Geschreven door Dr. Nikolas Williams, Emotiv Research Scientist.

Enkele maanden geleden ben ik na acht jaar in het buitenland te hebben gewoond, terugverhuisd naar de VS. Opnieuw beginnen betekende onder andere de aanschaf van alle spullen die je nodig hebt voor het leven. Naast een bank, bed en eettafel had ik natuurlijk ook een auto nodig. Omdat ik dacht dat ik financieel verstandig was, zocht ik uitsluitend naar oudere, voordelige modellen, maar was al snel gedemoraliseerd door de hoge prijzen en de schaarse voorraad. De markt voor gebruikte auto's van 2021 dreef me in feite tot de aankoop van een nieuwe auto, wat ik uiteindelijk ook deed. Mijn ontzetting over het schenden van de basisprincipes van persoonlijke financiën maakte al snel plaats voor een onbeteugeld enthousiasme over het comfort en de kenmerken van mijn gloednieuwe Toyota SUV.

Ik was vooral gecharmeerd van de functies voor autonoom rijden, waarover ik tot nu toe alleen had gelezen. Remassistent en anticiperende radar maakten lange ritten een fluitje van een cent. Ik hoefde alleen mijn ogen op de weg te houden en een hand op het stuur te laten rusten, en mijn auto reed in feite zichzelf. Tel daarbij op de botspreventie, dodehoekbewaking, achteruitkijkcamera's met een waarschuwingssysteem om ervoor te zorgen dat ik niet achteruit tegen iemand opreed die achter me overstak, en deze nieuwe auto was objectief gezien vele malen veiliger dan de oudere modelauto's waarin ik het grootste deel van het afgelopen decennium had gereden.

Auto's rijden natuurlijk nog niet zelf. Hoewel ze handige autonome en veiligheidsvoorzieningen hebben, vereisen auto's nog steeds supervisie van de bestuurder en, indien nodig, ingrijpen. We zijn er nog ver van verwijderd om de menselijke factor bij het rijden uit te sluiten, en het is juist deze factor die in overwegende mate verantwoordelijk is voor auto-ongevallen en verkeersdoden. Mensen maken fouten achter het stuur. Of ze nu besluiten dat het besturen van een voertuig na alcoholgebruik een goed idee is, of dat te snel rijden leuk is, of dat ze nog net een paar kilometer verder moeten rijden voor ze stoppen om hun vermoeide lijf te laten rusten, mensen veroorzaken heel wat vermijdbare auto-incidenten.

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

Volgens de National Highway Traffic Safety Administration (NHTSA) waren er in 2019 36.096 verkeersdoden te betreuren. Voor 2020 wordt het aantal dodelijke slachtoffers geschat op meer dan 38.000 [1]. Een groot percentage hiervan is te wijten aan risicovol rijgedrag en dus vermijdbaar. De NHTSA heeft zes soorten risicovol rijgedrag geïdentificeerd: Snelheidsovertredingen, rijden onder invloed van alcohol en drugs, het niet (of onjuist) gebruiken van veiligheidsgordels, afgeleid rijden en slaperig rijden. Aangezien tweederde van alle verkeersdoden kan worden toegeschreven aan snelheidsovertredingen en rijden onder invloed, zijn veel interventiecampagnes er terecht op gericht deze risico's aan te pakken. Afgeleid en slaperig rijden leiden echter tot een niet-triviaal aantal dodelijke slachtoffers, met 3.142 afleidingsgerelateerde sterfgevallen en 697 slaperigheidsgerelateerde sterfgevallen in 2019 [2].

Neurowetenschap gebruiken om oplettendheid te meten in het laboratorium

Neurowetenschap op de chauffeursstoel - Neurowetenschap gebruiken om oplettendheid te meten in het laboratorium.

Neurowetenschappers gebruiken verschillende methoden om de aandacht te meten in het laboratorium. Eén van deze methoden maakt gebruik van het feit dat onze hersenen minuscule hoeveelheden elektriciteit afgeven wanneer de neuronen vuren. Met behulp van een elektro-encefalogram (EEG) kunnen we de schommelingen in deze elektriciteit meten om te begrijpen wanneer en waar de hersenen actief zijn. De snelheid, of frequentie, waarmee deze schommelingen optreden, staan bekend als oscillaties, of meer algemeen, hersengolven. De frequentie van hersengolven kan inzicht geven in mentale toestanden of processen.

Hersengolven die bijvoorbeeld 14 tot 30 keer per seconde oscilleren (of 14 - 30 Hz) staan bekend als betagolven en worden geassocieerd met een hoge mate van mentale activiteit. Oscillaties in het bereik van 8 - 13 Hz staan bekend als alfagolven en zijn over het algemeen aanwezig tijdens perioden van ontspanning of passieve aandacht. Alfagolven zie je bijvoorbeeld vaak wanneer iemand aan het mediteren is. Thetagolven zijn oscillaties tussen 4 en 7 Hz en worden gezien wanneer iemand diep ontspannen of slaperig is. De langzaamste golven zijn deltagolven (1 - 4 Hz) en worden waargenomen wanneer iemand in een diepe slaap is.

Zie gerelateerde post The Introductory Guide to EEG

In het lab kunnen wetenschappers de timing, magnitude en frequentie van hersengolven meten om te bepalen hoe betrokken of onverschillig de geest van een persoon is tijdens taken. Wanneer iemand bijvoorbeeld iets ziet of hoort waar hij op heeft gelet, vertoont zijn EEG een heel specifieke reactie, een P300 genaamd, wat een golf met een grote amplitude is die ongeveer 300 ms na het verschijnen van het object optreedt [3]. Evenzo kan een afname van alfa-oscillaties erop wijzen dat iemand ergens veel aandacht aan besteedt [4]. Slaperigheid veroorzaakt ook aantoonbare EEG-signaturen door veranderingen in delta-, theta- en alfa-oscillaties [5].

Hoe kunnen we oplettendheid in een auto meten?

In een voertuig kunnen we oplettendheid en slaperigheid meten met behulp van gedragsmethoden. Camera's zouden bijvoorbeeld de ogen van de bestuurder kunnen volgen om er zeker van te zijn dat deze naar de weg kijkt. Ook zouden camera's kunnen detecteren wanneer het hoofd van de bestuurder begint te knikkebollen, wat erop wijst dat hij slaperig is. Dat iemand naar de weg kijkt of dat zijn hoofd niet naar voren knikt, betekent echter nog niet dat hij oplet of dat hij niet vermoeid is. EEG kan de detectie van deze gevaarlijke toestanden versterken. Ze kunnen ze mogelijk zelfs voorspellen voordat ze gedragsmatig waarneembaar zijn.

Neurowetenschap op de chauffeursstoel - EEG kan de detectie van deze gevaarlijke toestanden versterken. Ze kunnen ze misschien zelfs voorspellen voordat ze gedragsmatig waarneembaar zijn.

In 2020 voerden onderzoekers een systematische review uit van onderzoeken waarin commercieel verkrijgbare EEG-headsets werden gebruikt om realtime slaperigheid te detecteren [6]. Zij rapporteerden dat de meest gebruikte headset in dit soort onderzoeken die van Emotiv waren, gevolgd door Neurosky, Interaxon en OpenBCI. Voor het detecteren van slaperigheid ontdekten ze dat zelfs elementaire EEG-functies, zoals frequentieschommelingen, konden worden gebruikt om slaperigheid te detecteren. Zij merken echter op dat in veel gevallen "algoritmische optimalisatie noodzakelijk blijft", wat betekent dat algoritmen voor machine learning resulteerden in nauwkeurigere detecties.

Commerciële EEG- en machine learning-algoritmen inzetten om ons veiliger te houden

Emotiv is al meer dan een decennium de leider in commerciële EEG. Gedurende deze tijd hebben ze EEG-systemen in verschillende vormen ontwikkeld, van 32-kanaals traditionele onderzoekscaps tot 2-kanaals in-ear hoofdtelefoons. Systemen met een compacte vormfactor, zoals de MN8 hoofdtelefoon of Insight, vertegenwoordigen de eerste stappen in de richting van alledaagse, draagbare neurotechnologie. Door dit soort hardware te integreren in de bedieningselementen van auto's, kunnen we mogelijk ongelukken voorkomen voordat de bijbehorende mentale toestanden zich überhaupt voordoen.

Neurowetenschap op de chauffeursstoel - Commerciële EEG- en machine learning-algoritmen inzetten om ons veiliger te houden.

Het integreren van EEG-hardware in voertuigen is slechts een deel van de oplossing. Om de verkregen hersengegevens te kunnen gebruiken, moeten we deze verwerken tot bruikbare metrieken. Geavanceerde algoritmen voor machine learning bereiken dit door EEG-gegevens te decoderen in kenmerken die specifieke mentale toestanden kunnen indexeren. Tot op heden heeft Emotiv zeven van dergelijke detecties ontwikkeld: frustratie, interesse, ontspanning, betrokkenheid, opwinding, aandacht en stress. Ingenieurs van Emotiv hebben nauw samengewerkt met neurowetenschappers om deze detecties te ontwikkelen via rigoureuze experimentele studies met protocollen waarvan bekend is dat ze deze toestanden oproepen. Op autogebied verfijnt Emotiv momenteel een detectie voor afleiding van de bestuurder, die is ontwikkeld in een rijsimulator. Dit volgt op veelbelovende resultaten van een samenwerking met de Royal Automobile Club of Western Australia, wat resulteerde in een door aandacht aangedreven auto die langzamer reed wanneer de aandacht verslapte [7]. U kunt enkele video's van de samenwerking en de resultaten op YouTube vinden.

Neurowetenschap en de toekomst van autorijden

Neurowetenschap op de chauffeursstoel - Neurowetenschap en de toekomst van autorijden.

Vanaf vroege interventies zoals veiligheidsgordels en rammelstroken tot moderne interventies zoals automatische noodremmen en rijassistentie, zijn onze auto's veel veiliger geworden. Toch toont het aantal mensen dat elk jaar door ongelukken omkomt aan dat we nog een lange weg te gaan hebben voor we de status bereiken dat voertuigen als "veilig" kunnen worden beschouwd. Naarmate de technologie voortschrijdt, zullen onze auto's ongetwijfeld veiliger blijven worden, maar zolang mensen de belangrijkste bestuurders van voertuigen zijn, zullen er door mensen veroorzaakte ongelukken blijven gebeuren. EEG-technologie is een bijzonder veelbelovende manier om de menselijke factor te matigen door subtiele indicatoren te detecteren en in te grijpen voordat er omstandigheden ontstaan die tot een ongeval kunnen leiden.

Referenties

[1] National Center for Statistics and Analysis, “Early estimate of motor vehicle traffic fatalities in 2020.” National Highway Traffic Safety Administration, mei 2021. Geraadpleegd op: 4 jan. 2022. [Online]. Beschikbaar: 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 en 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, en C.-T. Lin, “An EEG-based perceptual function integration network for application to drowsy driving,” Knowl.-Based Syst., vol. 80, pp. 143–152, mei 2015, doi: 10.1016/j.knosys.2015.01.007.

[6] J. LaRocco, M. D. Le, en 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/news/2013-09-australia-unveil-attention-powered-car.html (geraadpleegd op 12 jan. 2022).