Neurophysiologische Analyse des kognitiven Fahrerzustandes

DSpace Repository

Show simple item record

dc.contributor.advisor Rosenstiel, Wolfgang (Prof. Dr.) de_DE
dc.contributor.author Simon, Michael de_DE
dc.date.accessioned 2013-10-11 de_DE
dc.date.accessioned 2014-03-18T10:28:04Z
dc.date.available 2013-10-11 de_DE
dc.date.available 2014-03-18T10:28:04Z
dc.date.issued 2013 de_DE
dc.identifier.other 394264533 de_DE
dc.identifier.uri http://nbn-resolving.de/urn:nbn:de:bsz:21-opus-70589 de_DE
dc.identifier.uri http://hdl.handle.net/10900/49962
dc.description.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. de_DE
dc.description.abstract Fatigue, particularly at night but also during monotonous daytime driving, causes a considerable number of traffic accidents every year. This work aims to develop an objective reference system for the detection of fatigue and inattention in real traffic. The methods are based on physiological data, particularly EEG. This reference system can be used for the verification and advancement of driver assistance systems. Basis for the fatigue detection are so called alpha-spindles, short sinusoidal bursts in the alpha-band. Data from daytime driving experiments in real traffic show significant correlations between safety critical fatigue and several parameters of the alpha-spindles. By using machine learning methods, sections of strong fatigue can be predicted. Further, alpha-spindles are related to short-time variations in attention, represented through changes in reaction time to acoustic stimuli. A removal or rejection of artifactual EEG-segments is essential since real traffic EEG recordings contain a large number of severe artifacts. In the thesis a real-time method based on AR-models is presented to detect different kinds of artifacts. en
dc.language.iso de_DE de_DE
dc.publisher Universität Tübingen de_DE
dc.rights ubt-podok de_DE
dc.rights.uri http://tobias-lib.uni-tuebingen.de/doku/lic_mit_pod.php?la=de de_DE
dc.rights.uri http://tobias-lib.uni-tuebingen.de/doku/lic_mit_pod.php?la=en en
dc.subject.classification Elektroencephalographie , Ermüdung , Aufmerksamkeit , Maschinelles Lernen , Assistenzsystem , Spektralanalyse , Kalman-Filter de_DE
dc.subject.ddc 004 de_DE
dc.subject.other Müdigkeit , Alpha-Spindel , AR-Modelle , Artefakte de_DE
dc.subject.other Fatigue , Alpha-spindle , AR-models , Artifacts , Inattention , Machine learning en
dc.title Neurophysiologische Analyse des kognitiven Fahrerzustandes de_DE
dc.title Neurophysiological Analysis of the cognitive driver state en
dc.type Dissertation de_DE
dcterms.dateAccepted 2013-07-22 de_DE
utue.publikation.fachbereich Informatik de_DE
utue.publikation.fakultaet 7 Mathematisch-Naturwissenschaftliche Fakultät de_DE
dcterms.DCMIType Text de_DE
utue.publikation.typ doctoralThesis de_DE
utue.opus.id 7058 de_DE
thesis.grantor 7 Mathematisch-Naturwissenschaftliche Fakultät de_DE

Dateien:

This item appears in the following Collection(s)

Show simple item record