Resumen Técnico: Predicción de la Carga Cognitiva en Escenarios de Conducción Inmersivos con un Modelo Híbrido CNN-RNN

1. Planteamiento del Problema

El artículo aborda el desafío crítico de predecir la carga cognitiva (CC) del conductor bajo condiciones de conducción de alto estrés en el mundo real. Si bien la literatura existente utiliza ampliamente señales fisiológicas para evaluar la carga cognitiva, la mayoría de los estudios se centran en niveles de carga moderados o bajos dentro de entornos simplificados (por ejemplo, autopistas monótonas sin tráfico). Además, investigaciones previas suelen depender de la clasificación binaria (por ejemplo, fatigado vs. alerta) y descuidan factores ambientales complejos como la conducción nocturna y el clima adverso (lluvia).

Este estudio se dirige específicamente a la predicción de tres niveles distintos de carga cognitiva (baja, moderada, alta) inducidos por una tarea de n-back auditiva mientras los conductores operan en un simulador de conducción bajo condiciones de baja visibilidad (conducción nocturna y clima lluvioso). La investigación tiene como objetivo superar las limitaciones de modelos previos mediante la integración de fuentes de datos multimodales —espectroscopia de infrarrojo cercano funcional (fNIRS), seguimiento ocular (eye-tracking) y métricas de comportamiento de conducción— dentro de un entorno de simulación realista con tráfico.

2. Metodología

2.1 Recolección de Datos y Configuración Experimental

• Participantes: 10 adultos sanos (9 hombres, 1 mujer).
• Entorno: Un simulador de conducción ("Next Level Racing Motion Platform V3") utilizando Euro Truck Simulator 2 para simular condiciones nocturnas y tormentosas en una autopista (límite de velocidad de 100 km/h).
• Tarea Cognitiva: Una versión auditiva de la tarea n-back con tres niveles de dificultad (0-back, 1-back y 2-back) que sirvió como inductor de la carga cognitiva secundaria.
• Modalidades de Datos:
  • Fisiológicos: fNIRS (dispositivo OBELAB, 204 canales) y seguimiento ocular (gafas Pupil Core).
  • Comportamiento de Conducción: Dinámica del vehículo incluyendo velocidad, velocidad angular (X, Y, Z), aceleración lineal (X, Y, Z), ángulo del volante, respuesta del acelerador y respuesta del freno (registrados a través del SDK de ETS2).

2.2 Preprocesamiento de Datos

• Normalización: Se aplicaron funciones de escalado estándar para normalizar todas las características a una media de cero y una desviación estándar de uno.
• Sincronización: Los datos del simulador de conducción (alta frecuencia) se submuestrearon para coincidir con la tasa de muestreo de las señales de fNIRS y de seguimiento ocular para asegurar la alineación temporal.
• Selección de Características: Los autores emplearon el Extra Trees Classifier para calcular la importancia de las características (importancia Gini) y seleccionar el subconjunto óptimo de características. Esto se comparó con métodos tradicionales: Análisis de Componentes Principales (PCA), Análisis de Varianza (ANOVA) y Umbral de Varianza (Variance Threshold).
  • Selección de fNIRS: Se seleccionaron los 20 canales superiores basados en la importancia de Extra Trees, revelando que los canales de oxigenación ("O2") eran más prevalentes que los de desoxigenación ("R").
  • Selección de Comportamiento de Conducción: La velocidad del coche y la respuesta del acelerador fueron identificadas como las características más significativas, mientras que la respuesta del freno mostró una menor importancia en comparación con los hallazgos previos basados en ANOVA.

2.3 Arquitectura Propuesta: Híbrida CNN-RNN

El estudio propone una arquitectura de red neuronal que combina Redes Neuronales Convolucionales 1D (CNN) y Redes Neuronales Recurrentes (RNN) para capturar dependencias espaciales y temporales en los datos.

• Entrada: Datos multimodales normalizados (fNIRS, seguimiento ocular, comportamiento de conducción).
• Etapa 1 (Extracción de Características Espaciales): Dos capas convolucionales 1D con tamaños de núcleo de 3 y canales de salida de 16 y 32, respectivamente, seguidas de funciones de activación ReLU.
• Etapa 2 (Modelado Temporal): Una capa RNN (configurada con 2 capas, tamaño de entrada 32, tamaño oculto 64) para capturar las dependencias secuenciales y la evolución temporal de la carga cognitiva.
• Capa de Salida: La salida de la RNN es aplanada (flattened), pasa por una capa totalmente conectada (tamaño 64) y es procesada por una función de activación sigmoide para la clasificación.
• Entrenamiento: El modelo fue entrenado utilizando el optimizador Adam (tasa de aprendizaje 0.001) y la función de pérdida de entropía cruzada durante 1000 épocas con una división de entrenamiento/validación de 70/30.

3. Contribuciones Clave

1. Nueva Combinación de Datos: Este es el primer estudio, según los autores, que combina fNIRS, seguimiento ocular y datos de comportamiento de conducción específicamente para predecir tres niveles de carga cognitiva en condiciones de baja visibilidad y clima adverso (noche/lluvia).
2. Selección de Características Avanzada: La aplicación del método de clasificación Extra Trees para la selección de características demostró un rendimiento superior en la identificación de características relevantes en comparación con los métodos ANOVA, PCA y Umbral de Varianza.
3. Eficiencia del Modelo Híbrido: La arquitectura propuesta CNN-RNN logra una alta precisión con menos parámetros que el modelo Conv-LSTM anterior de los autores, demostrando una mayor eficiencia en la captura de patrones espaciotemporales complejos.
4. Enfoque en Escenarios Realistas: A diferencia de muchos estudios previos que utilizan escenarios de autopista monótonos, este trabajo valida los modelos bajo condiciones desafiantes (noche/lluvia) con una simulación de tráfico activa.

4. Resultados

El modelo propuesto fue evaluado contra varios métodos de extracción de características y un modelo base CNN-LSTM previo.

• Rendimiento de la Selección de Características:

  • Extra Trees produjo el rendimiento más alto: 99.91% de Precisión, 0.9991 de F1-score, y 0.9999 de AUC.
  • ANOVA logró un 99.60% de Precisión.
  • PCA y Umbral de Varianza tuvieron un rendimiento significativamente inferior (aproximadamente 90.6% y 97.8% respectivamente).
  • Las matrices de confusión confirmaron que el método Extra Trees resultó en una clasificación errónea insignificante en comparación con otros métodos.

• Comparación de Modelos (CNN-RNN vs. CNN-LSTM):

  • Datos Combinados (Fisiológico + Conducción): El modelo CNN-RNN mejoró la precisión del 99.82% (CNN-LSTM) al 99.99%.
  • Solo Datos de Comportamiento de Conducción: El modelo CNN-RNN mostró una mejora significativa, aumentando la precisión del 87.26% al 92.02%.

• Perspectivas de Importancia de Características:

  • El análisis de fNIRS indicó que los niveles de oxigenación son más críticos para la predicción de la CC que los niveles de desoxigenación.
  • El análisis del comportamiento de conducción destacó la velocidad del coche y la respuesta del acelerador como indicadores primarios, con el freno mostrando una menor correlación bajo el método Extra Trees en comparación con los hallazgos previos de ANOVA.

5. Significado y Reivindicaciones

El artículo sostiene que la integración de CNNs para la extracción de características espaciales y RNNs para el modelado de secuencias temporales, combinada con Extra Trees para la selección de características, proporciona un marco robusto para predecir la carga cognitiva. El estudio destaca que:

• La arquitectura propuesta es más eficiente (menos parámetros) y precisa que los enfoques Conv-LSTM previos.
• El método Extra Trees reduce eficazmente la dimensionalidad mientras retiene las características más informativas, evitando el sobreajuste en los datos de alta dimensión de fNIRS.
• El modelo sigue siendo efectivo incluso cuando depende únicamente de los datos de comportamiento de conducción, lo que sugiere potencial para sistemas que no requieren sensores fisiológicos invasivos.

Los autores concluyen que este enfoque mejora la fiabilidad de la evaluación de la carga cognitiva en escenarios de conducción complejos del mundo real, ofreciendo una base para Sistemas Avanzados de Asistencia al Conductor (ADAS).

6. Limitaciones y Direcciones Futuras (según los autores)

El artículo mantiene un alcance modesto respecto a sus afirmaciones y señala explícitamente las siguientes limitaciones y direcciones futuras:

• Tamaño de la Muestra: El estudio involucró una cohorte pequeña (10 participantes), lo que requiere validación con muestras más grandes.
• Alcance de la Tarea: La investigación se centró únicamente en la carga cognitiva impuesta por la tarea secundaria n-back, no en todo el espectro de demandas externas que enfrentan los conductores.
• Niveles de Dificultad: Solo se examinaron tres niveles de dificultad.
• Trabajo Futuro: Los autores sugieren que la investigación futura debería centrarse en:
  • Validar los hallazgos con conjuntos de datos más grandes y diversas condiciones de conducción.
  • Explorar la predicción utilizando únicamente la dinámica del vehículo.
  • Utilizar simuladores de movimiento con un mayor grado de libertad y un sistema de compensación de movimiento avanzado.
  • Investigar diferentes tipos de tareas secundarias para comprender las variadas respuestas fisiológicas y de la dinámica del vehículo.