Detailergebnis zu DOK-Nr. 76897
Nicht-intrusive Erkennung von Schläfrigkeit am Steuer anhand von Eye-Tracking-Daten (Orig. engl.: Non-intrusive detection of drowsy driving based on eye tracking data)
| Autoren |
A.S. Zandi A. Quddus L. Prest F.J.E. Comeau |
|---|---|
| Sachgebiete |
6.1 Verkehrserhebungen, Verkehrsmessungen 6.3 Verkehrssicherheit (Unfälle) |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2673, H. 6, 2019, S. 247-257, 4 B, 2 T, 47 Q. - Online-Ressource: Verfügbar unter: http://journals.sagepub.com/home/trr
Fahren mit Sekundenschlaf ist eine der Hauptursachen für Kraftfahrzeugunfälle in Nordamerika. In dem Beitrag wird die Verwendung von Eye-Tracking-Daten als sogenannte nicht-intrusive Messung des Fahrerverhaltens zur Erkennung von Schläfrigkeit vorgestellt. Eye-Tracking-Daten wurden von 53 Probandinnen und Probanden in einem simulierten Fahrexperiment erfasst, während die gleichzeitig aufgezeichneten Mehrkanal-Elektroenzephalogramm (EEG)-Signale als Basislinie verwendet wurden. Für die binäre Klassifikation des Vigilanz-Zustands (Zustand andauernder Aufmerksamkeit bei eintöniger Reizfrequenz) wurden ein "Random Forest“ (RF) und eine nichtlineare "Support Vector Machine" (SVM) eingesetzt. Für die Merkmalsextraktion wurden verschiedene Längen des Eye-Tracking-Zeitraums gewählt und die Leistung jedes Klassifikators wurde für jede Zeitraumlänge untersucht. Die Ergebnisse zeigten eine hohe Genauigkeit für den RF-Klassifikator im Bereich von 88,37 bis 91,18 % über alle Zeitraumlängen und übertrafen die SVM mit 77,12 bis 82,62 % Genauigkeit. Es wurde ein Ansatz zur sogenannten Feature-Analyse vorgestellt und die besten Eye-Tracking-Features für die Schläfrigkeitserkennung identifiziert. Insgesamt zeigte die Studie eine hohe Übereinstimmung zwischen den extrahierten Eye-Tracking-Merkmalen und dem EEG als physiologisches Maß für die Vigilanz und verifizierte das Potenzial dieser Merkmale zusammen mit einer geeigneten Klassifizierungstechnik, wie der RF, für die eingriffsfreie Langzeitbewertung von Müdigkeit bei Fahrenden. Diese Forschung würde letztlich zur Entwicklung von Technologien für die Echtzeitbewertung des Vigilanz-Zustands führen, die eine frühzeitige Warnung vor Müdigkeit und Schläfrigkeit bei Fahrenden ermöglichen.