Sistema Inteligente para Identificação e Prevenção de Distração de Motoristas
Distração de motorista, Modelos de aprendizado de máquina, Telefone celular, Redes Neurais Convolucionais.
A distração de motoristas é um problema que tem provocado acidentes e mortes no mundo todo. Dados da Organização Mundial de Saúde apontam que o acidente de trânsito está entre as dez principais causas de morte no mundo. Dentre as causas de acidente de trânsito, destaca-se a utilização do telefone celular como um dos principais motivadores. Um motorista, ao utilizar um telefone celular, ativa diferentes níveis de distração. Distrações físicas, visuais, auditivas e cognitivas podem ocorrer em decorrência da utilização do telefone celular. Considerando o elevado número de mortos e feridos devido à distração do motorista, diferentes medidas estão sendo tomadas para combater este cenário. Campanhas educativas, criação de leis, fiscalização, investimento em infraestrutura de rodovias e investimento em veículos seguros são medidas adotadas em diversos países. Em relação aos veículos seguros, destaca-se a pesquisa e o desenvolvimento de tecnologias como controle de estabilidade, de distância, de mudança de faixa, de colisão, de visão noturna e de distração. Nesse contexto, o presente trabalho está inserido na linha de pesquisa que investiga e desenvolve soluções para a distração de motorista. Partindo da hipótese de que prevenir a distração do motorista implica diminuir a probabilidade de acidentes e, consequentemente, salvar vidas, diferentes modelos de aprendizado de máquina foram desenvolvidos para prevenir e entender o contexto no qual a distração do motorista ocorre. Experimentos foram realizados para classificar e contextualizar os tipos de distração em virtude da utilização do telefone celular. Esta proposta de tese considerou desenvolver e avaliar modelos de aprendizado de máquina para classificar distrações de motoristas provenientes de chamadas telefônicas, elaboração e leitura de mensagem de texto. A coleta dos dados foram realizadas em experimentos naturalísticos a partir de sensores de smartphones. Os experimentos foram realizados a partir da observação macroscópica do motorista e da observação dos efeitos do comportamento distraído. Os experimentos de observação macroscópica utilizaram câmeras acopladas ao veículo para a coleta de dados. Já os experimentos que analisaram os efeitos do comportamento distraído, utilizaram sensores como acelerômetro, GPS, magnetômetro e giroscópio. Modelos de convolutional neural network, recurrent neural network , random forest, gradiente boosting, support vector machine, decision tree e etc, foram desenvolvidos para analisar os dados dos experimentos realizados. A avaliação dos resultados demonstra que os modelos de aprendizado de máquina possuem potencial para detectar e prevenir a distração de motorista.