MA – Entwicklung und Evaluierung eines Fahrzeug-Sicherheitskonzepts basierend auf Elektroenzephalographie (EEG)

Autofahrer müssen beim Fahren ein hohes Maß an Konzentration aufrechterhalten. Im Falle von Müdigkeit, plötzlichem Auftreten eines epileptischen Anfalls oder von anderen gesundheitlichen Einschränkungen kann es zu schweren Verkehrsunfällen kommen. Derartige gesundheitliche Probleme kündigen sich zumeist in Form erster Veränderungen der elektrischen Aktivität im Gehirn an.

Im Rahmen dieser Masterarbeit sollen Lösungen untersucht und umgesetzt werden, um die Gehirnaktivität des Fahrzeugführers zu überwachen und bei kritischen Abweichungen das Fahrzeug in einen sicheren Zustand überführen zu können. Die Arbeit kann auf einer Vorgängerarbeit aufbauen, in der Grundlagen zur Hirnstromanalyse mittels eines EEG sowie zur Datenaufbereitung mittels eines in Python implementierten neuronalen Netzes gelegt wurden. Darauf aufbauend soll ein vertieftes Verständnis von EEG-Signalen und deren Erkennungsindikatoren für bestimmte Gesundheitsprobleme erarbeitet werden. Dazu ist das neuronale Netzwerk in Matlab/Simulink zu implementieren. Mit Hilfe von Trainingsmodellen soll eine Klassifizierung in Kategorien wie „müde“, „betrunken“ oder „Epilepsie“ experimentell untersucht und versucht werden. Für die Messdatenerfassung kann dabei auf ein kommerzielles tragbares EEG-Messgerät zurückgegriffen werden.

Im Weiteren ist zu untersuchen, inwieweit sich das neuronale Netz auf ein vorhandenes Fahrzeugsteuergerät portieren lässt. Abschließend sollen erste Szenarien zur Reaktion des Fahrzeugs auf unterschiedliche Fahrerzustände durch geeignetes Ansprechen von Fahrzeugkomponenten via CAN-Bus (Motor, Bremse, Hupe, Blinker, Display, Notruf, etc.) implementiert werden.

Bearbeiter: Zun Wang

Betreuer: Jens Weissbach (Faissner Petermeier Fahrzeugtechnik AG, München)

Für Studienfächer: EEI, Mechatronik, Medizintechnik

Verantwortlicher: Prof. Dr.-Ing. Martin März