Abstract
Eine beträchtliche Anzahl von Verkehrsunfällen ist auf eine Übermüdung des Fahrzeugführers zurückzuführen, insbesondere während Fahrten bei Nacht, aber auch während monotoner Tagfahrten. Diese Arbeit verfolgt das Ziel ein objektives Referenzsystem, basierend auf physiologischen Daten, insbesondere dem EEG, für die Erfassung von Müdigkeit und Unaufmerksamkeit im realen Straßenverkehr zu entwickeln, welches bei der Absicherung und Weiterentwicklung von Fahrerassistenzsystemen Verwendung findet. Grundlage der Müdigkeitserkennung mittels EEG sind Alpha-Spindeln, kurzeitige sinusförmige Bursts im alpha-Band. Anhand von Tagfahrexperimenten im realen Straßenverkehr zeigen sich signifikante Zusammenhänge zwischen sicherheitskritischer Müdigkeit und mehrerer Parameter der Alpha-Spindeln. Mit Hilfe verschiedener Klassifikationsverfahren lassen sich darüber hinaus Abschnitte starker Ermüdung erfolgreich vorhersagen. Ferner wird gezeigt, dass Alpha-Spindeln auch im Zusammenhang mit kurzzeitigen Aufmerksamkeitsschwankungen, repräsentiert durch Veränderungen der Reaktionszeit auf akustische Stimuli, stehen. Da EEG-Aufzeichnungen im Fahrzeug häufig starke Artefakte zeigen ist eine Bereinigung bzw. ein Ausschluss verrauschter Segmente unerlässlich. Hierzu wird ein Echtzeitverfahren basierend auf einem zeitvariablen AR-Modell vorgestellt.
Author and committee
dc:creator, dc:contributor.*- Author
-
- Simon, Michael
Identifiers
dc:identifier.*- Identifier
- hdl:10900/49962