Senność jest jedną z głównych przyczyn poważnych zdarzeń drogowych - według danych amerykańskich 17% wszystkich śmiertelnych wypadków ma z nią związek. Kierowcy śpiący w nocy mniej niż 4 godziny są 11,5 raza bardziej narażeni na wypadek niż ci, którzy przesypiają całą noc.

Ostatnie postępy w dziedzinie sztucznej inteligencji (AI) i uczenia maszynowego (ML) umożliwiły poprawę wykrywania senności u kierowców. Wielu dostawców technologii bezpieczeństwa oferuje funkcje wykrywania senności, jednak nie wszystkie rozwiązania są równie skuteczne. Bezbłędnne wykrycie senności nie jest wcale łatwe - żaden pojedynczy symptom, taki jak ziewanie lub przedłużone zamykanie oczu, nie jest sam w sobie wystarczającym wskaźnikiem tego, że kierowca rzeczywiście odczuwa niedobór snu.

Opierając się na badaniach naukowych stwierdzono, że technologie AI i ML mogą pomóc w wykrywaniu senności ze względu na ich zdolność do uwzględniania wielu zachowań. Właściwe wytrenowanie modeli AI do wykrywania senności nadal jednak stanowi wyzwanie. Senność nie przejawia się jako pojedyncze, odizolowane zachowanie, w przeciwieństwie do innych zagrożeń bezpieczeństwa na drodze wykrywanych przez sztuczną inteligencję, takich jak korzystanie z telefonu komórkowego lub przekraczanie prędkości. Poszczególne symptomy — takie jak kiwanie głową, garbienie się, przedłużone zamykanie oczu i ich pocieranie — są potencjalnymi wskaźnikami zmęczenia, ale żadne pojedyncze zachowanie nie wystarcza, aby stwierdzić taki stan w stu procentach.

Np. ziewanie nie zawsze jest wskaźnikiem senności. Ludzie mogą ziewać z innych powodów, takich jak nuda. Także przedłużone zamknięcie oczu samo w sobie nie jest wystarczającym wskaźnikiem senności, a jednocześnie może być symptomem zmęczenia w późnym jego stadium - bezpośrednio poprzedzającym mikrozaśnięcie. Skuteczne wykrywanie senności identyfikuje zarówno wczesne, jak i późne stadium zmęczenia i natychmiast ostrzega kierowcę (i przełożonego) przed niebezpieczeństwem.

Analiza przeprowadzona wśród użytkowników funkcji wykrywania senności opracowanej przez amerykańską firmę Samsara wykazała, że około 70% zdarzeń związanych z prowadzeniem pojazdu w stanie senności zostało zidentyfikowanych na podstawie kilku różnych symptomów. Skuteczne jej wykrywanie wymaga rozwiązania, które bierze pod uwagę wiele różnych zachowań kierowcy w dłuższym okresie, aby precyzyjnie ocenić ryzyko senności. Należy uwzględniać także nieoczywiste symptomy, w tym mimikę twarzy, czy nietypowe pozy głowy.

Urządzenie firmy Samsara ocenia ponad 17 zachowań, w tym kiwanie głową, garbienie się, przedłużone postoje, pocieranie twarzy, ziewanie i przedłużone zamykanie oczu. Zostało opracowane na największym na świecie zestawie danych, który obejmuje ponad 180 mld minut nagrań wideo i danych z 350 mld przebytych kilometrów. Po wykryciu senności kierowca i dyspozytor otrzymują alerty w czasie rzeczywistym, dzięki czemu mogą od razu przeciwdziałać potencjalnemu niebezpieczeństwu. Funkcja wykrywania senności jest zintegrowana z platformą Samsara, dzięki czemu może być używana w celu identyfikowania wzorców zmęczenia w całej firmie lub większej organizacji.

Źródło: Samsara
Zdjęcie poglądowe