• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • Reconocimiento de las intenciones de frenado brusco y suave de los conductores basado en interfaces híbridas cerebro-computadora

    Científicos del Instituto de Tecnología de Beijing propusieron los hBCI que incorporan señales de EEG y EMG. Crédito:Jiawei Ju y otros.

    Un documento técnico de científicos del Instituto de Tecnología de Beijing presentó interfaces híbridas cerebro-computadora (hBCI) simultáneas y secuenciales que incorporan señales de EEG y EMG para clasificar las intenciones de conducción normal, frenada brusca y suave de los conductores para ayudar mejor a la conducción.

    "El trabajo es valioso para desarrollar sistemas de conducción asistida inteligente centrados en el ser humano para mejorar la seguridad y la comodidad de conducción, y promover la aplicación de BCI", explicaron los autores del estudio Longxi Luo, profesor asistente, y Jiawei Ju, asistente de investigación, de la instituto de sistemas humanos-máquina (IHMS) dirigido por Luzheng Bi, profesor del Instituto de Tecnología de Beijing.

    Los accidentes de tráfico (ATR) se han convertido en uno de los factores más importantes que causan víctimas y pérdidas económicas. Los accidentes de tráfico causan casi 1,35 millones de muertes y entre 20 y 50 millones de heridos cada año. Casi el 3% del PIB de China se consume a consecuencia de los accidentes de tráfico cada año en gastos médicos y pérdida de productividad del personal. Además, con el rápido ritmo de la ciencia, la tecnología y el desarrollo económico, los vehículos en circulación aumentan año tras año, y se prevé que la RTA sea el quinto factor que provocará la muerte en 2030.

    Un sistema inteligente de asistencia al conductor (IDAS) puede influir indirectamente en el control del vehículo notificando a los conductores sobre posibles emergencias o controlando directamente los vehículos después de detectar emergencias, mejorando efectivamente la seguridad de conducción de los conductores.

    Algunos IDAS necesitan detectar el estado de somnolencia y el estado de distracción de los conductores. Otros IDAS dependen de la detección del comportamiento de conducción y la predicción de las intenciones de conducción. Si un IDAS puede detectar la intención de frenar bruscamente de los conductores por adelantado, puede controlar directamente a los vehículos para que frenen bruscamente.

    En este estudio, el frenado es un comportamiento específico que reduce la velocidad o detiene el vehículo. El frenado se puede clasificar en frenado fuerte y frenado suave. El frenado brusco se refiere al comportamiento en el que el conductor presiona con fuerza el pedal para disminuir rápidamente la velocidad del vehículo ante una emergencia durante la conducción. Por el contrario, el frenado suave se refiere al comportamiento en el que los conductores presionan suavemente el pedal para disminuir lentamente la velocidad del vehículo.

    La información de entrada de los IDAS consiste principalmente en información relacionada con el vehículo y el entorno, relacionada con el comportamiento y relacionada con la señal biológica. La información del vehículo y del entorno circundante proviene principalmente de los parámetros del vehículo y de la información del tráfico. La información relacionada con el comportamiento del conductor se puede obtener principalmente al monitorear las actividades de los pies, las extremidades y la cabeza de los conductores. La información biológica incluye señales de electroencefalografía (EEG) y señales de electromiografía (EMG). Aunque los BCI basados ​​en señales EEM han logrado grandes avances en la detección de intención de frenado, el rendimiento de detección no es estable debido a las propiedades de las señales EEG.

    Una interfaz híbrida cerebro-computadora (hBCI) es un esquema eficaz que puede abordar las deficiencias de las BCI basadas en EEG, como la baja estabilidad, el bajo rendimiento y la confiabilidad insuficiente.

    Según cómo se combinen las señales, los hBCI se dividen en dos modos:uno que combina dos o más tipos de señales de EEG, como ERD, ERS y P300, otro que combina EEG y otras señales, como señales de EMG y señales de ECG.

    Sin embargo, los métodos existentes de detección de intención de frenado basados ​​en hBCI se desarrollan para reconocer la intención de frenado brusco de las intenciones de conducción normal o de frenado suave. Para que estos métodos de detección de la intención de frenado brusco sean más aplicables en situaciones de conducción realistas, en nuestro estudio anterior ya se propuso un método de detección basado en EEG para distinguir las intenciones de frenado brusco, frenado suave e intención de conducción normal. Los resultados experimentales sugirieron la viabilidad de este método de detección. Sin embargo, el rendimiento de este método de detección no fue bueno. La precisión promedio de las pruebas fuera de línea de las tres clases de intenciones de conducción basadas en características espectrales fue del 70,93 %.

    Para abordar este problema, en este documento, nuestro objetivo es desarrollar hBCI simultáneos y secuenciales basados ​​en señales de EEG y EMG para reconocer frenadas bruscas, frenadas suaves e intenciones de conducción normales. La contribución de este artículo es que es el primer trabajo que utiliza la fusión de señales EEG y EMG para reconocer intenciones de conducción normales, frenadas bruscas y suaves.

    "La precisión de nuestro nuevo sistema para reconocer los ladridos fuertes, los frenazos suaves y las intenciones de conducción normales alcanzó el 96,37 %", dijeron los autores del estudio.

    La investigación fue publicada en Cyborg and Bionic Systems . + Explora más

    Conducción autónoma:con las manos en el volante o sin volante




    © Ciencia https://es.scienceaq.com