Overview of approaches to driver fatigue recognition and existing technical solutions



Cite item

Full Text

Abstract

The article analyzes the existing methods for determining the driver's condition. Driving in a state of fatigue, according to various statistics, is the cause of a large number of road traffic accidents (RTA). The percentage of accidents in Russia associated with the driver falling asleep while driving in 2018 is about 20%, in the USA the number of accidents for the same reason reaches 100,000 per year. The aim of the work is to review existing approaches to recognizing driver fatigue and existing technical solutions in this area. The article discusses such approaches as fatigue recognition based on the physiological state of the driver, recognition based on the driver's behavior, namely his speech and visual signs while driving, fatigue determination based on the nature of the vehicle's movement on the road and based on the driver's actions on the controls, the approaches based on the subjective assessment of the driver's condition. The advantages and disadvantages of each of the approaches were analyzed. The paper also provides an overview of existing fatigue recognition systems from various manufacturers that are currently used on vehicles and are designed to warn the driver of impending fatigue. It was revealed that in modern conditions of road transport operation, the most optimal approaches to fatigue recognition are based on an assessment of the driver's impact on the steering wheel, visual signs of driver fatigue and the nature of the vehicle's movement on the road, therefore, it is proposed to further focus on these methods.

About the authors

Ya. D Saprykin

Bauman Moscow State Technical University

Email: yds@live.ru
Moscow, Russia

V. I Ryazantsev

Bauman Moscow State Technical University

DSc in Engineering Moscow, Russia

A. A Smirnov

Bauman Moscow State Technical University

PhD in Engineering Moscow, Russia

References

  1. https://versia.ru/s-zasypaniem-za-rulyom-svyazano-okolo-20-procentov-vsex-dtp (дата обращения 09.12.2019)
  2. Forsman, P.M., Vila, B.J., Short, R.A., Mott, C.G., Van Dongen, H.P.A. Efficient driver drowsiness detection at moderate levels of drowsiness (2013). Accident Analysis and Prevention, 50, pp. 341-350.
  3. https://www.zr.ru/content/news/907509-kazhdyj-tretij-voditel-v-rossi/ (дата обращения 18.01.2019)
  4. Goodwin, A., Kirley, B., Sandt, L., Hall, W., Thomas, L., O’Brien, N., & Summerlin, D. (2013). Countermeasures that work: A highway safety countermeasures guide for State Highway Safety Offices. Washington, DC: National Highway Traffic Safety Administration.
  5. European Car Assessment Program (2014). 2020 Roadmap. Retrieved from www.euroncap.com.
  6. Sahayadhas, A.; Sundaraj, K.; Murugappan, M. Detecting driver drowsiness based on sensors: A review. Sensors 2012, 12, 16937-16953. [CrossRef] [PubMed]
  7. Richman, J.S.; Moorman, J.R. Physiological time-series analysis using approximate entropy and sample entropy. Am. J. Physiol. Heart Circ. Physiol. 2000, 278, H2039-H2049. [PubMed]
  8. Slater, J.D. A definition of drowsiness: One purpose for sleep? Med. Hypotheses 2008, 71, 641-644. [CrossRef] [PubMed]
  9. Mardi, Z.; Ashtiani, S.N.M.; Mikaili, M. EEG-based drowsiness detection for safe driving using chaotic features and statistical tests. J. Med. Signals Sens. 2011, 1, 130. [PubMed]
  10. Awais, M., Badruddin, N., Drieberg, M. A hybrid approach to detect driver drowsiness utilizing physiological signals to improve system performance and Wearability (2017) Sensors (Switzerland), 17 (9), статья № 1991.
  11. Furman, G.D.; Baharav, A. Investigation of drowsiness while driving utilizing analysis of heart rate fluctuations. In Proceedings of the IEEE Computing in Cardiology, Belfast, UK, 26-29 September 2010.
  12. Jung, S.J., Shin, H.S., Chung, W.Y. Driver fatigue and drowsiness monitoring system with embedded electrocardiogram sensor on steering wheel (2014) IET Intelligent Transport Systems, 8 (1), pp. 43-50.
  13. Alsibai, M.H., Manap, S.A. A study on driver fatigue notification systems (2016) ARPN Journal of Engineering and Applied Sciences, 11 (18), pp. 10987-10992.
  14. Greeley H. P., Friets E., Wilson J. P., Raghavan S., Picone J. and Berg J. 2006. Detecting fatigue from voice using speech recognition. In: IEEE International Symposium on Signal Processing and Information Technology.
  15. Krajewski J., Trutschel U., Golz M., Sommer D. and Edwards D. 2009. Estimating fatigue from predetermined speech samples transmitted by operator communication systems. In: the International Driving Symposium on Human Factors in Driver Assessment, Training and Vehicle Design. p468, pp. 470-471.
  16. Wierwille W.W. (1999) Historical perspective on slow eyelid closure: whence PERCLOS?. In: Ocular measures of driver alertness, technical conference proceedings. Herndon, pp 130-143.
  17. Eskandarian, A. Handbook of intelligent vehicles (2012) Handbook of Intelligent Vehicles, 1-2, pp. 1-1599.
  18. Manohar K. Efficient Driver Fatigue Detection and Alerting System (2015). International Journal of Scientific and Research Publications, Volume 5, Issue 7.
  19. Skipper J.H., Wierwille W.W. (1986) Drowsy driver detection using discriminant analysis. Human factors 28(5): 527-540.
  20. Knipling R. (1998) The technologies, economics and psychology of commercial motor vehicle driver fatigue managmenet. Presented at the 1998 ITS America’s eighth annual meeting and exposition, Detroit.
  21. Bhuyan M. (2009) Driver assistance systems to rate drowsiness: a preliminary study. In: Nakamatsu K., Phillips-Wren G., Jain L., Howlett R. (eds) New advances in intelligent decision technologies, vol. 199. Springer, Berlin/Heidelberg, pp 415-425.
  22. National Transportation Safety Board (1990) Fatigue, alcohol, other drugs and medical factors in fatal-to-the-driver heavy truck crashes, vol 1. NTSB publications, http://www.ntsb.gov/publictn/1990/ss9001.htm Acsessed 6th June, 2011
  23. Sigari M., Pourshahabi M., Soryani M., Fathy M. A Review on Driver Face Monitoring Systems for Fatigue and Distraction Detection. International Journal of Advanced Science and Technology, Vol.64 (2014), pp.73-100
  24. Sałapatek, Damian & Dybała, Jacek & Czapski, Paweł & Skalski, Paweł. (2017). Driver Drowsiness Detection Systems. Proceedings of the Institute of Vehicles. 3. 41-48.
  25. Walger, D.J., Breckon, T.P., Gaszczak, A., Popham, T. A comparison of features for regression-based driver head pose estimation under varying illumination conditions (2014). 2014 International Workshop on Computational Intelligence for Multimedia Understanding, IWCIM 2014, статья № 7008805.
  26. Choudhary, Prakash et al. “A Survey Paper On Drowsiness Detection & Alarm System for Drivers.” (2017). International Research Journal of Engineering and Technology (IRJET), volume 03, issue 12, pp.1433-1437.
  27. Forsman, P.M., Vila, B.J., Short, R.A., Mott, C.G., Van Dongen, H.P.A. Efficient driver drowsiness detection at moderate levels of drowsiness (2013). Accident Analysis and Prevention, 50, pp. 341-350.
  28. Hulbert S (1972) Effects of driver fatigue. In: Forbes TW (ed) Human factors in highway traffic safety research. Wiley, New York
  29. Ryder J, Malin S and Kinsley C (1981) The effects of fatigue and alcohol on highway safety. NHTSA Report No. DOT-HS-805-854, Washington, DC
  30. Yabuta K, Iizuka H, Yanagishima T, Kataoka Y, Seno T (1985) The development of drowsiness warning devices. In: Proceedings of the 10th international technical conference on experimental safety vehicles, Washington
  31. Friedrichs, F., & Yang, B. (2010). Drowsiness monitoring by steering and lane data based features under real driving conditions. European Signal Processing Conference, 209-213.
  32. Dingus TA, Hardee L, Wierwille WW (1985) Development of Impaired Driver Detection Measures. Department of Industrial Engineering and Operations Research, Virginia Polytechnic Institute and State University, (Departmental Report 8504), Blacksburg
  33. Elling M, Sherman P (1994) Evaluation of steering wheel measures for drowsy drivers. In: 27th ISATA, Aachen, Germany, pp 207-214
  34. Dingus, T., Hardee, H., & Wierwille, W. (1987). Development of models for on-board detection of driver impairment. Accident Analysis & Prevention, 19(4), 271-283.
  35. Safford R, Rockwell T.H. (1967) Performance decrement in twenty four hour driving. Highw Res Rec
  36. Brown I.D. (1966) Effects of prolonged driving upon driving skills and performance of a subsidiary task. Ind Med Surg 35:760-765
  37. Spindler C., Driewer F., Schäfers L. Analysis of the robustness of steering pattern based drowsiness detection. Daimler AG, Germany, paper number 15-0226.
  38. Li, Z., Li, S.E., Li, R., Cheng, B., Shi, J. Online detection of driver fatigue using steering wheel angles for real driving conditions (2017)ю Sensors (Switzerland), 17 (3), статья № 495.
  39. Daza, I.G., Hernandez, N., Bergasa, L.M., Parra, I., Yebes, J.J., Gavilan, M., Quintero, R., Llorca, D.F., Sotelo, M.A. Drowsiness monitoring based on driver and driving data fusion. (2011) IEEE Conference on Intelligent Transportation Systems, Proceedings, ITSC, статья № 6082907, pp. 1199-1204.
  40. Kaida, K., Takahashi, M., Åkerstedt, T., Nakata, A., Otsuka, Y., Haratani, T., Fukasawa, K. Validation of the Karolinska sleepiness scale against performance and EEG variables. (2006) Clinical Neurophysiology, 117 (7), pp. 1574-1581.
  41. https://www.haynesford.co.uk/Tech-Ford-driver-alert (дата обращения 17.12.2019)
  42. https://www.volvocars.com/ru/support/manuals/s60/2017-early/podderzhka-voditelya/driver-alert-system/driver-alert-control-dac (дата обращения 17.12.2019)
  43. https://www.mercedes-benz.ru/passengercars/mercedes-benz-cars/models/gla/gla-suv/explore.pi.html/mercedes-benz-cars/models/gla/gla-suv/explore/intelligent-technologies/attention-assist (дата обращения 17.12.2019)
  44. https://www.mercedes-benz.com/en/vehicles/international-corporate-sales/safety/ (дата обращения 17.12.2019)
  45. https://www.bosch-mobility-solutions.com/en/products-and-services/passenger-cars-and-light-commercial-vehicles/driver-assistance-systems/driver-drowsiness-detection/ (дата обращения 18.12.2019)
  46. https://www.landrover.ru/explore-land-rover/news/jlr-driver-attention-monitoring-system.html (дата обращения 18.12.2019)
  47. http://dunobil.ru/insomnia (дата обращения 18.12.2019)

Supplementary files

Supplementary Files
Action
1. JATS XML
Download

Copyright (c) 2020 Saprykin Y.D., Ryazantsev V.I., Smirnov A.A.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».