Sürücü benzetim sistemi ile sürücülerden elde edilen EEG sinyallerinden acil fren durumunun Yapay Sinir Ağları ile tahmin edilmesi

Dünyada otomobil sayılarının giderek artması güvenlik önlemlerinin de artırılmasını beraberinde getirmektedir. Daha önce EEG sinyalleri kullanılarak acil fren durumlarının kontrolü ile ilgili yapılan çalışmalarda, Sequential Forward Floating Search (SFFS) yöntemi ve EEG aktivitelerinden elde dilen ERP işaretleri kullanılmıştır. Bu çalışma ile sürücü benzetim sistemi ile sürüş sırasında sürücülerden alınan Elektroensefalogram(EEG) sinyalleri kullanılarak acil fren durumlarının tahmin edilmesi sağlanmaktadır. Bu çalışmada sürücü benzetim sistemi ile sürüş sırasında sürücülerden alınan EEG sinyallerinin öznitelikleri, pwelch metodu kullanılarak elde edilmiş ve sinyaller delta, teta, alfa ve beta alt frekans bantlarına ayrılmıştır. Elde dilen alt frekans banlarına ait sinyaller Yapay Sinir Ağları(YSA) kullanılarak eğitilmiştir. EEG sinyallerinin eğitilmesi aşamasında, YSA'da Feed-Forward Backpropagation ve Learning Vector Quantization(LVQ) metodları kullanılmıştır. Sürücülerden alınan EEG sinyallerine ait alt frekans bantlarında öncü araç ait acil fren durumlarının tahmini gerçekleşmiştir. Aynı zamanda öncü aracın fren sapma verilerindeki artış ve azalışların kestirimi yapılmıştır. Hatanın Karesel Ortalaması(MSE) 0,005 değerine ulaşıncaya kadar ağ eğitilmiştir. Ağa uygulanan test verilerinde, delta alt frekans bandında %70 doğrulukla verilerin kestirimi yapılmıştır. Bununla birlikte sürücülerin gaza basıp basmama durumunun da EEG verilerinden YSA ile kestirimi yapılmıştır. Ağ eğitiminde MSE değeri 0,000001 elde edilmiş ve test verilerinin %90 oranında doğru kestirimi yapılmıştır.