Grundsätzliches Ziel des Teilvorhabens war, gemeinsam mit den anderen Partnern, moderne Verfahren des maschinellen Lernens zur Lösung von Problemen im Bereich der Merkmalsextraktion und Analyse von EEG-Daten weiterzuentwickeln. Der Anwendungsrahmen lag in der Analyse verschiedener Sensorinformationen eines PKW und einer EEG Messung des Fahrers mit dem Ziel, Aussagen über den kognitiven Fahrerzustand abzuleiten. Diese können z.B. zur Steuerung und Optimierung von Fahrerassistenzsystemen eingesetzt werden und so letztlich der Verkehrssicherheit erhöhen. Das Teilvorhaben der idalab GmbH beschäftigte sich insbesondere mit folgenden Fragestellungen wie Erforschung und Entwicklung von neuartigen Merkmalen zur Zustandmessung aus EEG-Daten, Entrauschung, Erforschung und Weiterentwicklung von Verfahren der Statistik und des maschinellen Lernen für die EEG-Analyse. Besondere Berücksichtigung finden dabei die Aspekte, Fusion von Sensordaten verschiedener Quellen, Robustheit für den Einsatz im Fahrzeug und Echtzeitfähigkeit. Entwicklung eines Softwaresystems für Testzwecke und als prototypische Umsetzung der Projektergebnisse. Dabei sind besonders die im Fahrzeug gegebenen Bedingungen (limitierte Ressourcen) und die Anforderungen der Anwendung (Robustheit, Fehlertoleranz, Echtzeitfähigkeit) zu beachten. Das Paradigma visueller und auditorischer Stimuli kann zu einem Teil durch ein parietookzipitales Phänomen erklärt werden, welches dafür verantwortlich ist, zwischen den beiden Aufgaben umzuschalten. Dieses Phänomen konnte durch das zweite Paradigma, in dem nur visuelle Stimuli genutzt wurden, bestätigt werden. Hier verschwindet der parieto-okzipitale Effekt und macht einem relativ normalen alpha Effekt Platz. Diese ist möglicherweise durch die Müdigkeit der Probanden verursacht. Dieser letzte Effekt muss noch abschließend bestätigt werden und ist auch nicht bei allen Probanden sichtbar - wenn er auftritt, ist er aber sehr deutlich. Leider sind die Korrelationen auf der mittleren Band-Power aber zu schwach, um hierauf eine verlässliche Klassifikation aufzubauen. Man kann hieraus schließen, dass die Experimente für die verschiedenen Paradigmen, auch wenn sie sehr lange waren, nur teilweise den gewünschten Zustand der Nicht-Vigilanz bei den Probanden induziert haben. Eine maschinelle Analyse der Daten wurde weiter dadurch erschwert, dass die ohnehin in einem EEG vorhandenen Nichtstationaritäten bei den langen Versuchszeiten (4-6 Stunden) die Erkennung eines mentalen Zustandes stark erschweren. In ähnlicher Weise gilt, dass die Reaktionszeit nur ein schwaches Maß für den Aufmerksamkeitszustand darstellt, da über die lange Zeit ein starker Lerneffekt eintritt. Es ist allerdings zu betonen, dass die meisten Probanden während der Versuche sehr müde wurden. Allerdings scheint dies nicht zu genügen, um ihre Reaktionsfähigkeit hinreichend einzuschränken.


    Access

    Access via TIB

    Check availability in my library


    Export, share and cite



    Title :

    FaSor - Fahrer als Sensor. Gewährleistung und Erhöhung der Verkehrssicherheit durch die Berücksichtigung des kognitiven Fahrerzustandes für eine optimale Wirkungsweise von Fahrerassistenzsystemen. Schlussbericht. Ein interdisziplinäres Projekt zum Rahmenprogramm Mikrosysteme, thematischer Schwerpunkt 'Mikrosystemtechnik für Fahrerassistenzsysteme'


    Additional title:

    FaSor - The driver is the sensor. A guarantee and enhancement of the traffic safety considering the cognitve driver behaviour to optimize driver assistance systems. Final report. An interdisciplinary project within the frame project 'microsystems', thematic focus 'micro system technlogy for driver assistance systems'



    Publication date :

    2009


    Size :

    12 Seiten, 4 Bilder


    Type of media :

    Report


    Type of material :

    Print


    Language :

    German