利用驾驶员-车辆-环境交互:基于驾驶员监测摄像头的机器学习检测酒后驾驶
人机交互
2023-05-02 v2
摘要
过量饮酒导致残疾与死亡。数字干预是促进行为改变从而预防酒精相关危害的有前景手段,尤其在驾驶等关键情境中。这需要对个体血液酒精浓度(BAC)的实时信息。在此,我们开发了一种车载机器学习系统来预测危急BAC水平。我们的系统利用了全球多国强制配备的驾驶员监测摄像头。我们在一项有n=30名参与者的干预式模拟器研究中评估了该系统。我们的系统可靠地检测出受任何酒精影响的驾驶(受试者工作特征曲线下面积[AUROC] 0.88)以及BAC高于WHO推荐限值0.05g/dL的驾驶(AUROC 0.79)。模型检查显示其依赖于与饮酒相关的病理生理效应。据我们所知,我们是首个严格评估使用驾驶员监测摄像头检测酒后驾驶的研究。我们的结果凸显了驾驶员监测摄像头的潜力,并赋能了预防酒精相关危害的下一代酒后驾驶交互。
引用
@article{arxiv.2301.08978,
title = {Leveraging driver vehicle and environment interaction: Machine learning using driver monitoring cameras to detect drunk driving},
author = {Kevin Koch and Martin Maritsch and Eva van Weenen and Stefan Feuerriegel and Matthias Pfäffli and Elgar Fleisch and Wolfgang Weinmann and Felix Wortmann},
journal= {arXiv preprint arXiv:2301.08978},
year = {2023}
}