تشخیص خواب‌ آلودگی راننده بر اساس حسگرها: یک مرور

قیمت: 40,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

تشخیص خواب‌ آلودگی راننده بر اساس حسگرها: یک مرور

عنوان لاتین

Detecting Driver Drowsiness Based on Sensors: A Review

در سال‌های اخير، خواب‌آلودگی راننده يكي از علل عمده حوادث جاده‌ای بوده و می‌تواند منجر به آسیب‌ های شديد جسماني، مرگ‌ و میر و ضررهاي اقتصادي قابل‌ توجه شود. آمار نشان می‌دهد که به یک سیستم قابل‌اطمینان برای تشخیص خواب‌آلودگی راننده که بتواند قبل از حادثه به راننده هشدار بدهد، نیاز وجود دارد. محققان تلاش کرده‌اند تا خواب‌آلودگی راننده را با استفاده از ارزیابی‌های زیر تعیین کنند: (1) ارزیابی‌های مبتنی بر وسیله نقلیه (2) ارزیابی‌های رفتاری و (3) ارزیابی‌های فیزیولوژیکی. مرور دقیق این ارزیابی‌ها، بینشی نسبت به سیستم‌های فعلی و مشکلات مربوط به آن‌ها و همچنین کارهایی که لازم است انجام شود تا یک سیستم نیرومند ساخت را فراهم می‌کند. در این مقاله، ما این سه ارزیابی را با توجه به حسگرهای استفاده‌شده موردبحث قرار می‌دهیم و در مورد مزایا و محدودیت‌های هر یک از آن‌ها صحبت می‌کنیم. همچنین راه‌های مختلفی که از طریق آن‌ها خواب‌آلودگی به‌صورت آزمایشگاهی مدیریت‌شده، موردبحث قرارگرفته است. ما نتیجه گرفتیم که با طراحی یک سیستم تشخیص خواب‌آلودگی هیبریدی که ترکیبی از ارزیابی‌های فیزیولوژیکی غیر مخل با سایر ارزیابی‌ها است، می‌تواند سطح خواب‌آلودگی یک راننده را به‌صورت دقیق تعیین کند. درصورتی‌که به راننده‌ای که خواب‌آلود به نظر می‌رسد هشدار داده شود، ممکن است از تعدادی از حوادث جاده‌ای جلوگیری شود.

In recent years, driver drowsiness has been one of the major causes of road accidents and can lead to severe physical injuries, deaths and significant economic losses. Statistics indicate the need of a reliable driver drowsiness detection system which could alert the driver before a mishap happens. Researchers have attempted to determine driver drowsiness using the following measures: (1) vehicle-based measures; (2) behavioral measures and (3) physiological measures. A detailed review on these measures will provide insight on the present systems, issues associated with them and the enhancements that need to be done to make a robust system. In this paper, we review these three measures as to the sensors used and discuss the advantages and limitations of each. The various ways through which drowsiness has been experimentally manipulated is also discussed. We conclude that by designing a hybrid drowsiness detection system that combines non-intusive physiological measures with other measures one would accurately determine the drowsiness level of a driver. A number of road accidents might then be avoided if an alert is sent to a driver that is deemed drowsy.