用于理解自然城市道路实验中驾驶专业性的脑电图（EEG）数据集
该数据集来自 springernature.figshare.com，记录了 10 名专家驾驶员与 10 名新手驾驶员在 13 种自然城市驾驶条件下的多模态数据，同步采集 EEG 脑活动、车辆 CAN 总线数据、交通信息以及 EDA 和 HR 等心理生理指标
基本信息
资源简介
用于理解自然城市道路实验中驾驶专业性的脑电图（EEG）数据集
An Electroencephalography (EEG) Dataset for Understanding Driving Expertise from Naturalistic Urban Road Experiments
该数据集来自 springernature.figshare.com，记录了 10 名专家驾驶员与 10 名新手驾驶员在 13 种自然城市驾驶条件下的多模态数据，同步采集 EEG 脑活动、车辆 CAN 总线数据、交通信息以及 EDA 和 HR 等心理生理指标。每次行程还包含两名乘客的生理反应与主观反馈，并附有实验前后问卷和半结构化访谈。数据可用于解析驾驶专业性的神经特征、理解复杂城市环境中专家决策的认知机制，并为开发更接近人类驾驶的自动驾驶算法提供依据（来源 figshare，CC BY 许可）。
【数据集背景】
配套论文《An EEG dataset for understanding driving expertise from naturalistic urban road experiments》发表于 Scientific Data（2026），DOI：10.1038/s41597-026-07223-1。源站首次发布：2026-06-12。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集采集了 10 名专家驾驶员和 10 名新手驾驶员在 13 种自然城市驾驶条件下行驶的综合多模态记录，将 EEG 脑活动与车辆 CAN 总线数据、交通信息以及心理生理测量（EDA 和 HR）同步。独特之处在于，它包含每次行程中两名乘客的生理反应和主观反馈，以验证驾驶表现质量，同时还包括所有参与者的实验前后问卷和半结构化访谈。该数据集使研究人员能够解码驾驶专业性的神经特征，并理解复杂城市环境中专家决策背后的认知机制。这一资源通过弥合人类驾驶专业性与人工智能之间的差距，为开发更接近人类驾驶的自动驾驶算法提供了关键见解。多视角
【数据结构与技术规格】
文件数 1 个，合计 1.54 GB。数据集 DOI：10.6084/m9.figshare.29664056.v1。
【主题与分类】
源站学科分类：Behavioral Neuroscience。主题标签：EEG and ERP、driving action、expert。本站分类：神经系统疾病。
【适用方向】
源站学科分类标注为 Behavioral Neuroscience。
【获取与许可】
源站页面：https://springernature.figshare.com/articles/dataset/An_Electroencephalography_EEG_Dataset_for_Understanding_Driving_Expertise_from_Naturalistic_Urban_Road_Experiments/29664056
使用许可：CC BY（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Gong, Jiangtao; Yu, Yueteng; Cao, Yancheng; Yang, Ruoxuan; Chang, Xiang; Tang, Haoming; et al. (2026). An Electroencephalography (EEG) Dataset for Understanding Driving Expertise from Naturalistic Urban Road Experiments. figshare. Dataset
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载，适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档，适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放当前数据集主要来源为 Kaggle 公开托管，完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取（Figshare）
- 源站标题：An Electroencephalography (EEG) Dataset for Understanding Driving Expertise from Naturalistic Urban Road Experiments
- DOI：10.6084/m9.figshare.29664056.v1
- 发布日期：2026-06-12
- 文件数：1 个
- 文件总体积：1.54 GB
- 源站页面：https://springernature.figshare.com/articles/dataset/An_Electroencephalography_EEG_Dataset_for_Understanding_Driving_Expertise_from_Naturalistic_Urban_Road_Experiments/29664056
命令行下载
curl -L -o "ExpertDriverDataset.zip" "https://ndownloader.figshare.com/files/56625734"
文件清单
ExpertDriverDataset.zip（1.54 GB）
文件总体积 1.54 GB（源站 API 实测）。
数据加载示例（图像类）
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据说明
该数据集采集了10名专家驾驶员和10名新手驾驶员在13种自然城市驾驶条件下的综合多模态记录，将脑电（EEG）脑活动与车辆CAN总线数据、交通信息以及心理生理测量（EDA和HR）同步。该数据集的独特之处在于，每次行程中还包括两名乘客的生理反应和主观反馈，用以验证驾驶表现质量，并包含所有参与者的实验前后问卷和半结构化访谈。该数据集使研究人员能够解码驾驶专业技能的神经特征，并理解复杂城市环境中专家决策背后的认知机制。该资源通过弥合人类驾驶专业技能与人工智能之间的差距，为开发更接近人类驾驶行为的自动驾驶算法提供了关键见解。这种将驾驶员神经数据与乘客验证相结合的多视角方法，为理解专家驾驶员在安全性、舒适性和智能导航方面表现卓越的原因提供了前所未有的机会。
许可
CC BY
引用
学术使用请引用 DOI 10.6084/m9.figshare.29664056.v1（source: https://springernature.figshare.com/articles/dataset/An_Electroencephalography_EEG_Dataset_for_Understanding_Driving_Expertise_from_Naturalistic_Urban_Road_Experiments/29664056）。
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
