عصب شناسی در صندلی راننده

نوشته شده توسط دکتر نیکولاس ویلیامز، دانشمند پژوهشی EMOTIV.

چند ماه پیش بعد از هشت سال زندگی در خارج از کشور به ایالات متحده برگشتم. بخشی از شروع دوباره خریدن تمام چیزهایی بود که برای زندگی لازم است. علاوه بر یک کاناپه، تخت و میز غذاخوری، البته به یک ماشین هم نیاز داشتم. با توجه به اینکه خودم را یک فرد مالی آگاه می‌دانم، به دنبال مدل‌های قدیمی‌تر و مقرون‌به‌صرفه بودم اما به سرعت با قیمت‌های بالا و کمبود موجودی ناامید شدم. بازار خودروهای دست دوم در سال ۲۰۲۱ عملاً مرا به خریدن خودرو جدید وادار کرد و در نهایت این کار را انجام دادم. ناراحتی‌ام نسبت به زیر پا گذاشتن اصول اساسی مالی شخصی سریعاً با شور و شوق زیادی برای راحتی و ویژگی‌هایی که با خودروی جدید تویوتا SUV من آمد جایگزین شد.

ویژگی‌های خودران خودرو که تا این لحظه تنها درباره آن‌ها خوانده بودم واقعاً مرا جذب کرد. هدایت کمکی و رادار پیش‌بینی‌کننده رانندگی‌های طولانی را آسان کرد. فقط کافی بود چشمانم را بر جاده و دستی را روی فرمان نگه دارم و خودرویم اساساً خودش رانندگی کند. محاسبه شامل جلوگیری از برخورد، نظارت بر نقاط کور، دوربین‌های عقب با سیستم هشدار برای اطمینان از اینکه پشت سر کسی که از پشت من عبور نمی‌کند، نخواهم رفت، این خودرو جدید به طور موضوعی چندین مرتبه ایمن‌تر از مدل‌های قدیمی بود که برای بخش عمده‌ای از دهه گذشته آن‌ها رانندگی کرده بودم.

به‌طور‌طبیعی، خودروها هنوز خود را نمی‌رانند. در حالی که ویژگی‌های خودران و ایمنی هنرمندی دارند، خودروها هنوز نیاز به نظارت راننده و در صورت لزوم، مداخله دارند. ما هنوز راه درازی تا حذف بخش انسانی از رانندگی داریم و این بخش به‌طورفوق‌العاده مسئول تصادفات و تلفات خودرو است. انسان‌ها در پشت فرمان اشتباه می‌کنند. آیا تصمیم می‌گیرند که اداره یک وسیله نقلیه پس از نوشیدن الکل ایده خوبی است، یا شتاب‌دادن سرگرم‌کننده است، یا باید چند مایل دیگر را پیش از آنکه برای استراحت خود را متوقف کنند، باید انجام دهند؛ انسان‌ها دلیل بسیاری از وقایع جلوگیری‌پذیر خودرویی هستند.

[block id="cta-shortcode-browse-eeg-headsets-v2"]

طبق گزارش اداره ملی ایمنی ترافیک بزرگراه (NHTSA)، در سال ۲۰۱۹ تعداد ۳۶,۰۹۶ تلفات ترافیک خودرویی وجود داشت. برای سال ۲۰۲۰، برآورد‌ها از بیش از ۳۸,۰۰۰ تلفات است [1]. درصد زیادی از این موارد به دلیل رانندگی پرخطر و به همین دلیل جلوگیری‌پذیر است. NHTSA شش نوع رانندگی پرخطر را شناسایی کرده است: سرعت زیاد، رانندگی در حالت مستی و تحت تأثیر مواد مخدر، عدم استفاده (یا استفاده نادرست) از کمربند ایمنی، رانندگی حواس‌پرت، و رانندگی خواب‌آلود. چون دو سوم تمام تلفات ترافیکی می‌توان به رانندگی با سرعت زیاد و رانندگی با حالت مستی نسبت داد، بسیاری از کمپین‌های مداخله به‌درستی به‌سوی رفع این خطرات متمرکز هستند. بااین‌حال، رانندگی خواب‌آلود و حواس‌پرت منجر به تعداد زیادی از مرگ و میر ناصواب می‌شود که ۳,۱۴۲ مورد مرگ مرتبط با پرت شدن حواس و ۶۹۷ مورد مرگ مرتبط با خواب‌آلودگی در سال ۲۰۱۹ رخ داده است [2].

استفاده از علوم اعصاب برای اندازه‌گیری توجه در آزمایشگاه

علوم اعصاب در صندلی راننده - استفاده از علوم اعصاب برای اندازه‌گیری توجه در آزمایشگاه.

دانشمندا اعصاب از روش‌های مختلفی برای اندازه‌گیری توجه در آزمایشگاه استفاده می‌کنند. یکی از این روش‌ها بر این واقعیت استوار است که مغز ما مقدار بسیار کمی از برق را هنگام شلیک نورون‌های خود آزاد می‌کند. با استفاده از الکتروانسفالوگرام (EEG)، می‌توانیم نوسانات این الکتریسته را برای درک اینکه مغز در کجا و چه زمانی فعال است، اندازه‌گیری کنیم. سرعت یا فرکانس این نوسانات تحت عنوان نوسانات یا به طور شایع‌تر، امواج مغزی شناخته می‌شوند. فرکانس امواج مغزی می‌تواند Insight درباره حالت‌ها و فرآیندهای ذهنی ارائه دهد.

برای مثال، امواج مغزی که ۱۴ تا ۳۰ بار در ثانیه نوسان می‌کنند (یا ۱۴ تا ۳۰ هرتز) به عنوان موج‌های بتا شناخته شده و با سطح بالای مشارکت ذهنی همراه هستند. نوسانات در بازه ۸ تا ۱۳ هرتز به عنوان امواج آلفا شناخته شده و معمولاً در دوره‌های استراحت یا توجه منفعل حضوری دارند. برای مثال، در حالی که شخصی مدیتیشن کند اغلب امواج آلفا می‌بینید. امواج تتا نوسانات بین ۴ و ۷ هرتز هستند و زمانی که شخصی به شدت آرام یا خواب‌آلود باشد دیده می‌شوند. کندترین امواج، امواج دلتا هستند (۱ تا ۴ هرتز) و هنگامی که فرد در خواب عمیقی باشد، مشاهده می‌شوند.

دیدن پست مرتبط راهنمای مقدماتی EEG

در آزمایشگاه، دانشمندان می‌توانند زمان، بزرگی و فرکانس امواج مغزی را اندازه‌گیری کنند تا مشخص شود چقدر ذهن فرد در طی فعالیت‌ها دخالت دارد یا ندارد. برای مثال، زمانی که شخصی چیزی را می‌بیند یا می‌شنود که منتظر آن بوده، EEG او پاسخ بسیار خاصی به نام P300 نشان می‌دهد، که موجی با دامنه بالا است که تقریباً ۳۰۰ میلی‌ثانیه پس از ظهور شیء رخ می‌دهد [3]. به همین ترتیب، کاهش نوسانات آلفا می‌تواند نشان دهد که کسی به چیزی بسیار توجه می‌کند [4]. خواب‌آلودگی نیز با ایجاد امضای EEG قابل تشخیص از طریق تغییرات در نوسانات دلتا، تتا و آلفا ایجاد می‌شود [5].

چگونه می‌توانیم توجه را در خودرو اندازه‌گیری کنیم؟ 

در یک وسیله نقلیه، می‌توانیم توجه و خواب‌آلودگی را با استفاده از روش‌های رفتاری اندازه‌گیری کنیم. برای مثال، دوربین‌ها می‌توانند چشمان رانندگان را دنبال کنند تا اطمینان حاصل کنند که به جاده نگاه می‌کنند. همچنین، دوربین‌ها می‌توانند وقتی که سر رانندگان شروع به خم شدن می‌کند که نشان دهنده خواب‌آلودگی است، تشخیص دهند. با این‌حال، فقط به این دلیل که شخصی به جاده نگاه می‌کند یا سر او خم نمی‌شود به معنای حواس انسانی نیست یا طلبکر نیست که آنها خسته نشده‌اند. EEG می‌تواند تشخیص این حالت‌های خطرناک را افزوده کند. آنها حتی می‌توانند پیش‌بینی کنند که قبل از اینکه به صورت رفتارپذیر شناسایی شوند، چه زمانی رخ می‌دهند. 

علوم اعصاب در صندلی راننده - EEG می‌تواند تشخیص این حالت‌های خطرناک را افزوده کند. آنها حتی می‌توانند پیش‌بینی کنند که قبل از اینکه به صورت رفتارپذیر شناسایی شوند، چه زمانی رخ می‌دهند.

در سال ۲۰۲۰، پژوهشگران مروری سیستماتیک بر روی مطالعاتی که از هدست‌های EEG موجود در بازار برای تشخیص خواب‌آلودگی در زمان واقعی استفاده می‌کردند، انجام دادند [6]. آن‌ها گزارش دادند که بیشترین هدستی که در این نوع مطالعات استفاده شده است، آن‌هایی بودند که توسط EMOTIV ساخته شده‌اند و پس از آن Neurosky، Interaxon، و OpenBCI قرار دارند. برای تشخیص خواب‌آلودگی، آنها یافتند که حتی ویژگی‌های ابتدایی EEG مانند نوسانات فرکانس می‌تواند برای تشخیص خواب‌آلودگی استفاده شود. بااین‌حال، آن‌ها اشاره می‌کنند که در بسیاری از موارد «بهینه‌سازی الگوریتمی همچنان ضروری است»، به این معنی که الگوریتم‌های یادگیری ماشین منجر به تشخیص‌های دقیق‌تر شده‌اند.

استفاده از EEG تجاری و الگوریتم‌های یادگیری ماشین برای کمک به افزایش ایمنی ما

EMOTIV برای بیش از یک دهه رهبر EEG تجاری بوده است. در این مدت، سیستم‌های EEG مختلفی را از کلاه تحقیقاتی سنتی ۳۲-کانالی تا هدفون‌های درونی ... تهیه کرده است. سیستم‌هایی با فرم‌های فشرده، مانند هدفون‌های MN8 یا Insight، قدم‌های اول به سمت فناوری عصبی روزمره و پوشیدنی هستند. با ادغام این نوع سخت‌افزارها در کنترل‌های خودرو، ممکن است بتوانیم قبل از وقوع حالت‌های ذهنی مؤثر حوادث را پیش‌گیری کنیم. 

علوم اعصاب در صندلی راننده - استفاده از EEG تجاری و الگوریتم‌های یادگیری ماشین برای کمک به افزایش ایمنی ما.

ادغام سخت‌افزار EEG در وسایل نقلیه تنها بخشی از راه‌حل است. به منظور بهره‌برداری از داده‌های مغزی به دست آمده، ما نیاز داریم که آن‌ها را به معیارهای مفید تبدیل کنیم. الگوریتم‌های یادگیری ماشین پیشرفته این کار را با رمزگشایی داده‌های EEG به ویژگی‌هایی که می‌توانند حالات ذهنی خاص را نشان دهند، انجام می‌دهند. تا به امروز، EMOTIV هفت تشخیص از این نوع را توسعه داده است: ناامیدی، علاقه، آرامش، درگیری، هیجان، توجه و استرس. مهندسان EMOTIV با دانشمندان علوم اعصاب همکاری نزدیکی انجام داده‌اند تا این تشخیص‌ها را از طریق مطالعات تجربی دقیق که از پروتکل‌های شناخته‌شده برای فراخوانی این حالات استفاده می‌کنند، توسعه دهند. در حوزه خودرو، Emotiv در حال حاضر روی یک تشخیص انحراف توجه متمرکز شده‌است که در شبیه‌ساز رانندگی توسعه یافته است. این دنباله‌روی نتایج امیدوار کننده‌ای از یک همکاری با باشگاه خودرو رویال استرالیا غربی است، که به یک خودروی هدایت‌شونده توسط توجه منجر شد که وقتی توجه کاهش یافت سرعت کاهش می‌یافت [7]. شما می‌توانید برخی از ویدئوهای همکاری و نتایج را در یوتیوب پیدا کنید.  

علوم اعصاب و آینده رانندگی

علوم اعصاب در صندلی راننده - علوم اعصاب و آینده رانندگی.

از مداخلات اولیه مانند کمربند ایمنی و نوار‌های لرزشی تا مداخلات مدرن‌تری مانند ترمز اضطراری خودکار و هدایت کمکی، خودروهای ما به‌مراتب ایمن‌تر شده‌اند. با‌این‌حال، تعداد افرادی که هر سال از حوادث جان خود را از دست می‌دهند نشان می‌دهد که هنوز راه درازی تا رسیدن به نقطه‌ای که خودروها می‌توانند «ایمن» تلقی شوند، داریم. با پیشرفت فناوری، خودروهای ما قطعاً ایمن‌تر خواهند شد، اما تا زمانی که انسان‌ها اپراتورهای غالب خودروها هستند، تصادفات ناشی از انسان ادامه خواهند داشت. تکنولوژی EEG نشان‌دهنده مسیر به خصوص امیدوارکننده‌ای برای کاهش عامل انسانی است با شناسایی نشانه‌های ظریف و مداخله قبل از وقوع شرایط ایجاد کننده حادثه.

منابع

[1] مرکز ملی آمار و تحلیل، «برآورد اولیه تلفات ترافیک خودرویی در سال ۲۰۲۰.» اداره ملی ایمنی ترافیک بزرگراه، مه ۲۰۲۱. دسترسی: ۴ ژانویه ۲۰۲۲. [ آنلاین]. موجود در: https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813115

[2] مرکز ملی آمار و تحلیل، «بررسی کلی تصادفات خودرویی در سال ۲۰۱۹.» اداره ملی ایمنی ترافیک بزرگراه، ۲۰۲۰.

[3] اس. ج. لاک و ئی. اس. کاپنمن، کتاب راهنمای آکسفورد درباره اجزای پتانسیل‌های مرتبط با رویداد. انتشارات دانشگاه آکسفورد، ۲۰۱۱.

[4] جی. ثوت، «فعالیت الکتروانسفالوگرافی باند آلفا در قشر محتمل نمایانگر تعصب توجه بصری فضایی و پیش‌بینی کننده شناسایی هدف بصری است»، سی. عصب‌شناسی., جلد ۲۶، نه. ۳۷، ص ۹۴۹۴–۹۵۰۲، سپتامبر ۲۰۰۶، doi: 10.1523/JNEUROSCI.0875-06.2006.

[5] سی.- اچ. چونگ، سی.- اس. هوآنگ, ال.- و. کو، و سی.-تی. لین، «یک شبکه ادغام عملکرد شناختی مبتنی بر EEG برای کاربرد در رانندگی خواب‌آلودگی»، شبکه بر اساس دانش-بیس., جلد 80, صفحات 143–152, مه 2015, doi: 10.1016/j.knosys.2015.01.007.

[6] ج. لاراکو، م. د. له، و د.-گ. پائنگ، «بررسی سیستمیک هدست‌های EEG کم‌هزینه موجود استفاده شده برای تشخیص خواب‌آلودگی»، جلد 14، صفحه 42، 2020، doi: 10.3389/fninf.2020.553352.[7]