CN112741629A - 使用脑波信号确定乘客的乘坐舒适度的设备和方法 - Google Patents

使用脑波信号确定乘客的乘坐舒适度的设备和方法 Download PDF

Info

Publication number
CN112741629A
CN112741629A CN202011139194.5A CN202011139194A CN112741629A CN 112741629 A CN112741629 A CN 112741629A CN 202011139194 A CN202011139194 A CN 202011139194A CN 112741629 A CN112741629 A CN 112741629A
Authority
CN
China
Prior art keywords
passenger
information
ride comfort
moving body
state
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202011139194.5A
Other languages
English (en)
Inventor
安星敏
董瑞姸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shuming Women's University School Industry Cooperation
Hyundai Motor Co
Kia Corp
Industry Academic Cooperation Foundation of SWU
Original Assignee
Shuming Women's University School Industry Cooperation
Hyundai Motor Co
Kia Motors Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shuming Women's University School Industry Cooperation, Hyundai Motor Co, Kia Motors Corp filed Critical Shuming Women's University School Industry Cooperation
Publication of CN112741629A publication Critical patent/CN112741629A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60R—VEHICLES, VEHICLE FITTINGS, OR VEHICLE PARTS, NOT OTHERWISE PROVIDED FOR
    • B60R16/00—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for
    • B60R16/02—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements
    • B60R16/037—Electric or fluid circuits specially adapted for vehicles and not otherwise provided for; Arrangement of elements of electric or fluid circuits specially adapted for vehicles and not otherwise provided for electric constitutive elements for occupant comfort, e.g. for automatic adjustment of appliances according to personal settings, e.g. seats, mirrors, steering wheel
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/30—Conjoint control of vehicle sub-units of different type or different function including control of auxiliary equipment, e.g. air-conditioning compressors or oil pumps
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/0098—Details of control systems ensuring comfort, safety or stability not otherwise provided for
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0872—Driver physiology
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/08—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to drivers or passengers
    • B60W2040/0881—Seat occupation; Driver or passenger presence
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W2050/0001—Details of the control system
    • B60W2050/0019—Control system elements or transfer functions
    • B60W2050/0022—Gains, weighting coefficients or weighting functions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/22—Psychological state; Stress level or workload
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/221—Physiology, e.g. weight, heartbeat, health or special needs
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2540/00—Input parameters relating to occupants
    • B60W2540/223—Posture, e.g. hand, foot, or seat position, turned or inclined
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B60W2556/50—External transmission of data to or from the vehicle for navigation systems

Abstract

本公开涉及使用脑波信号确定乘客的乘坐舒适度的设备和方法，该设备包括：分析器，被配置为基于关于移动体中乘客的坐姿的信息来确定乘客的第一乘坐舒适度信息；传感器，被配置为在预定时间内收集移动体中乘客的脑波信号；以及控制器，被配置为控制移动体，其中，分析器被配置为通过基于第一乘坐舒适度信息分析收集的脑波信号来确定通过校正第一乘坐舒适度信息而获得的第二乘坐舒适度信息，以及其中，控制器被配置为基于确定的第二乘坐舒适度信息来控制移动体。

Description

使用脑波信号确定乘客的乘坐舒适度的设备和方法
相关申请的交叉引用
本申请要求于2019年10月29日提交的韩国专利申请第10-2019-0135833号的优先权，其全部内容通过引用合并于此。
技术领域
本公开涉及移动体控制方法和设备。更具体地，本公开涉及基于移动体的乘客的脑波信号确定移动体乘客的乘坐舒适度的移动体控制方法和设备。
背景技术
该部分中的陈述仅提供与本公开有关的背景信息，并且可能不构成现有技术。
车辆(或移动体)作为一种交通工具，是在现代世界中生活的非常重要的手段和工具。此外，移动体本身可以被认为是赋予某人意义的特殊事物。
随着技术的进步，移动体所提供的功能也逐渐发展。例如，近年来，移动体不仅将乘客运送到目的地，还满足了乘客更快、更安全地到达目的地的需求。另外，为了满足乘客的审美品味和舒适度，正在向移动体系统中添加新装置。另外，还开发了诸如方向盘、变速器和加速/减速装置的现有装置，以便可以向用户提供更多功能。
同时，脑-计算机接口或脑-机器接口是通过使用脑波信号根据人的意图控制计算机或机器的领域。ERP(事件相关电位)与认知功能密切相关。
发明内容
本公开涉及移动体控制方法和设备。特定实施例涉及移动体控制方法和设备。
本发明的实施例提供基于移动体乘客的脑波信号来确定移动体乘客的乘坐舒适度的设备和方法。
本发明的另一个实施例提供基于移动体中乘客的脑波信号来控制与乘客的坐姿有关的移动体内部装置的设备和方法。
本公开的实施例不限于上述实施例，并且本领域技术人员通过以下描述将清楚地理解未提及的其他实施例。
根据本发明的实施例，一种使用脑波信号确定乘客的乘坐舒适度的设备，包括：分析器，被配置为基于关于移动体中至少一名乘客的坐姿信息来确定乘客的第一乘坐舒适度信息；传感器，被配置为在预定时间内收集移动体中乘客的脑波信号；以及控制器，被配置为控制移动体。分析器通过基于第一乘坐舒适度信息分析收集的脑波信号，来确定通过校正第一乘坐舒适度信息而获得的第二乘坐舒适度信息，并且控制器基于确定的第二乘坐舒适度信息来控制移动体。
关于乘客的坐姿信息可以包括以下中的至少一项：乘客的个人信息、乘客的健康状况信息、乘客的就座信息、乘客的过去姿势信息、乘客的偏好坐姿和驾驶环境信息。
乘客的第一乘坐舒适度信息可以是乘客的坐姿的评估信息。
可以将乘客的坐姿的评估信息表示为数值。
脑波信号可以是α波、β波和θ波中的至少一种。
分析可以包括将在预定时间内收集的脑波信号的幅度与预定阈值进行比较。
脑波信号可以包括θ波，并且当θ波的幅度大于或等于预定阈值时，分析器可以确定乘客的状态为应激状态。
脑波信号可以包括α波，并且当α波的幅度大于或等于预定阈值时，分析器可以确定乘客的状态为舒适状态。
脑波信号可以包括β波，并且当β波的幅度大于或等于预定阈值时，分析器可以确定乘客的状态为应激状态。
当乘客的第一乘坐舒适度信息具有第一值时，分析器可以仅使用脑波信号中的预定脑波信号来确定第二乘坐舒适度信息。
当乘客的第一乘坐舒适度信息具有第二值时，分析器可以将预定权重施加到阈值。
移动体可包括座椅、方向盘、后视镜、控制台盒、导航装置和语音装置中的至少一项。
当将乘客的第二乘坐舒适度信息确定为第一状态时，控制器可以控制乘客的座椅、方向盘、后视镜和控制台盒中的至少一项的角度。
当将乘客的第二乘坐舒适度信息确定为第二状态时，控制器可以控制乘客的座椅、方向盘、后视镜盒控制台盒中的至少一项的位置。
根据本发明的实施例，使用脑波信号确定乘客的乘坐舒适度的方法包括：基于关于移动体中至少一名乘客的坐姿信息，确定乘客的第一乘坐舒适度信息；在预定时间内收集在移动体中乘客的脑波信号；通过基于第一乘坐舒适度信息分析收集的脑波信号，确定通过校正第一乘坐舒适度信息而获得的第二乘坐舒适度信息；以及基于确定的第二乘坐舒适度信息来控制移动体。
关于乘客的坐姿信息可以包括以下中的至少一项：乘客的个人信息、乘客的健康状况信息、乘客的就座信息、乘客的过去姿势信息、乘客的偏好坐姿和驾驶环境信息。
乘客的第一乘坐舒适度信息可以是乘客的坐姿的评估信息。
可以将乘客的坐姿的评估信息表示为数值。
脑波信号可以是α波、β波和θ波中的至少一种。
分析可以包括将在预定时间内收集的脑波信号的幅度与预定阈值进行比较。
脑波信号可以包括θ波，并且确定第二乘坐舒适度信息可以包括：当θ波的幅度大于或等于预定阈值时确定乘客的状态为应激状态。
脑波信号可以包括α波，并且确定第二乘坐舒适度信息可以包括：当α波的幅度大于或等于预定阈值时确定乘客的状态为舒适状态。
脑波信号可以包括β波，并且确定第二乘坐舒适度信息可以包括：当β波的幅度大于或等于预定阈值时确定乘客的状态为应激状态。
确定第二乘坐舒适度信息可以包括：当乘客的第一乘坐舒适度信息具有第一值时，仅使用脑波信号中的预定脑波信号来确定第二乘坐舒适度信息。
确定第二乘坐舒适度信息可以包括：当乘客的第一乘坐舒适度信息具有第二值时，将预定权重应用于阈值。
移动体可以包括座椅、方向盘、后视镜、控制台盒、导航装置和语音装置中的至少一项。
控制移动体可以包括：当将乘客的第二乘坐舒适度信息确定为第一状态时，控制乘客的座椅、方向盘、后视镜和控制台盒中的至少一项的角度。
控制移动体可以包括：当将乘客的第二乘坐舒适度信息确定为第二状态时，控制乘客的座椅、方向盘、后视镜和控制台盒中的至少一项的位置。
以上关于本公开的实施例简要概述的特征仅仅是本公开的以下详细描述的示例性方面，并且不限制本公开的范围。
附图说明
为了使本公开易于理解，现在将通过示例并参考附图描述本公开的各种实施例，其中：
图1是示出本公开的一种实施例的ERN的一般波形的示图；
图2是示出根据本公开的一种实施例的ERN和Pe的一般波形的示图；
图3是示出根据本公开的另一实施例的Pe的偏转特性的示图；
图4A和图4B是分别示出根据本公开的一种实施例的ERP和Pe的测量区域的示图；
图5是示出根据本公开的一种实施例的ERN和CRN的一般波形的示图；
图6是示出根据本公开的一种实施例的与脑皮质区域相对应的EEG测量通道的示图；
图7是示出根据本发明的实施例的用于基于乘客的脑波信号来确定乘客的乘坐舒适度的设备的配置的框图；
图8A和图8B是示出根据本发明的实施例的将每个频带的脑波信号与预定阈值进行比较的过程的示图；以及
图9是示出根据本发明的实施例的操作用于确定用户的乘坐舒适度的设备的方法的流程图。
具体实施方式
以下描述本质上仅是示例性的，并且并非旨在限制本公开、应用或用途。应当理解，在所有附图中，相应的附图标记表示相同或相应的部件和特征。
将详细描述本公开的示例性实施例，使得本领域的普通技术人员将结合附图容易地理解和实现由本公开实施例提供的设备和方法。然而，本公开可以以各种形式来体现，并且本公开的范围不应被解释为限于示例性实施例。
在描述本公开的实施例时，当公知的功能或构造可能使本公开的精神模糊时，将不对其进行详细描述。
在本公开的实施例中，将理解，当元件被称为“连接到”，“耦接到”另一元件或与另一元件“组合”时，它可以直接连接或耦接到另一个元件或与另一个元件组合，或者在它们之间可以存在中间元件。将进一步理解，当在本公开的实施例中使用时，术语“包含”，“包括”，“具有”等指定存在所述特征、整数、步骤、操作、元件、组件和/或其组合，但不排除一个或多个其他特征、整数、步骤、操作、元件、组件和/或其组合的存在或添加。
将理解，尽管在本文中可以使用术语“第一”、“第二”等来描述各种元件，但是这些元件不应受到这些术语的限制。这些术语仅用于将一个元件与另一个元件区分开，而不用于显示元件之间的顺序或优先级。例如，在不脱离本公开的教导的情况下，下面讨论的第一元件可以被称为第二元件。类似地，第二元件也可以被称为第一元件。
在本公开的实施例中，区分的元件被称为清楚地描述各种元件的特征，并且并不意味着该元件在物理上彼此分离。即，可以将多个区分的元件组合成单个硬件单元或单个软件单元，相反，一个元件可以由多个硬件单元或软件单元实现。因此，尽管没有具体说明，但是各种元件的集成形式或一个元件的分离形式可以落入本公开的范围内。同样，诸如“单元”或“模块”等的术语应该被理解为处理至少一个功能或操作并且可以以硬件方式(例如，处理器)、软件方式、或者硬件方式和软件方式的组合来体现的单元。
在本公开的实施例中，以各种形式描述的所有组成元件不应被解释为必要元件，而是一些组成元件可以是可选元件。因此，由组成元件的各个子集以某种形式配置的实施例也可以落入本公开的范围内。另外，通过将一个或多个元件添加到各种元件而配置的实施例也可以落入本公开的范围内。
作为构成大脑的神经元的电活动，脑波信号(或脑信号，脑波)是指直接或间接反映人的有意识或无意识状态的生物信号。可以在人头皮的每个区域中测量脑波信号，并且其波长具有主要为30Hz以下的频率，并且电位差为几微伏。根据脑活动和状态，可能会出现各种波形。正在使用根据人的意图的脑波信号进行接口控制的研究。可以通过使用利用脑活动引起的电信号的EEG(脑电图)、利用与电信号一起出现的磁信号MEG(磁脑图)、以及利用血液中氧饱和度的变化的fMRI(功能核磁共振成像)或fNIRS(功能近红外光谱)来获得脑波信号。尽管fMRI和fNIRS是测量脑活动的有用技术，但通常fMRI的时间分辨率较低，而fNIRS的空间分辨率较低。由于这些限制，EEG信号由于其出色的便携性和时间分辨率的优点而被广泛使用。
脑波信号根据脑活动在空间上和时间上变化。由于脑波信号通常难以分析并且其波形不易于可视化分析，因此提出了各种处理方法。
例如，根据振荡的次数(频率)，可以基于频带对脑波信号进行分类(功率谱分类)。该分类将测得的脑波信号视为每个特定频率下的简单信号的线性总和，并且将信号分解为各个频率分量并指示相应的幅度。通过使用通常用于噪声消除的预处理，傅立叶变换到频域以及带通滤波器(BPF)，可以获取每个频率的脑波信号。
更具体地，根据频带，脑波可以被分类为δ(delta)、θ(theta)、α(alpha)、β(beta)和γ(gamma)波。δ波是频率为3.5Hz以下，幅度为20μV至200μV的脑波，主要出现在正常的深度睡眠或新生儿中。此外，随着我们对物理世界的了解减少，δ波可能会增加。通常，θ波是频率为3.5Hz至7Hz的脑波，主要出现在情绪稳定状态或睡眠中。
另外，θ波主要在顶叶皮层和枕叶皮层中产生，并且可能在平静集中期间出现，以恢复记忆或冥想。通常，α波是频率为8Hz至12Hz的脑波，主要出现在放松和舒适的状态下。另外，休息时通常在枕叶皮层中产生α波，并且在睡眠中可能会减弱。通常，β波是频率为13Hz至30Hz的脑波，主要在可以忍受的应激状态(stress state，压力状态)出现，或者是在一定程度上引起注意的情况下出现。此外，β波主要在额叶皮层中产生，并且与唤醒状态或集中的脑部活动、病理现象和药物作用有关。β波可能会出现在整个大脑的广阔区域。另外，具体地，可以将β波分为频率为13Hz至15Hz的SMR波、频率为15Hz至18Hz的中β波和频率为20Hz以上的高β波。由于β波在焦虑和紧张的压力下似乎更强，因此被称为压力波。γ波是通常具有30Hz至50Hz频率的脑波，主要出现在强烈兴奋状态或在高级认知信息处理过程中。此外，γ波可能会在意识的觉醒状态和REM睡眠期间出现，并且也可能与β波重叠。
根据频带的每个脑波信号都与特定的认知功能相关。例如，δ波与睡眠相关，θ波与工作记忆相关，而α波与注意力或抑制相关。因此，每个频带的脑波信号的特性选择性地显示特定的认知功能。另外，每个频带的脑波信号在头部表面上的每个测量部分中可能会显示出一些不同的方面。大脑皮层可被划分为额叶皮层、顶叶皮层、颞叶皮层和枕叶皮层。这些部分可能具有一些不同的作用。例如，对应于头后部的枕叶皮层具有主要的视觉皮层，并且因此可以主要处理视觉信息。位于头顶部附近的顶叶皮层具有躯体感觉皮层，并且因此可以处理运动/感觉信息。另外，额叶皮层可以处理与记忆和思考有关的信息，以及颞叶皮层可以处理与听觉和嗅觉有关的信息。
同时，对于另一个示例，可以通过使用ERP(事件相关电位)来分析脑波信号。ERP是与外界刺激或内部心理过程相关的大脑电性变化。ERP是指包括脑的电活动的信号，该信号是由于自呈现刺激后的一定时间后由包括特定信息(例如，图像、语音、声音、执行命令等)的刺激引起。
为了分析ERP，需要一种将信号与噪声分离的处理。可以主要使用平均方法。具体地，通过平均基于刺激开始时间测量的脑波，可以去除与刺激无关的脑波，并且仅挑选出相关的电位，即与刺激处理通常相关的脑活动。
由于ERP具有高时间分辨率，因此它与认知功能的研究密切相关。ERP是由外部刺激引起或与内部状态相关的电性现象。根据刺激的类型，ERP可被分为听觉相关电位、视觉相关电位、躯体感觉相关电位和嗅觉相关电位。根据刺激的性质，ERP可被分为外源ERP和内源ERP。外源ERP具有由外部刺激确定的波形，与自动处理有关，并且主要出现在受到刺激的初始阶段。例如，外源ERP是脑干电位。另一方面，内源ERP是由与刺激无关的内部认知过程或心理过程或状态决定的，并且与“受控过程”有关。例如，内源ERP是P300、N400、P600、CNV(关联性负变)等。
ERP峰的名称通常包括极性和等待周期(latent period，反应时间差)，并且每个信号的峰具有各自的定义和含义。例如，正电位为P，负电位为N，且P300表示刺激开始后约300毫秒测得的正峰值。另外，根据出现顺序施加1、2、3或a、b、c等。例如，P3表示刺激开始后波形中的第三正电位。
在下文中，将描述各种ERP。
例如，N100与对不可预测的刺激的响应有关。
MMN(失配负波)不仅可以由集中的刺激产生，而且可以由非集中的刺激产生。MMN可以用作在最初引起注意之前感测记忆(声像记忆)是否工作的指示符。以下将描述的P300出现在注意和做出判断的过程中，而MMN被分析为在注意之前在大脑中发生的过程。
又例如，N200(或N2)主要是根据视觉和听觉刺激产生，并且与短期记忆或长期记忆以及以下描述P300有关，短期记忆或长期记忆是关注后的记忆类型。
又例如，P300(或P3)主要反映对刺激、刺激认知、记忆搜索和不确定感减轻的注意，并且与区分外部刺激的感知决定有关。由于P300的生成与认知功能有关，因此无论出现的刺激类型如何，都会生成P300。例如，P300可以在听觉刺激、视觉刺激和躯体刺激中产生。P300被广泛应用于脑机接口的研究。
又例如，N400与语言处理有关，并且是在出现带有语义错误的句子或听觉刺激时引起。另外，N400与记忆过程有关，并且可以反映从长期记忆中检索或搜索信息的过程。
又例如，作为示出重建或恢复过程的指示符，P600涉及基于存储在长期记忆中的信息更准确地处理刺激的过程。
又例如，CNV是指在以后的阶段中出现200ms至300ms甚至几秒钟的电位。它也被称为慢电位(SP)，并且与预期、准备、精神引物、联想、注意力和运动活动有关。
又例如，ERN(错误相关负电位)或Ne(错误负电位)是由过失或错误产生的事件相关电位(ERP)。当受试者在感觉运动任务或类似任务中发生过失时，可能会发生这种情况。更具体地，当受试者识别出过失或错误时，产生ERN，并且其负峰主要出现在额叶和中央区域约50ms至150ms。特别是，其负峰可能在可能发生与运动响应有关的过失的情况下出现，并且也可能用于指示否定的自我判断。
在下文中，将更详细地描述ERN的主要特征。
图1是示出根据本公开的实施例的ERN的一般波形的示图。
参照图1，在水平轴上方描绘了负电位值，并且在水平轴下方描绘了正电位值。另外，可以确认在针对任意运动的响应开始之后的预定时间范围内产生具有负峰值的ERP。在此，响应可以表示发生过失或错误的情况(错误响应)。另外，预定时间范围可以是大约50ms至150ms。或者，预定时间范围可以是大约0ms至100ms。同时，在正确响应的情况下，生成的ERP的负峰比ERN小。
ERN作为初始负的ERP，被时间锁定直到出现响应错误。此外，已知ERN反映与行为监测有关的多巴胺能系统的增强活性。ERN包括包含侧扣带区的额叶纹状体环。同时，多巴胺与通常形成特定行为并激励人的大脑奖励系统有关，从而提供愉悦感和增强的感觉。当重复获得适当奖励的行为时，该行为被学习为习惯。另外，通过情绪化学习释放更多的多巴胺，并且由于多巴胺的释放而尝试新的行为。因此，奖励驱动的学习称为强化学习。
另外，可能在干扰任务(例如，Go-noGo任务，Stroop任务，Flanker任务和Simon任务)期间通过额叶皮层引导而引起的错误响应开始后的0ms至100ms内，生成ERN。
此外，已知ERN与以下描述的CRN一起反映了可以区分正确行为和错误行为的常规行为监测系统。
另外，已知ERN在额叶皮层电极处达到最大幅度的事实反映出脑内发生器位于侧扣带区或背侧前扣带回皮层(dACC)区域中。
另外，ERN可以根据消极情绪状态显示幅度的变化。
另外，即使在基于不同于内部动机表达的外部评价反馈处理进行行为监测的情况下，也可以报告ERN，并且可以将ERN分类为以下描述的FRN。
另外，不仅可以在认识到过失或错误时，而且在认识到过失或错误之前生成ERN。
此外，不仅可以作为对他/她自己的过失或错误的响应，而且可以作为对其他人的过失或错误的响应来生成ERN。
此外，不仅可以作为对过失或错误的响应，而且可以作为对预定执行任务或对象的焦虑或压力的响应来生成ERN。
另外，由于获得较大的ERN峰值，因此可以认为较大的ERN峰值反映了更严重的过失或错误。
同时，对于又一个示例，作为在ERN之后产生的事件相关电位(ERP)，Pe(错误正电位)是具有正值的ERP，在过失或错误发生后约150ms至300ms，主要在额叶皮层电极处产生。Pe被称为意识到过失或错误并更加注意的反应。换句话说，Pe与错误检测之后有意识的错误信息处理过程的指示符有关。ERN和Pe被称为与错误监测相关的ERP。
在下文中，将更详细地描述Pe的主要特征。
图2是示出根据本公开的另一实施例的ERN和Pe的一般波形的示图。
参照图2，在正电位值上方描绘了负电位值。另外，可以确认在针对任意运动的响应开始之后的第一预定时间范围内产生了具有负峰值的ERP，即ERN。在此，响应可以表示发生过失或错误的情况(错误响应)。另外，第一预定时间范围可以是约50ms至150ms。或者，第一预定时间范围可以是约0ms至200ms。
另外，可以确认在ERN发生后的第二预定时间范围内产生了具有正峰值的ERP，即Pe。另外，第二预定时间范围可以在错误发生之后约150ms至300ms。可替代地，第二预定时间范围可以意味着约200ms至400ms。
图3是示出本公开的一种实施例的Pe的偏转特性的示图。
参照图3，与P3一样，Pe具有宽的偏转特性(deflection characteristic)，并且丛产生器不仅包括后扣带回皮层和岛叶皮层的区域，而且还包括前扣带回皮层的区域。
另外，Pe可以反映对错误的情感评价以及对刺激的注意诸如P300。另外，ERN表示正确响应和错误响应之间的冲突，并且Pe被认为是意识到过失并引起更多注意的响应。换句话说，ERN可以在检测刺激的过程中产生，并且Pe可以在处理刺激的过程中根据注意力来产生。当ERN和/或Pe分别具有相对大的值时，已知这些值与旨在过失之后更慢且更准确地响应的自适应行为有关。
图4A和图4B是示出根据本公开的一种实施例的ERP和Pe的测量区域的示图。
ERN和Pe被称为与错误监测有关的ERP。关于ERN和Pe的测量区域，通常可以在中心区域中测量最大负值和最大正值。但是，根据测量条件可能会有一些差异。例如，图4A是测量ERN的主要区域，并且ERN的最大负值通常可以在中线额叶或中央区域(即FCZ)中测量。另外，图4B是测量Pe的主要区域，并且与ERN相比，通常可以在后中线区域中测量到大的Pe正值。
同时，对于又一个示例，FRN(反馈相关的负电位)是与基于外部评估反馈获得的错误检测有关的事件相关电位(ERP)。ERN和/或Pe基于内部监测过程检测错误。但是，在FRN的情况下，当基于外部评估反馈获得FRN时，它可能会与ERN的过程类似。
另外，FRN和ERN可以共享许多电生理特性。例如，FRN在负反馈开始后约250ms至300ms在额叶皮层电极处具有负峰值，并且可能像ERN一样在背侧前扣带回皮层(dACC)区中生成。
另外，类似ERN，FRN可以反映多巴胺能系统的强化学习活动。另外，FRN通常具有比正反馈更大的负值，并且对于不可预见的情况可能具有比可预测的结果更大的值。
又例如，CRN(正确相关负电位)是由正确的试验产生的ERP，并且是小于ERN的负值。类似ERN，CRN可能会在初始等待周期(例如0ms至100ms)中生成。图5是示出本公开的一种实施例的ERN和CRN的一般波形的示图。
又例如，Pc(正确正电位)是在CRN之后产生的事件相关电位。它是在正确响应发生后约150ms至300ms内产生的事件相关电位。CRN和Pc之间的关系可以类似于ERN和Pe之间的关系。
同时，ERP可以被分类为刺激锁定ERP和响应锁定ERP。刺激锁定ERP和响应锁定ERP可以根据诸如诱发ERP的原因和响应时间的标准来划分。例如，从单词或图片从外部呈现给用户的那一刻起诱发的ERP可以被称为刺激锁定ERP。另外，例如，从用户讲出或按下按钮的那一刻起诱发的ERP可以被称为响应锁定ERP。因此，基于上述标准，通常，刺激锁定ERP为N100、N200、P2、P3等，以及响应锁定ERP为ERN、Pe、CRN、Pc、FRN等。
同时，可以根据表现出的动机对脑波进行分类。脑波可分类为根据用户意愿表现出的自发性脑波(自发性电位)以及根据与用户意愿无关的外部刺激自然表现出的诱发性脑波(诱发性电位)。当用户自己移动或想象运动时，可能会显示自发性脑波，而诱发性脑波可能会通过例如视觉、听觉、嗅觉和触觉刺激来表现。
同时，可以根据国际10-20系统测量脑波信号。国际10-20系统基于电极位置与大脑皮层区域之间的关系确定脑波信号的测量点。
图6是示出根据本公开的一种实施例的与脑皮质区域相对应的EEG测量通道的示图。
参照图6，脑区域(前额叶皮层FP1、FP2；额叶皮层F3、F4、F7、F8、FZ、FC3、FC4、FT7、FT8、FCZ；顶叶皮层C3、C4、CZ、CP3、CP4、CPZ、P3、P4、PZ；颞叶皮层T7、T8、TP7、TP8、P7、P8；枕叶皮层O1、O2、OZ)对应于32个脑波测量通道。对于每个通道，可以获得该数据并且可以使用该数据对每个脑皮层区域进行分析。
图7是示出根据本发明的实施例的基于乘客的脑波信号来确定乘客的乘坐舒适度的设备的配置的框图。
乘坐舒适度通常可以表示对移动体的总体舒适度或移动体的振动感觉。影响乘坐舒适度的主要因素包括悬架、轮胎、座椅、发动机、变速箱和移动体主体刚度。悬架是移动体的减震系统的通用术语，例如支撑移动体重量的弹簧，并且用于防止路面的振动传递给乘客。移动体中的乘客感觉到的振动或冲击可能会因悬架的设置而不同。另外，轮胎是主要用于滤除在路面上产生的冲击的装置，并且乘坐舒适度可以根据轮胎的侧壁或轮胎压力而变化。另外，对于座椅，考虑到乘客舒适度的专用座椅已经研发超出了简单椅子的功能。另外，发动机和变速箱可能会影响移动体中产生的震动和噪声。另外，移动体主体刚度可能影响碰撞稳定性、驾驶性能和乘客的乘坐舒适度。另外，影响乘坐舒适度的因素可以包括乘客的就座信息和驾驶环境信息。
如上所述，移动体的各种因素可能影响乘客的乘坐舒适度。但是，由于乘坐舒适度是指乘客在驾驶环境中的总体感觉，为了限定术语乘坐舒适度，不仅需要考虑客观因素，例如移动体信息、乘客就座信息和驾驶环境信息，还需要考虑主观因素，例如乘客的心理舒适度和稳定性。
同时，乘坐舒适度可以由客观因素引起的乘客的姿势来表示或由主观因素引起的乘客的心理状态来表示。或者，可以将乘客的姿势和乘客的心理状态表示为数值。
因此，考虑到诸如乘客的心理状态的主观信息，可以校正使用移动体和/或乘客的客观信息确定的乘客的乘坐舒适度。
例如，即使使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为状态A，考虑到乘客的心理状态，也可以最终/二次地将乘坐舒适度确定为状态B或状态(A+a)。
作为另一示例，即使使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为“适合驾驶的姿势”，但是考虑到乘客的心理状态，也可以将乘坐舒适度最终确定为“不适合驾驶的姿势”或“不给腰部造成负担但带来压力的姿势”。
作为另一示例，即使使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为“不适合驾驶的姿势”，但是考虑到乘客的心理状态，也可以将乘坐舒适度二次地确定为“难以驾驶但有助于减轻压力的姿势”。
作为另一个示例，即使使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为“给腰部造成负担的姿势”，但是考虑到乘客的心理状态，也可以将乘坐舒适度最终确定为“给腰部造成负担但舒适的姿势”。
同时，由于脑波信号可以反映乘客的心理状态或对某种刺激的响应，因此可以通过分析脑波信号来获取关于乘客的乘坐舒适度的二次和最终信息。例如，针对每个频带分类的脑波信号可以反映诸如乘客的舒适感、焦虑和压力的感觉。
例如，α波通常是频率为8Hz至12Hz的脑波，并且主要出现在放松状态。另外，α波主要在额叶或枕叶中产生，并且在出现压力时趋于减小。
作为另一示例，β波通常是频率为13Hz至30Hz的脑波，并且主要在轻微紧张或者当付出超过一定程度的注意力时出现。此外，β波主要在额叶中产生，并且在例如焦虑和紧张的压力下显得更强。因此，β波称为压力波。
作为另一示例，θ波通常是频率为3.5Hz至7Hz的脑波，并且主要在顶叶和枕叶中产生。另外，当压力出现时，θ波倾向于增加。
如上所述，当不出现压力时，可以将α波测量为主导信号，并且当出现压力时，可以将β波和/或θ波测量为主导信号。
因此，通过分析在预定时间内收集的乘客的脑波信号，可以确定乘客的心理状态。即，可以通过检测每个频率的脑波信号(例如α波、β波和θ波)的幅度，来确定乘客是处于舒适状态还是焦虑状态。
结果，可以基于关于乘客的坐姿或乘客的主要乘坐舒适度的信息，来获取乘客的最终/二次乘坐舒适度信息。
同时，移动体可以包括交通工具、移动/运输装置等。
参考图7，使用脑波信号确定乘坐舒适度的设备700可以包括分析器710、传感器720和/或控制器730。然而，应当注意，仅示出了用于说明本实施例所必需的一些组件，并且用于确定乘客的乘坐舒适度的设备700中包括的组件不限于上述示例。例如，可以在一个组成单元中实现两个以上组成单元，并且在一个组成单元中执行的操作可以被划分并且在两个以上组成单元中执行。另外，可以省略一些组成单元，或者可以添加附加的组成单元。
本公开的实施例的用于确定乘坐舒适度的设备700可以基于关于在移动体中至少一名乘客的坐姿信息来确定乘客的第一乘坐舒适度信息。另外，分析器710可以执行以上操作。
这里，关于乘客的坐姿信息可以表示可以用于确定乘客的乘坐舒适度的各种信息。另外，关于乘客的坐姿信息可以表示影响乘客的乘坐舒适度的客观因素。
例如，关于乘客的坐姿信息可以包括乘客的个人信息。例如，这可以包括诸如乘客的性别、年龄、体重、实际身高和坐下后的高度的身体信息。
作为另一示例，关于乘客的坐姿信息可以包括乘客的健康状态信息。例如，这可以包括乘客的关节状态、肌肉疲劳、腰椎间盘突出、颈椎间盘突出等。
作为另一示例，关于乘客的坐姿信息可以包括驾驶环境信息。例如，这可以包括关于移动体将行驶的道路的信息、移动体模型信息、交通量信息等。具体地，关于移动体将行驶的道路的信息可以包括有关行驶道路是普通道路还是快速道路的信息，包括有关行驶道路是国道还是地方道路(一般道路的情况)的信息，以及包括有关行驶道路是免费道路还是收费道路的信息。
作为另一示例，关于乘客的坐姿信息可以包括乘客的就座信息。例如，这可以包括移动体座椅位置/角度信息、每个移动体座椅靠背角度的压力分布、乘客的骨盆角度、腰椎曲度、腰骶关节负荷、髋关节信息等。
作为另一示例，关于乘客的坐姿信息可以包括乘客的过去姿势信息或乘客的预设偏好坐姿。
作为另一示例，关于乘客的坐姿信息可以包括关于乘客的驾驶模式的信息。
这里，乘客的第一乘坐舒适度信息可以表示乘客的坐姿的客观评估信息。例如，这可能意味着使用与乘客有关的信息、健康状况信息、乘客的就座信息和驾驶环境信息确定的人体工程学(或解剖学)评估信息。
例如，乘客的第一乘坐舒适度信息可以包括“推荐姿势”和“非推荐姿势”。
作为另一示例，乘客的第一乘坐舒适度信息可以包括“适合驾驶的姿势”、“不适合驾驶的姿势”和“造成腰部负担的姿势”。
作为另一示例，乘客的第一乘坐舒适度信息可以表示为数值。该数值可以表示对乘客的坐姿的数值评估。例如，数值可以具有从0到100的值。“适合驾驶的姿势”可以被表示为100，以及“危险的驾驶姿势”可以被表示为0。
作为另一示例，每个落座位置信息可以被表示为数值。例如，可以将移动体座椅位置/角度信息、每个移动体座椅靠背角度的压力分布、乘客的骨盆角度、腰椎曲度、腰骶关节负荷、髋关节信息等表示为数值。另外，可以通过收集表示为数值的信息来获取第一乘坐舒适度信息。
本公开的实施例的用于确定乘坐舒适度的设备700可以在预定时间内收集移动体中乘客的脑波信号。另外，传感器720可以执行以上操作。
这里，脑波信号可以表示每个频带的脑波信号。例如，脑波信号可以包括α波、β波和θ波。
另外，在预定时间内收集的脑波信号可以包括：测量移动体中至少一名乘客的脑波信号，以及从所测量的脑波信号中检测每个频带的脑波信号。
本公开的实施例的用于确定乘坐舒适度的设备700可以确定通过分析收集到的脑波信号来校正第一乘坐舒适度信息而获得的第二乘坐舒适度信息。另外，本公开的实施例的用于确定乘坐舒适度的设备700可以通过基于第一乘坐舒适度信息分析收集的脑波信号，来确定通过校正第一乘坐舒适度信息而获得的第二乘坐舒适度信息。另外，分析器710可以执行以上操作。
这里，乘客的第二乘坐舒适度信息可以表示通过校正第一乘坐舒适度信息而获得的信息。即，这可能表示通过在乘客的坐姿的客观评估信息中反映乘客的心理状态而获得的评估信息。
例如，乘客的第二乘坐舒适度信息可以表示通过将乘客的心理状态的评估信息添加到人体工程学(或解剖学)评估信息中而获得的信息，人体工程学(或解剖学)评估信息使用有关乘客的信息、健康状况信息、乘客的就座信息和驾驶环境信息而确定。
作为另一示例，乘客的第二乘坐舒适度信息可以表示通过使用乘客的心理状态的评估信息，校正人体工程学(或解剖学)评估信息而获得的信息，人体工程学(或解剖学)评估信息使用有关乘客的信息、健康状况信息、乘客的就座信息和驾驶环境信息而确定。
作为另一示例，乘客的第二乘坐舒适度信息可以包括“推荐姿势”和“非推荐姿势”。
作为另一示例，乘客的第二乘坐舒适度信息可以包括“适合驾驶的姿势”、“不适合驾驶的姿势”和“给腰部造成负担的姿势”。
作为另一示例，乘客的第二乘坐舒适度信息可以表示为数值。该数值可以表示对乘客的乘坐姿势的数值评估。例如，数值可以具有从0到100的值。“适合驾驶的姿势”可以被表示为100，以及“危险的驾驶姿势”可以被表示为0。
作为另一示例，当第一乘坐舒适度信息是50并且第二乘坐舒适度信息是“造成压力的姿势”时，第二乘坐舒适度信息可以最终表示为30。
即，当将第一乘坐舒适度信息表示为数值时，第二乘坐舒适度信息表示为二次和最终数值，其通过反映乘客的心理状态的评估信息而被校正。
作为另一示例，即使将第一乘坐舒适度确定为状态A，考虑到乘客的心理状态，乘客的第二乘坐舒适度信息可以最终/二次地确定为状态B或(A+a)。例如，乘客的第二乘坐舒适度信息可以表示为“不给腰部造成负担但带来压力的姿势”，“难以驾驶但有助于减轻压力的姿势”或“给腰部造成负担但舒适的姿势”。
作为另一示例，收集的脑波信号(例如α波、β波和θ波)可以表示为数值。另外，可以通过收集表示为数值的信息来获取第二乘坐舒适度信息。
这里，分析可以包括将在预定时间内收集的每个频带的脑波信号的幅度与预定阈值进行比较。另外，该分析可以包括提取每个频带的脑波信号。
这里，阈值可以是预定值或用户输入的值。
图8A和图8B是示出根据本发明的实施例的将每个频带的脑波信号与预定阈值进行比较的过程的示图。
例如，当θ波的幅度大于或等于预定阈值时，可以确定乘客的状态为应激状态或引起压力的姿势。
作为另一示例，当α波的幅度小于预定阈值时，可以确定乘客的状态为应激状态。可替代地，当α波的幅度大于或等于预定阈值时，可以确定乘客的状态为舒适状态或有助于减轻压力的姿势。
作为另一示例，当β波的幅度大于或等于预定阈值时，可以确定乘客的状态为应激状态。参照图8B，在β波的幅度大于或等于预定阈值810的时间间隔中，可以确定乘客的状态为应激状态。
同时，可以通过组合每个频率的脑波信号来确定乘客的状态。
例如，当β波的幅度与α波的幅度之比大于或等于预定阈值时，可以确定乘客的状态为应激状态。
作为另一示例，当θ波的幅度与α波的幅度之比大于或等于预定阈值时，可以确定乘客的状态为应激状态。
作为另一示例，当θ波和β波的线性组合的幅度与α波的幅度之比大于或等于预定阈值时，可以确定乘客的状态为应激状态。
作为另一示例，可以从每个频率的脑波信号中仅选择具有预定阈值的脑波信号，并且可以使用所选择的脑波信号来确定乘客的状态。即，所选择的脑波信号可以是用于提高乘客的乘坐舒适度的满意度的因素。
这里，每个频率的脑波信号的幅度可以表示预定范围内的频带的功率。即，每个频率的脑波信号的幅度可以表示在频域中使用傅立叶变换将测量信号变换成的频带的功率。
此外，分析可包括通过基于第一乘坐舒适度信息分析收集的脑波信号来确定通过校正第一乘坐舒适度信息而获得的第二乘坐舒适度信息。
例如，当使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为状态A时，根据状态A将预定权重应用于预定阈值。预定权重可以是预定值或用户输入的值。此时，脑波信号可以包括α波、β波和θ波。
例如，当使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为“适合驾驶的姿势”时，可以将主要出现在舒适状态下的α波的阈值的幅度设定为较小。
作为另一示例，当使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为“不适合驾驶的姿势”时，可以将在压力下趋于增加的β波和/或θ波的阈值的幅度设置为相对较小。
另外，当使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为状态A时，根据状态A，可以仅使用每个频带的脑波信号中的特定脑波信号来确定乘客的心理状态。
例如，当使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为“适合驾驶的姿势”时，可以仅使用主要在舒适状态出现的α波来确定乘客的心理状态。
作为另一示例，当使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为“不适合驾驶的姿势”时，可以仅使用在压力下趋于增加的β波和/或θ波来确定乘客的心理状态。
本公开的实施例的用于确定乘坐舒适度的设备700可以基于第二乘坐舒适度信息来控制移动体。另外，控制器730可以执行以上操作。
这里，移动体可以在移动体中包括预定装置。例如，预定装置可以包括座椅、方向盘、变速杆、踏板、后视镜、控制台盒、导航装置、语音装置等。
例如，当将乘客的第二乘坐舒适度信息确定为“不适合驾驶的姿势”时，可以控制乘客的座椅、方向盘、变速杆、踏板、后视镜或控制台盒中的至少一项的角度和/或位置。
作为另一示例，当将乘客的第二乘坐舒适度信息确定为“不适合驾驶的姿势”时，可以在移动体的显示装置上显示乘客的座椅的角度和/或位置。例如，当以臀点为基准点并且第二乘坐舒适度信息为“应激状态”，通过座椅老化而改变了臀点的位置时，可以在显示装置上显示座椅的当前位置和要调节(胀开)的座椅的位置(例如，原始臀点位置)。
作为另一示例，当将乘客的第二乘坐舒适度信息确定为“不适合驾驶的姿势”时，可以在移动体的显示装置上显示乘客的推荐座椅角度和/或位置。推荐座椅角度和/或位置可以是乘客的过去位置水平或乘客的预设偏好坐姿。
作为另一示例，当将乘客的第二乘坐舒适度信息确定为“不适合驾驶的姿势”时，移动体的语音装置可以提供指示当前姿势不适合驾驶的通知。
作为另一示例，当将乘客的第二乘坐舒适度信息确定为“应激状态”时，可以检查乘客的臀部，或者可以将乘客的当前姿势与乘客的预设偏好坐姿进行比较。另外，可以提供关于乘客的原始臀点位置或偏好坐姿的信息。
作为另一示例，在驾驶完成之后的重新驾驶时，可以将在驾驶期间确定的第二乘坐舒适度信息提供给乘客。可替代地，当乘客从移动体下去之后再次乘坐移动体时，可以将从移动体下去之前确定的第二乘坐舒适度信息提供给乘客。
图9是示出根据本发明的实施例的用于确定用户的乘坐舒适度的设备的操作方法的流程图。
在步骤S901中，可以基于与移动体中至少一名乘客的坐姿有关的信息来确定乘客的第一乘坐舒适度信息。
这里，关于乘客的坐姿信息可以意味着可以用于确定乘客的乘坐舒适度的各种信息。另外，关于乘客的坐姿信息可以意味着影响乘客的乘坐舒适度的客观因素。
此外，乘客的第一乘坐舒适度信息可以意味着乘客的坐姿的客观评估信息。例如，这可能意味着使用与乘客有关的信息、健康状况信息、乘客的就座信息和驾驶环境信息确定的人体工程学(或解剖学)评估信息。
在步骤S902中，可以在预定时间内收集移动体中乘客的脑波信号。
这里，脑波信号可以表示每个频带的脑波信号。例如，脑波信号可以包括α波、β波和θ波。
在步骤S903中，可以通过基于第一乘坐舒适度信息分析收集的脑波信号，来确定通过校正第一乘坐舒适度信息而获得的第二乘坐舒适度信息。
这里，乘客的第二乘坐舒适度信息可以表示通过校正第一乘坐舒适度信息而获得的信息。即，这可能意味着通过在乘客的坐姿的客观评估信息中反映乘客的心理状态而获得的评估信息。
这里，分析可以包括将在预定时间内收集的每个频带的脑波信号的幅度与预定阈值进行比较。另外，该分析可以包括提取每个频带的脑波信号。
例如，当使用移动体和/或乘客的客观信息将乘客的乘坐舒适度主要确定为状态A时，根据状态A将预定权重应用于预定阈值。
在步骤S904中，可以基于第二乘坐舒适度信息来控制移动体。
这里，移动体可以在移动体中包括预定装置。例如，预定装置可以包括座椅、方向盘、变速杆、踏板、后视镜、控制台盒、导航装置、语音装置等。
例如，当将乘客的第二乘坐舒适度信息确定为“不适合驾驶的姿势”时，可以控制乘客的座椅、方向盘、变速杆、踏板、后视镜或控制台盒中的至少一项的角度和/或位置。
根据本发明的实施例，可以提供用于基于移动体的乘客的脑波信号确定移动体的乘客的乘坐舒适度的设备和方法。
此外，根据本发明的实施例，可以提供用于基于移动体中乘客的脑波信号来控制与乘客的坐姿有关的移动体内部装置的设备和方法。
尽管为了描述的清楚起见，将本公开的实施例的示例性方法描述为一系列操作步骤，但是本公开的实施例不限于上述操作步骤的顺序或次序。操作步骤可以同时执行，或者可以顺序执行但以不同顺序执行。为了实施本公开的实施例的方法，可以添加附加的操作步骤和/或可以消除或替代现有的操作步骤。
本公开的各种实施例没有被呈现为描述所有可用的组合，而是被呈现为仅描述代表性组合。各种实施例的步骤或元件可以单独使用或可以组合使用。
另外，可以以硬件、固件、软件或其组合的形式来体现本公开的各种实施例。当本公开的实施例体现在硬件组件中时，它可以是例如专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理装置(DSPD)、可编程逻辑装置(PLD)、现场可编程门阵列(FPGA)、通用处理器、控制器、微控制器、微处理器等。
本公开的实施例的范围包括使得能够在设备或计算机上执行各种实施例的方法的软件或机器可执行指令(例如，操作系统(OS)、应用程序、固件、程序)，以及非暂时性计算机可读介质，用于存储此类软件或机器可执行指令，以便可以在设备或计算机上执行该软件或指令。
本公开的实施例的描述本质上仅是示例性的，因此，不背离本公开的实质的变型旨在在本公开的范围内。这样的变型不应被视为背离本公开的精神和范围。
尽管已经参考说明性实施例描述了本发明，但是该描述并非旨在解释为以限制性意义。参考说明书，示例性实施例以及本发明的其他实施例的各种修改和组合对于本领域技术人员将是显而易见的。因此，意图是所附权利要求涵盖任何这样的修改或实施例。

Claims (20)

1.一种使用脑波信号确定乘客的乘坐舒适度的设备，所述设备包括：
分析器，被配置为基于关于移动体中的乘客的坐姿的信息来确定至少一名乘客的第一乘坐舒适度信息；
传感器，被配置为在预定时间内收集所述移动体中的所述乘客的脑波信号；以及
控制器，被配置为控制所述移动体，
其中，所述分析器被配置为通过基于所述第一乘坐舒适度信息分析收集的所述脑波信号，确定通过校正所述第一乘坐舒适度信息而获得的第二乘坐舒适度信息，以及
其中，所述控制器被配置为基于确定的所述第二乘坐舒适度信息来控制所述移动体。
2.根据权利要求1所述的设备，其中，关于所述乘客的所述坐姿的信息包括以下中的至少一项：所述乘客的个人信息、所述乘客的健康状况信息、所述乘客的就座信息、所述乘客的过去姿势信息、所述乘客的偏好坐姿以及驾驶环境信息。
3.根据权利要求1所述的设备，其中，所述乘客的所述第一乘坐舒适度信息是所述乘客的所述坐姿的评估信息。
4.根据权利要求1所述的设备，其中：
所述脑波信号包括θ波；并且
所述分析器被配置为当所述θ波的幅度大于或等于预定阈值时，确定所述乘客的状态为应激状态。
5.根据权利要求1所述的设备，其中：
所述脑波信号包括α波；并且
所述分析器被配置为当所述α波的幅度大于或等于预定阈值时，确定所述乘客的状态为舒适状态。
6.根据权利要求1所述的设备，其中：
所述脑波信号包括β波；并且
所述分析器被配置为当所述β波的幅度大于或等于预定阈值时，确定所述乘客的状态为应激状态。
7.根据权利要求1所述的设备，其中，当所述乘客的所述第一乘坐舒适度信息具有第一值时，所述分析器被配置为仅使用所述脑波信号中的预定的脑波信号来确定所述第二乘坐舒适度信息。
8.根据权利要求1所述的设备，其中，所述移动体包括座椅、方向盘、后视镜、控制台盒、导航装置和语音装置中的至少一项。
9.根据权利要求8所述的设备，其中，当将所述乘客的所述第二乘坐舒适度信息确定为第一状态时，所述控制器被配置为控制所述乘客的所述座椅、所述方向盘、所述后视镜和所述控制台盒中的至少一项的角度。
10.根据权利要求8所述的设备，其中，当将所述乘客的所述第二乘坐舒适度信息确定为第二状态时，所述控制器被配置为控制所述乘客的所述座椅、所述方向盘、所述后视镜和所述控制台盒中的至少一项的位置。
11.一种使用脑波信号确定乘客的乘坐舒适度的方法，所述方法包括：
基于关于移动体中的乘客的坐姿的信息，确定至少一名乘客的第一乘坐舒适度信息；
在预定时间内收集所述移动体中的所述乘客的脑波信号；
通过基于所述第一乘坐舒适度信息分析收集的所述脑波信号，确定通过校正所述第一乘坐舒适度信息而获得的第二乘坐舒适度信息；以及
基于确定的所述第二乘坐舒适度信息来控制所述移动体。
12.根据权利要求11所述的方法，其中，关于所述乘客的所述坐姿的信息包括以下中的至少一项：所述乘客的个人信息、所述乘客的健康状况信息、所述乘客的就座信息、所述乘客的过去姿势信息、所述乘客的偏好坐姿以及驾驶环境信息。
13.根据权利要求11所述的方法，其中，所述乘客的所述第一乘坐舒适度信息是所述乘客的所述坐姿的评估信息。
14.根据权利要求11所述的方法，其中：
所述脑波信号包括θ波；并且
确定所述第二乘坐舒适度信息包括：当所述θ波的幅度大于或等于预定阈值时确定所述乘客的状态为应激状态。
15.根据权利要求11所述的方法，其中：
所述脑波信号包括α波；并且
确定所述第二乘坐舒适度信息包括：当所述α波的幅度大于或等于预定阈值时确定所述乘客的状态为舒适状态。
16.根据权利要求11所述的方法，其中：
所述脑波信号包括β波；并且
确定所述第二乘坐舒适度信息包括：当所述β波的幅度大于或等于预定阈值时确定所述乘客的状态为应激状态。
17.根据权利要求11所述的方法，其中，确定所述第二乘坐舒适度信息包括：当所述乘客的所述第一乘坐舒适度信息具有第一值时，仅使用所述脑波信号中的预定的脑波信号来确定所述第二乘坐舒适度信息。
18.根据权利要求11所述的方法，其中，所述移动体包括座椅、方向盘、后视镜、控制台盒、导航装置和语音装置中的至少一项。
19.根据权利要求18所述的方法，其中，当将所述乘客的所述第二乘坐舒适度信息确定为第一状态时，控制所述移动体包括：控制所述乘客的所述座椅、所述方向盘、所述后视镜和所述控制台盒中的至少一项的角度。
20.根据权利要求18所述的方法，其中，当将所述乘客的所述第二乘坐舒适度信息确定为第二状态时，控制所述移动体包括：控制所述乘客的所述座椅、所述方向盘、所述后视镜和所述控制台盒中的至少一项的位置。
CN202011139194.5A 2019-10-29 2020-10-22 使用脑波信号确定乘客的乘坐舒适度的设备和方法 Pending CN112741629A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020190135833A KR20210051054A (ko) 2019-10-29 2019-10-29 뇌파 신호를 이용한 모빌리티 탑승자의 승차감 판단 장치
KR10-2019-0135833 2019-10-29

Publications (1)

Publication Number Publication Date
CN112741629A true CN112741629A (zh) 2021-05-04

Family

ID=75585036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011139194.5A Pending CN112741629A (zh) 2019-10-29 2020-10-22 使用脑波信号确定乘客的乘坐舒适度的设备和方法

Country Status (3)

Country Link
US (1) US11453406B2 (zh)
KR (1) KR20210051054A (zh)
CN (1) CN112741629A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113288170A (zh) * 2021-05-13 2021-08-24 浙江大学 一种基于模糊处理的脑电信号标定方法

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220274608A1 (en) * 2019-07-19 2022-09-01 Nec Corporation Comfort driving data collection system, driving control device, method, and program

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
MXPA06002836A (es) * 2000-06-16 2006-06-14 Bodymedia Inc Sistema para vigilar y administrar el peso corporal y otras condiciones fisiologicas, que incluyen la planeacion, intervencion y capacidad de reporte iterativa y personalizada.
JP4433739B2 (ja) * 2003-09-17 2010-03-17 横浜ゴム株式会社 作業中ストレス評価装置および作業中ストレス評価方法
US20080208015A1 (en) * 2007-02-09 2008-08-28 Morris Margaret E System, apparatus and method for real-time health feedback on a mobile device based on physiological, contextual and self-monitored indicators of mental and physical health states
US20110224875A1 (en) * 2010-03-10 2011-09-15 Cuddihy Mark A Biometric Application of a Polymer-based Pressure Sensor
US10796176B2 (en) * 2010-06-07 2020-10-06 Affectiva, Inc. Personal emotional profile generation for vehicle manipulation
US9809169B1 (en) * 2013-03-15 2017-11-07 Mouhamad A. Naboulsi Safety control system for vehicles
EP2857276B1 (en) * 2013-08-20 2018-12-12 Harman International Industries, Incorporated Driver assistance system
JP6552316B2 (ja) * 2015-07-29 2019-07-31 修一 田山 車輌の自動運転システム
US9988055B1 (en) * 2015-09-02 2018-06-05 State Farm Mutual Automobile Insurance Company Vehicle occupant monitoring using infrared imaging
MX2018002913A (es) * 2015-10-16 2018-06-07 Ford Global Tech Llc Climatizador mejorado.
JP6508008B2 (ja) * 2015-11-12 2019-05-08 株式会社デンソー 車両用ストレス解消装置
WO2017189748A1 (en) * 2016-04-29 2017-11-02 Freer Logic, Inc. Non-contact body and head-based monitoring of brain electrical activity
US20180082501A1 (en) * 2016-09-16 2018-03-22 Ford Global Technologies, Llc Integrated on-board data collection
US10192171B2 (en) * 2016-12-16 2019-01-29 Autonomous Fusion, Inc. Method and system using machine learning to determine an automotive driver's emotional state
US10710594B2 (en) * 2016-12-28 2020-07-14 Faurecia Automotive Seating, Llc Occupant-status prediction system
DE102017201405B4 (de) * 2017-01-30 2018-12-13 Audi Ag Verfahren zum Betreiben eines Kraftfahrzeugs
JP6998564B2 (ja) * 2017-02-08 2022-01-18 パナソニックＩｐマネジメント株式会社 覚醒度推定装置及び覚醒度推定方法
US10696249B2 (en) * 2017-02-10 2020-06-30 Koninklijke Philips N.V. Automatic car setting adjustments by identifying driver with health watch wearable or in-car sensors
MX2019010838A (es) * 2017-03-15 2019-12-19 Toyota Boshoku America Inc Asiento autoajustable de vehiculo.
US10474423B2 (en) * 2017-06-14 2019-11-12 GM Global Technology Operations LLC Systems and methods for soundscape selection in autonomous vehicles
US10902336B2 (en) * 2017-10-03 2021-01-26 International Business Machines Corporation Monitoring vehicular operation risk using sensing devices
WO2019111244A1 (en) * 2017-12-04 2019-06-13 Guardian Optical Technologies Ltd. Systems and methods for adjustment of vehicle sub-systems based on monitoring of vehicle occupant(s)
US10503970B1 (en) * 2017-12-11 2019-12-10 State Farm Mutual Automobile Insurance Company Method and system for identifying biometric characteristics using machine learning techniques
US11919531B2 (en) * 2018-01-31 2024-03-05 Direct Current Capital LLC Method for customizing motion characteristics of an autonomous vehicle for a user
US10836292B2 (en) * 2018-03-29 2020-11-17 Honda Motor Co., Ltd. System and method for providing massaging within a vehicle
US11086317B2 (en) * 2018-03-30 2021-08-10 Intel Corporation Emotional adaptive driving policies for automated driving vehicles
DE102018111596A1 (de) * 2018-05-15 2019-11-21 Motherson Innovations Company Limited Verfahren, Vorrichtung und System zum Beeinflussen zumindest eines Fahrassistenzsystems eines Kraftfahrzeugs
WO2019221240A1 (ja) * 2018-05-16 2019-11-21 社会医療法人蘇西厚生会 まつなみリサーチパーク 安全運転支援システム
EP3837137A4 (en) * 2018-06-26 2022-07-13 Itay Katz CONTEXT DRIVER MONITORING SYSTEM
US11027764B2 (en) * 2018-06-27 2021-06-08 Toyota Motor Engineering & Manufacturing North America, Inc. Vehicle driving mode safety system
US11584379B2 (en) * 2018-08-06 2023-02-21 Honda Motor Co., Ltd. System and method for learning naturalistic driving behavior based on vehicle dynamic data
KR20200027236A (ko) * 2018-09-04 2020-03-12 현대자동차주식회사 차량 및 그 제어 방법
JP7147569B2 (ja) * 2019-01-15 2022-10-05 トヨタ自動車株式会社 運転支援装置
US11186241B2 (en) * 2019-01-30 2021-11-30 Cobalt Industries Inc. Automated emotion detection and environmental response
WO2020160331A1 (en) * 2019-01-30 2020-08-06 Cobalt Industries Inc. Systems and methods for verifying and monitoring driver physical attention
US10525850B1 (en) * 2019-07-31 2020-01-07 Capital One Services, Llc Automatic vehicle configuration based on sensor data
US11001267B2 (en) * 2019-08-01 2021-05-11 Lear Corporation Method and system for proactively adjusting vehicle occupant biometric monitor in view of upcoming road conditions
KR20210047477A (ko) * 2019-10-22 2021-04-30 현대자동차주식회사 오류 모니터링을 이용한 운전자 숙련용 주행 모델 생성 장치 및 방법
EP3882114B1 (en) * 2020-03-19 2023-09-20 Honda Research Institute Europe GmbH System for estimating riding posture
CN111861128B (zh) * 2020-06-20 2024-03-22 清华大学 自动驾驶车辆人机协同操纵过程的接管舒适性评价方法、系统及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113288170A (zh) * 2021-05-13 2021-08-24 浙江大学 一种基于模糊处理的脑电信号标定方法

Also Published As

Publication number Publication date
US20210122381A1 (en) 2021-04-29
KR20210051054A (ko) 2021-05-10
US11453406B2 (en) 2022-09-27

Similar Documents

Publication Publication Date Title
Kim et al. Error-related negativity in children: effect of an observer
Gao et al. Attentional biases among body-dissatisfied young women: An ERP study with rapid serial visual presentation
CN113002556A (zh) 使用脑波信号提供定制的移动体驾驶路径的设备和方法
US20230414162A1 (en) Apparatus and method for monitoring a driver with epilepsy using brain waves
CN112741629A (zh) 使用脑波信号确定乘客的乘坐舒适度的设备和方法
CN112784397A (zh) 利用错误监控生成驾驶员熟练用的驾驶模型的装置和方法
Schneider et al. Effects of a seat-integrated mobilization system during passive driver fatigue
CN112861097A (zh) 利用脑电波的移动工具用户认证装置和方法
CN112141116A (zh) 利用错误监测的移动体控制方法和装置
CN112744220A (zh) 利用脑波生成图像的装置和方法
Sugiono et al. THE IMPACT OF ROAD COMPLEXITYON THE PSYCHOPHYSIOLOGICAL LOAD EXPERIENCED BY CAR DRIVERS USING ELECTROENCEPHALOGRAPHY (EEG) MEASUREMENT OF BRAINWAVES
US11315413B2 (en) Traffic accident analysis system using error monitoring
US20210181734A1 (en) Apparatus and Method for Controlling Emergency Driving Situation Using Brain Wave
US11983255B2 (en) Mobility user authentication apparatus and method using brain wave
Rechichi Habit and neural fatigue: A study finalised to the development of a BCI for locked-in subjects based on single trial EEG
CN112693467A (zh) 使用脑波信号选择商品的设备和方法
CN112216098A (zh) 错误监测设备及方法、交通控制服务器、交通监控系统
House Evaluation of a Motor Imagery Electroencephalography Brain-computer Interface as an Access Technology for Children
Obereisenbuchner The effects of expectancy and control on the perception of ego-motion in space: a combined postural and electrophysiological study
Yousefi Towards Development of a Robust Asynchronous EEG-BCI using Error-Related Potentials
Shaw EEG Power Differences Underlying Social Anxiety and Anhedonia in Autistic Adults
Parui EEG SIGNAL ANALYSIS FOR LEARNING AND WORKING MEMORY MODELING
Mary et al. A Comparative Study on the Emotional Behavior of Humans towards Color using the P300 Component
Kozhokar Formulating Predictions of Future Errors Using Classification Analysis of EEG in a Multi-Component Environment
Hong et al. Study of adaptive assisting effect of auditory-visual alert for elderly drivers using physiological signals

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination