基于潜变量状态空间框架的自然场景下驾驶员状态建模
人机交互
2022-03-03 v1
摘要
分析环境对驾驶员压力水平和工作负荷的影响，对于设计以人为中心的驾驶员-车辆交互系统并最终帮助构建更安全的驾驶体验至关重要。然而，驾驶员状态，包括压力水平和工作负荷，是无法直接测量的心理构念，需要通过心理生理测量等传感器测量来估计。我们提出使用潜变量状态空间建模框架进行驾驶员状态分析。通过使用潜变量状态空间模型，我们将驾驶员的工作负荷和压力水平建模为潜变量，这些变量在多模态人体感知数据下，以状态空间格式并采用整体方式，在环境的扰动下被估计。通过使用从 11 名参与者收集的多模态驾驶数据的案例研究，我们首先从他们的心率、注视测量和面部动作单元强度中估计驾驶员的潜在压力水平和工作负荷。然后，我们展示了外部环境因素，如作为交通密度代理的车辆数量和次要任务需求，可能与驾驶员压力水平和工作负荷的变化相关联。我们还表明，不同的驾驶员可能受到上述扰动的不同影响。我们发现，驾驶员在前一时间步的潜在状态与其当前状态高度相关。此外，我们讨论了状态空间模型在分析压力水平和工作负荷这两个构念之间可能存在的滞后方面的效用，这可能指示了自然场景下驾驶员心理生理学不同部分之间的信息传递。
引用
@article{arxiv.2203.00834,
title = {Driver State Modeling through Latent Variable State Space Framework in the Wild},
author = {Arash Tavakoli and Steven Boker and Arsalan Heydarian},
journal= {arXiv preprint arXiv:2203.00834},
year = {2022}
}