Riassunto analitico
Drowsiness is a significant contributing factor to accidents, with an estimated 10-30% of road fatalities attributed to driving while fatigued. Numerous studies have focused on reducing the risk of accidents, many of which are based on detecting biological signals to assess driver drowsiness. One of the extensively studied signals is Electrodermal Activity (EDA), which refers to electrical changes in the skin in response to stimuli or emotional states. EDA primarily reflects the activity of sweat glands controlled by the autonomic nervous system.
When individuals experience emotional or physiological responses such as stress, excitement, or arousal, the sympathetic nervous system activates, leading to changes in sweat gland activity. These changes result in variations in skin conductivity, which can be measured using electrodes placed on the skin's surface. EDA parameters find applications in medical contexts to monitor physical and mental states.
In recent years, automobile manufacturers have developed Advanced Driver-Assistance Systems (ADAS) aimed at enhancing driver safety. ADAS encompasses devices and sensors designed to make driving safer, including features like adaptive cruise control, automatic emergency braking, and automatic signal recognition.
Some of these systems monitor eye closure, head position and angle, steering wheel position changes, or physiological signals through Electrocardiogram (ECG) analysis. All these systems aim to assess drivers' drowsiness and minimize the risk of accidents. In this thesis, I will present a prototype capable of detecting clear EDA signals on the driver's palm using dry electrodes placed on the steering wheel. The signals will be acquired and post-processed through a combination of hardware and software developed within a dedicated embedded platform. The ultimate goal is to develop a system that enables precise and timely determination of the driver's drowsiness state in a non-invasive way.
|
Abstract
La sonnolenza è un fattore che contribuisce in modo significativo agli incidenti, con circa il 10-30% degli incidenti stradali attribuiti alla guida in stato di affaticamento. Numerosi studi si sono concentrati sulla riduzione del rischio di incidenti, molti dei quali si basano sul rilevamento di segnali biologici per valutare la sonnolenza del conducente. Uno dei segnali ampiamente studiati è l’attività elettrodermica (EDA), che si riferisce ai cambiamenti elettrici nella pelle in risposta a stimoli o stati emotivi. L'EDA riflette principalmente l'attività delle ghiandole sudoripare controllate dal sistema nervoso autonomo.
Quando gli individui sperimentano risposte emotive o fisiologiche come stress, eccitazione o eccitazione, il sistema nervoso simpatico si attiva, portando a cambiamenti nell’attività delle ghiandole sudoripare. Questi cambiamenti determinano variazioni nella conduttività cutanea, che possono essere misurate utilizzando elettrodi posizionati sulla superficie della pelle. I parametri EDA trovano applicazioni in contesti medici per monitorare stati fisici e mentali.
Negli ultimi anni, i produttori di automobili hanno sviluppato sistemi avanzati di assistenza alla guida (ADAS) volti a migliorare la sicurezza del conducente. L'ADAS comprende dispositivi e sensori progettati per rendere la guida più sicura, comprese funzionalità come il controllo automatico della velocità, la frenata automatica di emergenza e il riconoscimento automatico del segnale.
Alcuni di questi sistemi monitorano la chiusura degli occhi, la posizione e l'angolazione della testa, i cambiamenti di posizione del volante o i segnali fisiologici attraverso l'analisi dell'elettrocardiogramma (ECG). Tutti questi sistemi mirano a valutare la sonnolenza dei conducenti e a ridurre al minimo il rischio di incidenti. In questa tesi presenterò un prototipo in grado di rilevare chiari segnali EDA sul palmo del conducente utilizzando elettrodi asciutti posizionati sul volante. I segnali verranno acquisiti e post-elaborati attraverso una combinazione di hardware e software sviluppati all'interno di una piattaforma embedded dedicata. L'obiettivo finale è sviluppare un sistema che consenta di determinare in modo preciso e tempestivo lo stato di sonnolenza del conducente in modo non invasivo.
|
