基于脑电指标预测自动驾驶紧急失效情境下的接管表现

研究背景

随着条件自动驾驶（L3）技术的逐步应用，驾驶者在多数时间处于“监督自动化”的角色，但当系统在关键情境下达到能力边界或发生静默失效（silent failure）时，仍需驾驶者在短时间内完成接管操作。大量研究表明，自动驾驶接管表现存在显著个体差异，而接管反应迟缓往往与事故风险增加密切相关。然而，既往研究多关注情境因素或界面设计对接管表现的影响，对于驾驶者个体认知特质，尤其是注意控制能力（attentional control）如何影响接管反应的探讨相对有限。传统自陈问卷难以客观反映个体注意控制水平，因此亟须寻找客观神经指标以预测驾驶者在自动驾驶紧急情境中的反应能力。近年来，基于脑电图（EEG）频谱特征的比值指标逐渐被用于反映个体的特质性注意控制水平。其中，theta/beta比值（Theta/Beta Ratio,TBR）被认为与注意控制能力呈负向关系，即较高的TBR通常反映较弱的注意控制能力。相比之下，theta/alpha比值（Theta/Alpha Ratio,TAR）亦被提出为潜在相关指标，但其预测效度仍有待进一步验证。

在此背景下，新加坡国立大学研究者在国际交通安全权威期刊Accident Analysis & Prevention(IF=6.2)发表题为“Objective assessment of trait attentional control predicts driver response to emergency failures of vehicular automation”的研究论文。研究旨在检验基线状态下的EEG频谱比值是否能够预测驾驶者在自动驾驶静默失效情境中的接管反应时间及事故风险，并进一步评估该神经指标在可穿戴简化电极条件下的应用可行性。

研究方法

研究共招募29名健康成人参与实验，其中男性21人、女性8人，平均年龄为23.6岁。所有被试均持有有效驾驶执照，但此前未接触过自动驾驶车辆。本研究在高保真驾驶模拟器环境中开展实验，整体驾驶任务为连续不间断的行驶过程，分为基线阶段与实验阶段两个部分。基线阶段持续4分钟，其中前2分钟为手动驾驶（L0），后2分钟为条件自动驾驶（L3），研究者选取基线自动驾驶阶段的脑电数据作为特质性神经指标的估计窗口。实验阶段首先进行短暂手动驾驶熟悉情境，随后进入自动驾驶情境，共包含8个路口事件，其中4个为正常自动减速情境，4个为静默失效情境。在静默失效条件下，自动驾驶系统未执行应有减速操作且未发出接管请求，驾驶者需自行察觉异常并按下接管按钮完成接管。研究记录接管反应时间、制动反应时间及是否发生碰撞等行为指标。

图1 （A）驾驶模拟器装置示意图;（B）基线驾驶阶段的道路视图，车辆在城镇外围的畅通路线中进行手动与自动驾驶;（C）实验驾驶阶段的道路视图，车辆在多个需停车的交叉路口行驶;（D）驾驶模拟流程的两个阶段及其对应环节，整体嵌入于一个连续行驶过程中，各阶段及各路口试次之间均无驾驶中断

脑电数据采用ANT Neuro 64导脑电采集系统进行记录，采样率为512 Hz，电极阻抗控制在15 kΩ以下。数据预处理包括重采样至256 Hz、0.3–40 Hz带通滤波、重参考、伪迹剔除及独立成分分析以去除眼动与肌电干扰。随后基于Welch方法计算功率谱密度，提取theta（4–7 Hz）、alpha（8–12 Hz）与beta（13–30 Hz）频段相对功率，并计算Theta/Beta Ratio（TBR）与Theta/Alpha Ratio（TAR）。

图2 ANT Neuro eego^TM mylab

为评估可穿戴应用的可行性，分别基于额区多电极平均、额头三电极以及头顶单电极（Cz）三种电极配置计算频谱比值，用于后续预测分析。

图3 三种电极选择方案（A）额区电极；（B）额头三电极；（C）头顶单电极

实验结果

结果显示，基线阶段额区TBR与平均接管反应时间显著正相关，即TBR越高，接管反应时间越长。线性回归分析进一步表明，TBR能够显著解释接管反应时间的方差，并且在控制失效诱发主观压力与驾驶经验后仍保持显著预测作用。相比之下，TAR与接管反应时间之间未呈现显著关系。在事故风险方面，逻辑回归分析显示，较高的TBR显著提高发生碰撞的概率。具体而言，TBR每增加0.1单位，碰撞风险的优势比（odds ratio）显著上升，且在控制驾驶经验后仍保持显著。TAR同样未表现出显著预测效应。

图4 接管反应时间与额区TBR（A）和额区TAR（B）的相关图；碰撞概率与额区 TBR（C）和额区TAR（D）的逻辑回归图

在可穿戴验证分析中，额头三电极与头顶单电极计算得到的TBR与标准额区TBR高度相关，并同样能够显著预测接管反应时间与事故概率。其中，头顶单电极（Cz）的预测效度与额区平均结果高度一致，表明该指标在极简电极条件下仍具有较好应用潜力。

图5 额区TBR与额头三电极TBR（A）及头顶单电极TBR（B）的一致性相关图；接管反应时间与额头三电极TBR（C）及头顶单电极TBR（D）的线性回归图

结论

本研究表明，基线状态下的TBR能够作为客观神经指标预测驾驶者在条件自动驾驶静默失效情境中的接管反应速度与事故风险。较高的TBR反映较弱的特质性注意控制能力，从而导致接管延迟并增加碰撞概率。相比之下，TAR未表现出稳定预测作用。此外，本研究验证了在额头三电极或头顶单电极条件下计算TBR的可行性，为未来基于可穿戴脑电设备评估驾驶者“自动驾驶准备度”提供了神经工程学基础。该结果对于自动驾驶个体化风险评估、驾驶员筛查以及人机协同系统设计具有重要应用价值。

文献名称及DOI号

Seet, M., Dragomir, A., Harvy, J., Thakor, N. V., & Bezerianos, A. (2022). Objective assessment of trait attentional control predicts driver response to emergency failures of vehicular automation. Accident Analysis & Prevention, 168, 106588.

DOI: doi.org/10.1016/j.aap.2022.106588