理和行为数据进行危险感知评估的可行性.

结论:

• 该研究提供了一种新的方法来选具有卓越预兆感知能力的司机.
• 研究结果为自动驾驶系统开发类似大脑的智能提供了洞察力.
• 结果有助于提高车辆主动安全,并推进自动驾驶技术.