Temas acerca de Inteligencia Artificial
Foto de Usuario
ChristianRamirezD

Ranking Troomes
Mensajes: 10
Registrado: 25 Jun 2020, 18:40
Contactar:

Horarios de mayor frecuencia en la ocurrencia de accidentes de tránsito y sistemas actuales de detección de somnolencia

Mensaje por ChristianRamirezD » 10 Jul 2020, 22:52

ACCIDENTES DE TRÁNSITO
Según los autores, la Dra. Ángela Normayda, Jorge Miguez, Dra. Haray Godoy del Sol y Dra. Mavis Ortis Sagasta del paper “Caracterización de la mortalidad por accidentes de tránsito con participación de ciclos”, del estudio realizado, muestra la siguiente tabla. Los datos que se muestran en la tabla 1, fueron recogidos por los autores de la base de datos del Registro del Departamento Provincial de Medicina Legal del Hospital General Universitario “Dr. Gustavo Aldereguia Lima.

Tabla 1.Distribución de accidentes de tránsito según hora de sucedido
tabla1.png
Tabla 2. Región anatómica predominantemente afectada
tabla2.png
Según la ilustración de la tabla 2, la región anatómica más afectada fue la cefálica, con 16 casos; representando un 61.5% del total de casos.
Otra tabla de gran importancia, es el que se muestra a continuación en la tabla 3.

Tabla 3.Hora en la que sucedieron los accidentes o casi accidentes de tránsito reportados por los conductores
tabla3.png
Fuente: MTC

Según este gráfico, se muestra cuatro distintas curvas para los conductores de distintas rutas, detallándose el horario, donde la ocurrencia de los accidentes de tránsito es más frecuente.
- Para la ruta de Huancayo: los accidentes, ocurren más en el horario de 2 a.m. a 3:30 a.m. y en menor medida durante el mediodía.
- Para la ruta de del terminal Fiori a Lima, los accidentes predominan en los horarios 2:00 a.m. a 5:00 a.m.
- En el caso de los conductores formales: representan el mayor porcentaje de accidentes respecto al total conformado por conductores formales e informales ; predominado con mayor frecuencia los accidentes para ambos tipos de conductores en tramo de horario de 2:00 a.m. a 3:30 a.m.
Tanto para la tabla 1 y la tabla 3 , resulta una verdad irrefutable que los accidentes ocurren en mayor número durante la noche y más durante la madrugada.

SOLUCIONES COMERCIALES DE DETECCIÓN DE SOMNOLENCIA

Existen diferentes soluciones comerciales, desarrollada por empresas del sector automotriz, ya sea construyendo componentes para sus sistemas de ayuda en la conducción.
Distintas estrategias son empleadas:
- Técnicas del análisis de los ojos y expresiones faciales
- Análisis de la carretera
- Información de las señales fisiológicas

ATTENTION TECHNOLOGIES
La empresa Attention Technologies Inc. (Attention Technologies Inc.) presenta y comercializa un sistema para la detección de la somnolencia. En la actualidad, se registran dos versiones: Copilot, Driver Fatigue Monitoring . Ambas versiones van instaladas al interior del vehículo del conductor. La principal diferencia consiste:
- El copiloto: detecta la somnolencia del conductor
- El monitoreador de fatiga del conductor: detecta la somnolencia del conductor y en paralelo detecta indicios de fatiga.

Fig 1. Copilot y Driver Fatigue Monitoring

fig1.png
Los dos sistemas están diseñados para trabajar en vehículos de carga pesada (camiones) y calculan el índice de somnolencia Perclos, en tiempo real. La base fundamental de los dos sistemas lo constituye el sistema de visión con iluminación infrarroja.

SEEING MACHINE
Seeing Machine es una empresa dedicada a desarrollar y proveer productos de alta tecnología para el análisis y seguimiento del rostro y los ojos utilizando técnicas basadas en Visión por Computador.

Fig 2. Sistema propuesto por Seeing Machine: (a) sistema de visión, (b) simulador virtual para analizar el comportamiento del conductor.

fig2.png
Este sistema se basa en dos módulos de acción:
a) Simulación virtual de la carretera: se basa en un simulador virtual que detecta en tiempo real, ante una desviación involuntaria del carril.
b) Sistema de visión : basado en visión infrarroja captura imágenes en tiempo real , llenando el dataset de imágenes para el entrenamiento del modelo.
Su principal producto es el denominado faceLab que se muestra en la figura 2. El sistema consiste de un sistema de visión estéreo que utiliza iluminación infrarroja.

MERCEDES-BENZ ANTI-FATIGUE DRIVER ALARM
Recurre a un sistema de visión infrarrojo que monitoriza los ojos del conductor, evaluando su nivel de somnolencia. Además, a través de un sistema de sensores colocados en la cabeza, evalúa la actividad cerebral del conductor mediante un encefalograma, de manera que combinando toda esta información de manera adecuada, predice el estado de somnolencia del conductor.

Fig 3: Sistema experimental para la detección de la somnolencia de Mercedes-Benz

fig3.png
ASSISTWARE TECHNOLOGY
La empresa AssistWare Technology se dedica al desarrollo de tecnología para ayudar en la reducción de los accidentes de tráfico, es así como en 1996 presentó el sistema SafeTRAC.

Fig 4. Sistema de detección SafeTRAC

fig4.png
El sistema analiza la carretera utilizando la información visual obtenida a través de una cámara. Con la información de la zona de la carretera que corresponde a aproximadamente 50 metros al frente del vehículo, el sistema calcula la posición y la trayectoria para estimar dos situaciones de peligro: somnolencia y salida involuntaria del carril. A través de una alarma sonora, indica si el conductor se encuentra en alguna de las situaciones de peligro.
Desafortunadamente, este sistema no es adecuado para vías en mal estado, donde las líneas de la carretera no son visibles; por lo que sería difícil estimar un modelo como el propuesto.

SOLUCIONES LIBRES
Sistema de detección de somnolencia para conductores de vehículos mineros
Utiliza cámara infrarroja. El enfoque es utilizar la biblioteca dLib, la que mediante una red neuronal (RN) entrenada para detectar rostros. La biblioteca entrega información adicional que se utiliza en este desarrollo: posición de las cejas, de los ojos, de la nariz y de la boca. Luego, a partir de esta información suministrada, se está en proceso de generar métricas que permitan evaluar la actitud de ojos y rostro en general, así como poder segmentar zonas específicas del rostro, siendo de especial interés el determinar con la mayor seguridad el estado de ojos cerrados o abiertos. El caso más complicado de resolver es el de ojos tras gafas de seguridad oscuras, se ha tratado este objetivo utilizando algoritmos de OpenCV personalizados y algoritmos específicos desarrollados para este caso de estudio de determinar el estado de los ojos tras gafas oscuras.


Fig 5. Diagrama de procesamiento para determinar el estado de los ojos del conductor
fig5.png
Monitoreo de somnolencia del conductor basado en Detección de bostezos
En el trabajo de investigación de Shabnan Abtari y sus colaboradores, de la universidad de Ottawa, Canadá. Propusieron un sistema de cuatro fases de detección para concluir si el conductor se encuentra somnoliento o no. Para el sistema de detección se basa en una serie de etapas de detección que se muestra en la Fig 6 y los resultados para cada etapa se muestra en la Fig 7.

Fig 6.Etapas de detección del sistema propuesto
Adjuntos
fig6.png


Responder