Die Beeinträchtigung der Fahrleistung aufgrund von Schläfrigkeit oder Müdigkeit ist eine der Hauptursachen von schweren Verkehrsunfällen. Hierdurch motiviert beschäftigt sich diese Arbeit mit dem Ziel der Fahrerzustandserkennung, insbesondere der Fahrermüdigkeitserkennung. Um die physiologischen Einflüsse während der Ermüdung heim Autofahren untersuchen zu können, wurde eine aufwändige Studie im Zentralbereich Forschung und Vorausentwicklung der Robert Bosch GmbH durchgeführt. Im Rahmen dieser Arbeit wurden große Anstrengungen für die Auslegung und den Test der Fahrsimulatorumgebung unternommen. Die folgende Studie mit einer Kohorte von 66 Probanden führte zu 44 gültigen Datensätzen, bei denen das Ziel der Schläfrigkeitsinduktion in einem Großteil der Versuche ereicht wurde. Eine umfangreiche Literaturrecherche verbessert die Methoden in der Durchführung der Studie und schafft die Basis zur Überprüfung sowohl der aufgenommenen Daten als auch der angewandten Methoden mit bereits erfolgreich durchgeführten Vorgehensweisen. Zur Erweiterung des Stands der Technik wird insofern ein neuer Ansatz beschrieben als er die physiologischen Veränderungen hei aufkommender Schläfrigkeit berücksichtigt und zwar mit dem Ziel, gefährliche Stufen von Schläfrigkeit auf Basis der Analyse des Fahrverhaltens vorherzusagen. Bekanntermaßen eignen sich physiologische Signale unter Laborbedingungen, um eine Referenzgröße der Schläfrigkeit zu erhalten. Jedoch ist deren Anwendung unter Alltagsbedingungen entweder zu kompliziert, oder die Signale können nicht in der erforderlichen Qualität aufgenommen werden. Der neue Ansatz der Datenauswertung konzentriert, sich auf die Merkmalsextraktion des Lenkwinkelparameters. Die extrahierten lokalen Ereignisse, die sogenannten Deadbands, spiegeln die Reduzierung der motorischen Aktivität wider, wie sie bei aufkommender Schläfrigkeit auftritt. Dieser Zusammenhang ist in der Physiologie bekannt, jedoch wurde er bisher nicht. auf die Schläfrigkeitserkennung im Fahrzeug angewandt. Stattdessen konzentrieren sich übliche Ansätze auf blockorientierte Beschreibung von Symptomen der Schläfrigkeit. Die Datenauswertung zeigt, dass die Vorhersage von aufkommender Schläfrigkeit auf Basis der Analyse des Lenkwinkelsignals möglich ist. Vorschläge zur Erweiterung der Auswertung, basierend auf lokalen Ereignissen wie Deadbands, werden in dieser Arbeit vorgestellt.

    Impairment of driving performance due to drowsiness or fatigue is a major cause of severe traffic accidents, which is motivation for this work an driver monitoring, especially drowsi-ness detection. To include the physiological correlations of drowsiness in car driving, an extensive experimental study was conducted at the corporate research centre of Robert Bosch GmbH. During this work, a lot of efforts have been invested in the design and test of the driving simulator. The following study with a cohort of 66 subjects lead to 44 reliable data sets in which the main objective of sleep induction was obtained in most of the trials. An extensive literature review refines the methods and establishes the basis for the verifica-tion of the recorded data and the applied methods by using already approved approaches. Extending this state of the art, a novel approach is described, which is driven by consideration of physiological changes during drowsiness with the intention of predicting dangerous level of drowsiness by analyzing driving behaviour. As already known, the measurement of physiological signals is possible in laboratory conditions for setting up a drowsiness refer-ence, but in everyday environment its usage is either too complicated or the signals can not he recorded in the desired quality. The new approach of data analysis focuses on feature extraction of the steering wheel angle parameter. The extracted local events, the so-called Deadbands, reflect decreasing motor sensitivity as it occurs during the onset of drowsiness. The knowledge about this coherence is well known in the physiological community but it was not yet applied for drowsiness detection in a vehicle. Instead, common approaches focus on block orientated description of symptoms of drowsiness. Data analysis proved that the prediction of upcom-ing drowsiness is possible by analyzing the steering wheel angle parameter. Suggestion how to extend the analysis of local events like Deadbands are given.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Driver monitoring and drowsiness detection by steering signal analysis


    Weitere Titelangaben:

    Fahrerüberwachung und Müdigkeitserkennung durch Analyse des Lenksignals


    Beteiligte:

    Erschienen in:

    Erscheinungsdatum :

    2007


    Format / Umfang :

    213 Seiten, Bilder, Tabellen, 144 Quellen




    Medientyp :

    Hochschulschrift


    Format :

    Print


    Sprache :

    Englisch





    Driver drowsiness detection

    YANG HSIN-HSIANG / PRAKAH-ASANTE KWAKU O | Europäisches Patentamt | 2015

    Freier Zugriff

    Driver Drowsiness Detection

    Satish, K. / Lalitesh, A. / Bhargavi, K. et al. | IEEE | 2020


    Driver Drowsiness Detection

    Rezaei, Mahdi / Klette, Reinhard | Springer Verlag | 2017


    DRIVER DROWSINESS DETECTION

    YANG HSIN-HSIANG / PRAKAH-ASANTE KWAKU O | Europäisches Patentamt | 2015

    Freier Zugriff