-
Die
Erfindung betrifft ein Verfahren zur Standardisierung von bei einer
Müdigkeitserkennung von Fahrern von Kraftfahrzeugen detektierten
Größen, um daraus die Müdigkeitserkennung
durchführen zu können, gemäß dem
Oberbegriff des Anspruchs 1.
-
Die
Müdigkeit eines Führers eines Kraftfahrzeugs und
die dadurch begründete verringerte Aufmerksamkeit, verringerte
Reaktionsbereitschaft oder gar ein Einschlafen des Fahrers während
einer Fahrt bildet eine der zentralen Unfallursachen im Straßenverkehr.
So werden je nach Studie bei der statistischen Analyse aus der Unfallforschung
5% bis 25% der Fahrzeugunfälle auf Müdigkeit zurückgeführt. Müdigkeitsunfälle
führen darüber hinaus tendenziell zu einem höheren
Verletzungsgrad.
-
Dies
führt zur Entwicklung von insbesondere in Fahrerassistenzsystemen
eingesetzten Verfahren und Vorrichtungen zur Detektion und Bewertung
des Fahrerzustands sowie zur nachfolgenden Ausgabe einer Warnung
oder sonstigem aktivem Eingreifen in das Fahrtgeschehen.
-
Aus
der
DE 10 2004
022 581 A1 ist ein Fahrerassistenzsystem bekannt, bei dem
aus einer Vielzahl von Daten Parameter abgeleitet werden, mit deren
Hilfe die Ermüdung eines Fahrzugführers beschrieben
und/oder klassifiziert werden kann. Als Datenquellen kommen dabei
erstens physiologische und behavoriale Daten des Fahrzeugführers,
zweitens Fahrleistungs- und Fahrzeugdaten und drittens Umfelddaten
in Betracht. Zu den physiologischen und behavorialen Daten gehören
u. a. Augendaten, Lidschlussdaten, Blickrichtungsdaten, Hautwiderstandsdaten,
Hirnaktivität, Pulsfrequenz, Mimikdaten etc. Zu den Fahrleistungs-
und Fahrzeugdaten gehören Parameter wie beispielsweise
der Lenkwinkel und dessen zeitliche Änderung , der Gierwinkel
und dessen zeitliche Änderung, die Geschwindigkeit des Fahrzeugs,
sowie die Stellung von Gas- und/oder Bremspedal. Ferner gehören
zu den Umfelddaten Parameter wie Fahrspur, Fahrbahn, Licht- und
Witterungsverhältnisse, Jahreszeit und Uhrzeit, usw. Dabei
werden können und sinnvollerweise werden nicht alle diese
Parameter im Fahrzeug erfasst.
-
Allgemein
gilt, dass bei derartigen System die Daten der verschiedenen Sensorsysteme
zur Detektion des Fahrerzustandes und zur Vorhersage von Einschlafereignissen
algorithmisch aufbereitet werden, wobei verschiedene Methoden zur
Mustererkennung und Algorithmusentwicklung verwendet. Beispielsweise
wird die multiple Regression zur Vorhersage einer kontinuierlichen
Größe wie dem Müdigkeitsgrad oder die
logistische Regression zur Bestimmung der Einschlafwahrscheinlichkeit
verwendet. Andere Herangehensweisen sind die Anwendung eines C5
Entscheidungsbaums oder die Grenzwertanalyse, bei der die gleichzeitige Überschreitung von
Schwellwerten vorgegebener Parameter einen kritischen Zustand bestimmen.
-
Als
besonders aussagekräftig zur Detektion der Fitness bzw.
der Müdigkeit eines Fahrers eines Kraftfahrzeugs erweisen
sich beobachtbare Augendaten. Dies sind beispielsweise Lidschlag
und Lidschlagdauer, Anzahl der Lidschläge pro Minute und Ableitungen
davon wie die Lidschlussgeschwindigkeit. Allerdings ist eine genaue
Prognose der Müdigkeit des Fahrers aus den Lidschlussdaten
schwierig.
-
Der
Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zu schaffen,
welches eine einfache und relativ genaue Prognose der Müdigkeit
des Fahrers eines Kraftfahrzeugs aus seinen Lidschlussdaten ermöglicht.
-
Dies
Aufgabe wird durch ein Verfahren mit den Merkmalen des Anspruchs
1 gelöst. Bevorzugte Ausführungsformen der Erfindung
sind Gegenstand der Unteransprüche.
-
Das
erfindungsgemäße Verfahren zum Abgeben einer Prognose über
die Müdigkeit eines Fahrers eines Kraftfahrzeugs aus gemessenen
Lidschlussdaten des Fahrers, weist die folgenden Schritte auf:
- – Bestimmen einer prognostizierten
Lidschlussdauer zu jeder gemessenen Lidschlussamplitude des Fahrers,
- – Vergleichen der prognostizierten Lidschlussdauer
mit der gemessenen Lidschlussdauer dieser Lidschlussamplitude des
Fahrers,
- – bestimmen eines Residuum als Differenz zwischen der
prognostizierten und gemessenen Lidschlussdauer, und
- – Prognostizieren einer Müdigkeit des Fahrers, wenn
das Residuum größer als ein vorgegebener Wert
ist.
-
Vorzugsweise
kann der Schwellwert für das Residuum, also die Lidschlussdauerdifferenz,
eine Funktion der Lidschlussamplitude sein, so dass quasi für
jede Lidschlussamplitude ein entsprechender Schwellwert gegeben
ist.
-
Vorzugsweise
wird die prognostizierte Lidschlussdauer aus einer vorbestimmten
Regressionsfunktion bestimmt, wobei die Regressionsfunktion den
Zusammenhang zwischen der Lidschlussdauer und den Lidschlussamplituden
eines Fahrers wiedergibt. Sinnvollerweise gibt die Regressionsfunktion
die Wachphase des Fahrers wieder.
-
Einerseits
kann die Regressionsfunktion aus vorab ermittelten Daten hinsichtlich
Lidschlussdauer und Lidschlussamplitude als Mittel über
eine Vielzahl von Versuchpersonen bestimmt werden, Andererseits
ist es möglich die Regressionsfunktion aus für jeden
Fahrer individuell ermittelten Daten hinsichtlich Lidschlussdauer
und Lidschlussamplitude zu bestimmen.
-
Im
zweiten Fall, nämlich dass die Regressionsfunktion für
jeden Fahrer individuell bestimmt wird, werden vorzugsweise die
individuellen Daten des Fahrers während einer vorgegeben
Zeit zu Beginn der aktuellen Fahrt ermittelt. Dabei wird davon ausgegangen,
dass der Fahrer zu Beginn einer Fahrt sich im Wachzustand befindet
und daher zu Beginn der Fahrt repräsentative Daten des
Wachzustandes ermittelt werden können Zur Bestimmung der
Regressionsfunktion kann vorzugsweise eine lineare oder nichtlineare
Regression der ausgewählten Daten durchgeführt
werden.
-
Vorzugsweise
werden nur Lidschlussamplituden innerhalb eines vorgegebenen Intervalls
betrachtet, wobei das vorbestimmte Intervall von 1,5 mm bis 11,5
mm reicht. Dadurch wird sichergestellt, dass nur Lidschlussdaten
verwendet werden, die mit einem akzeptablen Messfehler ausgestattet
sind.
-
Weiter
bevorzugt werden die ermittelten Residuen geglättet. Dabei
kann eine Glättung der Residuen durch die Bestimmung eines
Residuenmittelwert aus einer vorgegebenen Anzahl von hintereinander
bestimmten Residuen durchgeführt werden. Bevorzugt ist,
dass der Residuenmittelwert aus den letzten 50 bis 70, vorzugsweise
60, bestimmten Residuen ermittelt wird.
-
Eine
bevorzugte Ausführungsform wird nachfolgende anhand der
einzigen Zeichnung erläutert. Dabei zeigt
-
1 die
Abhängigkeit der Lidschlussdauer von der Lidschlussamplitude
für wache und müde Fahrer.
-
Allgemein
gesprochen betrifft das erfindungsgemäße Verfahren
einen Algorithmus, der aufgrund von beobachteten Augendaten wie
Lidschlussdauer und Lidschlussamplitude eine Vorhersage oder Prognose
abgibt, ob der Fahrer mit hoher Wahrscheinlichkeit in den nächsten
z. B. fünf Minuten einschläft. Es soll also über
die Müdigkeit des Fahrers eine Wertung getroffen werden.
-
Es
stellte sich heraus, dass eine Variable, die für diese
Fragestellung sehr aussagekräftig ist, da sie bei Müdigkeit
einer Person typischerweise einen niedrigeren Wert annimmt als bei
deren Wachheit, die Lidschlussgeschwindigkeit bzw. der Kehrwert hiervon,
also die Dauer des Lidschlusses geteilt durch die Lidschlussamplitude,
ist. Diese Abhängigkeit der Lidschlussdauer von der Lidschlussamplitude
zeigt bei Müdigkeit ein anderes Verhalten als bei Wachheit,
wobei die beiden Größen von Person zu Person unterschiedlich
sind.
-
1 zeigt
nun in graphischer Darstellung die Lidschlussdauer D als Funktion
der Lidschlussamplitude A, wobei sowohl die Lidschlussamplitude A
als auch die Lidschlussdauer D in willkürlichen Einheiten
a. u. dargestellt sind. Dabei bedeuten das Symbole ⧠ der
Kurve I Daten für einen müden Fahrer während
das Symbol der Kurve II ⟡ Lidschlussdaten eines wachen
Fahrers darstellen. Die in 1 dargestellten
Daten sind Mittelungen über die Daten einer Vielzahl von
Versuchspersonen einer Feldstudie.
-
Da
die Lidschlussdauer insbesondere bei sehr kleinen und sehr großen
Werten mit einer hohe Schwankungsbreite und beachtlicher Messungenauigkeit
behaftet ist, betrachten wir für die Entwicklung einer
praxistauglichen Prognose nur Lidschlüsse mit Amplituden
zwischen 1,5 und 11,5 mm und einem hohen Vertrauensmaß bzgl.
der Datenqualität. Dies ist in 1 schematisch
dargestellt, da unterhalb von 2 a. u. und oberhalb von ca. 11.5
a. u keine Mesdaten mehr dargestellt sind. Geht man davon aus, dass
der Zusammenhang , d. h. die Regression, zwischen Dauer und Amplitude
des Lidschlusses für Wachphasen der betreffenden Person
bekannt sind, so kann durch kontinuierliche Beobachtung dieser Lidschlussdaten
entschieden werden, ob eine Wach- bzw. Müdigkeitsphase
vorliegt.
-
Um
den nicht bekannten Regressionszusammenhang zwischen der Lidschlussdauer
und der Amplitude in Wachphasen des entsprechenden Fahrers zu schätzen
wird auf Basis von ausgewählten Daten eine Kurvenanpassung,
d. h. eine Regression, vorgenommen. Diese Regression wird sowohl
linear als auch nichtlinear, beispielsweise durch S-Anpassung, d.
h. durch eine Funktion der Form f(x) = exp(b/x + a) oder der Form
f(x) = a bx, also In f(x) = In a + x In b) durchgeführt.
-
Grundsätzlich
bestehen zwei Möglichkeiten zur Bestimmung der Regressionsfunktionen
für die Wachphasen:
- – Zum
einen global als Mittel über alle Versuchspersonen aus
einer Feldstudie, d. h. die Abhängigkeit der Lidschlussdauer
von der Lidschlussamplitude im Wachzustand wird vorab aus erhobenen
Daten ermittelt, was als globale Standardisierung bezeichnet wird,
und
- – anderen individuell für jeden Fahrer neu.
Hierbei wird jeweils aus den Daten, die während der ersten
Minuten der aktuellen Fahrt aufgezeichnet werden, eine Regression
speziell für diese Person durchgeführt und die
Annahme verwendet, dass Fahrer sich zu Beginn einer Fahrt grundsätzlich
in einer Wachphase befinden, was als individuelle Standardisierung
bezeichnet wird.
-
Mit
Hilfe der global bzw. individuell ermittelten Regressionsfunktionen
wird dann zu jeder beobachteten Lidschlussamplitude die dazugehörige „erwartete",
bzw. genauer gesagt prognostizierte Lidschlussdauer aus der Regression
für Wachphasen berechnet und diese mit dem tatsächlich
gemessenen Wert der Lidschlussdauer zu dieser Amplitude verglichen.
-
Die
Abweichung beider Werte, ausgedrückt als Differenz oder
Quotient, wird als Residuum bezeichnet.
-
Wegen
der großen statistischen Schwankung der Residuen müssen
diese – etwa durch Bildung eines Mittelwertes über
die letzten 60 Werte – geglättet werden. Erst
die sich daraus ergebende Größe besitzt genügend
Präzision, um eine vertrauenswürdige Vorhersage
zu treffen.
-
Diese
geglätteten Residuen werden zur Vorhersage verwendet, ob
Müdigkeit bei einer fahrenden Person eintritt. Erst durch
die sogenannte Standardisierung der Lidschlussdauer über
die Lidschlussamplitude und die anschließende Glättung
der Abweichungen (Residuen) von in einer Wachphase erwarteter Lidschlussdauer
wird ein praxistaugliches Verfahren geschaffen.
-
- A
- Lidschlussamplitude
- D
- Lidschlussdauer
- a.
u.
- arbitray
units
- I
- Kurve
müder Fahrer
- II
- Kurve
wacher Fahrer
-
ZITATE ENTHALTEN IN DER BESCHREIBUNG
-
Diese Liste
der vom Anmelder aufgeführten Dokumente wurde automatisiert
erzeugt und ist ausschließlich zur besseren Information
des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen
Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt
keinerlei Haftung für etwaige Fehler oder Auslassungen.
-
Zitierte Patentliteratur
-
- - DE 102004022581
A1 [0004]