公开(公告)号：CN117076980A

公开(公告)日：2023-11-17

申请号：CN202310991835.7

申请日：2023-08-08

Applicant: 北京交通大学

Inventor： 奇格奇 ,  安亚宁 ,  李培豪 ,  关伟

IPC: G06F18/24 ,  A61B5/318 ,  A61B5/347 ,  A61B5/00 ,  G06F18/214 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明提供了一种基于功能连接与图神经网络的驾驶意图识别方法，包括：S1，采集驾驶员驾驶时的脑电信号，并对原始脑电数据进行预处理；S2，针对预处理后的脑电信号，计算其各频率波段功率谱密度，作为脑电信号频域特征；S3，基于电极空间临近性和功能连接关系构建邻接矩阵作为初始图结构；步骤S4，将S2中频域特征及S3中所得邻接矩阵输入图注意力网络进行特征聚合，提取出的特征表达输入分类器对驾驶意图进行分类并输出结果。可以实现：解决现有驾驶意图预测方法中提取脑电特征单一且分类模型表达能力较差的问题，提高驾驶意图分类的准确率的同时提高分类结果的可解释性，更好地应用于人机共融驾驶系统的驾驶状态感知和辅助决策。

公开(公告)号：CN116712091B

公开(公告)日：2025-02-25

申请号：CN202310704085.0

申请日：2023-06-14

Applicant: 北京交通大学

Inventor： 奇格奇 ,  刘睿 ,  李培豪 ,  关伟

IPC: A61B5/374 ,  A61B5/16 ,  A61B5/18 ,  A61B5/00 ,  G06F18/10 ,  G06F18/2134 ,  G06F18/214 ,  G06F18/2411 ,  G06F18/243 ,  G06F123/02

Abstract: 本发明提供一种基于脑电复杂网络的分心驾驶状态识别方法及系统，属于行为识别技术领域，获取驾驶员驾驶状态下的脑电数据；基于预先训练好的识别模型对获取的脑电数据进行处理，得到所述驾驶员的驾驶状态是正常驾驶或分心驾驶的识别结果；其中，训练所述识别模型的训练集包括多组数据，每组数据均包括多组脑电数据以及标注该组脑电数据对应的驾驶状态为正常驾驶或分心驾驶的标签。本发明考虑到大脑区域性的信息，构建的脑电信号网络包含2种不同功能网络，涵盖的网络信息特征更加全面；能够在不同的驾驶分心类型下，从网络拓扑结构中检测出驾驶分心状态下的脑功能网络的全局和局部变化，以达到较高的识别准确性和可靠性。

公开(公告)号：CN116861275A

公开(公告)日：2023-10-10

申请号：CN202310853088.0

申请日：2023-07-12

Applicant: 北京交通大学

Inventor： 奇格奇 ,  杨柳 ,  李培豪 ,  关伟 ,  黄爱玲

IPC: G06F18/23213 ,  A61B5/372 ,  A61B5/18 ,  A61B5/00 ,  G06F18/10 ,  G06F18/2131 ,  G06N3/0464 ,  B60W40/09 ,  B60W50/00

Abstract: 本发明提供基于脑电数据的驾驶风格识别方法及系统，属于驾驶行为建模及机理研究技术领域，采集驾驶员驾驶过程中的脑电信号和驾驶行为数据，并对脑电信号进行降噪、伪迹去除预处理。使用小波变换对脑电信号进行时频域分析，并利用信息熵理论、卷积神经网络获得脑电特征。使用模糊C均值聚类算法提取驾驶情境感知及行为特征。建立驾驶员“感知‑认知”语料库、“认知‑行为”语料库以及“感知‑认知‑行为”语料库，获得语义单元。使用LDA主题模型获得驾驶员认知模式主题分布与驾驶行为模式主题分布，对驾驶员风格进行识别。本发明通过分析驾驶员的感知信息、脑电特征以及反应行为间的关联耦合，挖掘驾驶员认知与驾驶行为模式，识别驾驶员驾驶风格。

公开(公告)号：CN116712091A

公开(公告)日：2023-09-08

申请号：CN202310704085.0

申请日：2023-06-14

Applicant: 北京交通大学

Inventor： 奇格奇 ,  刘睿 ,  李培豪 ,  关伟

IPC: A61B5/374 ,  A61B5/16 ,  A61B5/18 ,  A61B5/00 ,  G06F18/10 ,  G06F18/2134 ,  G06F18/214 ,  G06F18/2411 ,  G06F18/243 ,  G06F123/02

Abstract: 本发明提供一种基于脑电复杂网络的分心驾驶状态识别方法及系统，属于行为识别技术领域，获取驾驶员驾驶状态下的脑电数据；基于预先训练好的识别模型对获取的脑电数据进行处理，得到所述驾驶员的驾驶状态是正常驾驶或分心驾驶的识别结果；其中，训练所述识别模型的训练集包括多组数据，每组数据均包括多组脑电数据以及标注该组脑电数据对应的驾驶状态为正常驾驶或分心驾驶的标签。本发明考虑到大脑区域性的信息，构建的脑电信号网络包含2种不同功能网络，涵盖的网络信息特征更加全面；能够在不同的驾驶分心类型下，从网络拓扑结构中检测出驾驶分心状态下的脑功能网络的全局和局部变化，以达到较高的识别准确性和可靠性。