脑科学圈| 上海交通大学顾振宇团队：基于脑电与眼动的智能驾驶压力危险感知研究

1、研究背景

智能驾驶系统有助于提高驾驶员在导航时的用户体验(UX)。NGP (intelligent navigation - guided pilot)系统是一种高级驾驶辅助系统。当司机遇到风险或执行不安全驾驶行为时，可能会在处理危险情况时感到压力。压力是与危险感知相关的主要情绪反应，与威胁程度直接相关，而危险感知会引起驾驶时的紧张情绪，从而可能导致事故。因此压力危险感知会直接影响驾驶UX的质量。

目前，客观数据与主观数据相结合是研究UX和智能驾驶的新趋势。前不久，研究人员利用脑电图(EEG)和眼电图(EOG)数据来客观分析人们在遇到危险感知场景时产生压力的心理生物反馈，并使用李克特量表和访谈方法来主观评估影响用户体验的危险感知场景所产生的压力情绪，以加强对车辆人工智能的心理学研究。

2、研究方法和结果

研究采用测量危害和感知的常用范式，让被试观看基于计算机的交通电影，并在每次检测到危险时按下响应按钮，同时记录被试的生理数据与主观反馈。实验使用ANT Neuro公司的64通道电极帽和eego™ myLab系统记录脑电图，采用Tobii Pro Spectrum眼动仪来追踪被试的眼球运动。

图1 被试、眼动仪、EEG装置和屏幕

研究发现，被点击最多的危险感知场景包括变道、湍流、三辆车平行行驶、被超车、决定变道但后退，以及大型车辆通过。高点击场景的β波段功率(反映焦虑)在额叶电极显著升高，注意力和专注度指数提升20%-30%，说明危险感知情景显著诱导了更强的注意力和参与度。

同时高点击场景的瞳孔直径增大，注视时长显著升高，说明被试需要更多的注意力来关注压力危险感知场景。主观评分结果也显示，安全、舒适维度与生理指标、瞳孔大小以及专注度指数均呈负相关。这说明，在危险感知情景中遇到的驾驶风险引起了心理应激生物反馈。

图2 点击最多和点击最少的危险感知场景之间的参与度、集中度和β波地形图

该研究分析了智能驾驶系统的压力危险场景，EEG和EOG数据都表明，用户的行为数据可能无法清楚地探索某些危险感知场景，这强调了未来使用电生理数据的重要性，为未来开发NGPs和智能驾驶系统提供了参考和帮助。

文章信息

引用：Rui, Z., Li, Y., Dong, Z., Hao, L., Chen, B., Chang, F. & Gu, Z. (2024). EEG, EOG, Likert Scale, and Interview Approaches for Assessing Stressful Hazard Perception Scenarios. International Journal of Human–Computer Interaction, 41(9), 5199-5224. 

DOI: 10.1080/10447318.2024.2358461

    编译：神经邮差小马

    审核：零卡果冻

    排版：举个栗子