بکارگیری سیگنال eeg در تشخیص خواب آلودگی هنگام رانندگی با استفاده از تکنیک های شناسایی آماری الگو

یکی از علل عمده تصادفات رانندگی در جاده ها، به خواب رفتن راننده است. فقدان خواب می تواند جنبه های توانمندی و قابلیت های انسان را تحت تأثیر قرار دهد. خواب آلودگی زمان عکس العمل را که از پارامترهای حیاتی برای رانندگی مطمئن است، افزایش می دهد. به علاوه به مراقبت، هوشیاری، سطح آگاهی و تمرکز و نیز توانایی انجام فعالیت های نیازمند توجه خاص مانند رانندگی نیز لطمه وارد می شود. بررسی ها نشان می دهند که تعداد کشته ها و مجروحین در تصادفات ناشی از خواب آلودگی 50 درصد بیشتر از تعداد آن ها در کل تصادفات دیگر است. در راستای ارتقای ایمنی تردد جاده ای، با این عامل نیز می بایستی برخورد علمی- اجرایی صورت گیرد و عوامل منجر به بروز خواب آلودگی و نشانه های آن شناسایی شود و به دنبال آن اقدامات در راستای جلوگیری از بروز و تخفیف صدمات احتمالی انجام شود. از آنجایی که سیگنال مغزی (eeg) می تواند از وضعیت مغز و فعالیت آن بطور لحظه ای و همزمان خبر دهد، بسیاری از موارد تحقیقاتی جهت آگاهی از وضعیت هوشیاری راننده بر سیگنال eeg متمرکز شده است. هدف از این مطالعه طراحی یک سیستم خودکار کارا جهت تشخیص خواب-آلودگی در هنگام رانندگی و تعیین یک الگوی مناسب از کانال های بهینه، جهت یافتن موقعیت و کارآیی بهتر کانال ها به منظور آسایش و راحتی کاربر است. بر این اساس، سیگنال eeg با پروتکل جدیدی مبتنی بر شرایط موجود در رانندگی با استفاده از شبیه سازی مجازی محیط رانندگی، ثبت گردید. در ابتدا دو تکنیک تبدیل فوریه و تبدیل موجک و قدرت طبقه بندی کننده های گوناگون جهت شناسایی ویژگی های مناسب مورد ارزیابی قرار گرفتند. سپس از میان روش های کاهش بعد ویژگی، آنالیز مولفه اساسی به همراه روش های انتخاب ویژگی مورد بررسی قرار گرفت. در نهایت، ساختار پیشنهادی شامل روش انتخاب ویژگی جلوسو و طبقه بندی کننده ماشین بردار پشتیبان می باشد، که تعداد کانال های ثبت را به 10 کانال بهینه کاهش داد و با صحت بالایی (حدود 90%) دو گروه هوشیار و خواب آلود را از هم جدا نمود. همچنین روش پیشنهادی توانست از میان 10 کانال بهینه انتخاب شده ترکیب-هایی را شناسایی کند که با تعداد کانال کمتر و الگو های کارآمد متنوع منجر به همان نرخ بازشناسی مذکور گردند.