一直以來，駕駛安全都是人們關(guān)注的重點。在導致交通事故發(fā)生的主要因素中，人為錯誤（酗酒、睡眠不足等）是導致交通事故發(fā)生的主要因素之一。因此，對駕駛?cè)说鸟{駛心理能力特性開展研究是非常必要的，早期發(fā)現(xiàn)和評估駕駛員駕駛相關(guān)的認知能力并建立駕駛疲勞的監(jiān)測系統(tǒng)有助于進行駕駛危險預警并提供危險預防措施，以降低交通事故的發(fā)生率并減少人員傷亡。

應用

1.駕駛員狀態(tài)監(jiān)測

通過分析EEG信號的特征，如α波、θ波的變化，實時監(jiān)測駕駛員的疲勞狀態(tài)。也可以通過EEG和fNIRS多模態(tài)技術(shù)探討駕駛疲勞對大腦的影響，同時記錄行為、腦電圖和近紅外光譜數(shù)據(jù)，綜合評估駕駛疲勞狀態(tài)。

EEG還可以捕捉駕駛員在駕駛過程中注意力分散時的腦電特征變化，及時預警分心駕駛行為，提高行車安全。同時，也能夠用于檢測駕駛員的情緒狀態(tài)，如憤怒、焦慮等，研究其對駕駛行為的影響。

2.駕駛行為意圖識別

操作意圖識別：基于EEG的分類器可以解碼駕駛員的腦信號，以執(zhí)行復雜的操作任務，如左轉(zhuǎn)、右轉(zhuǎn)、加速和減速意圖的分類，通過共享控制策略實現(xiàn)精確的車輛操控。

緊急制動意圖檢測：利用EEG信號檢測駕駛員的緊急制動意圖。

3.注意力與空間感知研究

使用fNIRS展示駕駛時視覺空間注意力需求和注意捕獲的認知神經(jīng)機制，研究不同駕駛場景下注意力的分配和變化。

4.駕駛認知負荷評估

EEG可捕捉駕駛員在不同認知負荷下的腦電特征變化。如在模擬駕駛場景中，通過分析EEG信號的特征，如α波、θ波的變化，實時監(jiān)測駕駛員的疲勞狀態(tài)和認知負荷。也可以結(jié)合EEG和fNIRS，利用機器學習算法（如隨機森林、決策樹和k最近鄰模型）構(gòu)建駕駛員認知負荷分類模型。