多传感器驾驶员监控用于昏昏欲睡的预测
Chris Schwarz1, John Gaspar1, Reza Yousefian2
1National Advanced Driving Simulator, The University of Iowa, Iowa City, IA.
Traffic injury prevention
|June 2, 2023
概括
这项研究使用车辆,行为和生理数据开发了昏昏欲睡的驾驶检测模型. 最好的模型,结合生理测量,达到0.92准确度,在车道离开前6.7分钟检测到昏昏欲睡.
科学领域:
- 汽车安全 汽车安全
- 人类因素工程 人类因素工程
- 生物医学工程 生物医学工程
背景情况:
- 驾驶员监控系统 (DMS) 对于提高道路安全至关重要.
- 整合多种数据源可以提高嗜睡检测的准确性和及时性.
- 可穿戴技术为收集生理数据提供了一个有希望的途径.
研究的目的:
- 开发和比较使用车辆,行为和生理数据的嗜睡检测模型.
- 用车辆数据和心率变化 (HRV) 测量来增强基于摄像头的DMS.
- 分析睡眠预测模型的及时性.
主要方法:
- 利用驾驶模拟器,生产型DMS和Empatica E4腕带的数据来获取生理数据.
- 通过外部评分者观察和卡罗林斯卡睡眠度量表 (KSS) 收集的嗜睡数据.
- 开发了九个二进制随机森林模型,使用各种数据组合和基本真相.
主要成果:
- 模型分类准确度在0.77到0.92.9之间.
- 性能最好的模型整合了生理数据,并排除了HRV计算后缺失的部分.
- 最及时的模型预测了在昏昏欲睡的车道出发前6.7分钟的昏昏欲睡.
结论:
- 生理学测量略有提高了模型准确度.
- 使用观测评级的模型在检测昏昏欲睡的发作方面比使用KSS的模型更及时.
- 结合多个数据流,提高了驾驶员昏昏欲睡的检测能力.
