隨著汽車保有量增加,交通事故發(fā)生率不斷上升,如何降低交通事故發(fā)生率成為該領(lǐng)域的熱點問題。已有研究表明駕駛員情緒、狀態(tài)、疲勞程度等因素都是影響駕駛安全的主要原因。情緒會對駕駛員的駕駛操作產(chǎn)生直接的影響;駕駛員的狀態(tài)是決定現(xiàn)階段的疲勞檢測方法主要是駕駛?cè)说纳頎顟B(tài)檢測與駕駛?cè)说男袨闄z測,而其中作為最為可信和準(zhǔn)確的疲勞判斷依據(jù)的腦電信號正是一種生理狀態(tài)的直接外在表現(xiàn)。因此,運用腦電技術(shù)對駕駛員的駕駛狀態(tài)進行有效的評估和監(jiān)測已成為駕駛安全領(lǐng)域的一個熱門課題。
時間 | 地點 | 單位 | 使用儀器 | 研究成果 |
2018 | USA | University of California, Los Angeles | NE Enobio | Enhancement of multitasking performance and neural oscillations by transcranial alternating current stimulation |
2017 | 成都 | 西南交通大學(xué) | NE Enobio | 通過對前后時段的主觀疲勞與行為數(shù)據(jù)進行對比分析,兩時段數(shù)據(jù)存在著顯著差異性,說明駕駛警覺度等級劃分具有合理性;采用模糊神經(jīng)網(wǎng)絡(luò)的識別結(jié)果優(yōu)于BP神經(jīng)網(wǎng)絡(luò),其模型識別正確率為81.29%~84.95%,且平均正確率為83.12%,該方法可用于駕駛警覺度的識別。 |
咨詢熱線
18611170056官方微信
返回頂部