-
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：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
3
records
(took 0.031 seconds)
