Fahrerzustandserkennung: Cognitive Load Estimation

Multimodaler Datensatz zur psychischen Überforderung von Fahrern

Überforderung beim Autofahren, z.B. durch Multitasking oder vielfältige Fahrerinformationen, ist ein hohes Sicherheitsrisiko im Straßenverkehr. Moderne Driver Monitoring Systeme haben das Ziel, den Fahrer ganzheitlich zu monitoren, um in Echtzeit auf mögliche Sicherheitsrisiken reagieren zu können. Die Erkennung von Überforderung (Cognitive Load) ist dabei ein zentraler Baustein für die Weiterentwicklung von Driver-Monitoring-Systemen.

Daher forschen wir an robusten KI-basierten Algorithmen, um Überforderung in Echtzeit erkennen zu können.

Datensatz zur Detektion psychischer Überlastung

Als Grundlage für unsere KI-basierten Algorithmen haben wir eine multimodale Datenbank für die Erkennung von Überforderung erstellt:

  • Spezifisches Studiendesign, genau angepasst auf die Anforderungen und Umgebungen im Fahrzeug
  • Wissenschaftlich validierte Stimuli zur Induktion von Überforderung
  • Synchronisierte multimodale Datenaufnahme zur Erfassung psycho-physiologischer Zustände

Studiendesign ADABase: Autonomous Driving Cognitive Load Assessment Database

Stimuli zur Induzierung von Überforderung

  • n-back Test: Goldstandard-Methode in der psychologischen Forschung
  • k-drive Test: neu entwickeltes Testkonzept, genau angepasst an die Herausforderungen beim Autofahren

Physiologische Reaktionen:
Synchronisierte Aufnahmen multimodaler Biosignale

  • Elektroenzephalografie (EEG)
  • Eyetracker
  • Atmungsrate
  • Thermalkamera
  • Elektrodermale Aktivität (EDA)
  • Sauerstoffsättigung (sO2)
  • Electromyografie (EMG)
  • Mimik
  • Elektrokardiografie (EKG)
  • Herzfrequenzvariabilität (HRV)
  • Photoplethysmographie (PPG)
  • Elektrogastrographie (EGG)

Verhaltensparameter

  • Gesichts- und Emotionsanalyse: Facial Action Coding Sytstem Action Units
  • Performane Parameter, wie Trefferquote und Falsch-positv-Rate
  • Reaktionszeit
  • Blickrichtung (Eye Tracking)

Subjektives Erleben erfasst durch Fragebögen

  • NASA TLX questionnaires
  • OCEAN personality traits
Affective Computing – Biosignalerfassung
© Fraunhofer IIS/iStock.com-angelhell

Forschung und Projekte zu KI-basierten Technologien für Driver Monitoring Systems

 

SEMULIN – natürliche, multimodale Interaktion für automatisiertes Fahren

Entwicklung einer selbstunterstützenden, natürlichen Mensch-Maschine-Schnittstelle für automatisiertes Fahren mithilfe multimodaler Ein- und Ausgabemodalitäten, wie Mimik, Gestik, Blick und Sprache.

 

ADA Lovelace Center for Analytics, Data and Applications

Neues Kompetenzzentrum für Data Analytics und KI, das Forschung und Industrie vernetzt.  

 

Comprehensible
Artificial Intelligence

In der Projektgruppe Comprehensible AI entwickeln wir in einer Kooperation des Fraunhofer IIS und der Universität Bamberg Methoden für erklärbares maschinelles Lernen.