用于车内驾驶员认知负荷测量的多模态脑机接口：数据集与基线
机器学习
2023-12-22 v2 人机交互
信号处理
摘要
本文中，我们介绍了一个新颖的驾驶员认知负荷评估数据集 CL-Drive，其包含脑电图（EEG）信号以及其他生理信号，如心电图（ECG）、皮肤电活动（EDA）以及眼动追踪数据。数据来自 21 名受试者在沉浸式车辆模拟器中于不同驾驶条件下驾驶时采集，以诱发受试者不同程度的认知负荷。任务包含 9 个复杂度级别，每个级别持续 3 分钟。每位驾驶员在实验全程中每 10 秒报告一次其主观认知负荷。该数据集包含记录为主观认知负荷的 ground truth。本文中，我们还针对二分类和三类标签分布，给出了多种机器学习和深度学习模型的基准分类结果。我们遵循两种评估准则，即 10 折（10-fold）和留一受试者交叉验证（LOSO）。我们在手工设计特征以及原始数据上均训练了模型。
引用
@article{arxiv.2304.04273,
title = {Multimodal Brain-Computer Interface for In-Vehicle Driver Cognitive Load Measurement: Dataset and Baselines},
author = {Prithila Angkan and Behnam Behinaein and Zunayed Mahmud and Anubhav Bhatti and Dirk Rodenburg and Paul Hungler and Ali Etemad},
journal= {arXiv preprint arXiv:2304.04273},
year = {2023}
}
备注
16 pages, 9 figures, 11 tables. This work has been accepted to the IEEE Transactions on Intelligent Transportation Systems. \c{opyright} 2023 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses