一种监测与提升驾驶员能力的主动方法——ADAM认知技术解决方案
人机交互
2022-04-26 v1 计算机与社会
摘要
驾驶员在某一时刻的认知能力是评估驾驶安全中最难以捉摸的变量。与近视或手动功能障碍等其他身体状况不同，认知能力是暂时性的。安全法规试图通过消除酒精或药物摄入等风险因素、禁止发短信等次要任务、以及敦促驾驶员在感到疲劳时休息来降低与驾驶员认知能力相关的风险。然而，人们无法规范所有影响驾驶员认知的因素，此外，驾驶员的瞬时认知能力在大多数情况下甚至对驾驶员本人也是隐蔽的。在此，我们提出一种主动方法，旨在监测一种受上述所有原因影响且直接影响驾驶员在驾驶任务中表现的具体认知过程。我们依托由 Karl Friston 提出的科学框架（Friston, 2010）。我们开发了一种闭环方法，记录驾驶员对视觉探测的眼部反应。机器学习算法在警觉状态下的眼部反应上进行训练，能够检测因疲劳和药物滥用导致的能力下降。我们的结果表明，无论损伤原因如何，我们都能正确分类认知过程受损与未受损的受试者（准确率 77%，误报率 5%）。
引用
@article{arxiv.2204.10853,
title = {An active approach towards monitoring and enhancing drivers' capabilities -- the ADAM cogtec solution},
author = {Moti Salti and Yair Beery and Erez Aluf},
journal= {arXiv preprint arXiv:2204.10853},
year = {2022}
}