SEED Dataset

SEED-VLA/VRW 实验设定

我们开发了两个数据集，SEED-VLA（SEED-警觉性-实验室）和SEED-VRW（SEED-警觉性-真实世界），分别基于在实验室和真实世界场景中采集的干电极脑电信号用于疲劳驾驶检测。

实验室实验是在上海交通大学电子信息与电气工程学院BCMI实验室的受控环境中进行的。实验设置主要包括一辆室内黑色汽车和一个大型电子屏幕，该屏幕由九个较小的屏幕组成，位于汽车挡风玻璃前方约两米处。汽车的驾驶座配有方向盘和脚刹油门踏板，可进行驾驶模拟。如下图所示，虚拟驾驶软件可以模拟各种复杂的道路和天气条件，与黑色汽车中的方向盘和踏板结合，为参与者提供真实的驾驶感受。我们对车辆设定了最高速度限制，以确保缓慢驾驶。在实验过程中，我们指导参与者保持专注和安静，便于轻松过渡到疲劳状态。

在我们的真实世界驾驶实验中，我们使用一辆奔奔EV200四座电动汽车。为确保安全，我们让受试者坐在副驾驶座位上，由一位经验丰富的驾驶员操控车辆。为了给受试者提供真实的驾驶体验，在副驾驶座位上安装了罗技游戏方向盘和脚刹油门踏板，如下图所示。这些设备通过汽车内部的点烟器连接供电，以提供真实的阻尼感。

我们在驾驶时激活实验车辆的双闪灯和警报蜂鸣器。我们还将车速限制在每小时最高三十公里，以降低事故风险。受试者和驾驶员的人身安全由实验室提供资金的保险覆盖。我们预先确定了驾驶路线，该路线沿着上海交通大学闵行校区最外围的道路行驶。这条路线主要是直线，行人很少，可以更安全、更真实地模拟真实驾驶条件。

在整个驾驶过程中，我们指导受试者保持相对静止，注视前方，双手始终放在方向盘上，双脚踩在踏板上。他们被指示实时响应驾驶条件，在即将到来的弯道时转动方向盘或在行人穿过道路时踩刹车。

受试者

在实验室驾驶实验中，我们招募了20名参与者（12名女性，平均年龄21.6岁），而在真实世界驾驶实验中，我们招募了14名参与者（9名女性，平均年龄20.9岁）。所有受试者都是右撇子，有午睡习惯。所有受试者在实验前一天都没有饮酒或服药，并且睡眠充足。在实验开始前，受试者们完全了解实验程序，并且都进行了试驾。实验在饭后进行，通常此时容易引起困倦。每位参与者参与疲劳驾驶实验的时间因个人情况而异。

采集设备

我们使用DSI-24干电极脑电帽在参与者参与实验时收集脑电数据。该设备的传感器能够在不需要任何皮肤前期准备的情况下通过正常头发工作。此外，不需要导电凝胶来促进与头皮的电接触，这使得这种方法与真实世界的汽车驾驶场景兼容。传感器布局符合国际10-20系统，传感器位于Fp1、Fp2、F7、F3、F4、Fz、F8、T3、C3、C4、Cz、T4、T5、P3、P4、T6、O1和O2（18个电极，采样率为300 Hz）。参考传感器放置在标准Pz位置。

PERCLOS

我们使用SMI公司生产的眼动追踪眼镜捕捉受试者的眼动数据。根据记录的眨眼、扫视和凝视情况，我们计算驾驶过程中的PERCLOS分数作为指标。 SMI眼动追踪眼镜提供了关于眼睛闭合的信息， 因此，我们可以通过以下公式简单地计算PERCLOS标签：

数据集概述

1. 脑电：这部分包括20个预处理的原始脑电信号文件，格式为.edf，采样率为300Hz，在实验室环境中采集。为保护隐私，受试者姓名已被移除。
2. perclos：包括20个连续警觉性标签文件，这些标签由眼动追踪数据计算得出，范围在0到1之间。为确保隐私，受试者姓名已匿名化。

1. 脑电：包含14个预处理的原始脑电信号文件，格式为.edf，采样率为300Hz，在真实世界环境中采集。为保护参与者隐私，已省略其姓名。
2. perclos：包括14个由眼动追踪数据得出的连续警觉性标签文件，值在0到1之间。为保护隐私，已删除参与者姓名。

下载

下载SEED-VLA和SEED-VRW数据集

参考文献

如果您觉得该数据集对您的研究有帮助，请在您的出版物中添加以下参考文献。

1. Yun Luo, Wei Liu, Hanqi Li, Yong Lu and Bao-Liang Lu, A cross-scenario and cross-subject domain adaptation method for driving fatigue detection. Journal of Neural Engineering, 21(4): 046004, 2024. [链接] [BibTex]