Wybrane metody detekcji stanów zmęczenia u osób kierujących

PRACE NAUKOWE POLITECHNIKI WARSZAWSKIEJ
z. 114
Transport
2016
Paula Razin, !'5
.##"
Instytut Transportu Samochodowego, Centrum Telematyki Transportu
WYBRANE METODY DETEKCJI STANÓW
+>&+85A U OSÓB 8/7$‡&;&<%$+(
=
: czerwiec 2016
Streszczenie: )
F % &! ˆ
&* zawodowych lub ( ;B^* kierowców niezawodowych ok. 15%-B]^F )
* i wykrywania stanu nadmiernego F
W niniejszym artykule u z * #
* (we do zastosowania, jako (
F,
(@£
F
!B *
rowców, technologie pojazdowe.
1. 0.>%
)
(
£
FG(
. S jednak* ( ok.
10%-20% [8, 9] wypadków drogowych jest powodowana przez te osoby. Wiele wskazuje
*(
znacznie (
[9]. Monitorowan
£
cego pojazdem i (
!F
%
(
kierowcy m.in. subiektywne, fizjologiczne, be
*(iwe do
zastosowania w pojazdach jako elementy jego (
F Scharakteryzowano (
*
*
opisano tech
(
do wykrywania stanów nadmierne
*
(
F
292
&=
*+*G*>+!
2. +>&+858OSÓB 8/7$‡&;&<%$+(
)
* (
, co wynika z niejednakowych F%#
#
F& "
& [16].
%
€
a) ³
*
*
b) (( £
(
*
(
´F
Zarówno pierwsze, jak i drugie stwierdzenie bardzo ogólnie . Zazwy³
´ @
F %(
(rys. 1) [16]:
a) *
u *
(
t;
b) neuronowe, które (
* £
;
c) , które (
metabolicznych takich jak na
kwas mlekowy;
d) , które oznacza ogólne z nadmiernych sytuacji konfliktowych, frustracji czy ;
e) , które (
* z (
lub znudzenia.
(*+;(<>?<
sensoryczne
neuronowe
emocjonalne
Rys. 1. =
[16]
)
#
* ( (
Fš(
(£
(
* – w organizmie.
&
x
F
*#
* ~ x
*~F)
*(
(£
na podziel x
* (
~ % 293
x(
(
*
*
nieznanym
otoczeniu) [6].
)
chwi
#
F)
£
– (
*(*
£
puje reakcja na bodziec. )
(
*£
ym znacznie ora@
oni (
F czy nagle ham
samochód y przed nimi.
3. 8.(;(8.8&$.5‰0+>&+85
PODCZAS KIEROWANIA POJAZDEM
+* * * ( £
#F"
!
(
nowszych metod
F
£
€
a) metody subiektywne x
~*
b) metody fizjologiczne x ( F
F trokardiogramu EKG, elektroencefalogramu EEG, elektromiogramu EMG i okulografu),
c) metody behawioralne x
*£
(
~,
d) metody @
xF
F
*nacisku na pe
*(
~.
Wybrane metody .
3.1. SUBIEKTYWNA METODA (8.8&$+>&+85
7‰8/7$‡&;&<%$+(
S osobistej ocenie poziomu . Istnieje kilka na(
*
!
kierowców najpopularniejsza jest +!""
(KSS).
+! " "
(
F Jej
pi
€;*†*]*’\*
£
F
(
;\
(
[13]:
1 – niezwykle czujny,
2 – bardzo czujny,
3 – czujny,
294
&=
*+*G*>+!
4 – d
,
5 – ani czujny, ani senny,
6 – nieznacznie senny,
7 – * ,
8 – *
,
9 – *
.
Wskazanie przez badanego jednej z cyfr ;‡
*(
FG
]\
(
£
#
!F
%tej subiektywnej metody *( nie zawsze otrzymane wy
#
* @
F % ! * ( (
@
F+
*
( * ( *
F%*(
czasu, subiektyw
* (
*( (
ograniczeniem.
3.2. FIZJOLOGICZNA METODA (8.8&$+>&+85
KIEROWCÓW
"
#
(
£
F(jest (
(
*
£
nej sytuacji na drodze.
'
##
x<<~ £
F/
#<<(
£
!
-motorycznych [18]F% !<<£
wa
<<
(od 4 do 8 Hz), alfa (od 8 do 12 Hz) i beta (od 12 do 18 Hz) oraz ich kombinacjach.
) £
<<
. Bada
@
*(
(
one [23]F % * * * £
chodzili ze stanu czuwania do snu w sposób naturalny.
)
£
@
fal EEG – poja
* #
* [14].
% << * # ( % 295
jazdy samochodem, przy czym #x
£
~ (
(
[21].
Metody #
,
( tury dekonc
* (
w (
(
£
chu rzeczywistegoF%
!
(np. technologie bezprzewodowe) ( powod pogorszenie nieza
tych metod.
3.3. (8.8&$+>&+85+%&‡0„5‰0
MIMICZNYCH (BEHAWIORALNYCH)
&
* ( (
x * F * F~ stwarzanie niebezpiecznych sytuacji na drodze przez kierowc. Do wykrywania i oceny zewn
programy oraz kamery cyfrowe, które zazwyczaj rejestruj
F:(£
(
* @
F%£
korzystanie kamer, oprócz obserwacji oczu, umo(liwia tak(e analizstanu emocjonalnego
kierowcy [7].
,
#
(
emu
zinterpretowaniu emocF=(
(
[2]:
emocje neutralne: zadowolenie (satysfakcja);
€ * x
~* x
~* zdegustowanie x~*x
~F
&(
#
(
F
%[10] @
(rys. 2) €
*
*
*
krzywizna ust.
% _ [2] * zdegustowanie* £
* (
F%u zdegustowania @
(
lewej. Emocjom takim jak
smutek czy zad
*
£
@
(F)
£
F )
( brwi.
296
&=
*+*G*>+!
3
1
1
2
2
4
1 – ¬
2 – ¬
3 – ¬
4 – krzywizna ust
Rys. 2. =
@
[11, s. 75]
W * F%
£
!
niebezpiecznej sytuacji na drodze [11]F/(
£
#(
(Tabela 1).
Tabela 1
036#13)'#
03‹6#!
03‹6#!
emocji negatywnych
emocji negatywnych
(zakres dolny)
(zakres górny)
%
<70%
>80%
3‹!
%
<70%
>80%
3‹!
!
%
<60%
>80%
+#!
%
<60%
Krzywizna ust
`€
[11, s.75]
0:
Jednostka
parametru
> @
uznawane za niebezpieczne – *
**
natomiast z drugiej strony takie jak agresja, zaskoczenie i strach [11].
Grupa naukowców pod kierunkiem Mitasa [10] (
£
! F
<
£
nej. JazB„
;‹ km. Otrzy
x
~ F)(
*(
towarzys ! * £
F%
‹‰!
wysokim poziomie przez 20 sekund.
% 297
Do detekcji emocji kierowcy – – (
(
F—
(
F£
!F&
(
zestawienie technik opisa
* x
innych emocji):
# – [19];
systemy * [4];
£
dzi
[1,5].
(
@x!*
*(
£
*
F~F% wykrycie twarzy wraz z ustaleniem lokalizacji oczu jest stosunkowo trudne.
(
* ( warunki otoczenia, opisano jedynie w teorii i wykonano nieliczne badania w warunkach
laboratoryjnyc
(
(
w ruchu rzeczywistym.
ˆ
£
rowany przez Ji [5]F )
* z ze
@ # ‹„„-900 nm. Pierwsza
x
*(enia twarzy), natomiast druga z F)sowano
@ ˆ= – (
@
F &
#* (
FG
£
ny jest kierunek patrzenia kierowcy (w pierwszym przypadku – globalny kierunek patrzenia, a w drugim – lokalny).
& (ny przez Bergasa [1]. Podej
(
*
F&* tym przypadku to:
le (
w procentach,
*
„utkwienie wzroku” (ang. fixed gaze),
*
(
*
F
%*
*
oczu (kie(
(
~ [3]F G £
£
298
&=
*+*G*>+!
* x @ ~na ze
@*
£
nia zmiennych warunków otoczenia.
3.4. METODY DETEKCJI +>&+85OPARTE
50„5&<%$+(7
( F%
*
(
(£
nie pojazdu (np. w pasie ruchu) lub (
x
F
i*
~ (
£
. G
€
(
pojazdu w pasie ruchu.
Ruchy kierownicy w warunkach rzeczywistych F) !
*(
* F Wyniki
! * ( x
F~ [22].
W przypadku @
(
(£
stania jedynie w warunkach symulacyjnychF,
!
€ (
* #
* £
@
F
Y
F Nieza
*
!st traktowane jako potencjalnie niebezpieczna sytuacja. " * ( 41,2%
przekroczona zostaje linia po prawej stronie, natomiast w 15,6% - lewa granica pasa ruchu
[17]F"
( kolizji z pojazdem
drogi i zjechanie na pobocze.
—
!* (
@
(
(
£
peryment Son i Park [20]. W czasie badania na k w (
(
€
niskim – „-wstecz;
– ;-wstecz;
wysokim – za p
B-wstecz.
Zadania typu n-
– *
F/
"
&* (
rownicy, (
(
’†*†^
[20].
% 299
>
(
£
kowo powodu np. braku wy@
F—
£
!F
4. %/+;=(SYSTEMU ./+8$‡&EGO PRZED
58+8/+5‡+5‡%/7&<7
G
* @
F/ zaproponowano
systemem LDWS (Lane Departure Warning Systems), czyli systemem
ostrzega
[15].
"
( ;’Ÿx‰;*BŸ~wykorzystuje algo (
pas ruchu. W przypadku, gdy kierowca przek
*
porusza (w sposób zinterpretowany przez komputer jako niezamierzony), system go o tym
@
(F
Rys. 3. Rozmieszczenie progów oraz stref ostrzegawczych na jezdni [12]
"š%"(
pojazdu, której zadaniem jest FG
x~* * F
(
#
* ( F &
*
(
£
go od niezamierzonego. W momencie wykrycia niezamierzonej zmiany pasa ruchu, zostaje
uruchomiony system ostrzegawczy w kabinie kierowcy w postaci u @ego
oraz jednoczesnych wibracji fotela kierowcy. Jednak system ten w niekorzystnych warun-
300
&=
*+*G*>+!
kach atmosferycznych takich jak opady d * ( wyznaczeniu linii na powierzchni jezdni m(
F
Na rysunku 3 # £
ˆ",;’†‰;€B„„’FGranica pasa (1) znajduje £
nego oznakowania pasa, która zazwyczaj wyznaczona jest znakami poziomymi w postaci
F% @
*
( k np. granica
jezdni z poboczem. Zarówno po lewej, # xB~F " # ostrzegania (3) a x‡~F & #³ (!´x]~*£
dzy dwiema granicznymi liniami wczesnego ostrzegania. Numerem 6 oznaczono natomiast
próg ostrzegawczy (tylko w celach informacyjnych), który zawsze znajduje stref ostrzegawczych (2) [12].
Rys. 4. Punkty ostrzegania [12]
Punkt ostrzegawczy przedstawiono na rysunku 4 xF~F(
miej*
x†~F
*
#x
F
#*
~FG
a ruchu (2)
*
x;~ [12].
% 301
5. PODSUMOWANIE
G
( £
*
@£
F £
(
!F
Do ba!
– x
~* #
x<<* £
~* x*~*(
interpretacji parametrów pojazdu.
*(#
*
F—
(!
£
*
(( warunkach rzeF)
@
£
F
(
lizacji oczu jest stosunkowo
trudne.
% @
i (
#
*
*(
@
F%
(
F
! zastosowanie w zaawansowa
F:
*
(
!F
&( [ #
rzez
G Y
'! = x &'"†Ÿ'‰ŸB‹ŸB„;]~ ˆˆˆ &£
'!"
F
Bibliografia
1. Bergasa L. M., Nuevo J., Sotelo M. A., Barea R., Lopez M. E.: Real time system for monitoring driver
vigilance. IEEE Transaction on Intelligent Transportation Systems. 2006, 7(1), s. 63-77.
2. Hock R.: Forty studies that changed psychology: explorations into the history of psychological research.
Prentice Hall, 2004.
3. Holmqvist K., Nystrom M., Andersson R., Dewhurst R., Jarodzka H., van de Weijer, J.: Eye tracking:
a comprehensive guide to methods and measures. Oxford, New York: Oxford University Press, 2011.
4. Huang K., Trivedi M., Gandhi, T.: Driver’s view and vehicle surround estimation using omnidirectional
video stream. IEEE Inteligent Vehicles Symposium. 2003, s. 444-449.
5. Ji Q., Zhu Z., Lan P.: Real-time nonintrusive monitoring and prediction of driver fatigue. IEEE Transaction on Vehicular Technology. 2004, 53(4), s. 1052-1068.
6. Makowiec- >F* ' /F* " —F*  <F€ % prowadzenia pojazdów. Medycyna Pracy. 2011, 62(3), s. 281-290.
7. Mallick S. P., Trivedi M.: Parametric face modeling and affect synthesis. International Conference on
Multimedia and Expo. 2003, s. 225-228.
302
&=
*+*G*>+!
8. Mao Z., Xiu-min C., Xin-ping Y., Wu C. Z.: Advances of fatigue detecting technology for drivers. China
Safety Science Journal. 2005, 15, s. 108-112.
9. Meng F., Li S., Cao L., Li M., Peng Q., Wang C., Zhang W.: Driving fatigue in professional drivers:
A survey of truck and taxi drivers. Traffic Injury Prevention. 2015, 16(5), s. 474-483.
10. /F %F* ' F* = /F€ "
# [› [al
parameters under the aspect of transport safety. Journal of Medical Informatics & Technologies. 2009,
13, s. 241-247.
11. /F%F*Y)F*'F*=/F€=
£
! F ) G &
žF B„;„* ‰‰*
s. 71-79.
12. G ˆ", ;’†‰;€B„„’ x<G~ € B\ B„;‰‚* €ŸŸFFŸŸ
/catalogue_tc/catalogue_detail.htm?csnumber=41105.
13. Otmani S., Pebayle T., Roge J., Muzet A.: Effect of driving duration and partial sleep deprivation on
subsequent alertness and performance of car drivers. Physiology & Behavior. 2005, 84(5), s. 715-725.
14. Papadelis C., Chen Z., Kourtidou-Papadeli C., Bamidis P. D., Chouvarda I., Bekiaris E., Maglaveras N.:
Monitoring sleepiness with on-board electrophysiological recordings for preventing sleep-deprived traffic accidents. Clinical Neurophysiology. 2007, 118(9), s. 1906-1922.
15. &šF*µ/F€"( FWarszawa: Wydawnictwa Komunika¥
*B„;;F
16. = /F"F*= <F€"
&FWydawnictwo naukowe Scholar, Warszawa 2005.
17. Sagberg F.: Road accidents caused by drivers falling asleep. Accident Analysis & Prevention. 1999,
31(6), s. 639-649.
18. Smith A., Gevins A., Brown H., Karnik A., Du R.: Monitoring task loading with multivariate EEG
measures during forms of human-computer interaction. Human Factors. 2001, 43(3), s. 366-380.
19. Smith P., Shah M., Lobo, N.: Determining driver visual attention with one camera. IEEE Transaction on
Intelligent Transportation Systems. 2003, 4(4), s. 205-218.
20. Son J., Park S.: Cognitive Workload Estimation through Lateral Driving Performance. SAE Technical
Paper, 2011.
21. Torsvall L., Åkerstedt T.: Sleepiness on the job: continuously measured EEG changes in train drivers.
Electroencephalography and Clinical Neurophysiology. 1987, 66(6), s. 502-511.
22. Van Winsum, W.: Age-related differences in effects of drowsiness on measures of driver behaviour and
performance. TNO Human Factors Research Institute, 1999.
23. Yeo M. V., Li X., Wilder-Smith E. P.: Characteristic EEG differences between voluntary recumbent
sleep onset in bed and involuntary sleep onset in a driving simulator. Clinical Neurophysiology. 2007,
118(6), s. 1315-1323.
SELECTED METHODS OF DRIVER FATIGUE DETECTION
Summary: Driver fatigue is one the main reasons of road accidents. According to Chief Labour Inspectorate
fatigue among professional drivers and fleet drivers has a significant impact on 12% of their accidents and
15-25% of accidents in which non-professional drivers take part. Therefore, driver fatigue can be perceived
as a cause behind a significant number of road accidents. This clearly indicates the necessity for development
of on-board technologies capable of detecting and indicating states of driver fatigue.
The following article provides an overview of selected methods of driver fatigue detection, including the
division between subjective, physiological and behavioural methods as well as the ones possible to use as an
element of vehicle equipment. Additionally, basic indicators used for fatigue specification were described.
Keywords: fatigue, driver fatigue, on-board technologies