Physiologically Grounded Driver Behavior Classification: SHAP-Driven Elite Feature Selection and Hybrid Gradient Boosting for Multimodal Physiological Signals

Resumo Técnico: Classificação de Comportamento do Condutor Fundamentada Fisiologicamente

Declaração do Problema
As lesões no trânsito rodoviário permanecem uma preocupação crítica de saúde pública global, com aproximadamente 94% dos acidentes atribuídos a fatores humanos, como distração, fadiga e desatenção. Embora os sistemas convencionais de monitoramento do condutor dependam da cinemática do veículo (por exemplo, variabilidade na direção, desvio de faixa) ou de técnicas baseadas em visão (por exemplo, rastreamento ocular), esses métodos frequentemente capturam os resultados de falhas cognitivas em vez dos processos fisiológicos subjacentes. Embora a eletroencefalografia (EEG) ofereça resolução temporal de nível de milissegundos da atividade neural, ela sofre de resolução espacial limitada e suscetibilidade a ruídos em ambientes do mundo real. Além disso, as abordagens de aprendizado profundo, embora promissoras, frequentemente carecem de interpretabilidade e exigem grandes volumes de dados rotulados, dificultando sua implantação em cenários críticos para a segurança e com recursos limitados. Há uma necessidade de um framework interpretável e escalável que aproveite sinais fisiológicos multimodais (EEG, eletromiografia [EMG] e resposta galvânica da pele [GSR]) para decodificar comportamentos de direção com alta precisão e transparência.

Metodologia
O estudo propõe um framework utilizando o conjunto de dados Multimodal Physiological Driving Behavior (MPDB), que contém sinais sincronizados de EEG de 64 canais, EMG de 4 canais e GSR de canal único de 30 participantes realizando tarefas de direção simulada. A metodologia consiste em quatro etapas principais:

1. Pré-processamento e Sincronização:

   • Processamento de Sinais: Os sinais brutos (originalmente a 1000 Hz) foram reamostrados para 500 Hz. Os dados de EEG passaram por filtragem passa-banda (0,5–40 Hz), remoção de artefatos via Análise de Componentes Independentes (ICA) utilizando o algoritmo Infomax e exclusão de canais não cerebrais, resultando em 59 canais de EEG utilizáveis. Os sinais de EMG foram filtrados (20–240 Hz) com filtragem rejeita-faixa para remover interferência da rede elétrica, enquanto o GSR foi filtrado (0,1–35 Hz).
   • Segmentação: Os eventos foram extraídos usando uma janela de 2,0 segundos (de $t = -0,5$s a $t = +1,5$s em relação ao início do evento).
   • Fusão: O alinhamento multimodal foi alcançado por meio de correspondência híbrida entre modalidades com verificação estrita de ID do Evento, seguido por correção de linha de base e concatenação no eixo dos canais.

2. Extração de Características:
   Um pipeline específico de domínio extraiu 503 características iniciais, categorizadas em:

   • Domínio do Tempo: Comprimento da linha (LL), variância das derivadas e mudança absoluta máxima.
   • Domínio da Frequência: Densidade Espectral de Potência (PSD) estimada via método de Welch em bandas específicas (por exemplo, Delta, Theta, Alpha, Beta, Gamma para EEG; Baixa, Média, Alta para EMG).
   • Índices Derivados: Indicadores globais, como a razão Alpha/Theta do EEG e o índice de assimetria do EMG.

3. Seleção de Características de Elite Baseada em SHAP:
   Para abordar a alta dimensionalidade e prevenir o sobreajuste, foi empregada uma estratégia baseada em SHAP (SHapley Additive exPlanations). Um modelo auxiliar XGBoost calculou a importância global das características em todas as amostras e classes. As 250 principais características foram retidas, reduzindo a dimensionalidade em aproximadamente 50% enquanto preservava 81% do poder preditivo do modelo. Esta seleção foi realizada exclusivamente nos dados de treinamento para evitar vazamento de informações.

4. Aprendizado de Conjunto Híbrido:
   A classificação final utilizou um ensemble de votação suave ponderada dos modelos XGBoost e LightGBM. Os hiperparâmetros para ambos os modelos foram otimizados usando otimização bayesiana (via o framework Optuna) com a pontuação macro-F1 como objetivo. O peso ótimo do ensemble foi determinado como $\alpha = 0,35$ para XGBoost e $0,65$ para LightGBM. O desequilíbrio de classes foi tratado usando pesos de amostra balanceados inversamente proporcionais à frequência da classe.

Principais Contribuições

• Pipeline Robusto: Desenvolvimento de um pipeline de pré-processamento e extração de características incorporando remoção de artefatos baseada em ICA, sincronização multimodal e processamento em fluxo para o conjunto de dados MPDB.
• Seleção Orientada por SHAP: Implementação de uma abordagem de seleção de características de elite baseada em SHAP que reduz significativamente a dimensionalidade enquanto melhora a eficiência e a interpretabilidade do modelo.
• Framework de Ensemble Híbrido: Criação de um ensemble de última geração combinando XGBoost e LightGBM, otimizado via métodos bayesianos, especificamente adaptado para dados fisiológicos multimodais.
• Interpretabilidade: Análise abrangente usando valores SHAP para validar a plausibilidade fisiológica do modelo, vinculando a importância das características a marcadores neurofisiológicos estabelecidos.

Resultados
O framework proposto foi avaliado em um conjunto de teste retido ($n = 3.577$) em quatro classes de comportamento de direção: Freio, Mudança (Mudança de Faixa), Acelerador e Curva.

• Desempenho: O ensemble alcançou uma precisão de teste de 80,91% e uma pontuação macro-F1 de 0,79.
• Comparação: Isso superou significativamente as linhas de base tradicionais de aprendizado de máquina, incluindo Random Forest (72,99% de precisão), KNN (64,91%), SVM (53,56%) e Regressão Logística (56,05%).
• Estudos de Ablação:
  • Necessidade Multimodal: A abordagem multimodal completa rendeu uma melhoria de 8% na precisão sobre o melhor modelo de modalidade única (apenas EEG, 72,85%).
  • Sinergia de Modalidades: A fusão par a par de EEG e EMG alcançou 76,15% de precisão, indicando forte sinergia cognitivo-motora, embora a fusão completa (incluindo GSR) tenha proporcionado um ganho adicional de 4,7%.
  • Desempenho por Classe: O modelo mostrou maior confiabilidade para os comportamentos de Freio (F1: 0,83) e Curva (F1: 0,81). A classe Acelerador foi a mais desafiadora (F1: 0,69), provavelmente devido a manifestações fisiológicas mais sutis em comparação com manobras abruptas.
• Interpretabilidade: A análise SHAP revelou que o EEG contribuiu com a maior parte do peso preditivo (75,2%), seguido por EMG (19,4%) e GSR (5,4%). No entanto, características específicas de alto impacto incluíram componentes fásicos do GSR (críticos para frenagem) e assimetria do EMG (crítica para curvas), validando a natureza complementar das modalidades.

Significado
O artigo afirma que este trabalho oferece uma alternativa prática e transparente ao aprendizado profundo ponta a ponta para reconhecimento de comportamento de condutor multimodal. Ao combinar engenharia de características informada fisiologicamente com aprendizado de ensemble baseado em árvores explicável, o framework alcança alta precisão sem as limitações de "caixa preta" das redes neurais profundas. Os resultados validam que a fusão multimodal é essencial para o monitoramento robusto do condutor, pois nenhum fluxo fisiológico único é suficiente para capturar a complexidade de eventos de direção dinâmicos. O estudo estabelece uma nova linha de base de última geração no conjunto de dados MPDB, demonstrando que características cuidadosamente projetadas combinadas com gradient boosting otimizado podem rivalizar ou exceder arquiteturas complexas de aprendizado profundo, enquanto fornecem interpretabilidade crítica para aplicações críticas para a segurança.