Please use this identifier to cite or link to this item: http://dx.doi.org/10.14279/depositonce-4749
Main Title: EEG-Korrelate der Fehlerverarbeitung während der Fahraufgabe
Translated Title: EEG correlates of error processing during driving
Author(s): Protzak, Janna
Referee(s): Jürgensohn, Thomas
Rötting, Matthias
Granting Institution: Technische Universität Berlin, Fakultät V - Verkehrs- und Maschinensysteme
Type: Doctoral Thesis
Language: German
Language Code: de
Abstract: Im Kontext der Mensch-Fahrzeug-Interaktion entstehen trotz anhaltenden technischen Fortschritts von Fahrzeugen und Assistenzsystemen sicherheitskritische Situationen, die bislang durch rein technische Lösungen nicht vermieden werden können. Dazu fehlt es an Möglichkeiten, das individuelle Fahr- bzw. Fehlverhalten reliabel einschätzen und in potentiell gefährlichen Situationen durch adaptive Systeme unterstützen zu können. Für die Detektion von Indikatoren der menschlichen Wahrnehmung und Fehlerverarbeitung kann die bisher überwiegend in Laboren angewandte Erhebung und Analyse oberflächlicher Hirnströme durch das Elektroenzephalogramm (EEG) genutzt werden. Das Ziel dieser Arbeit ist es, Anwendungsmöglichkeiten von EEG-Messungen in realistischen Fahrsituationen an Beispielen von Fehlerverarbeitungsprozessen zu testen. Für zwei Experimentalreihen fanden zuerst EEG-Messungen unter kontrollierten Laborbedingungen statt. Die Ergebnisse wurden anschließend durch Erhebungen im Fahrzeug während einer realistischen Fahrsituation evaluiert. Die Datenanalysen umfassen eine grundlagenorientierte Betrachtung der ereigniskorrelierten Aktivität sowie die Anwendung von Klassifikationsalgorithmen aus dem Bereich der Brain Computer Interface (BCI)-Forschung. In der ersten Experimentalreihe wurde die hirnelektrische Aktivität bei Reaktionsfehlern während der Bedienung der Gas- und Bremspedale im Zuge einer Reiz-Reaktionsaufgabe untersucht. In der Laborstudie zeigten sich erwartungskonforme Unterschiede zwischen der gemittelten Aktivität korrekter und inkorrekter Pedalbetätigungen. Auf inkorrekte Reaktionen folgten Fehlerpotentiale in der Form ein Error Related Negativity (ERN) und Error Positivity (Pe). Anhand der durchgeführten Klassifikationen wurde überprüft, ob auf Grundlage der Daten korrekte und fehlerhafte Reaktionen erkannt und differenziert werden können. Die Analysen ergaben für die Laborstudien eine überzeugende Erkennungsleistung von 90 %. Jedoch muss bei diesem Ergebnis eine hohe Anzahl an Fehlalarmen berücksichtigt werden, die den geringen Fehlerwert relativiert. In den Daten der Realfahrterhebung deuteten sich Fehlerpotentiale lediglich an und wurden von einem zweiten Korrelat überlagert, das in den Neurowissenschaften als Contingent Negativity Variation (CNV) bekannt ist. Die Analysen zeigten dessen ungeachtet, dass die Erhebung interpretierbarer Daten im Fahrzeug trotz der Störquellen einer Fahrzeugumgebung möglich ist. Die Klassifikationsergebnisse dieser Teilstudie ergaben einen zufriedenstellenden Gesamtfehlerwert von 74 %, wobei die Erkennungsleistung von Fehlern (57 %) nur gering vom Zufall abwich. Die zweite Experimentalreihe konzentrierte sich auf Fehler, die während der Interaktion mit einem technischen System auftreten können. Im Kontext einer Gedächtnisaufgabe wurde eine simulierte Kommunikation zwischen den Probanden und Probandinnen mit einem sprachbasierten Eingabesystem durch vom System produzierte Interaktionsfehler gestört. Entsprach die Rückmeldung des Systems nicht der zuvor vom Nutzer bzw. der Nutzerin getätigten Eingabe, wurden in den gemittelten EEG-Daten ereigniskorrelierte Potentiale (EKPe) in Form eines P2-P3b-Slow-Wave-Komplexes sichtbar. Indessen lösten korrekte Antworten lediglich ein P2-Potential aus. Von den in der Laborstudie erhobenen Daten konnten 84 % korrekt klassifiziert werden, wobei auch bei dieser Studie eine hohe absolute Zahl an Fehlalarmen bedacht werden muss. Die aus den Daten der Laborstudien ermittelten EKP-Ergebnisse konnten im Fahrexperiment deutlich repliziert werden. Die Erkennungsleistung der Klassifikation lag für die Fahrzeugdaten bei 78 %. Jedoch wurden Fehler auch in diesem Teilexperiment nur in 57 % aller Fälle erkannt. Die Ergebnisse dieser Studien zeigen, dass Parameter von komplexen kognitive Prozessen der Fehlerverarbeitung und der Evaluation von Informationen unter realistischen Fahrbedingungen durch das EEG ableitbar sind. Besonders die Befunde der Studienreihe zu den Interaktionsfehlern verdeutlichen, dass die Ergebnisse der Realfahrterhebung mit den unter kontrollierten Bedingungen ermittelten Werten vergleichbar sind und sich trotz der artefaktbelasteten Bedingungen einer Realfahrt für neurowissenschaftliche Analysen eignen. Für einen konkreten Anwendungsfall bedeuten diese Erkenntnisse, dass durch das EEG Informationen über kognitive Prozesse des Fahrers oder der Fahrerin erfassbar sind, die perspektivisch zu einer passiv-adaptiven Gestaltung von Assistenzsystemen beitragen könnten.
Despite ongoing improvements to vehicle safety and development of advanced driver assistance systems, safety critical situations in road traffic occur. There is still no reliable method to assess and evaluate individual driving performance and driver errors, and which, through adaptive assistance systems, can further support the driver in potentially dangerous situations. The analysis of brain waves, measured through electroencephalography (EEG), could be utilized to identify and analyze parameters that provide useful information on human perception and error processing. The main objective of this thesis is to evaluate applications of EEG- measurements under realistic driving conditions on the basis of selected, exemplary scenarios of error evaluation processes. For two test series, data were collected under controlled laboratory conditions and in subsequent, real driving maneuvers. Data analysis comprises of basic, research-orientated analysis of event-related activity as well as the use of application-orientated classification algorithms from the field of Brain Computer Interface (BCI) research. The first experimental series addresses neuronal processes underlying erroneous accelerator and breaking pedal applications during a simple stimulus response task. The data collected under laboratory conditions revealed the expected differences in the averaged neuronal activity between correct and incorrect pedal responses. Incorrect pedal applications are followed by event related error potentials that are composed of Error Related Negativity (ERN) and a subsequent Error Positivity (Pe). Classifications performed on the data revealed 90% accuracy. However, this compelling result is attenuated by a high rate of false alarms. Error potentials appeared only slightly in the realistic driving maneuver data and are accompanied by a second neurophysiological correlate, known as the Contingent Negativity Variation (CNV). Nonetheless, the results indicate clearly that a meaningful data analysis of the data collected from an actual driving task is possible – despite the numerous artifacts and noise sources present in a realistic vehicle environment. Classification accuracy for these data sets reached 74%, although error detection was only slightly better than chance (57 % error detection rate). The second approach focused on errors that may occur during the interaction with a technical system. A memory task was used to simulate the interaction between participants and a speech based input system that was randomly interrupted by artificially produced erroneous feedback. Feedback that didn’t correspond to the users previous input elicited a P2- P300-Slow Wave Complex in the averaged EEG-Data. Meanwhile correct answers only evoked a P2-Potential. The overall classification accuracy for these data resulted in a high rate of 84% correct classifications. Nevertheless, again, high rates of false alarms must be taken into account. Therefore, the results obtained from the data of the laboratory studies were replicated by the data analysis of the realistic driving maneuver: The classification rate of the Driving task data was 74%. However, as in the previous study, errors were detected in only 57% of all cases. The results of these studies show that parameter of complex cognitive processes, like error processing and the evaluation of information in real-world driving situations, can be detected via EEG. In particular, the findings of the experimental series on interaction errors demonstrate clearly, that the results of the actual driving task are comparable to results ​​determined under controlled laboratory conditions and, thus, are suitable for scientific analysis, despite the artifact bonded vehicle environment. These findings further illustrate the potential of EEG-technology to obtain information about cognitive processes that could contribute to the design of innovative passive-adaptive assistance systems.
URI: urn:nbn:de:kobv:83-opus4-72668
http://depositonce.tu-berlin.de/handle/11303/5046
http://dx.doi.org/10.14279/depositonce-4749
Exam Date: 22-Oct-2014
Issue Date: 2-Oct-2015
Date Available: 2-Oct-2015
DDC Class: 100 Philosophie und Psychologie
Subject(s): Fehlerpotential
Fahrerintention
Assistenzsystem
Error potential
driver intention
assistance system
Creative Commons License: https://creativecommons.org/licenses/by/3.0/de/
Appears in Collections:Technische Universität Berlin » Zentrale Einrichtungen » Zentrum Mensch-Maschine-Systeme » Publications

Files in This Item:
File Description SizeFormat 
protzak_janna.pdf15.58 MBAdobe PDFThumbnail
View/Open


Items in DepositOnce are protected by copyright, with all rights reserved, unless otherwise indicated.