Detektering av nedsatt körförmåga via machine learning samt multi-modal analys

Syfte och mål

INSIGHT syftar till ökad trafiksäkerhet genom ett system som i realtid upptäcker nedsatt körförmåga via dataanalys av multi-modal data. Målet är en prediktiv modell som med verkliga kördata, t.ex. blickbeteende, identifierar avvikelser och varnar förarProjektet stödjer säkrare fordonteknologier, policyer, EuroNCAP och EU:s regler.

Förväntade effekter och resultat

Projektet strävar efter att uppnå mätbara resultat med målet att ha färre än 10 felaktiga nedsättningshändelser per 1 miljon km och att uppnå 95 % korrekt upptäckt av trötthet i det kombinerade datasetet bestående av EuroFOT-, NTHU- och SleepEye-dataseten (Vinnova). Projektet siktar även på att korrekt identifiera 95 % av nedsättningshändelserna i det nyinsamlade INSIGHT-datasetet, som inkluderar simulering av nedsatt beteende som allvarlig distraktion och medicinska problem.

Planerat upplägg och genomförande

WP1 säkerställer projektledning och samordning, inklusive rapportering och styrgruppsmöten. WP2 fokuserar på litteraturstudier om upptäckt av nedsatt förmåga. WP3 hanterar databeredning och utforskning av verkliga och simulerade dataset. WP4 utvecklar modeller för normalt körbeteende. WP5 skapar algoritmer för att upptäcka nedsatt förmåga med hjälp av multimodal analys och förklarbar AI. WP6 validerar och förbättrar systemet genom kontrollerade tester och fordonsintegration.