基于脑电通道注意力机制的驾驶行为识别研究
来源：交通运输系统工程与信息杂志2024年第4期北京时间：
作者：赵朔, 奇格奇, 李培豪, 关伟
单位：北京交通大学，城市交通复杂系统理论与技术教育部重点实验室，北京100044
摘要：脑电信号以其高时间分辨率等优点成为识别驾驶员认知状态和评估驾驶性能的重要工具。以往研究中，基于脑电识别驾驶行为往往局限于异常驾驶状态，例如，疲劳检测和分心驾驶等，忽略了常规驾驶场景。本文以常规驾驶行为作为研究对象，通过驾驶模拟实验同步采集驾驶员在执行加速、减速和转向行为时的驾驶数据和脑电数据，构建基于压缩—激励模块的通道注意力—可分离卷积神经网络，对驾驶员上述驾驶行为进行模式识别，并优化选择跨个体脑电信号通道。结果表明，本文模型在3类驾驶行为识别的准确率达到82%，且在保证预测精度的情况下，将通道数量降低了70%。通过消融实验以及与其他基准模型的对比证明了模型的有效性。对最优通道组合的头皮拓扑位置分析发现，大脑额区和枕区与常规驾驶行为最为相关。研究结果可为从认知角度理解驾驶行为及类脑驾驶决策提供方法依据。
关键词：智能交通,驾驶行为识别,压缩—激励网络,脑电通道优化
基金资助：国家自然科学基金 (72271018, 72101014)。
