Detecció d'estats inadequats per la conducció d'un vehicle a partir de la degradació del control dinàmic

Abstract

Una de les principals causes d’accidents d’automòbil és l’estat inadequat del conductor. Diversos estudis situen entre el 16% i el 30% el nombre d'accidents de trànsit relacionats amb el cansament, fatiga, somnolència i estats similars. Per aquest motiu una de les prioritats actuals de grups de recerca i empreses automotrius és el desenvolupament de sistemes capaços de detectar somnolència i/o estats inadequats en conductors.

Els diversos mètodes existents per detectar somnolència poden agrupar-se en quatre grans grups: subjectius, fisiològics, visuals i de conducció. Els primers, basats en avaluacions subjectives, presenten una baixa fiabilitat si el conductor és el seu propi avaluador i el seu ús en vehicle no és viable si l’avaluador és extern. Els sistemes basats en informació fisiològica tenen una major fiabilitat però requereixen l’ús de dispositius específics per part del conductor (casc amb elèctrodes, sensors d’activitat cardíaca, banda respiratòria, etc.). Aquest fet és molest pels usuaris i, mentre no es desenvolupi un sensor sense contacte fiable, limita la utilització d’aquests sistemes a conductors professionals d’alt risc (conductors de llargues distàncies, de mercaderies perilloses, etc.). El tercer grup, en canvi, és totalment transparent a l’usuari i analitza, a partir del processat d’imatges, l’atenció del conductor en funció del seu comportament ocular. En condicions de bona il·luminació presenten molts bons resultats, mentre que les il·luminacions irregulars els són problemàtiques, així com l’ús d’ulleres de sol. Finalment, el quart grup de detectors està format per aquells que es basen en l’anàlisi de la conducció del vehicle, els quals són també transparents per l’usuari. La majoria d’aquests detectors estan desenvolupats en simuladors, sense tenir en compte la complexitat d’un entorn real.

En aquesta tesi és presentat un sistema per a vehicles reals que estima l’estat del conductor a partir d’una avaluació de la qualitat de la conducció i de la seva interacció amb el vehicle. Partim de la hipòtesi que aquesta qualitat es degrada amb la fatiga i la somnolència. El sistema estudia els senyals disponibles a la xarxa de comunicacions del vehicle (bus CAN) i, opcionalment, les dades proporcionades per una càmera frontal amb un programari específic per la detecció de línies de carril.

Per validar la nostra hipòtesi inicial s’han realitzat assajos en simulador amb subjectes privats del son. Les dades obtingudes han estat analitzades i en elles s’han identificat les característiques de la conducció més significatives en somnolència. A continuació s’han dut a terme diferents assajos en vehicle real, en els que s’ha pogut observar un important increment de la complexitat de l’entorn. Per això, en el desenvolupament del detector hem hagut de centrar gran part dels esforços en evitar les falses alarmes. A part dels tres grans mòduls que generen penalitzacions (basats en la posició en el carril, els moviments de volant i les correccions brusques), es presenten a la tesi diversos mòduls centrats en identificar determinades situacions i condicions en la conducció a partir dels que es modula dinàmicament la sensibilitat del sistema.

Els resultats obtinguts mostren la possibilitat de detectar estats no aptes mitjançant el control dinàmic del vehicle, sempre i quant aquests es vegin reflectits en la conducció. El sistema final pot treballar exclusivament amb les dades del CAN, tot i que l’adició d’una càmera frontal incrementa la qualitat de la informació d’entrada del sistema. Està optimitzat per treballar en microcontroladors de vehicle, complint amb restriccions temporals i computacionals així com satisfent les principals normatives automotrius.

A main cause of vehicle accidents is the driver's condition. Several studies estimate that drowsiness and similar states cause around 16-30% of all traffic accidents.

The existing drowsiness detection methods can be divided into four main groups: subjective, physiological, visual and driving behavioral. The first and second methods are not feasible for non professional divers due to their low reliability and/or need of devices attached to the driver. The third method can be already found in vehicles, but has the drawback of depending highly on lighting conditions. Finally, the fourth methods, based on the driving behavior analysis, have the advantage of being transparent and non-invasive to the user and also not depending highly on external conditions. Most of these detectors are developed in simulators, without considering the real environment's complexity.

This thesis presents a system for real vehicles to estimate the driver's state based on an evaluation of his/her driving quality and interaction with the vehicle. We assume that this quality deteriorates with fatigue and drowsiness. The system analyses data available on the vehicle's bus and optionally data provided by a lane detection frontal camera.

To validate our initial hypothesis simulator tests have been done with sleep-deprived drivers. The obtained data were analyzed to obtain the main drowsy driving characteristics. Afterwards, different real vehicle tests were carried out, where a significant increase of the environment's complexity appeared. Therefore, our development had a focus on false alarms prevention. Besides the major modules that generate penalties (based on the vehicle's position, steering movements and abrupt corrections), we presented other modules focused on identifying specific situations and conditions that modulate dynamically the system's sensitivity.

The results show the feasibility of detecting inattentive states using the vehicle's dynamic control. The system is optimized to work in a vehicle's microcontroller, fulfilling automotive's standards and constraints.