基于脑电图N2成分探测自动驾驶车辆不可接受行为的神经机制研究

本研究针对自动驾驶车辆（AV）在左转等高风险场景中可能出现的与人类预期不符行为，通过事件相关电位（ERP）技术，发现N2成分（251-431 ms）在行为 incongruent（不一致）条件下显著增强，表明EEG可作为识别AV不可接受行为的有效神经标记，为构建人车交互的脑机接口预警系统提供理论基础。

　　

随着高度自动驾驶车辆（AV）逐渐走向现实道路，它们在提升交通安全性、能源效率和社会包容性方面展现出巨大潜力。然而，即使获得联邦批准，AV的非人类特性可能导致其行为虽然合法，却不符合人类用户的社交期待或个人偏好，这种“不可接受行为”可能引发用户的焦虑、不信任，甚至抵制使用AV。特别是在左转通过迎面车流这类高风险、时间紧迫的驾驶场景中，如何实时、无干扰地识别用户对AV行为的接受度，成为人车交互领域的关键难题。

传统问卷方法难以在动态驾驶过程中捕捉用户的瞬时感知，而生理测量技术如脑电图（EEG）因其高时间分辨率和移动化解决方案，成为研究动态交通场景下人类认知过程的理想工具。其中，事件相关电位（ERP）作为大脑对特定事件的毫秒级响应，能够揭示认知冲突、预期违背等心理过程。尽管ERP在简化实验任务（如Eriksen Flanker任务、Stroop任务）中已广泛研究，但将其应用于复杂、动态的真实交通场景仍属空白。

为此，研究人员开展了一项创新性研究，通过模拟自动驾驶左转场景，结合EEG记录，探究用户对AV行为的神经响应。该研究发表于《Scientific Reports》，首次系统分析了AV行为一致性对ERP成分（N1、P2、N2、P3）的调制作用，为未来开发基于ERP的脑机接口（BCI）设备提供了重要依据。

研究主要采用以下关键技术方法：

1. 1.

   实验设计：使用SILAB驾驶模拟软件生成左转通过迎面车流的视频序列，模拟AV行为；

2. 2.

   数据采集：通过32通道actiCAP snap系统记录EEG信号，参考电极为鼻尖，垂直眼电（EOG）电极置于右眼下，采样率1000 Hz；

3. 3.

   数据处理：使用FieldTrip工具箱进行预处理，包括滤波（0.1-35 Hz）、独立成分分析（ICA）去除眼动和肌电伪迹、基线校正（-500至0 ms）；

4. 4.

   ERP分析：通过峰值检测算法确定N1（Oz电极）、P2（Fz）、N2（Fz）、P3（Cz）的时间窗口，并进行条件间（一致 vs 不一致）的方差分析（ANOVA）和相关性检验。

行为结果

参与者在69.95%的试验中选择“转弯”，30.05%选择“等待”。一致性条件下，AV行为的接受度评分显著高于不一致条件（t(32)=12.02, p<0.001, d=2.09），表明参与者对符合自身预期的行为更为认可。尽管AV从未发生事故，但不一致条件下的接受度评分分布较宽，提示不同用户对“不可接受”的定义存在差异。

EEG结果

在N2成分（251-431 ms）中，不一致条件引发显著更大的负向振幅（F(1,32)=15.14, p<0.001, η_p²=0.32），且该效应在前部电极（Fz）最为明显。探索性分析显示，前部N2振幅差与接受度评分差呈正相关（r=0.47, p=0.006），表明神经响应与主观评价一致。

其他ERP成分未显示条件间差异：N1（142-182 ms）和P2（177-237 ms）的振幅无显著变化，P3（439-689 ms）虽在前后电极表现出典型P3a地形图（前部优势），但条件间无差异。N1的枕区负向分布验证了ERP数据的可靠性，反映了视觉注意处理。

讨论与结论

本研究首次在动态交通场景中成功捕获到与AV行为一致性相关的ERP调制，特别是N2成分的增强响应。N2的广泛分布（前-后-外侧）表明其涉及多种认知功能组合，包括冲突监测、抑制控制和视觉注意，而非单一机制。这与基础研究中N2作为“显著事件标记”的功能一致，适用于AV行为违背预期的场景。

值得注意的是，不一致条件中AV常表现为“等待”（而非行动），说明即使无视觉场景变化，神经系统仍能检测到行为违背。这为未来BCI应用提供了乐观前景：即使在不涉及事故的常见交通场景中，ERP信号也可用于实时识别用户感知的临界情况。

然而，P2和P3缺乏条件间差异，提示刺激-响应映射（P2）和注意定向（P3a）在一致与不一致条件下均等重要。AV左转行为本身可能即构成“显著事件”，引发普遍的P3a响应。

研究局限性包括未模拟真实事故场景（因伦理和可行性），以及试验设计中一致条件更多涉及“转弯”行动。未来研究需进一步区分接受度层级，并在更接近实际的应用环境（如 Wizard of Oz 车载实验）中验证结果可靠性。

总之，本研究证实了ERP技术在复杂动态刺激材料中的适用性，揭示了N2成分作为AV行为接受度神经标记的潜力。通过将基础心理生理学研究与应用人机交互开发相结合，这项工作为未来开发基于单试次分类器的实时BCI系统奠定了基石，有望增强AV的用户接受度和安全性。