TU Berlin: Schneller bremsen mit Gehirnwellen

Schneller bremsen mit Gehirnwellen
In einer neuen Studie identifizieren Forscher die Bremsabsicht von Autofahrern in Gehirnwellen

Zwischen dem Erkennen einer Notfallsituation beim Autofahren bis zur tatsächlichen Bremsung vergehen kostbare Sekunden und Millisekunden, die dafür entscheidend sein können, ob es zu einem Unfall kommt. Wie sich diese kritische Zeit verkürzen lässt, haben TU-Wissenschaftler bei einem Experiment demonstriert. Dafür wurden die Hirnströme von Probanden im Fahrsimulator aufgezeichnet und die Bremsabsicht des Fahrers durch Sensoren am Kopf gelesen, bevor er auf das Bremspedal tritt. Das Ergebnis: Eine schnellere Bremsung kann ermöglicht und Autounfälle können verhindert werden.

Die TU-Forscher führten gefährliche Situationen im Fahrsimulator herbei, die eine Notbremsung erfordern, und analysierten die dabei auftretenden Gehirnstrommuster mittels Elektroenzephalographie (EEG), das heißt mit am Kopf angebrachten Elektroden. Weiterhin wurde die Muskelaktivität des rechten Schienbeines durch Elektromyographie (EMG) erfasst sowie Bewegungen der Gas- und Bremspedale. Es stellte sich heraus, dass die Bremsabsicht des Fahrers etwa 130 Millisekunden früher vorhergesagt werden kann, wenn typische EMG- und (vor allem) EEG-Muster zusätzlich zu den Informationen von den Pedalsensoren berücksichtigt werden. Damit verkürzt sich der Bremsweg bei einer Fahrgeschwindigkeit von 100 Kilometern in der Stunde um 3,66 Meter – das entspricht einer Wagenlänge.

Wissenschaftler der Technischen Universität Berlin erstellten die Studie „EEG potentials predict upcoming emergency brakings during simulated driving“ in Zusammenarbeit mit der Charité Universitätsmedizin und dem Fraunhofer Institut FIRST und veröffentlichten die Forschungsergebnisse in der Publikation „Journal of Neural Engineering“.

Zukünftige Entwicklung
Haupt-Autor Stefan Haufe vom Fachgebiet Maschinelles Lernen an der TU Berlin und seine Kollegen setzen mit dieser Forschungsarbeit sehr früh in der Reaktionskette einer drohenden Unfallsituation an. Bisherige Systeme zur Fahrassistenz überwachen zum Beispiel per Laserstrahl den Abstand zum voranfahrenden Auto und lösen eine Notbremsung aus, sobald der Fahrer das Bremspedal antippt. Das „Gedankenlesen“, beziehungsweise die EEG-basierte Erkennung der Bremsintention, greift dem voraus und könnte einen schnelleren Bremsassistenten ermöglichen.

„Im nächsten Schritt muss getestet werden, ob unser System auch online in einem echten Auto funktioniert. Um kommerziell einsetzbar zu sein, müsste die Technologie allerdings auch noch wesentlich praktikabler werden“, sagt Stefan Haufe. Momentan bauchten die EEG-Elektroden nämlich Gel: dies sei aufwändig im Gebrauch und hinterlasse Rückstände in den Haaren, so der Wissenschaftler. Doch die Lösungen sind in Sicht: „Es gibt erste ‚trockene‘ Elektroden. Gleichzeitig schreitet die Miniaturisierung der Elektroden und die Entwicklung von drahtlosen Systemen voran. So könnte unser System in einigen Jahren als Ergänzung bestehender Fahrassistenzsysteme eingeführt werden.“

Das Experiment
Für die Untersuchung saßen die Probanden in einem Fahrsimulator mit Lenkrad, Bremse und Gaspedal. Auf einem Bildschirm anstelle der Windschutzscheibe waren Bilder einer Autofahrt aus der Ich-Perspektive zu sehen. Die Versuchspersonen hatten die Aufgabe, bei einer Geschwindigkeit von 100 Kilometern in der Stunde einen Abstand von 20 Metern zu dem vorausfahrenden Computer-gesteuerten Fahrzeug einzuhalten (der allgemein empfohlene Sicherheitsabstand läge bei 50 Metern), während sie mit gefährlichen Kurven und dichtem Gegenverkehr umzugehen hatten. In unregelmäßigen Abständen bremste das vorausfahrende Auto unerwartet und seine Bremsleuchten blitzten auf. Die Wissenschaftler verglichen die Reaktionszeiten von physiologischen Indikatoren (EEG- und EMG-Muster) mit denen, die aus dem Verhalten des Fahrers (dem schnellen Loslassen des Gaspedals und dem darauffolgenden Betätigen der Bremse) ablesbar sind.

Eine solche Untersuchung im Fahrsimulator können Sie sich hier als Film ansehen: www.youtube.com/watch?v=kkKoMQwQ0yA

Die Studie zum Download: http://iopscience.iop.org/1741-2552/8/5/056001

Weitere Informationen erteilt Ihnen gern: Stefan Haufe, TU Berlin, Fakultät IV Elektrotechnik und Informatik, Fachgebiet Maschinelles Lernen, Tel.: 030/314-78626, -28678, E-Mail: stefan.haufe@tu-berlin.de

Die Medieninformation zum Download:
www.pressestelle.tu-berlin.de/medieninformationen/

„EIN-Blick für Journalisten“ – Serviceangebot der TU Berlin für Medienvertreter:
Forschungsgeschichten, Expertendienst, Ideenpool, Fotogalerien unter:
http://www.pressestelle.tu-berlin.de/?id=4608

Scroll to Top