-
公开(公告)号：CN114795242A
公开(公告)日：2022-07-29
申请号：CN202210452840.6
申请日：2022-04-27
Applicant: 北京交通大学
Abstract: 本发明提供了一种应用于人机共驾的驾驶员脑电伪迹去除方法。该方法包括：采集驾驶员模拟驾车的脑电信号和驾驶行为数据，得到原始脑电数据；识别原始脑电数据中的各种伪迹成分，构建多种伪迹成分组合方案；在不同的伪迹成分组合方案下分别对脑电数据进行伪迹成分去除处理，分别提取脑电信号的频谱特征；根据脑电信号的频谱特征对应时间段计算驾驶行为数据；评估不同伪迹组合去除效果下的预测模型的驾驶行为数据的预测结果的准确度，根据评估结果得到最优的伪迹成分组合去除方案。本发明能够明确不同驾驶情境下应去除的伪迹成分，在有效去除伪迹的同时，又能尽可能保留有效信息，有助于人机共驾系统利用脑电信号进行驾驶状态感知及做出辅助决策。
-
Patent Agency Ranking
公开(公告)号：CN114564110B
公开(公告)日：2023-11-07
申请号：CN202210326074.9
申请日：2022-03-30
Applicant: 北京交通大学
Abstract: 本发明提供基于脑电数据的驾驶学习能力检测方法及系统，属于技术领域，使用模拟器获取驾驶员的驾驶数据和对应的脑电数据，选择相应的驾驶行为特征进行平均化和标准化，确定每个驾驶行为的驾驶风格；引入新的适应性学习能力量化指标，得出不同驾驶员的学习风格及行为演化规律；提取脑电特征，得出驾驶员的脑活动特征；将不同驾驶学习的学习指标与脑活动特征进行pearson相关性分析，得到与学习指标最相关的脑区特征；通过得到最相关的脑区特征及其相关系数，对学习能力及风格演化特性进行检测与判定。本发明可检测驾驶员的驾驶行为和驾驶学习中的动态变化过程，有助于了解驾驶员行为驾驶特征以及认知特性的相关关系，可提高道路安全率和降低事故发生率。
-
公开(公告)号：CN116889411A
公开(公告)日：2023-10-17
申请号：CN202310901859.9
申请日：2023-07-21
Applicant: 北京交通大学
IPC: A61B5/372
Abstract: 本发明提供一种自动驾驶安全员脑电信息语义分析方法及系统，属于自动驾驶技术领域，采集驾驶行为数据与脑电数据，进行时频域分析获得脑电时频特征图；构建驾驶员与安全员的领域张量，分解为核心张量与共同的伴随矩阵输入预测模型LSTM，训练获得源预测函数；将源预测函数迁移到目标域获得目标域伪标签矩阵，构建新目标域；迁移迭代终止时的源预测函数解析安全员脑电信息语义；提取迭代终止时刻的核心张量，分析获得驾驶员与安全员的认知状态的差异。本发明能够准确地刻画用户在人工驾驶与自动驾驶两种系统中的认知状态差异，有效地进行知识迁移实现安全员的驾驶语义解析，有助于优化人车协同为自动驾驶发展，为安全员脑机交互构建提供新途径。
-
公开(公告)号：CN116889411B
公开(公告)日：2024-12-17
申请号：CN202310901859.9
申请日：2023-07-21
Applicant: 北京交通大学
IPC: A61B5/372
Abstract: 本发明提供一种自动驾驶安全员脑电信息语义分析方法及系统，属于自动驾驶技术领域，采集驾驶行为数据与脑电数据，进行时频域分析获得脑电时频特征图；构建驾驶员与安全员的领域张量，分解为核心张量与共同的伴随矩阵输入预测模型LSTM，训练获得源预测函数；将源预测函数迁移到目标域获得目标域伪标签矩阵，构建新目标域；迁移迭代终止时的源预测函数解析安全员脑电信息语义；提取迭代终止时刻的核心张量，分析获得驾驶员与安全员的认知状态的差异。本发明能够准确地刻画用户在人工驾驶与自动驾驶两种系统中的认知状态差异，有效地进行知识迁移实现安全员的驾驶语义解析，有助于优化人车协同为自动驾驶发展，为安全员脑机交互构建提供新途径。
-
公开(公告)号：CN114564110A
公开(公告)日：2022-05-31
申请号：CN202210326074.9
申请日：2022-03-30
Applicant: 北京交通大学
Abstract: 本发明提供基于脑电数据的驾驶学习能力检测方法及系统，属于技术领域，使用模拟器获取驾驶员的驾驶数据和对应的脑电数据，选择相应的驾驶行为特征进行平均化和标准化，确定每个驾驶行为的驾驶风格；引入新的适应性学习能力量化指标，得出不同驾驶员的学习风格及行为演化规律；提取脑电特征，得出驾驶员的脑活动特征；将不同驾驶学习的学习指标与脑活动特征进行pearson相关性分析，得到与学习指标最相关的脑区特征；通过得到最相关的脑区特征及其相关系数，对学习能力及风格演化特性进行检测与判定。本发明可检测驾驶员的驾驶行为和驾驶学习中的动态变化过程，有助于了解驾驶员行为驾驶特征以及认知特性的相关关系，可提高道路安全率和降低事故发生率。
-
公开(公告)号：CN116992271A
公开(公告)日：2023-11-03
申请号：CN202310961028.0
申请日：2023-08-01
Applicant: 北京交通大学
IPC: G06F18/2134 , G06F18/213 , G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/043
Abstract: 本发明提供了基于脑电数据与模糊神经网络的关键脱离场景识别方法，包括：步骤S1，设计驾驶场景，采集驾驶员的脑电数据；步骤S2，对脑电数据先作预处理用来清洗数据，之后用时频分析方法提取脑电特征；步骤S3，构建模糊卷积神经网络模型，对脑电特征作处理；步骤S4，根据脑电特征处理结果，识别实验涉及到的脱离场景。可以实现：通过借助脑电信号对驾驶场景作出识别，在自动驾驶中融入驾驶员对场景的理解和认知，预判断所面临关键脱离场景，改进自动驾驶策略缺陷，进而对自动驾驶中车辆控制系统的设计与应用具有重要借鉴作用。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
