文献

J-GLOBAL ID：202102215838707986   整理番号：21A2386399

マルチモーダル生体信号を用いた運転状況による運転者不安の検出【JST・京大機械翻訳】

Detection of Drivers’ Anxiety Invoked by Driving Situations Using Multimodal Biosignals

著者 (5件)： Lee Seungji (Department of Human Factors Engineering, Ulsan National Institute of Science and Technology, Ulsan 44919, Korea) ,  Lee Taejun (Department of Human Factors Engineering, Ulsan National Institute of Science and Technology, Ulsan 44919, Korea) ,  Yang Taeyang (Department of Human Factors Engineering, Ulsan National Institute of Science and Technology, Ulsan 44919, Korea) ,  Yoon Changrak (Intelligent Robotics Research Division, Electronics and Telecommunications Research Institute, Daejeon 34129, Korea) ,  Kim Sung-Phil (Department of Human Factors Engineering, Ulsan National Institute of Science and Technology, Ulsan 44919, Korea)
資料名： Processes (Web)  (Processes (Web))
巻： 8  号： 2  ページ： 155  発行年： 2020年 
JST資料番号： U7264A  ISSN： 2227-9717  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 事故を防止する運転中の運転者の負の感情をモニターすることがますます重要になっている。運転者不安が安全運転にとって重大であるにもかかわらず,運転状況における不安を検出する系統的アプローチが不足している。本研究は,様々な運転状況の下で不安を推定するために,脳波(EEG),写真撮影(PPG),電極活性(EDA)および瞳孔サイズを含むマルチモーダル生体信号を使用した。少なくとも1年間の運転経験を有する31名の運転者は,不安誘発イベントを含む30のブラックボックスビデオのセットと,それらのない30のビデオのセットを視聴し,一方,それらのバイオ信号を測定した。次に,それらは各ビデオにおける不安誘発時間点を自己申告し,そこから各生物信号の特徴を抽出した。ロジスティック回帰(LR)法は,不安を検出するために単一生体信号を分類する。さらに,PPG,EDA,瞳,およびEEG(最も硬いアクセシビリティに容易)の順番において,LRは蓄積したマルチモーダル信号を分類した。EEGのみを用いた分類は77.01%の最も高い精度を示したが,他のバイオシグナルはチャンスレベルより高い精度の分類精度を示した。本研究は,運転状況によって誘発された不安を検出するためのバイオ信号の利用の実現可能性を示し,他の生体信号に対するEEGの利点を実証した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 脳波 ,  写真撮影 ,  ブラックボックス ,  録画装置 ,  *生体信号 ,  アクセシビリティ ,  *多モード
準シソーラス用語： ロジスティック回帰分析 ,  分類精度 ,  安全運転 ,  自己報告 , 【Automatic Indexing@JST】

著者キーワード (3件)： 運転者の不安 ,  マルチモーダル生体信号 ,  感情検出

分類 (2件)： 運転者  (TB01040V) ,  自動車事故,交通安全  (TB01050G)

引用文献 (30件)：

• Eyben, F.; Wöllmer, M.; Poitschke, T.; Schuller, B.; Blaschke, C.; Faerber, B.; Nguyen-Thien, N. Emotion on the Road-Necessity, Acceptance, and Feasibility of Affective Computing in the Car. Adv. Hum.-Comput. Interaction 2010, 2010.
• Chan, M.; Singhal, A. Emotion matters: Implications for distracted driving. Saf. Sci. 2015, 72, 302-309.
• de Groot-Mesken, J. Measuring Emotions in Traffic. In Proceedings of the ESF Congress Towards Safer Road Traffic in Southern Europe, Ankara, Turkey, 31 May-2 June 2001.
• Jeon, M.; Walker, B.N.; Gable, T.M. The effects of social interactions with in-vehicle agents on a driver’s anger level, driving performance, situation awareness, and perceived workload. Appl. Ergon. 2015, 50, 185-199.
• Nass, C.; Jonsson, I.-M.; Harris, H.; Reaves, B.; Endo, J.; Brave, S.; Takayama, L. Improving automotive safety by pairing driver emotion and car voice emotion. In CHI ‘05 Extended Abstracts on Human Factors in Computing Systems; ACM: Portland, OR, USA, 2005; pp. 1973-1976.

タイトルに関連する用語 (3件)： マルチモーダル ,  生体信号 ,  状況