Kaikki tietävät vaikutuksen alaisena ajamisen tai tekstiviestien lähettämisen vaaroista ajon aikana. Uneliaisuuden alla ajamiseen ei kuitenkaan kiinnitetä juurikaan huomiota. Kuljettajan väsymys oli vuonna 2019 aiheutti 697 kuolemantapausta Yhdysvalloissa – mikä oli 1.9 % kaikista tieliikenteessä kuolleista kyseisenä vuonna. Lisäksi, 1 25-aikuisilla on suostunut nukahtaa ratissa viimeisen 30 päivän aikana.
Kuljettajan uneliaisuus voi osoittautua kohtalokkaaksi, mutta se on ehkäistävissä. Hyvät yöunet ja alkoholin välttäminen ennen autoon lähtöä voivat vähentää onnettomuuksia. Teknologia voi myös auttaa havaitsemaan ja ehkäisemään kuljettajan uneliaisuudesta johtuvia kuolemantapauksia. Puhutaanpa siis tekniikasta varoittaa kuljettaja uneliaisuudesta ja väsymyksestä.
Mikä on DDS?
Kuljettajan uneliaisuuden tunnistusjärjestelmä (DDS) on osa ajoneuvon turvallisuusteknologiaa, joka toimii algoritmilla, joka havaitsee muutokset kuljettajan ajokäyttäytymisessä, kuten pyörien epäsäännölliset liikkeet, kaistapoikkeamat, vaikeudet pitää silmät auki ja jatkuva haukottelu ja paljon muuta.
Jotkut järjestelmät varoittavat kuljettajaa pitämään tauon äänihälytyksellä, kun taas joissakin näkyy kahvisymboli, ja joissakin autoissa kuljettajan istuimet jopa värisevät.
Miten DDS toimii?
DDS toimii tallentamalla ohjauspyörä käyttäytyminen matkan alkaessa ja kuljettajan väsymistason seuranta koko matkan ajan.
Tekoälypohjainen algoritmi saa arvon laskemalla äkillisten liikkeiden tiheyden, vuorokaudenajan, matkan keston, poikkeamat kaistamerkinnät, ja rumble-nauhan osumistiheys. Jos mainittu arvo on tietyn tason yläpuolella, järjestelmä vilkkuu a kahvikuppi symboli auton kojetaulussa, mikä osoittaa, että kuljettajan on pidettävä tauko.
Kuljettajaa seurataan jatkuvasti hänen väsymistasonsa määrittämiseksi kuljettajaan päin olevan infrapunakameran avulla. Koneoppimis- ja kasvojentunnistusalgoritmit määrittävät väsymyksen tarkasti seuraamalla kuljettajan kasvojen piirteitä, pään liikkeet, räpyttely ja silmien liike.
Esimerkkejä tosielämästä
Kuljettajan Uneliaisuuden havaitseminen järjestelmä on ollut käytössä muutaman vuoden. Jotkut tärkeimmistä autonvalmistajista, jotka ovat kiinnostuneita kuljettajan huomion seurannasta, ovat Mercedes Benz, Volvo ja Land Rover.
Mercedes-Benzin "Attention Assist" on tiettyihin Benz-autoihin saatavilla oleva ainutlaatuinen tekniikka, joka tarkkailee kuljettajien ajotottumuksia ja varoittaa heitä visuaalisilla ja akustisilla varoituksilla havaitessaan tarkkaamattomuutta tai väsymystä.
Land Roverissa on myös Driver Condition Monitor -järjestelmä, jossa on sarja antureita, jotka havaitsevat kuljettajan kasvojen ja silmien liikkeet ja tunnistavat, onko kuljettaja tarkkaavainen, hajamielinen tai väsynyt.
Volvon "Driver Alert" tai DAC-toiminto tarkkailee tarkasti, miten ajoneuvoa käytetään. Se esimerkiksi varoittaa kuljettajaa, kun ajoneuvoa ajetaan hallitsemattomasti kuljettajan näytön, äänimerkin ja tekstin avulla, jossa kuljettajaa pyydetään ottamaan teetauko.
Toisin kuin jotkin muut järjestelmät, Volvon Driver Alert ei seuraa kuljettajan väsymystä, vaan tarkkailee tarkasti ajoneuvon toimintaa.
Driver Drowsiness Detection -järjestelmän edut ja rajoitukset
DDS:llä on monia etuja, ja ensimmäinen etu, joka tulee mieleemme, on ehkä kuljettajan väsymyksestä johtuvien kuolemantapausten väheneminen.
Järjestelmällä, joka voi tarjota kaistanpoikkeamisvaroitukset, on mahdollista välttää suuronnettomuudet ja pelastaa kuljettajan, matkustajien ja jalankulkijoiden hengen.
Järjestelmän tarkkuus piilee tehokkaasti harjoitella algoritmia käyttämällä kuvakokoelmaa. Kestävän DDS:n kehittäminen on kuitenkin mahdotonta, jos silmän kehyksiä ei kaapata kunnolla eikä järjestelmää ole koulutettu suuriin tietojoukoihin. Lisäksi silmän paikallistaminen voi olla vaikeaa, jos kuljettajalla on esteitä, kuten suojalaseja tai lippis.
Koulutustietojen merkitys DDS-mallien rakentamisessa
Vaikutukset unelias ajo voi olla vaarallista kaikille tiellä liikkuville. Unelias kuljettaja vie aikaa keskittyäkseen, reagoi hitaasti eikä pysty arvioimaan nopeuksia ja etäisyyksiä.
Unelias kuljettaja ei ole aina henkilö, joka ei ole nukkunut tarpeeksi. Siksi on tärkeää kehittää työkalu, joka varoittaa väsyneitä kuljettajia uhkaavasta vaarasta. Sinulla on oltava tarpeeksi tietojoukkoja koneoppimis- ja kasvojentunnistusmallin kouluttamiseen, jotta tämä on mahdollista.
DDS-mallin tarkkaan kouluttamiseen tarvitaan kattava kokoelma harjoitustietojoukkoja (sisältää sekä uneliaisia että ei-ukkuvia kuvia), jotka voivat auttaa sijoittamaan kasvojen maamerkit kuviin. Tämä menetelmä auttaa järjestelmää tunnistamaan kuljettajien kasvonpiirteet reaaliaikaisissa skenaarioissa.
Lisäksi, koska järjestelmä on erityisen kiinnostunut silmistä, silmille esitetään koordinaatit, jotka auttavat havaitsemaan vilkkuvia ja silmien avaavia arvoja.
Tietojoukot, jotka sisältävät kuvia, jotka voivat auttaa järjestelmää tunnistamaan haukottelun, tulisi myös sisällyttää. Räpytyksen havaitsemisen lisäksi haukottelu on myös kriittinen parametri, joka järjestelmän on opittava varoittamaan kuljettajaa. Koneoppimismalli voidaan rakentaa käyttämällä tarkasti merkittyjä tietojoukkoja ja syväoppimismenetelmiä.
Tarve tarkkaan Kuljettajan uneliaisuus Havaintojärjestelmä kasvaa edelleen. Yritykset etsivät erittäin luotettavia koulutustietojoukkoja, joita voidaan käyttää ML-malliensa kouluttamiseen.
Kun tietojoukoissa tarvitaan luotettavuutta ja monipuolisuutta, monet huipputeknologian tarjoajat suosivat Shaipia. Shaip on auttanut kehittämään huippuluokan DDS-malleja, joissa on monipuoliset tietojoukot, korkealaatuiset kuvamerkinnät ja huomautukset. Onko mielessäsi polun rikkova DDS-sovellus? Ota yhteyttä Shaippiin ja tutustu erilaisiin harjoitustietosarjoihin kilpailukykyiseen hintaan.