随着汽车保有量增加,交通事故发生率不断上升,如何降低交通事故发生率成为该领域的热点问题。已有研究表明驾驶员情绪、状态、疲劳程度等因素都是影响驾驶安全的主要原因。情绪会对驾驶员的驾驶操作产生直接的影响；驾驶员的状态是决定现阶段的疲劳检测方法主要是驾驶人的生理状态检测与驾驶人的行为检测,而其中作为最为可信和准确的疲劳判断依据的脑电信号正是一种生理状态的直接外在表现。因此，运用脑电技术对驾驶员的驾驶状态进行有效的评估和监测已成为驾驶安全领域的一个热门课题。
时间 | 地点 | 单位 | 使用仪器 | 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 | 西南交通大学 | NE Enobio | 通过对前后时段的主观疲劳与行为数据进行对比分析,两时段数据存在着显著差异性,说明驾驶警觉度等级划分具有合理性;采用模糊神经网络的识别结果优于BP神经网络,其模型识别正确率为81.29%～84.95%,且平均正确率为83.12%,该方法可用于驾驶警觉度的识别。 |
