CN112784397B 利用错误监控生成驾驶员熟练用的驾驶模型的装置和方法 （现代自动车株式会社）

US2019239795A1,2019.0US8805489B1,2014.08.12US2009234552A1,2009利用错误监控生成驾驶员熟练用的驾驶模本发明涉及利用错误监控生成驾驶员熟练驶员状态来检测移动工具的操作信息和驾驶信脑电波信号包括事件相关电位(ERP)，并且确定驾驶员状态包括通过分析ERP来确定驾驶员是否2分析器，其配置为通过分析在预定时间内收集的脑电波信号基于确定的驾驶员状态来检测移动工具的操作信息和驾驶信息其中，为了学习不稳定状态期间执行的移动工具的操作，所述模拟不稳定状态期间已经执行过的移动工具的操作相关的虚拟驾驶其中，向用户提供对虚拟驾驶状况进行建模的模拟程序，从而分析包括将在预定时间内收集的事件相关电位ERP的幅所述第一阈值是根据事件相关电位ERP的类型和驾驶员的信息中的至少一个来确定所述分析器将在预定时间内收集的脑电波信号划分为每个频带的脑过将划分的每个频带的脑电波信号的幅度与第二阈值进行比较来进一步确定驾驶员是否所述存储器包括检测到的移动工具的操作信息和驾驶信息中的所述移动工具的操作信息包括移动工具的操作以及与所述操作相对应的位置、日期、所述移动工具的驾驶信息包括移动工具的行驶路径和移动工具正在进行的至少一个其中，所述模拟单元基于驾驶员状态是否确定为不稳定状态3通过分析在预定时间内收集的脑电波信号来确定基于确定的驾驶员状态来检测移动工具的操作信息和驾驶信息其中，确定驾驶员状态包括通过分析事件相关电位ERP来确定驾驶员是否处于不稳定其中，为了学习不稳定状态期间执行的移动工具的操作，对与其中，向用户提供对虚拟驾驶状况进行建模的模拟程序，从而分析包括将在预定时间内收集的事件相关电位ERP的幅所述第一阈值是根据事件相关电位ERP的类型和驾驶员的信息中的至少一个来确定将在预定时间内收集的脑电波信号划分为每个频带的脑通过将划分的每个频带的脑电波信号的幅度与第二阈值进行比较来确定驾驶员是否控单元和操纵装置单元中的至少一个来检测移动工具的操作信息和驾驶信息中的至少一存储检测到的信息包括存储检测到的移动工具的操作信息和驾驶信所述移动工具的操作信息包括移动工具的操作以及与所述操作相对应的位置、日期、4移动工具的驾驶信息包括移动工具的行驶路径和移动工具正在进行的其中，对行驶路径进行建模的模拟包括基于驾驶员5[0002]本申请要求于2019年10月22日提交的韩国专利申请No.10-2019-0131118的优先[0009]本发明的另一个目的是提供一种基于驾驶员状态对移动工具的操作或驾驶状况[0010]本发明的又一个目的是提供一种通过利用错误监控来确定驾驶员状态的装置和[0011]本发明的又一个目的是提供一种基于驾驶员状态来检测移动工具的操作或驾驶6[0020]根据一个实施方案，第二阈值可以根据每个频带的脑电波信号的类型确定为不[0021]根据一个实施方案，当ERP的分析结果和每个频带的脑电波信号的分析结果表明元中的至少一个来检测移动工具的操作信息和驾驶信的至少一个，移动工具的操作信息可以包括移动工具的操作以及与所述操作相对应的位单元可以基于驾驶员状态是否确定为不稳定状态来对移动工具的驾驶状况和操作中的至[0026]根据一个实施方案，对于当驾驶员状态确定为不稳定状态时移动工具的预定操7[0034]根据一个实施方案，第二阈值可以根据每个频带的脑电波信号的类型确定为不[0036]根据一个实施方案，感测步骤可以进一步包括移动工具中包括的速度测量单元、[0037]根据一个实施方案，检测步骤可以包括通过利用移动工具中包括的速度测量单步骤可以包括基于驾驶员状态是否确定为不稳定状态来对移动工具的驾驶状况和操作中[0040]根据一个实施方案，对于当驾驶员状态确定为不稳定状态时移动工具的预定操[0048]图6是示出根据本发明的一个实施方案的与大脑皮层区域相对应的EEG测量通道8[0049]图7是示出根据本发明的一个实施方案的利用错误监控的驾驶模型生成装置的配[0050]图8是示出根据本发明的一个实施方案当目标ERP为ERN和Pe时的测量时间范围的[0051]图9是示出根据本发明的一个实施方案当目标ERP分别为ERN和Pe时将目标ERP与[0052]图10A和图10B是示出根据本发明的一个实施方案将每个频带的脑电波信号与预[0053]图11是示出根据本发明的另一个实施方案的利用错误监控的驾驶模型生成装置[0054]图12是示出根据本发明的一个实施方案的利用错误监控的驾驶模型生成方法的并且本发明的范围不应被解释为限于示例性[0057]在描述本发明的实施方案时，当公知的功能或构造可能9可能会出现各种波形。利用根据人的意向的脑电波信号进行接口控制的研究正在进行之利用由大脑活动引起的电信号，所述MEG利用与电信号一起发生的磁信号，所述fMRI或[0064]例如，根据振荡的次数(频率)，可以基于频带对脑电波信号进行划分(功率谱划[0071]ERP峰的名称通常包括极性和潜伏期，每个信号的峰都有各自的定义和含义。例[0079]对于另一个示例，CNV指的是在后续阶段的200ms～300ms甚至数秒钟内出现的电[0080]对于另一个示例，ERN(错误相关负波)或Ne(错误负波)是由失误或错误产生的事[0087]另外，已知ERN在额叶皮层电极处达到最大幅度这一事实反映出脑内生成器位于300ms内在额叶皮层电极处具有负峰值，并且可以如同ERN在背前扣带皮层(dACC)区域产[0112]图6是示出根据本发明的一个实施方案的与大脑皮层区域相对应的EEG测量通道[0114]图7是示出根据本发明的一个实施方案的利用错误监控的驾驶模型生成装置的配对他/她自己的失误或错误的响应而产生，而且可以作为对他人的失误或错误的响应而产[0131]对于另一个示例，θ波通常是频率为3.5Hz[0135]另外，基于由此确定的驾驶员状态，可以检测移动工具的操作信息和/或驾驶信在一个组成单元中进行的操作可以进行划分并且在两个或更多个组成单元中执行。另外，[0138]本发明的驾驶模型生成方法和/或装置可以通过分析在预定时间内针对移动工具确定的驾驶员状态来检测移动工具的操作信息和/或驾驶信息。另外，驾驶模型生成方法和/或装置可以基于检测到的移动工具的操作信息和/或驾驶信息来生成反映驾驶员驾驶[0139]特别地，本发明的驾驶模型生成装置700可以在预定时间内收集移动工具的驾驶[0147]对于另一个示例，当驾驶员对移动工具将要进行车头先入停车时，可能产生ERN[0152]本发明的驾驶模型生成装置700可以通过分析在预定时间内收集的脑电波信号来[0153]在此，分析可以包括将在预定时间内收集的ERP的幅度与预定阈值进行比较的过据本发明的一个实施方案当目标ERP分别为ERN和Pe时将目标ERP与预定阈值进行比较的过[0155]另外，分析可以包括确定在预定时间间隔内ERP的幅度是否等于或大于预定阈值[0156]此外，可以在分析之前进行通过利用脑电波信号的特性出现的时间和/或利用脑[0158]另外，分析可以从ERP的幅度或脑电波信号的幅度等于或大于预定阈值的点确定将在预定时间内获得的单个ERP和/或多个ERP的幅度-时间图波形与预先确定的脑电波信[0169]图10A和图10B是示出根据本发明的一个实施方案将每个频带的脑电波信号与预[0176]对于另一个示例，当θ波和β波的线性组合与α波的幅度之比等于或大于预定阈值[0182]本发明的驾驶模型生成装置700可以基于驾驶员状态来检测移动工具的操作和/[0184]例如，驾驶模型生成装置700可以通过利用移动工具中包括的至少一个感测装置移动工具中包括的各种感测装置来检测移动工具的操作信基于加速踏板和/或制动踏板的移动检测出移动工具正在基于转向装置的移动或转向信号检测出移动工具基于从影像获取装置获得的影像检测出移动工具正在[0193]本发明的驾驶模型生成装置700可以存储检测到的移动工具的操作信息和/或驾和影像项可以分别表示进行检测到的移动工具的操作和/或检测到的移动工具的事件的位[0199]对于另一个示例，检测到的移动工具的操作信息和/或驾驶信息可以基于操作信[0200]图11是示出根据本发明的另一个实施方案的利用错误监控的驾驶模型生成装置[0203]本发明的驾驶模型生成装置1100可以通过图7中所述的移动工具的操作信息和/[0206]对于另一个示例，驾驶模型生成装置1100可以对驾驶员行驶的整个路径进行建况。可以通过利用检测到的信息或通过虚拟模拟过程或预定学习过程来获得虚拟左转状[0209]因此，当向用户提供对驾驶员状态确定为不稳定状态的操作状况和/或驾驶状况[0210]图12是示出根据本发明的一个实施方案的利用错误监控的驾驶模型生成方法的可以进一步包括正确相关负波(CRN)和正确正波(Pc[0217]在此，确定驾驶员状态可以包括分析ERP以确定驾驶员处于不稳定状态还是处于一个来检测移动工具的操作信息和驾驶信息中[0226]在此，移动工具的操作信息可以包括移动工具的操作以及与该操作相对应的位驾驶员状态确定为不稳定状态的移动工具的操作和驾驶状况中[0238]本发明的范围包括使得各种形式的方法能够在装置或计算机上执行的软件或机行指令使得软件或指令可以在装置或计算机上执行的非易失性计算机