Real-Time Driver's Stress Event Detection
Φόρτωση...
Ημερομηνία
Συγγραφείς
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
peer reviewed
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Ieee Transactions on Intelligent Transportation Systems
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
In this paper, a real-time methodology for the detection of stress events while driving is presented. The detection is based on the use of physiological signals, i.e., electrocardiogram, electrodermal activity, and respiration, as well as past observations of driving behavior. Features are calculated over windows of specific length and are introduced in a Bayesian network to detect driver's stress events. The accuracy of the stress event detection based only on physiological features, evaluated on a data set obtained in real driving conditions, resulted in an accuracy of 82%. Enhancement of the stress event detection model with the incorporation of driving event information has reduced false positives, yielding an increased accuracy of 96%. Furthermore, our methodology demonstrates good adaptability due to the application of online learning of the model parameters.
Περιγραφή
Λέξεις-κλειδιά
bayesian networks (bns), driver stress, driving environment, kalman filter, physiological signals, signals
Θεματική κατηγορία
Παραπομπή
Σύνδεσμος
<Go to ISI>://000300846700021
http://ieeexplore.ieee.org/ielx5/6979/6157683/06036175.pdf?tp=&arnumber=6036175&isnumber=6157683
http://ieeexplore.ieee.org/ielx5/6979/6157683/06036175.pdf?tp=&arnumber=6036175&isnumber=6157683
Γλώσσα
en
Εκδίδον τμήμα/τομέας
Όνομα επιβλέποντος
Εξεταστική επιτροπή
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Πανεπιστήμιο Ιωαννίνων. Σχολή Οικονομικών και Κοινωνικών Επιστημών. Τμήμα Οικονομικών Επιστημών