Decoding Passenger’s Brain Signals to Detect and Analyze Emergency Road Events
Notice bibliographique
Résumé
With an increasing number of vehicles with automated functions on the road, road safety is still one of the biggest concerns for autonomous vehicles.Multiple crash reporting for vehicles shows the limitations of sensors and algorithms on vehicles equipped with Advanced Driver Assistance Systems (ADAS) and Automated Driving Systems (ADS).The most important reason for these accidents is that there are function decencies in robustness, generalization, interpretability, logical completeness, etc., those function decencies may cause the safety of the intended functionality (SOTIF) accident under a triggering condition.Introducing a new type of sensor may achieve the goal of producing more reliable information with less uncertainty.In this thesis, passengers' brain signals, including electroencephalography (EEG) and functional near-infrared spectroscopy (fNIRS), were analyzed to extract road information to potentially prevent car accidents and provide public trust in high-level autonomous vehicles.For the EEG part, eventrelated potential (ERP) and machine learning techniques were used to analyze and classify the signals of two road events: pedestrians standing on the curb and suddenly crossing the street.Results show that the responses are 454 ± 234 ms before the reaction, and the average recognition accuracy of the regularized linear discriminant analysis (RLDA) classifier reached 95.81%.For the fNIRS part, a quantification method, which is based on cerebral oxygen exchange in the prefrontal cortex of passengers and a risk field is introduced.We also verified our findings in a real-car automatic emergency braking (AEB) and cut-in experiment performed at China Automotive Engineering Research Institute (CAERI) automobile testing base in Dazu, China.Overall, the results illustrate that EEG-based human-centric assistant driving systems have the potential of being iii deployed in high-level autonomous vehicles to enhance the safety of passengers and overall public safety.Chapter 5: Results.....
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».