使用多个非侵入性生物信号检测醉酒驾驶员
Sang Hyuk Kim1, Hyo Won Son1, Tae Mu Lee1
1Department of Biomedical Engineering, College of Medical Sciences, Soonchunhyang University, Asan 31537, Republic of Korea.
Sensors (Basel, Switzerland)
|March 17, 2025
概括
这项研究表明,像心电图,PPG和EDA这样的非侵入性生物信号可以检测醉酒驾驶. 机器学习使用这些信号准确地分类驾驶员的醉酒水平,从而有可能防止醉酒驾驶事故.
科学领域:
- 生物医学工程 生物医学工程
- 运输安全运输安全
- 机器学习 机器学习
背景情况:
- 醉酒驾驶仍然是一个重要的社会问题,需要有效的检测方法.
- 目前的方法,如血中酒精度 (BAC) 和呼吸酒精度 (BrAC) 有局限性.
- 非侵入性生理监测为实时驾驶员评估提供了一个有希望的替代方案.
研究的目的:
- 调查使用非侵入性的生物信号来检测驾驶员中毒的可行性.
- 开发一种机器学习模型,根据生理数据对中毒水平进行分类.
- 通过先进的监测技术,为预防酒驾做出贡献.
主要方法:
- 收集了来自驾驶模拟器中的10名参与者的心电图 (ECG),光电图 (PPG) 和皮电活动 (EDA) 信号.
- 在不同呼吸酒精度 (BrAC) 水平 (0.00%,0.03%,0.08%) 获得的数据与韩国醉酒驾驶标准相关.
- 通过过和细分处理信号以提取心率变化 (HRV) 和脉冲到达时间 (PAT).
主要成果:
- 在识别驾驶员中毒水平方面实现了88%的分类准确性.
- 证明了使用短 (30秒) 的非侵入性生物信号段的潜力.
- 成功地与增加的BrAC水平相关联的生理信号变化.
结论:
- 驾驶员中毒可以使用非侵入性的生物信号 (ECG,PPG,EDA) 准确地分类.
- 这种方法为监控司机提供了一种快速和最少的侵入性方法.
- 这些发现支持开发新技术,以提高道路安全,防止醉酒驾驶.
