سیستم تشخیص خواب آلودگی - نرم افزار تشخیص خواب الودگی

سیستم تشخیص خواب آلو دگی


خواب آلو دگی راننده، کابوسی است که همواره بر روح و جان مسافران سایه انداخته است. متأسفانه این کابوس در جاده های کشورمان در اکثر موارد به واقعیت پیوسته و همواره شاهد از بین رفتن هموطنان عزیز در سطح جاده های کشور هستیم. ایران از لحاظ تلفات جاده ای رتبه نخست جهان را دارد و سالانه حدود ۳۰ هزار نفر از عزیزانمان در این حوادث، جان خود را از دست می دهند. گفتنی است که این موضوع محدود به کشور ما نبوده و در سراسر جهان معضل تصادفات جاده ای وجود دارد. برطبق آخرین تحقیقات انجام شده توسط مرکز تحقیقات خواب Loughborough انگلیس، خستگی راننده یکی از عوامل اصلی تصادفات جاده ای منجر به مرگ و یا آسیب های جدی در انگلیس است.

نرم افزار تشخیص خواب الودگی

نرم افزار تشخیص خواب الودگی

خواب آلو دگی راننده، کابوسی است که همواره بر روح و جان مسافران سایه انداخته است. متأسفانه این کابوس در جاده های کشورمان در اکثر موارد به واقعیت پیوسته و همواره شاهد از بین رفتن هموطنان عزیز در سطح جاده های کشور هستیم. ایران از لحاظ تلفات جاده ای رتبه نخست جهان را دارد و سالانه حدود ۳۰ هزار نفر از عزیزانمان در این حوادث، جان خود را از دست می دهند. گفتنی است که این موضوع محدود به کشور ما نبوده و در سراسر جهان معضل تصادفات جاده ای وجود دارد. برطبق آخرین تحقیقات انجام شده توسط مرکز تحقیقات خواب Loughborough انگلیس، خستگی راننده یکی از عوامل اصلی تصادفات جاده ای منجر به مرگ و یا آسیب های جدی در انگلیس است.

در این زمینه، شرکت های بزرگی همانند فورد و ولوو، دست به کار طراحی سیستم هایی برای تشخیص خواب آلو دگی راننده شده اند.

● تئوری آزمون

اصولاً سیستم های شناسایی خواب آلو دگی با شبیه سازی رانندگی، از قابلیت شناسایی خواب آلو دگی راننده و هشدار دادن به راننده خواب آلو د برخوردارند. شبیه ساز مورد بحث، از یک دوربین دیجیتال با یک پردازشگر سیگنال (DSP) تشکیل شده است. این سیستم، درصد نزدیک شدن پلک ها به یکدیگر را اندازه گرفته و با مقایسه آن با زمان استاندارد، در صورت وجود اختلاف برای این عامل، از طریق بازخوردی که در سیستم تعریف شده است، سیستم هشدار دهنده را فعال می کند. سیستم هشدار ممکن است به صورت یکی از روش های صوتی، لرزش صندلی و یا غربیلک فرمان عمل کند.

البته سیستم های دیگری نیز برای تشخیص خواب آلو دگی رانندگان طراحی شده اند که عبارتند از: حسگرهای تعیین محل سر راننده، سیستم شناسایی خیرگی چشم راننده، اندازه گیری سیگنال های مغزی (EEG)، اندازه گیری امپدانس سطح پوست و در نهایت تصویربرداری از سطح جاده

● روش آزمون

Copilot سیستمی مبتنی بر ویدئوست که برای ثبت تعداد دفعات افت های آهسته پلک به کار می رود. این سیستم، از تجهیزات روشنایی برای شناسایی چشمان راننده استفاده می کند و با استفاده از یک دوربین، دو تصویر متوالی از راننده می گیرد.

۱) با استفاده از یک منبع روشنایی مادون قرمز ۸۵۰ نانومتری تهیه می شود که پرتویی متمایز از مردمک چشم راننده (اثر چشم قرمز) ایجاد می کند.

۲) از یک منبع روشنایی مادون قرمز ۹۵۰ نانومتری برداشته می شود که تصویری با مردمک تیره را ایجاد می کند. این دو تصویر، به استثنای روشنی مردمک، با یکدیگر یکسان هستند.

۳) با محاسبه اختلاف این دو تصویر، چشمان روشن را ارتقامی دهد. با اعمال حد بر روشنایی (پیکسل) تصویر، چشمان راننده در این تصویر شناسایی می شود.

اصولاً، تصویر چشم روشن و چشم تیره یکسان هستند به استثنای مردمک های درخشان در تصویر چشم روشن. تصویر متفاوت تمامی مشخصه های تصویری به استثنای مردمک های روشن را حذف کرده است.

Copilot برای نصب روی داشبورد و سمت راست فرمان ، طراحی شده است. این سیستم مجهز به پایه ای چرخان با دو درجه آزادی است تا تنظیم سیستم توسط راننده را امکان پذیر سازد. نمای جلویی دستگاه، مشابه ترکیب آینه عقب ساخته شده است. به راننده آموخته می شود که جهت دستگاه خود را همانند آینه عقب تنظیم کند. زمانی که راننده تصویر خود را در صفحه دستگاه می بیند، دستگاه تنظیم است. میدان دید، به حدی باز است که حرکات مهم سر را در برمی گیرد. در فاصله ۳۰ سانتی متری دوربین، یک تصویر چهار گوش به اندازه ۳۰ سانتی متر به دست می آید. این اندازه اجازه می دهد تصویر ۴۲ سانتی متری نمای سر را در حالی منتقل کند که حداقل یک چشم در میدان دید باقی می ماند.

● خواب و تصادفات

از آنجا که کسب اطلاعات در زمینه حالات فیزیولژیکی راننده خواب آلو د، الزام اولیه این آزمایش بود، این واقعیت که درصد بالایی از افراد یک یا چند رویداد خواب بیشتر نشان می دادند، برای ما به منزله تأیید مثبت طراحی آزمایش بود.

● الگوی انتخاب

برای انجام آزمایش، جمعی متشکل از ۶۰ مرد سالم در سنین بین ۲۲ تا ۲۸ سال، از میان ۲۲۰ متقاضی انتخاب شدند. به این افراد، توصیه می شد که هر گونه غیرواقعی بودن شبیه سازی را نادیده گرفته و برطبق مقررات ترافیکی جاده (محدودیت های سرعت و امثالهم) رانندگی کنند. به افراد تحت آزمایش چیزی در خصوص طول یا مسافت آزمایش در دست انجام گفته نشد. اهداف و مقاصد آزمایش نظیر خواب آلو دگی، تشخیص و امثالهم به افراد گفته نشد و سئوالات مربوط به این موضوعات به طور مؤدبانه بی پاسخ می ماندند. افراد می بایستی مسیرهای زیر را در شبیه ساز می پیمودند تا بتوان در ادامه تحقیقات از نتایج حاصله سود برد.

خط مبنا: مسیری ۴ کیلومتری، بدون هیچ گونه مه، پیچ و خم و ترافیک

استرس: ۱۲۰ کیلومتر مسیر مه آلو د (با ۵۰ متر وضوح میدان دید) و پیچ های ناگهانی و ترافیک کم

کنترل و تست: مسیری ۱۰ کیلومتری با پیچ و خم های زیاد و سراشیبی در محیط واقعی خیابان (با ترافیک و عابرین) و کمی مه آلو د

● رویدادهای خواب

رویدادهای خواب، موقعیت هایی هستند که در آنها، راننده چشمانش را به مدتی بیش از یک ثانیه، بسته نگه می دارد. در سرعت ۵۰ کیلومتر در ساعت، خودرو مسافتی حدود ۱۵ متر را در مدت یک ثانیه طی می کند. صدها رویداد از این دست، بین ۶۹ درصد از افراد ثبت شد که طولانی ترین رویداد، طی مسافتی حدود ۱۲۰ متر، به مدت ۸ ثانیه بود. تعداد افزایش رویدادهای خواب، بر حسب طول زمان رانندگی در منطقه مه آلو د و استرس بدون محرک، به حداکثر ۶۰ تا ۱۱۰ کیلومتر می رسد. نیل به این حد، از چند طریق قابل توجیه است:

۱) ۹ نفر خوابشان برد و تصادفات شدیدی را موجب شدند. به این افراد اجازه داده نمی شد آزمایش را کامل کنند، لذا هیچ سهمی در کل آمارهای به دست آمده نداشتند.

۲) برخی رانندگان، خوابشان می برد و به مرحله ایجاد تصادف، بسیار نزدیک شدند، اما موفق شدند خودروی خود را کنترل کرده و آزمایش را با هوشیاری خاصی ادامه دهند.

۳) منطقه شلوغ آزمایشی، در ۱۳۰ کیلومتری، توجه راننده را جلب کرده و هوشیاری او را تقویت می کند.

● تصادفات ناشی از خواب

حدود ۴۵ درصد از سوانح شدید، نتیجه بلاواسطه و منحصر بفرد خواب افتادگی راننده است. هر راننده ای که چندین ثانیه را با چشمان بسته رانندگی کرد، یا با انبوهی از خودروهای در حال حرکت تصادف کرد و یا با عابر در حال گذر از خیابان برخورد کرد. همین رویداد رانندگی در منطقه کنترل شده، در هیچ یک از آزمایش ها مشکلی ایجاد نکرد. از این رو می توان نتیجه گرفت که تصادف ناشی از خواب آلو دگی و استرس، در منطقه استرس زا رخ می دهد.

● تحلیل نتایج

برای تشخیص اتوماتیک افت پلک، یک بسته نرم افزاری اختصاصی موسوم به ALISA (تصویر یادگیری انطباقی و تحلیل سیگنال) برای تصاویر IR دوربین به کار رفت. چهارم تصویر متوالی از چهره راننده در کنار تصاویر عادی سازی شده توسط ALISA به کار برده شد. اندازه نقاط سیاه همزمان با تغییر اندازه نقاط تحت کنترل چشم، تغییر می کند. زمانی که پلک کاملاً بسته می شود، نقطه سیاه نیز ناپدید می شود. تعیین حد طول زمان۴، پلک زدن عادی را از شروع خواب، متمایز می کند.

خواب آلو دگی غالباً، به مرور زمان افزایش می یابد. این امر در شکل ۲ که طرح درصد افت پلک برای راننده جاده را نشان می دهد، قابل مشاهده است.

این نرم افزار، به ما قدرت تحلیل نتایج به دست آمده از آزمایش شبیه ساز Copilot را می دهد.

● نتیجه گیری

در انگلیس افزون بر ۲۵ درصد از تصادفات و به طور خاص حدود ۶۰ درصد تصادفات جاده ای، ناشی از خستگی راننده در حین رانندگی است. در ایران، شرایط متفاوت از انگلیس بوده، اما درصدی از تصادفات جاده ای، ناشی از خواب آلو دگی و خستگی رانندگان بوده است.

در این زمینه، انجام اقدامی بسیار ضروری به نظر می آید. از طرفی با توجه به تحقیقات انجام شده، سیستم فوق از قابلیت مناسبی در شناسایی و اعلام اخطار به راننده خواب آلو ده برخوردار است.

سیستم های مشابه این سیستم، در خودروهای روز دنیا به صورت تجاری نیز درآمده است. مثلاً، خودروی فورد و سیتروئن C۴. پیش بینی می شود که استفاده از این سیستم طی ۱۰ سال آتی، رشد بسیار چشمگیری داشته باشد. همچنین، با ترکیب این تکنولوژی با سیستم GPS می توان نتایج بسیار مطلوب تری را در خصوص ایمنی سرنشینان وسایل نقلیه پیش بینی کرد


,