神经科学在驾驶座上

由 EMOTIV 研究科学家 Nikolas Williams 博士撰写。

几个月前，我在海外生活了八年后搬回美国。重新开始的一部分意味着购买生活中所需的所有东西。除了沙发、床和餐桌，我当然需要一辆车。自认为是个精明的财务人员，我只寻找较旧的、经济实惠的车型，但很快就被虚高的价格和稀缺的存货打击了。2021 年的二手车市场基本上迫使我购买新车，而我最终也确实这样做了。我对违反基本个人理财原则的沮丧，迅速被对我全新丰田 SUV 的舒适性和功能的无限热情所取代。

我特别被其自主驾驶功能吸引，直到此刻我只是在书本上读到过这些。辅助转向和前向雷达让长途驾驶变得轻松。我只需目光保持在道路上，手放在方向盘上，我的车基本上就能自己驾驶。再加上碰撞避免、盲点监测、后视摄像头和警报系统，以确保我不会把后面过路的人撞到，这辆新车客观上比我在过去十年大部分时间里驾驶的老款车型安全多个数量级。

当然，汽车尚未能自己驾驶。虽然它们具有精美的自主和安全功能，但汽车仍需要驾驶员的监督，并在必要时进行干预。我们距离消除驾驶中的人类因素还有很长的路要走，而正是这一因素主要导致了汽车事故和死亡。人类在驾驶时会犯错。无论是决定在饮酒后驾驶是好主意，还是觉得超速好玩，亦或是想在停车休息之前再多挤出几英里，人类都造成了许多可预防的汽车事故。

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

根据国家公路交通安全管理局 (NHTSA) 的数据，2019 年发生了 36,096 起机动车交通死亡事故。预计2020年死亡人数超过38,000 [1]。其中很大一部分是由于冒险驾驶，因此是可以预防的。NHTSA 确定了六种冒险驾驶的类型：超速、酒精和药物影响下的驾驶、未使用或错误使用安全带、分心驾驶和困倦驾驶。由于三分之二的交通死亡事故都可以归因于超速和醉酒驾驶，许多干预活动理所当然地针对这些风险。然而，分心驾驶和困倦驾驶导致了一定数量的死亡，2019年发生了3142起与分心相关的死亡和697起与困倦相关的死亡 [2]。

利用神经科学在实验室中测量注意力

神经科学在驾驶座上 - 利用神经科学在实验室中测量注意力。

神经科学家使用各种方法在实验室中测量注意力。这些方法之一利用了我们的脑细胞活动时会释放微量电流的事实。通过使用脑电图（EEG），我们可以测量这种电流的波动，以理解大脑何时何地处于活跃状态。这些波动的速度或频率称为振荡，或更常被称为脑电波。脑电波的频率可以提供有关心智状态或过程的洞见。

例如，振荡频率为每秒 14 到 30 次（或 14 - 30 Hz）的脑电波被称为贝塔波，与高度的思维参与相关联。8 - 13 Hz 范围内的振荡被称为阿尔法波，通常出现在放松或被动注意时期。例如，当一个人冥想时，你通常会看到阿尔法波。西塔波是每秒 4 到 7 次的振荡，出现在一个人深度放松或困倦时。最慢的波是德尔塔波（1 - 4 Hz），出现在一个人深度睡眠时。

查看相关帖子 《EEG 介绍指南》

在实验室中，科学家可以测量脑电波的时间、幅度和频率，以确定一个人在任务期间的参与或 disengaged 状态。例如，当一个人看到或听到某件他们一直在关注的事物时，他们的 EEG 显示出一种非常特定的反应，称为 P300，这是一种在物体出现后大约 300 毫秒发生的大振幅波 [3]。同样，阿尔法波的减少可以表明某人正在密切关注某些事物 [4]。困倦也会通过德尔塔、西塔和阿尔法振荡的变化产生可检测的 EEG 特征 [5]。

我们如何在汽车中测量注意力？

在车辆中，我们可以通过行为方法测量注意力和困倦。例如，摄像头可以跟踪驾驶员的视线，以确保他们在看路。同样，摄像头可以检测当驾驶员的头开始点头，表明他们感到困倦。然而，仅仅因为一个人看着路或他们的头没有下垂，并不意味着他们在注意或没有疲劳。EEG 可以增强这些危险状态的检测。它们甚至可能在这些状态在行为上可检测之前就能预测这些状态。

神经科学在驾驶座上 - EEG 可以增强这些危险状态的检测。它们甚至可能在这些状态在行为上可检测之前就能预测这些状态。

2020 年，研究人员对使用市售 EEG 头戴设备实时检测困倦的研究进行了系统评审 [6]。他们报告说，在这些研究中最常用的头戴设备是 EMOTIV 生产的头戴设备，其次是 Neurosky、Interaxon 和 OpenBCI。对于困倦检测，他们发现即使是基本的 EEG 特征，如频率振荡，也可以用于检测困倦。然而，他们指出，在许多情况下，“算法优化仍然是必要的”，这意味着机器学习算法可以提高检测的准确性。

利用商业 EEG 和机器学习算法帮助提高安全性

EMOTIV 在商业 EEG 领域已领先十多年。在此期间，他们开发了多种形式的 EEG 系统，从 32 通道传统研究帽到 2 通道耳塞式耳机。具有紧凑形状因子的系统，如 MN8 耳机或 Insight，代表了日常可穿戴神经科技的第一步。通过将这些类型的硬件集成到汽车控制中，我们可能能够在促成事故的心理状态出现之前防止事故发生。

神经科学在驾驶座上 - 利用商业 EEG 和机器学习算法帮助提高安全性。

将 EEG 硬件集成到车辆中只是解决方案的一部分。为了利用获取的脑数据，我们需要将其处理为有用的指标。复杂的机器学习算法通过解码 EEG 数据为可以索引特定心理状态的特征来实现这一目标。迄今为止，EMOTIV 已开发出七种这样的检测：沮丧、兴趣、放松、参与、兴奋、注意和压力。EMOTIV 工程师与神经科学家密切合作，通过已知能引发这些状态的严格实验研究来开发这些检测。在汽车领域， Emotiv 当前正在调整在驾驶模拟器中开发的驾驶员分心检测。这是与西澳大利亚皇家汽车俱乐部的合作后，有希望的结果，该合作导致了一辆在注意力减弱时减速的以注意力驱动的汽车 [7]。您可以在 YouTube 上找到一些关于该 合作 和结果 结果 的视频。

神经科学与驾驶的未来

神经科学在驾驶座上 - 神经科学与驾驶的未来。

从安全带和震动条等早期干预到自动紧急制动和辅助转向等现代干预，我们的汽车变得更加安全。然而，每年因事故而死的人数表明，我们还有很长的路要走，才能使车辆被认为是“安全的”。随着技术的进步，我们的汽车无疑会继续变得更安全，但只要人类是主要的驾驶员，仍然会有人为造成的碰撞。EEG 技术代表了一条特别有前景的途径，通过检测微妙的指标并在事故发生条件出现之前进行干预，从而减轻人类因素的影响。

参考文献

[1] 国家统计与分析中心，“2020 年机动车交通死亡事故早期估算。” 国家公路交通安全管理局，2021 年 5 月。获取日期：2022 年 1 月 4 日。[在线]。可用： https://crashstats.nhtsa.dot.gov/Api/Public/ViewPublication/813115

[2] 国家统计与分析中心，“2019 年机动车事故概述。” 国家公路交通安全管理局，2020 年。

[3] S. J. Luck 和 E. S. Kappenman, 事件相关电位成分的牛津手册。牛津大学出版社，2011。

[4] G. Thut，“枕叶皮层的阿尔法波（Alpha-Band Electroencephalographic Activity）指数视觉空间注意力偏差并预测视觉目标检测，” J. Neurosci.，第 26 卷，编号 37，页码 9494–9502，2006年9月，doi: 10.1523/JNEUROSCI.0875-06.2006。

[5] C.-H. Chuang, C.-S. Huang, L.-W. Ko 和 C.-T. Lin，“基于 EEG 的感知功能集成网络在困倦驾驶中的应用，” Knowl.-Based Syst.，第 80 卷，页码 143–152，2015 年 5 月，doi: 10.1016/j.knosys.2015.01.007。

[6] J. LaRocco, M. D. Le 和 D.-G. Paeng，“用于检测困倦的低成本 EEG 头戴设备的系统性回顾，” Front. Neuroinformatics，第 14 卷，第 42 页，2020年，doi: 10.3389/fninf.2020.553352.[7] “澳大利亚研究人员揭示的‘注意力驱动’汽车，”2013 年。 https://phys.org/news/2013-09-australia-unveil-attention-powered-car.html （获取日期，2022 年 1 月 12 日）。