眼球運動データを用いた1クラスサポートベクターマシンを用いた自動車運転中のメンタルワークロードの評価

/ /

日本語AIでPubMedを検索

PubMedの提供する医学論文データベースを日本語で検索できます。AI(Deep Learning)を活用した機械翻訳エンジンにより、精度高く日本語へ翻訳された論文をご参照いただけます。

Appl Ergon.2020 Jul;89:103201. S0003-6870(20)30153-8. doi: 10.1016/j.apergo.2020.103201.Epub 2020-07-06.

眼球運動データを用いた1クラスサポートベクターマシンを用いた自動車運転中のメンタルワークロードの評価

Evaluation of mental workload during automobile driving using one-class support vector machine with eye movement data.

Takanori Chihara
Fumihiro Kobayashi
Jiro Sakamoto

PMID: 32658775 DOI: 10.1016/j.apergo.2020.103201.

抄録

本研究の目的は、1クラスサポートベクターマシン(OCSVM)による異常検出手法の自動車運転中のメンタルワークロード(MWL)評価への有用性を検討することである。参加したのは12名の学生(男性6名、女性6名)である。参加者は、ドライビングシミュレータ(DS)を用いた運転課題と、MWLを制御するために用いたNバック課題を実施した。Nバックタスクは、"none"から"3バック"までの5段階の難易度が設定されていた。DS運転中に眼球運動と頭部運動を測定した。その結果、視線角の標準偏差(SD)、眼球回転角のSD、頭部運動の分担率、まばたき回数はタスクの難易度と有意な相関を示した。OCSVMの決定境界は、高MWL状態(3バック状態)の95%を検出することができた。また、決定境界からの距離の絶対値は、タスクの難易度が"0-back"から"3-back"になるにつれて増加した。

The aim of this study is to investigate the usefulness of the anomaly detection method by one-class support vector machine (OCSVM) for the evaluation of mental workload (MWL) during automobile driving. Twelve students (six males and six females) participated. The participants performed driving tasks with a driving simulator (DS) and the N-back task that was used to control their MWL. The N-back task had five difficulty levels from "none" to "3-back." Eye and head movements were measured during the DS driving. Results showed that the standard deviation (SD) of the gaze angle, SD of eyeball rotation angle, share rate of head movement, and blink frequency had significant correlations with the task difficulty. The decision boundary of OCSVM could detect 95% of high MWL state (i.e., "3-back" state). In addition, the absolute value of the distance from the decision boundary increased with the task difficulty from "0-back" to "3-back."