Un article technique rédigé par des scientifiques de l'Institut de technologie de Pékin a présenté des interfaces cerveau-ordinateur hybrides simultanées et séquentielles (hBCI) qui intègrent des signaux EEG et EMG pour classer les freinages brusques, les freinages doux et les intentions de conduite normales des conducteurs afin de mieux assister la conduite.

"Le travail est précieux pour développer des systèmes d'assistance à la conduite intelligents centrés sur l'humain afin d'améliorer la sécurité et le confort de conduite, et de promouvoir l'application des BCI", ont expliqué les auteurs de l'étude Longxi Luo, professeur adjoint, et Jiawei Ju, assistant de recherche, du institut des systèmes homme-machine (IHMS) dirigé par Luzheng Bi, professeur à l'Institut de technologie de Pékin.

Les accidents de la circulation routière (ATR) sont devenus l'un des facteurs les plus importants causant des victimes et des pertes économiques. Les accidents de la circulation causent près de 1,35 million de morts et 20 à 50 millions de blessés chaque année. Près de 3% du PIB chinois est consommé chaque année à la suite d'accidents de la circulation pour les frais médicaux et la perte de productivité du personnel. De plus, avec le rythme rapide de la science, de la technologie et du développement économique, les véhicules sur la route augmentent d'année en année, et le RTA devrait être le cinquième facteur de décès en 2030.

Un système intelligent d'aide à la conduite (IDAS) peut influencer indirectement le contrôle du véhicule en avertissant les conducteurs d'éventuelles urgences ou en contrôlant directement les véhicules après avoir détecté des urgences, améliorant ainsi efficacement la sécurité de conduite des conducteurs.

Certains IDAS doivent détecter l'état de somnolence et l'état de distraction des conducteurs. D'autres IDAS dépendent de la détection du comportement de conduite et de la prédiction des intentions de conduite. Si un IDAS peut détecter à l'avance l'intention de freinage brusque des conducteurs, il peut directement commander aux véhicules de freiner brusquement.

Dans cette étude, le freinage est un comportement spécifique qui ralentit ou arrête le véhicule. Le freinage peut être classé en freinage dur et en freinage doux. Le freinage brusque fait référence au comportement dans lequel le conducteur appuie fortement sur la pédale pour réduire rapidement la vitesse du véhicule face à une urgence pendant la conduite. En revanche, le freinage doux fait référence au comportement dans lequel les conducteurs appuient doucement sur la pédale pour réduire lentement la vitesse du véhicule.

Les informations d'entrée des IDAS consistent principalement en des informations relatives au véhicule et à l'environnement, au comportement et aux signaux biologiques. Les informations sur le véhicule et l'environnement environnant proviennent principalement des paramètres du véhicule et des informations sur le trafic. Les informations relatives au comportement du conducteur peuvent être obtenues principalement en surveillant les activités des pieds, des membres et de la tête des conducteurs. Les informations biologiques comprennent les signaux d'électroencéphalographie (EEG) et les signaux d'électromyographie (EMG). Bien que les BCI basés sur les signaux EEM aient fait de grands progrès dans la détection de l'intention de freinage, les performances de détection ne sont pas stables en raison des propriétés des signaux EEG.

Une interface cerveau-ordinateur hybride (hBCI) est un schéma efficace qui peut combler les lacunes des BCI basées sur l'EEG, telles qu'une faible stabilité, des performances médiocres et une fiabilité insuffisante.

Selon la façon dont les signaux sont combinés, les hBCI se divisent en deux modes :l'un qui combine deux ou plusieurs types de signaux EEG, tels que ERD, ERS et P300, un autre qui combine l'EEG et d'autres signaux, tels que les signaux EMG et les signaux ECG.

Cependant, les méthodes existantes de détection d'intention de freinage basées sur les hBCI sont développées pour reconnaître l'intention de freinage brutal à partir d'intentions de conduite normale ou de freinage doux. Pour rendre ces méthodes de détection de l'intention de freinage brutal plus applicables dans des situations de conduite réalistes, une méthode de détection basée sur l'EEG pour distinguer les freinages brusques, les freinages doux et les intentions de conduite normales a déjà été proposée dans notre étude précédente. Les résultats expérimentaux ont suggéré la faisabilité de cette méthode de détection. Cependant, les performances de cette méthode de détection n'étaient pas bonnes. La précision moyenne des tests hors ligne des trois classes d'intentions de conduite basées sur les caractéristiques spectrales était de 70,93 %.

Pour résoudre ce problème, dans cet article, nous visons à développer des hBCI simultanés et séquentiels basés sur les signaux EEG et EMG pour reconnaître les freinages brusques, les freinages doux et les intentions de conduite normales. La contribution de cet article est qu'il s'agit du premier travail à utiliser la fusion des signaux EEG et EMG pour reconnaître les freinages brusques, les freinages doux et les intentions de conduite normales.

"La précision de notre nouveau système dans la reconnaissance des aboiements durs, des freinages doux et des intentions de conduite normales a atteint 96,37 %", ont déclaré les auteurs de l'étude.

La recherche a été publiée dans Cyborg and Bionic Systems . + Explorer plus loin

Conduite autonome - mains sur le volant ou pas de volant du tout