Lenkmanöverprädiktion basierend auf einer Analyse der hirnelektrischen Aktivität des Fahrers

Prediction of steering maneuvers based on the analysis of the driver’ s cerebral electrical activity

  • Oft sind es nur Bruchteile von Sekunden, in denen sich der Fahrer für ein Lenk- oder Bremsmanöver entscheidet. Seit Jahrzehnten sind die Entwickler von Assistenzsystemen auf der Suche nach Möglichkeiten, diese Entscheidung bzw. Absicht des Fahrers frühzeitig zu erkennen, um diese in neue prospektive Ansätze zur Steigerung der aktiven und passiven Sicherheit im Fahrzeug einbetten zu können. Die vorliegende Arbeit untersucht dazu die Möglichkeiten einer Fahrerintentionserkennung als LenkmanöverpräOft sind es nur Bruchteile von Sekunden, in denen sich der Fahrer für ein Lenk- oder Bremsmanöver entscheidet. Seit Jahrzehnten sind die Entwickler von Assistenzsystemen auf der Suche nach Möglichkeiten, diese Entscheidung bzw. Absicht des Fahrers frühzeitig zu erkennen, um diese in neue prospektive Ansätze zur Steigerung der aktiven und passiven Sicherheit im Fahrzeug einbetten zu können. Die vorliegende Arbeit untersucht dazu die Möglichkeiten einer Fahrerintentionserkennung als Lenkmanöverprädiktion basierend auf einer Analyse der hirnelektrischen Aktivität des Fahrers mit einem Brain-Computer-Interface (BCI). Durch die Detektion von Veränderungen in der hirnelektrischen Aktivität des Nutzers sind bereits heute ’gedankenschnelle’ Steuerungen technischer Systeme mit einem BCI möglich. Untersuchungen zu den Potentialen einer solchen Schnittstelle finden allerdings gemeinhin unter hoch kontrollierten Bedingungen im Labor statt und die ökologische Validität der Ergebnisse kann selten überprüft werden. In diesem Forschungsfeld wird kaum untersucht, inwieweit sich die beobachteten Veränderungen der hirnelektrischen Aktivität unter realitätsnahen Bedingungen und Interaktionen replizieren lassen. Das Ziel dieser Arbeit ist es, durch einen Spagat zwischen experimenteller Kontrolle und ökologischer Validität der Experimente, die praktische Relevanz eines Brain-Computer-Interfaces im Fahrzeug abschätzen zu können. Zur Messung der Hirnaktivität des Fahrers wurde in dieser Arbeit die Elektroenzephalografie (EEG) verwendet. In einer Serie von drei Experimenten wurden Muster in den EEG-Daten, die einer intendierten Bewegung bzw. einem Lenkmanöver vorausgehen, untersucht. Basierend auf der Annahme, dass jedes Lenkmanöver durch eine Muskelkontraktion der oberen Gliedmaße initiiert wird, wurde das motorische Bereitschaftspotential als Indikator des Übergangs von der Fahrerentscheidung zur Bewegungs- bzw. Fahrmanöverausführung auf dessen Informationsgehalt bezüglich der Prädizierbarkeit eines zukünftigen Lenkmanövers überprüft. Ausgehend von dem Wissen um die Zuständigkeit der rechten Hirnhälfte für Bewegungen der linken Körperseite und vice versa, dient die Beobachtung der Aktivität verschiedener körperseitiger Muskelgruppen bei Lenkmanövern nach links oder rechts als Ausgangspunkt der Überlegungen und experimentellen Vorgehensweise in dieser Arbeit. Mit einem einfachen Tastendruck des rechten bzw. linken Fingers wurden zu Beginn in einem ersten Experiment die Grundlagen zur Detektierbarkeit einer hemisphärischen Asymmetrie des Bereitschaftspotentials gelegt und der aktuelle Forschungsstand im Bereich der Brain-Computer-Interfaces repliziert. Mit der nachfolgenden Fahrsimulatoruntersuchung und dem abschließenden Realfahrexperiment wurde überprüft, ob auch vor Lenkmanövern das Bereitschaftspotential in den EEG-Daten beobachtet und zur Prädiktion eines Lenkmanövers herangezogen werden kann. Die offline Analyse der EEG-Daten des Realfahrexperiments zeigt dabei eindrucksvoll die Potentiale eines solchen BCI im Fahrzeug unter realen Fahrbedingungen auf. So konnte in bis zu 80% aller Lenkmanöver durch eine Asymmetrie des motorischen Bereitschaftspotentials die Richtung bis zu 150 ms vor dem Lenkbeginn mit einem universalen Klassifikator richtig prädiziert werden. Würde zu diesem Zeitpunkt durch ein Assistenzsystem ein Ausweichmanöver ausgeführt, könnte der Querversatz des Fahrzeuges, mit der im Versuch gemessenen maximalen Querbeschleunigung, um bis zu 70 cm erhöht werden. Mit den Ergebnissen dieser Arbeit wird eine wichtige Erweiterung möglicher Informationsquellen zur Erkennung der Fahrerintention als Manöverprädiktion vorgelegt.show moreshow less
  • The driver decides in fractions of seconds for initiating a steering or braking maneuver. For decades, research interest is growing to develop new approaches in order to detect the drivers' decision or intention. This information could be integrated into new approaches for driver support and warning strategies. The presented work addresses the analysis of the drivers' cerebral electrical activity in order to predict the upcoming steering reaction using a Brain-Computer Interface (BCI). In this wThe driver decides in fractions of seconds for initiating a steering or braking maneuver. For decades, research interest is growing to develop new approaches in order to detect the drivers' decision or intention. This information could be integrated into new approaches for driver support and warning strategies. The presented work addresses the analysis of the drivers' cerebral electrical activity in order to predict the upcoming steering reaction using a Brain-Computer Interface (BCI). In this way, the detection of changes in the cerebral electrical activity via electroencephalography (EEG) allows for the control of a technical system with the 'speed of thoughts'. Studies for the potentials of this BCI are often carried out under highly controlled conditions in laboratories. The ecological validity of the results will be evaluated rarely. The impact of interacting in real world conditions to the EEG signals remains unheeded. Hence, the aim of the presented work is to transfer the results from a highly controlled tasked condition into a realistic driving context with fitting ecological validity in order to evaluate the practical relevance of a Brain- Computer Interface in the context of driving. In a series of three experiments patterns of the EEG signals preceding intended movements and steering maneuvers were identified. Based on the assumption that each steering maneuver is initiated by a muscular contraction of the upper limps the ‘Bereitschaftspotential’ was used to project the point in time of converting a motor decision into a final motor action. This brain potential was analyzed regarding the predictability of an upcoming steering maneuver. Knowledge about the responsibility of the right brain hemisphere for movements of the left body site and vice versa serves as fundamental basics of this work. Since the functions of the upper limp muscles in steering maneuvers revealed differences in the body side activity of the muscles - the question was whether this asymmetry becomes also evident in the activity of the brain hemispheres. These deliberations served as basis for the presented experimental approach. The first experiment dealed with simple button presses of the left and right index finger in order to form the fundamentals for the detectability of a hemispheric asymmetry of the mentioned ‘Bereitschaftspotential’. In this way, the outcomes replicated the results of the state of the art approaches in the domain of Brain-Computer Interfaces. With a driving simulator study as well as a final realistic driving task containing an obstacle avoidance maneuver the question could be answered whether the ‘Bereitschaftspotential’ becomes also evident in steering conditions. Outcomes of the realistic obstacle avoidance task show the potential of a BCI in a vehicle in a very impressive way. Thus, it is possible to detect the direction of the upcoming steering maneuver up to 150 ms before the steering onset with an accuracy of approximately 80% due to the hemispheric asymmetry of the ‘Bereitschaftspotential’. If an automated steering maneuver can be triggered at this time, the transverse offset of the vehicle increases up to 70 cm. In conclusion, the results of this work serve as an important extension of approaches to detect the driver's intention as source of information for driver support and warning systems.show moreshow less

Download full text files

Export metadata

  • Export Bibtex
  • Export RIS

Additional Services

Share in Twitter Search Google Scholar
Metadaten
Author: Sebastian Welke
URN:urn:nbn:de:kobv:83-opus-33899
Advisor:Prof. Dr.-Ing. habil. Thomas Jürgensohn
Document Type:Doctoral Thesis
Language:German
Date of Publication (online):2012/01/23
Publishing Institution:Technische Universität Berlin
Granting Institution:Technische Universität Berlin, Fakultät V - Verkehrs- und Maschinensysteme
Date of final exam:2011/10/10
Release Date:2012/01/23
Tag:BCI; Bereitschaftspotential; EEG; Fahrerabsichtserkennung; ICA
BCI; EEG; ICA; driver intention; readiness potential
Institutes:Institut für Land- und Seeverkehr
Dewey Decimal Classification:620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
Licence (German):License LogoDeutsches Urheberrecht mit Print on Demand (u.a. für Dissertationen empfohlen)