使用机器学习和深度学习技术，从路上的驾驶行为数据中估计驾驶员的心理特征，建立具有自适应能力的驾驶辅助系统，研究结果表明，我们的模型能够以高准确度预测心理驾驶风格和负荷敏感度等特征，而不同持续时间的分割对准确性的影响因特征而异。

Feb, 2023

本文介绍了一个包含 EEG 信号和其他生理数据的新型驾驶认知负荷评估数据集 CL-Drive，并提供了针对不同的机器学习和深度学习模型的基准分类结果。

Apr, 2023

在使用人工智能的基础上，下一代汽车通过创新解决方案嵌入了对驾驶安全的智能评估。为了重构汽车驾驶员的生理状态，作者建议使用一种专为生理参数设计的生物传感系统，结合了近红外光谱的 LED 组和光电探测器，以检测生理信号 PPG，并连接到心脏活动，从而根据受试者的注意水平监测驾驶员的昏睡状态。该论文还提出了基于智能驾驶情景理解的进一步驾驶安全评估。

Apr, 2023

通过对司机人群行为偏好数据的建模和模拟，我们构建了一个智能辅助驾驶员驾驶干预策略的轻量级仿真环境，并使用该环境来测试不同驾驶员类型的区分能力和干预策略的效果。

Jul, 2022

近年来，先进驾驶辅助系统（ADAS）的科学进展在提高驾驶整体安全性方面扮演了关键角色。ADAS 技术能够主动控制车辆，以预防潜在的危险情况。研究人员关注的一个重要方面是分析驾驶员的注意力水平，因为最近的报告确认了由于困倦或注意力不集中导致的事故数量不断增加。为了解决这个问题，各种研究提出了通过监测驾驶员的生理状态来实现，因为自主神经系统（ANS）与注意力水平之间存在着确立的联系。为了进行我们的研究，我们设计了一种创新的生物传感器，包括近红外 LED 发射器和光电二极管，具体来说是一种硅光电倍增器装置。这使我们能够通过分析相关的光电容抗（PPG）信号评估驾驶员的生理状态。此外，我们开发了一种嵌入式时域超滤波技术，并结合了一种 1D 时域卷积架构，该架构中嵌入了渐进延展设置。这个集成系统能够实时分类驾驶员的困意，获得 96% 左右的显著准确度水平。

Jul, 2023

模型及预测骑手在接单时的决策序列，提出动态折扣启发式算法（DDS）结合随机激活的神经网络进行模拟实验，并与最先进方法进行对比，显示出改进的性能。

Apr, 2024

提出了一种基于情感计算驱动的体验质量（QoE）预测的新模型，使用多通道脑电图（EEG），心电图（ECG）和呼吸数据训练深度学习模型，比较了模型的性能，并对最佳模型进行了优化以提高结果。

Nov, 2023

本文提出了一个框架，专注于使用机器学习和深度学习算法使用脑机接口和脑电波发现情绪变化，并在听音乐和驾驶模拟器等两个场景中进行了实验，结果证明了在这种情况下使用脑机接口可以实现高准确率的情绪检测，达到了 99％的准确率。

Aug, 2022

本文介绍了一种新方法，使用顺序变分自编码器（SVAE）和神经常微分方程（NODE）来学习神经动力学的低维逼近。该方法产生的光滑动态可以准确地预测认知过程，并显示出对任务相关的脑区的改善空间定位并识别出著名的结构，如 fMRI 运动任务记录中的运动全身像。

May, 2023

本研究利用可穿戴生理测量方法设计并描述了一个含有惯性、心电图等多模态的汽车驾驶员状态大数据集，以加强对驾驶员损伤检测的研究。

Apr, 2023