Leistung optimieren

Dieser Gastbeitrag wurde von Fanny Lyrheden von Smart Eye verfasst und für iMotions.com adaptiert.

Was macht einen guten Fahrer aus?

Wir alle können unsere Fahrkünste auf unterschiedliche Weise verbessern. Doch was passiert, wenn man einen Fahrer in eine Situation versetzt, die weit über das hinausgeht, was die meisten von uns gewohnt sind? Eine Möglichkeit, diese Frage zu beantworten, besteht darin, sich mit dem Hochleistungsfahren auseinanderzusetzen.

Das Fahren mit Geschwindigkeiten, die auf einer Rennstrecke als normal gelten, kann für normale Autofahrer nur als extreme Fahrbedingungen beschrieben werden. Hochleistungsfahrer geraten ständig in Situationen, in denen sie schnell und mit sehr wenigen Informationen komplexe Entscheidungen treffen müssen. Um den Druck auf den Fahrer in dieser Situation noch zu erhöhen, haben diese Entscheidungen enorme Konsequenzen, sei es in Form von Zeitverlust oder, schlimmer noch, eines Unfallwagens und eines verletzten Fahrers.

Laut Rennfahrlehrern liegt der größte Engpass bei dem Bestreben, unter Wahrung der Sicherheit schneller zu fahren, in der Fähigkeit des Fahrers, Geschehnisse effektiv wahrzunehmen, blitzschnelle Entscheidungen zu treffen und das Fahrzeug treffsicher zu steuern. Dies erfordert nicht nur jahrelanges Training, sondern auch ein gezieltes Training, das die kognitiven Fähigkeiten des Fahrers auf ganz bestimmte Weise formt.

Doch wie wählen Ausbilder die richtigen Situationen und Erfahrungen aus, um die kognitiven Fähigkeiten des Fahrers – wie Vorausschau und Aufmerksamkeit – so zu fördern, dass die Verzögerung zwischen Wahrnehmung, Entscheidung und Reaktion verringert wird? Und wie können Forscher den Lernprozess bei Fahrern während des Lernens effektiv messen?

In dieser Studie haben wir die Eye-Tracking-Technologie von Smart Eye und die biometrische Analyseplattform von iMotions auf eine harte Probe gestellt: Wir haben die physiologischen Signale von Rennfahrern unter extremen Bedingungen in aussagekräftige Erkenntnisse umgewandelt, die ihnen helfen, ihre Fahrkünste zu verbessern.

Die Bondurant-Studie: Wie bewährt sich unsere Technologie unter extremen Bedingungen?

Im September 2020 reiste Aaron Galbraith, Senior Sales Engineer bei Smart Eye, nach Arizona, um vor Ort in der Bondurant High Performance Driving School gemeinsam mit einem Fahrtrainer für sportliches Fahren Daten im Rahmen eines Pilotprojekts zu erheben. Die Bondurant High Performance Driving School (mittlerweile umbenannt in Radford Racing School) ist auf den Unterricht im Hochleistungsfahren spezialisiert, bietet aber auch Alltagsfahrern die Möglichkeit, ihre Fähigkeiten zu verbessern. Die Rennstrecke in Chandler, Arizona, bietet in einer Wüstenumgebung zahlreiche anspruchsvolle Fahrsituationen. Um die gewünschten Ergebnisse aus der Studie zu erzielen, hatte der Kunde eine Reihe von Anforderungen definiert:

1. Das System von Smart Eye musste in der Lage sein, festzustellen, ob der Fahrschüler durch die Windschutzscheibe, durch das Fenster auf der Fahrerseite oder durch das Fenster auf der Beifahrerseite schaute.
2. Das System musste außerdem in der Lage sein, aufzuzeichnen und wiederzugeben, wohin der Fahrschüler bei schwierigen Kurvenfahrten und Manövern blickte. Auf diese Weise konnte der Fahrlehrer Feedback geben, um dem Fahrschüler zu verdeutlichen, was er falsch gemacht hatte, und ihm dabei helfen, Fehlverhalten beim Fahren sofort zu korrigieren.
3. Nach der Schulung wollte der Kunde Videoaufnahmen der Gesichter der Fahrer erhalten, um diese in seinen Bericht aufzunehmen.
4. Schließlich wollte der Kunde die Fahrzeugdaten – darunter Beschleunigung, Bremsvorgänge, Lenkwinkelsensoren und mehr – mit anderen biometrischen Daten wie Blickrichtung oder Emotionen verknüpfen, um zu vergleichen, wie sich der Fahrschüler in diesem Moment fühlte und wie das Fahrzeug in diesem Moment gesteuert wurde.

Datenerfassung im Rennwagen: Besondere Herausforderungen und kreative Lösungen

Um unserem Kunden möglichst präzise Eye-Tracking-Daten zu liefern, haben wir unseren modernsten Remote-Eye-Tracker eingesetzt: den Smart Eye Pro.

Smart Eye Pro bietet die beste Kombination aus Kopfhalterung, Sichtfeld und Blickgenauigkeit auf dem Markt. Zudem handelt es sich um ein unglaublich flexibles System, das dafür bekannt ist, unter allen Umständen präzise Ergebnisse zu liefern. Aber würde es auch unter so extremen Bedingungen wie auf der Rennstrecke der Bondurant High Performance Driving School bestehen können? Vor Ort standen wir vor einigen besonderen Herausforderungen, die Smart Eye Pro auf eine harte Probe stellten:

Montage der Kameras

Smart Eye Pro nutzt mehrere Kameras, die frei im Fahrzeuginnenraum platziert werden können. In dieser Studie war es den Fahrlehrern jedoch nicht gestattet, dauerhafte Veränderungen am Fahrzeug vorzunehmen. Das bedeutete beispielsweise, dass die Kameras nicht durch Bohren von Löchern im Armaturenbrett oder im Bereich der Mittelkonsole am Fahrzeug befestigt werden durften. Die Lösung bestand in der Verwendung von doppelseitigem Klebeband, mit dem die Kameras an den Innenflächen des Fahrzeugs befestigt wurden. Obwohl dies nicht so sicher ist wie eine feste Befestigungslösung, hielt das doppelseitige Klebeband angesichts der hohen Belastung, der das System ausgesetzt war, tatsächlich unglaublich gut. In dieser Situation war die Flexibilität des Systems von großem Vorteil, da die Smart Eye Pro-Kameras in jeder Umgebung flexibel platziert werden können. Das System ist zudem unauffällig, was bedeutet, dass die Testpersonen keine Brillen oder Kopfbedeckungen tragen müssen, um verfolgt zu werden. Aus diesem Grund konnten die Kameras neu positioniert werden, um die bestmögliche Sicht auf den Kopf und die Augen des Fahrers zu gewährleisten und gleichzeitig ein sehr realistisches Fahrerlebnis für den Fahrer zu bieten.

Fahrzeugvibrationen

Es gibt kaum eine anspruchsvollere Umgebung für ein System als einen Rennwagen. Zwischen extremer Beschleunigung, Verzögerung, Bremsen und Kurvenfahrten – das Fahrzeug wird buchstäblich auf Herz und Nieren geprüft. Angesichts all dieser potenziellen Probleme waren wir sehr erfreut zu sehen, wie gut die Kamerakalibrierung des Smart Eye Pro sich bewährt hat.

Die Bondurant-Studie hat gezeigt, dass Smart Eye Pro zwar ein hochmodernes System für Forschungszwecke ist, sich jedoch nicht auf statische Forschungsumgebungen wie Labore oder stationäre
Fahrzeugsimulatoren beschränkt.

Die Anzahl der Kameras

Wie viele Kameras wären erforderlich, um den Blick des Fahrers zu erfassen?

Einer der Vorteile von Smart Eye Pro ist seine Skalierbarkeit. Das bedeutet, dass die Anzahl der benötigten Kameras vom jeweiligen Anwendungsfall abhängt.

Für diese Studie entschieden wir uns für die herkömmliche Fahrzeugkonfiguration von Smart Eye: drei Kameras auf dem Armaturenbrett und eine Kamera neben der Mittelkonsole. Dies gewährleistet eine sehr gute Erfassung der Windschutzscheiben, der Seitenspiegel, des Kombiinstruments und der Mittelkonsole. Wir hätten jedoch ähnliche Ergebnisse bei der Blickverfolgung erzielen können, wenn wir die Anzahl der Kameras auf die drei auf dem Armaturenbrett reduziert hätten, da Bondurant kein Interesse an der Blickverfolgung im Bereich der Mittelkonsole hatte.

Deutliche Unterschiede bei der Beleuchtung

Smart Eye Pro funktioniert unter allen Lichtverhältnissen. Da das System ausschließlich das von seinen Blitzlichtern erzeugte Licht nutzt, stellt externes oder Umgebungslicht in der Regel kein Problem dar. Auf der Bondurant-Rennstrecke war der Lichtunterschied zwischen dem Innenraum und dem Außenbereich des Fahrzeugs jedoch so extrem, dass wir kreativ werden mussten. Der ursprüngliche Plan war, eine Schulterkamera zu verwenden, doch aufgrund des Kontrasts in der Beleuchtung war dies nicht möglich. Stattdessen haben wir die Kamera in iMotions als nach vorne gerichtete Reaktionskamera umfunktioniert und konnten dann die Affectiva-Datenbank in iMotions nutzen, um die Emotionen des Fahrers zu erkennen. Doch darauf werden wir in Kürze noch zurückkommen.

Extreme Temperaturen

Während unseres Besuchs sorgte die Augustsonne in Arizona für Temperaturen von bis zu 119 Grad Fahrenheit (48 Grad Celsius). Dennoch hielt die Befestigungslösung mit doppelseitigem Klebeband von einem Tag zum nächsten stand. Und da der Fahrzeuginnenraum klimatisiert war, blieb die Innentemperatur deutlich innerhalb der normalen Betriebsgrenzen des Systems.

Datenanalyse: Wie man aus den vor Ort gesammelten Daten tatsächlich Erkenntnisse gewinnt

Trotz schwieriger Umstände ist es uns gelungen, auf der Rennstrecke von Bondurant sehr wertvolle Daten zu sammeln. Doch wie analysieren wir diese Daten, um aussagekräftige Erkenntnisse aus der Trainingseinheit zu gewinnen?

Kann die Analyse biometrischer Daten dazu beitragen, die Fahrfähigkeiten der Menschen zu verbessern?

Zunächst möchten wir kurz erläutern, was wir unter biometrischer Datenanalyse verstehen. Die biometrische Forschung befasst sich mit der Untersuchung physiologischer Signale des Körpers – wie Herzfrequenz, Blickbewegungen oder Schweißproduktion –, um Merkmale aufzudecken, die mit Emotionen, Aufmerksamkeit, Kognition und physiologischer Erregung zusammenhängen. Dies bietet Forschern die Möglichkeit, menschliches Verhalten auf multidimensionale Weise zu verstehen und zu erklären. Die iMotions-Plattform integriert und synchronisiert mehrere Biosensoren – wie Eye-Tracking, Gesichtsausdrucksanalyse, EDA/GSR, EEG, EKG und EMG – in einer einzigen Plattform zur Visualisierung und Analyse. Mithilfe der iMotions-Plattform können Forscher analysieren, wie eine Person einen Film, ein Spiel oder, in diesem Fall, eine Trainingseinheit erlebt – Moment für Moment.

Im folgenden Clip zeigt Ihnen Nam Nguyen, Senior Neuroscience Product Specialist bei iMotions, wie die Daten aus der Smart Eye Pro-Software aussehen können, wenn sie in die iMotions-Plattform eingespeist werden.

3 wahrgenommene Herausforderungen bei der Datenanalyse

Die multimodale Analyse biometrischer Daten bietet Forschern die Möglichkeit, menschliches Verhalten auf einer tieferen Ebene zu verstehen, als dies bei der Betrachtung einzelner physiologischer Signale möglich wäre. Doch nur weil die Daten komplex sind, muss die Analyse nicht zwangsläufig auch komplex sein.

Bei der Zusammenarbeit mit Fahrlehrern fiel uns auf, dass es drei Herausforderungen gab, die ihnen im Zusammenhang mit der Arbeit mit biometrischen Daten Sorgen bereiteten.

1. Man braucht einen promovierten Wissenschaftler oder einen Experten aus dem Hochschulbereich, um die Signale zu
   interpretieren. Auf den ersten Blick mögen die Daten unvorstellbar komplex erscheinen. Es gibt mehrere verschiedene Kanäle, unterschiedliche Möglichkeiten zur Interpretation der Daten, und ein Teil der Daten besteht lediglich aus Rohsignalen. Das könnte den Eindruck erwecken, man müsse ein ausgebildeter Experte sein, um all diese Informationen zu interpretieren.
2. Die Analyse ist zu zeitaufwendig.
   Angesichts der schieren Datenmenge könnte man den Eindruck gewinnen, dass die Auswertung und Auswertung ein langwieriger Prozess wäre, der möglicherweise außerhalb des Unternehmens durchgeführt werden müsste. Wäre dies der Fall, würde es Wochen dauern, bis man aus den Daten Erkenntnisse gewinnen könnte.
3. Die Daten müssen stets mit einem teuren, maßgeschneiderten Tool analysiert
   werden. Bei der Arbeit mit biometrischen Daten befürchteten einige Fahrlehrer, dass sie eine speziell für diesen Zweck entwickelte Lösung benötigen würden. Dabei hatten sie Bedenken, dass ihr eigenes Urteilsvermögen und ihre Erfahrung bei der Analyse kaum noch eine Rolle spielen würden.

Einige wichtige Datensignale, um aussagekräftige Erkenntnisse darüber zu gewinnen, was einen guten Fahrer ausmacht

Diese Vorurteile sind nicht aus der Luft gegriffen; die Rohdaten können umfangreich, komplex und überwältigend sein. Forscher mit einem Hintergrund in der Datenanalyse werden ihre Fähigkeiten hier gut gebrauchen können, und die Investition in ein Leistungs- und Analysetool wie iMotions kann die Auswertung einiger Daten automatisieren. Doch die Analyse biometrischer Daten muss kein gewaltiger, komplexer Prozess sein. Man muss kein Experte sein, um wichtige Erkenntnisse für das Training zu gewinnen. Auch wenn die Analyse recht tiefgehend sein kann, bietet sie einen Hebel für einige wenige wichtige Datensignale, wie beispielsweise das Aufmerksamkeitsprofil oder Kennzahlen zum Engagement. Diese Signale helfen Trainern, unmittelbar nach Ende der Schulung schnell aussagekräftige Erkenntnisse zu gewinnen. Und mit genügend Übung gewinnen Trainer Vertrauen in ihre Fähigkeit, zu analysieren und zu erkennen, was genau der Fahrer in einem bestimmten Moment erlebt und wie er sich verhalten hat.

In den folgenden Clips demonstriert Nam Nguyen, wie die Konzentration auf einige wenige Schlüsselsignale Trainern helfen kann, das Fahrverhalten insgesamt zu beeinflussen.

Aufmerksamkeitssteuerung

In diesem Clip wird Ihnen gezeigt, wie Sie auf dem Maricopa-Oval den Unterschied zwischen korrekten und falschen Fahrtechniken erkennen können. Die erste Fahrerbewertung findet auf dieser Strecke statt, und sie kann sich als einer der anspruchsvollsten Abschnitte der gesamten Bondurant-Strecke anfühlen. Durch die Analyse der von Smart Eye Pro erfassten Eye-Tracking-Daten können wir erkennen, worauf der Fahrer seine Aufmerksamkeit richtet, und so seine Fahrtechnik korrigieren.

Emotion-KI

Als Nächstes werden wir uns ansehen, wie Ausbilder die Analyse von Gesichtsausdrücken nutzen können, um das Verhalten eines Fahrers in verschiedenen Situationen besser zu verstehen. Für diesen Teil der Analyse verwenden wir eine Software, die von Affectiva (mittlerweile ein Unternehmen von Smart Eye), einem Pionier im Bereich Emotion-AI, entwickelt wurde. Affectiva kann ein von einer normalen Videokamera aufgenommenes Gesicht erkennen, bestimmte Orientierungspunkte im Gesicht markieren und Ergebnisse identifizieren. Zu diesen Ergebnissen gehören verschiedene Emotionsstufen, grundlegende Verhaltensmerkmale wie die Neigung des Kopfes und andere Arten von allgemeinen Muskelbewegungen.

Sehen Sie sich den Clip an, um zu erfahren, wie Emotion AI eingesetzt wurde, um die Mimik eines Fahrers auf der Bondurant-Rennstrecke zu analysieren.

Biometrische Daten: Neue Wege in der Verhaltensforschung

Das menschliche Verhalten ist weitaus komplexer, als es auf den ersten Blick erscheint oder als uns bewusst ist. Doch schon anhand weniger wichtiger biometrischer Signale können wir wertvolle Erkenntnisse gewinnen, die uns nicht nur unsere körperlichen, kognitiven oder emotionalen Reaktionen bewusst machen, sondern es uns auch ermöglichen, unser Verhalten entsprechend anzupassen.

Im Zusammenhang mit dem Hochleistungsfahren kann dies aufgrund der extremen Bedingungen und der hohen Geschwindigkeit auf den Trainingsstrecken besonders hilfreich sein. Durch die Erfassung und Analyse biometrischer Daten in Echtzeit können Fahrlehrer ihren Schülern helfen, Verhaltensweisen zu korrigieren, deren sie sich wahrscheinlich gar nicht bewusst waren.

Die Analyse biometrischer Daten kann jedoch in nahezu jeder Forschungsarbeit eingesetzt werden, die sich mit dem Verständnis menschlichen Verhaltens befasst. Von der Untersuchung, wie sich Trends beim Musikstreaming auf Spotify vorhersagen lassen, bis hin dazu, wie die Messung der emotionalen Reaktionen von Sportlern Adidas dabei helfen kann, den Forschungs- und Entwicklungsprozess für seine Schuhe zu verbessern – die Anwendungsbereiche der biometrischen Forschung sind nahezu unbegrenzt. Biometrische Forschung half auch Duracell dabei, seinen F&E-Prozess zu revolutionieren, indem das Unternehmen verstärkt auf Verbraucherforschung setzte. Um mehr darüber zu erfahren, was biometrische Forschung und Datenanalyse für die Verhaltensforschung leisten können, finden Sie auf der iMotions-Website zahlreiche Blogbeiträge zu Anwendungsfällen, Leitfäden, wissenschaftlichen Fortschritten und vielem mehr.

Um das vollständige Webinar zum Thema „Training und Leistung im (Renn-)Sport“ mit Nam Nguyen und Aaron Galbraith anzusehen, klicken Sie bitte auf diesen Link:

Sind Sie neugierig auf Smart Eye Pro, die iMotions Software Suite oder die Emotions-KI von Affectiva? Klicken Sie auf die Firmennamen, um mehr zu erfahren oder eine Demo der Produkte anzufordern.