Ospalost řidičů způsobila velké množství vážných zranění a úmrtí na veřejných komunikacích a způsobila miliardy dolarů daňových poplatníků. Proto je monitorování ospalosti zásadní pro snížení této zátěže pro společnost. Tento dokument shrnuje širokou škálu řešení navržených k řešení problémů s ospalostí řidičů a identifikuje klíčové kroky potřebné pro úspěšnou implementaci. Ačkoli některé komerční produkty již existují, s metodami založenými na vozidlech nejčastěji implementovanými výrobci automobilů, tyto systémy nemusí mít úroveň přesnosti potřebnou k řádnému předvídání a monitorování ospalosti. Nejmodernější modely využívají k detekci ospalosti fyziologické, behaviorální a vehiklové metody, přičemž hybridní metody se objevují jako lepší přístup. Současné překážky při implementaci těchto metod zahrnují pozdní detekci, rušivost a různorodost subjektů. Zejména fyziologické monitorovací metody, jako je elektroencefalografie (EEG), jsou rušivé pro dri.
Viz úplné PDF
Viz úplné PDF
Související články
Senzory (Basilej, Švýcarsko)
Ospalost řidičů je hlavní příčinou smrtelných nehod, zranění a škod na majetku a v posledních letech se stala oblastí značného zájmu výzkumu. Tato studie navrhuje metodu detekce ospalosti u řidičů, která integruje vlastnosti elektrokardiografie (EKG) a elektroencefalografie (EEG) ke zlepšení detekčního výkonu. Studie měří rozdíly mezi stavy bdělosti a ospalosti na základě fyziologických údajů shromážděných od 22 zdravých subjektů ve studii založené na simulátoru řízení. Monotónní jízdní prostředí se používá k vyvolání ospalosti účastníků. Z EEG byly extrahovány různé vlastnosti časové a frekvenční domény včetně statistických deskriptorů časové domény, měření složitosti a měření výkonových spekter. Funkce extrahované z EKG signálu zahrnovaly srdeční frekvenci (HR) a variabilitu srdeční frekvence (HRV), včetně nízké frekvence (LF), vysoké frekvence (HF) a poměru LF/HF. Dále je také hodnocena subjektivní škála ospalosti, aby se studovaly její vztahy.
Stáhnout zdarma PDF Zobrazit PDF
Senzory (Basilej, Švýcarsko)
Stáhnout zdarma PDF Zobrazit PDF
Bulletin elektrotechniky a informatiky
Ospalost je významným důvodem nehod na ulici a má obrovské důsledky pro bezpečnost řidičů. Několik smrtelných nehod může být zakázáno, pokud jsou ospalí řidiči včas upozorněni. Existuje řada strategií identifikace únavy, které sledují liknavost řidičů při řízení a varují nesoustředěné řidiče. Zvýraznění lze shromáždit z vnějšího vzhledu (např. zívání a pohyb očí a hlavy), aby se určil stupeň lenosti. Tento článek představuje holistické zkoumání současných strategií pro objevování lenosti řidičů a poskytuje průzkum široce používaných postupů charakterizace. Začneme uspořádáním současných postupů do tří kategorií: chování, dopravní prostředky a postupy založené na fyziologických hranicích. Poté prozkoumáme špičkové metody řízeného učení používané pro objevování lenosti. Dále se podíváme na výhody a nevýhody různých technik. Podobné zkoumání ukázalo, že žádná z těchto strategií není zcela přesná. Nicméně postupy založené na fyziologických hranicích poskytují přesnější výsledky než jiné typy postupů. Jejich nevtíravý charakter lze snížit použitím dálkových senzorů na různých prvcích včetně těla řidiče, sedadla řidiče, potahů sedadel a volantu.
Stáhnout zdarma PDF Zobrazit PDF
IAES International Journal of Artificial Intelligence (IJ-AI)
Když jsou silnice monotónní, zejména na dálnicích, stav bdělosti klesá a objevuje se stav ospalosti. Ospalost je definována jako přechodná fáze z bdělého do ospalého stavu. V Maroku je však většina smrtelných nehod na dálnici způsobena ospalostí za volantem, dosahující míry 33.33 %. Proto jsme navrhli koncepci a realizaci automatické metody založené na signálech elektroencefalogramu (EEG), která dokáže predikovat ospalost v reálném čase. Navrhovaná práce je založena na časově-frekvenční analýze EEG signálů z jednoho kanálu (FP1-Ref) a ospalost je predikována pomocí personalizovaného a optimalizovaného modelu strojového učení (metoda klasifikace optimalizovaného rozhodovacího stromu) v Pythonu. Výsledky jsou velmi významné a optimalizované, zlepšují přesnost z 95.7 % na 96.4 % a časovou náročnost z 0.065 na 0.053 sekundy.
Stáhnout zdarma PDF Zobrazit PDF
Nehoda; analýza a prevence
Výzvou není jen detekce, ale také předpovídání zhoršení provozního stavu řidiče automobilu. Tato studie si klade za cíl zjistit, zda standardní zdroje informací používané k detekci ospalosti lze také použít k předpovědi, kdy bude dosaženo dané úrovně ospalosti. Kromě toho zkoumáme, zda přidání údajů, jako je doba jízdy a informace o účastnících, zlepší přesnost detekce a předpovědi ospalosti. Dvacet jedna účastníků jelo 110 minut na automobilovém simulátoru za podmínek optimalizovaných pro navození ospalosti. Měřili jsme fyziologické a behaviorální ukazatele, jako je srdeční frekvence a variabilita, dechová frekvence, pohyby hlavy a očních víček (doba trvání mrknutí, frekvence a PERCLOS) a zaznamenávali jsme chování při řízení, jako je čas do přejetí jízdního pruhu, rychlost, úhel volantu, poloha na jízdního pruhu. Různé kombinace těchto informací byly testovány proti skutečnému stavu řidiče, konkrétně základní pravdě, jak je definována z videozáznamů prostřednictvím Vyškoleného pozorovatele.
Stáhnout zdarma PDF Zobrazit PDF
Prevence dopravních zranění
Stáhnout zdarma PDF Zobrazit PDF
International Journal of Research in Advent Technology
Stáhnout zdarma PDF Zobrazit PDF
