Dr Nikolas Williams（Emotiv リサーチサイエンティスト）執筆。

数ヶ月前、私は8年間の海外生活を終えてアメリカに戻ってきました。再スタートを切るということは、生活に必要なあらゆるものを買い揃えることを意味していました。ソファ、ベッド、ダイニングテーブルに加え、当然ながら車も必要でした。自分ではファイナンシャルサビーな人間だと思っているので、古くてコストパフォーマンスの高いモデルばかりを探していましたが、価格の高騰と在庫不足ですぐに意気消沈してしまいました。2021年の中古車市場の実情は、実質的に新車を購入せざるを得ない状況へと私を追い込み、結局そうすることにしました。個人の財務上の基本原則を守れなかったという失望感は、新しいトヨタのSUVがもたらす快適さと機能への無制限の熱意へとすぐに取って代わられました。

私は特に、これまで本でしか読んだことのなかった自動運転機能に心を奪われました。ステアリングアシストと前方監視レーダーのおかげで、長時間の運転も非常に楽になりました。私はただ道路から目を離さず、片手をステアリングホイールに置いておくだけで、車が基本的には自動で走ってくれました。衝突回避、ブラインドスポットモニター、後方カメラと警告システム（後ろを横切る人にぶつからないようにするためのもの）などを考慮すると、この新しい車は、過去10年間の大部分で運転してきた古いモデルの車よりも、客観的に見て桁違いに安全でした。

もちろん、車はまだ完全な自動運転ではありません。便利な自動運転機能や安全機能は備わっていますが、依然としてドライバーの監視と、必要に応じた介入が必要です。運転から人間の要素を完全に排除するには程遠く、自動車事故や死亡事故の主な原因となっているのはまさにこの人間の要素です。人間はハンドルの後ろでミスを犯します。飲酒後に運転するのが良いと考えたり、スピードを出すのが楽しいと思ったり、疲れた体を休めるために車を停める前にもう数マイル走らなければならないと思い込んだりすることで、人間は予防可能なはずの自動車事故を数多く引き起こしています。

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

国家道路交通安全局（NHTSA）によると、2019年の交通事故死亡者数は36,096人でした。2020年の死亡者数は38,000人を超えると推定されています [1]。これらの大きな割合は危険運転によるものであり、したがって予防可能です。NHTSAは、スピード違反、飲酒および薬物影響下の運転、シートベルトの不使用（または不適切な使用）、わき見運転、居眠り運転の6つの危険運転タイプを特定しています。すべての交通死亡事故の3分の2がスピード違反と飲酒運転に起因するため、多くの介入キャンペーンがこれらのリスクに対処することを目的としているのは当然です。しかし、わき見運転と居眠り運転も無視できない数の死亡事故を引き起こしており、2019年にはわき見運転関連で3,142人、居眠り関連で697人が死亡しています [2]。

神経科学による実験室での注意力測定

運転席の神経科学 - 神経科学を駆使して研究室で注意力を測定します。

神経科学者は、実験室で注意力を測定するためにさまざまな方法を使用しています。これらの方法の1つは、ニューロンが活動するときに脳が微量の電気を放出するという事実を利用しています。脳波（EEG）を用いることで、この電気の変動を測定し、脳がいつ、どこで活動しているかを理解することができます。この変動が起こる速度、つまり周波数は振動として知られており、一般的には脳波と呼ばれています。脳波の周波数は、精神状態やプロセスに関するインサイトを提供してくれます。

例えば、1秒間に14〜30回（または14〜30 Hz）振動する脳波はベータ波として知られ、精神的な結びつきや関与のレベルが高いことに関連しています。8〜13 Hzの範囲の振動はアルファ波として知られ、一般的にリラックスしているときや受動的な注意の時間帯に現れます。例えば、人が瞑想しているときによくアルファ波が観察されます。シータ波は4〜7 Hzの間の振動で、人が深くリラックスしているときや眠気を催しているときに見られます。最も遅い波はデルタ波（1〜4 Hz）であり、深く眠っているときに観察されます。

関連する投稿を見る EEG入門ガイド

実験室において、科学者たちは脳波のタイミング、大きさ、周波数を測定して、タスク中に人の精神がどれほど集中しているか、あるいは注意散漫になっているかを判断できます。例えば、人が注視しているものを見たり聞いたりすると、そのEEGにはP300と呼ばれる非常に特徴的な反応が現れます。これは、対象物が現れてから約300ミリ秒後に発生する振幅の大きい波です [3]。同様に、アルファ振動の減少は、誰かが何かに細心の注意を払っていることを示す可能性があります [4]。また、眠気もデルタ、シータ、およびアルファ振動の変化を介して、検出可能な脳波シグネチャーを生み出します [5]。

車内での注意力はどのように測定できるか？

車内では、行動的な方法を用いて注意レベルや眠気を測定することができます。例えば、カメラでドライバーの目を追跡し、道路を見ているか確認することができます。同様に、ドライバーの頭がコックリと傾き始めたことを検出して眠気を感知することもできます。しかし、単に道路を見ているから、あるいは頭が傾いていないからといって、注意を払っている、あるいは疲労していないとは限りません。EEGは、これらの危険な状態の検出を補強することができます。さらには、それらの状態が行動として現れる前に予測することすらできるかもしれません。

運転席の神経科学 - EEGはこれらの危険な状態の検出を補強することができます。行動に現れる前にそれらを予測することすらできるかもしれません。

2020年、研究者らは市販のBCIヘッドセットを使用してリアルタイムの眠気を検出する研究の系統的レビューを行いました [6]。それらの研究で最も一般的に使用されていたヘッドセットは Emotiv 社製のものであり、次いで Neurosky 社、Interaxon 社、OpenBCI 社製のものであったと報告されています。眠気検出に関しては、周波数振動のような基本的なEEG指標であっても、眠気の検出に使用できることが分かりました。しかし、「アルゴリズムの最適化が必要である」とも指摘されており、機械学習アルゴリズムの方がより正確な検出結果をもたらしたとしています。

市販のEEGと機械学習アルゴリズムの活用がもたらす安全性の向上

Emotiv は10年以上にわたり、市販EEGのリーダーであり続けています。この間、32チャンネルの従来の学術研究用キャップから、2チャンネルのインイヤー型ヘッドホンに至るまで、様々な形状のEEGシステムを開発してきました。MN8 ヘッドホンや Insight のようなコンパクトな形状のシステムは、日常的に着用できるウェアラブル・ニューロテクノロジーへの第一歩となります。これらのハードウェアを自動車の制御に統合することで、原因となる精神状態が発生する前に事故を防ぐことができるようになるかもしれません。

運転席の神経科学 - 市販のEEGと機械学習アルゴリズムを活用して、安全性の維持に貢献します。

EEGハードウェアを車両に組み込むことは、解決策の一部に過ぎません。取得した脳データを活用するためには、それを有用な指標へと処理する必要があります。高度な機械学習アルゴリズムは、EEGデータを特定の精神状態をインデックスできる特徴へとデコードすることで、これを実現します。現在までに、Emotiv は「フラストレーション」「興味」「リラクゼーション」「エンゲージメント」「エキサイトメント」「アテンション（注意力）」「ストレス」という7つの検出指標を開発しました。Emotiv のエンジニアは、これらの状態を誘発することが知られているプロトコルを持ちいた厳格な実験的研究を通じて、脳科学者と密に連携してこれらの検出技術を開発してきました。自動車分野においては、現在 Emotiv は、ドライブシミュレーター内で開発された「ドライバーのわき見・注意力散漫」の検出技術の微調整を行っています。これは西オーストラリア州王立自動車クラブとの共同研究による有望な成果を受けたものであり、この共同研究では、注意力が低下した際に自動的に減速する「注意力連動型自動車」が実現しました [7]。YouTubeでこの共同プロジェクトやその成果の動画をご覧いただけます。

脳科学と運転の未来

運転席の神経科学 - 脳科学と運転の未来。

シートベルトやランブルストリップス（音響道路）といった初期の防止策から、自動緊急ブレーキや運転支援ステアリングのような現代的な防止策に至るまで、車は飛躍的に安全になりました。それでもなお、毎年事故で亡くなる人々の数は、車両が「安全」であるとみなされる地点に到達するまでに、私たちがまだ長い道のりを残していることを示しています。テクノロジーの進歩に伴い、車は間違いなく安全になり続けますが、人間が主な運転者である限り、人間が原因となる事故は発生し続けるでしょう。EEGテクノロジーは、かすかな兆候を検出し、事故の原因となる状況が発生する前に介入することにより、人的要因を軽減するための非常に有望な手段となります。

参考文献

[1] National Center for Statistics and Analysis, “Early estimate of motor vehicle traffic fatalities in 2020.” National Highway Traffic Safety Administration, May 2021. Accessed: Jan. 04, 2022. [Online]. Available: https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813115

[2] National Center for Statistics and Analysis., “Overview of motor vehicle crashes in 2019.” National Highway Traffic Safety Administration, 2020.

[3] S. J. Luck and E. S. Kappenman, The Oxford handbook of event-related potential components. Oxford university press, 2011.

[4] G. Thut, “Alpha-Band Electroencephalographic Activity over Occipital Cortex Indexes Visuospatial Attention Bias and Predicts Visual Target Detection,” J. Neurosci., vol. 26, no. 37, pp. 9494–9502, Sep. 2006, doi: 10.1523/JNEUROSCI.0875-06.2006.

[5] C.-H. Chuang, C.-S. Huang, L.-W. Ko, and C.-T. Lin, “An EEG-based perceptual function integration network for application to drowsy driving,” Knowl.-Based Syst., vol. 80, pp. 143–152, May 2015, doi: 10.1016/j.knosys.2015.01.007.

[6] J. LaRocco, M. D. Le, and D.-G. Paeng, “A Systemic Review of Available Low-Cost EEG Headsets Used for Drowsiness Detection,” Front. Neuroinformatics, vol. 14, p. 42, 2020, doi: 10.3389/fninf.2020.553352.[7] “Australia researchers unveil ‘attention-powered’ car,” 2013. https://phys.org/notes/2013-09-australia-unveil-attention-powered-car.html (accessed Jan. 12, 2022).