基于 EEG 理解主动与自主驾驶中的心理状态

理解驾驶员在主动驾驶与自主驾驶之间的心理状态差异对于设计安全的人机界面至关重要。本文提出了首个基于 EEG 的方法，比较了两种驾驶模式下的认知负荷、疲劳、情绪价值与唤醒程度。实验中 31 名参与者在三个不同复杂度水平下，分别在两种驾驶情境中完成相同的任务，我们分析了时间模式、任务复杂度效应以及通道级激活差异。研究发现，尽管两种模式在复杂度水平上呈现类似趋势，但心理状态强度和潜在神经激活显著不同，表明主动驾驶与自主驾驶之间存在明显的分布迁移。迁移学习实验确认，在主动驾驶数据上训练的模型对自主驾驶数据几乎无效，反之亦然。我们将这种分布迁移主要归因于两种驾驶模式中运动参与度和注意力需求的差异，导致显著的时空 EEG 激活模式差异。虽然自主驾驶导致整体皮层激活降低，但参与者仍表现出可测量的认知负荷、疲劳、情绪价值与唤醒程度波动，这些波动与干预准备、任务诱发情感反应以及单调性相关的被动疲劳有关。这些结果强调，在开发面向自动驾驶车辆的下一代驾驶员监控系统时，需基于情境特定的数据与模型。