一项来自台湾明志大学的研究使用了BrainLink Lite进行机动车驾驶员的脑电生物反馈信号（EEG）的检测，并对其驾驶过程中的精神疲劳度进行分析，从而对道路事故的发生进行预警，希望通过此研究减少事故的发生几率。
该项研究由位于台湾新北市的明志大学的机械工程系研究人员Yuan-Lin Chen发表于2018年6月加拿大尼亚加拉瀑布城举办的第五届国际控制动态系统会议 (CDSR'18)。
论文中提出了一种基于驾驶员疲劳指数的前向碰撞概率评估方法，用于提醒和辅助驾驶员，避免公路行驶中的前向碰撞。
从脑电图（EEG）可以得出放松指数（RI）和驾驶员的焦距指数（FI），然后找到驾驶员疲劳指数（ti）。我们使用驾驶员疲劳指数，碰撞时间（TTC）和车头时距（HT）是评估前向碰撞概率的因素。
当我们评估前锋时提出了一种用于计算前向碰撞的Mamdani模糊推理算法，即TTC和HT的碰撞概率指数，车辆的概率指数。前向碰撞概率指数（fcpi）对于驾驶员来说是很容易理解的，即使驾驶员没有具备车辆领域的专业知识。
文章的结论表明：针对前向碰撞预警系统，不仅提出了一种考虑驾驶员疲劳指标的前向碰撞概率指标。还提出了一种在公路行驶中提醒驾避驶员免前向碰撞的方法。
100%的远期价值碰撞概率指数表示发生正向碰撞，在某些特殊情况下，不会发生正向碰撞，而是接近发生。较大的fcpi值意味着驾驶车辆产生向前碰撞的概率较高。
提出的基于自学习算法的计算指标对于驾驶员甚至那些没有任何车辆工程领域的专业知识，将驾驶员疲劳指数纳入帐户。
实验结果表明：该指标适用于前向碰撞预警。确保系统和警告驾驶员避免前向碰撞，基于驾驶员疲劳指数的FCPI可以作为公路安全驾驶辅助系统。
论文下载地址：https://avestia.com/CDSR2018_Proceedings/files/search.html?searWords=Yuan-Lin%20Chen&search=0&match=0返回搜狐，查看更多