Sistema de sensado multimodal inteligente para estudiar los comportamientos visuales al conducir.
Armenta Espinoza, Josué Saúl
Sistema de sensado multimodal inteligente para estudiar los comportamientos visuales al conducir. [recurso electrónico] / Josué Saúl Armenta Espinoza ; director, Marcela Deyanira Rodríguez Urrea - Mexicali, Baja California, 2020 - 1 recurso en línea, 142 p. ; il. col.
Maestría y Doctorado en Ciencias e Ingeniería.
Tesis (Maestría) --Universidad Autónoma de Baja California. Facultad de Ingeniería, Mexicali, 2020.
Incluye referencias bibliográficas.
La conducción de vehículos es una tarea compleja, que requiere de un buen
funcionamiento visual, motor y cognitivo. El envejecimiento, al igual que algunas
enfermedades degenerativas, como el Alzheimer, traen consigo un deterioro en las
habilidades funcionales del adulto mayor, por lo que estos podrían considerarse poco o no
aptos para conducir. La comunidad científica ha investigado de manera extensa el impacto
a los comportamientos visuales y de atención que podría causar dicho deterioro sobre la
habilidad de los adultos mayores para conducir de manera segura. Derivado de esto, se han
desarrollado múltiples instrumentos que cuentan con la capacidad de valorar la cognición
humana en diferentes dominios, como la velocidad de procesamiento, atención dividida y
función ejecutiva, todos ellos utilizados al conducir. El resultado de estos exámenes es a
menudo comparado con el desempeño del conductor en estudios observacionales, los
cuales son llevados a cabo mediante el uso de simuladores o vehículos equipados con
cámaras de video, entre otros instrumentos, con el subsecuente uso de codificadores
humanos para extraer los comportamientos a estudiar durante las sesiones de manejo. Sin
embargo, poca atención se le ha dado al uso de sensores y técnicas de inteligencia artificial
como medio para realizar la recolección de datos. Por lo anterior, se desarrolló un sistema
de sensado multimodal inteligente, el cual emplea sensores inerciales y técnicas de visión
artificial para inferir hacía que zonas dentro de la cabina del vehículo dirige su atención el
conductor. Estas zonas, conocidas también como Puntos de Atención Visual (PAV), están
IV
relacionadas a la ejecución de tareas primarias y secundarias durante la conducción. El
sistema detecta el movimiento de la cabeza en sus tres ejes de libertad (alabeo, cabeceo, y
guiñada), y lo utiliza para inferir con una precisión del 98% hacia cual PAV, de 6
previamente definidos, el conductor dirige su atención visual. Estas inferencias,
acompañadas de una marca temporal, son posteriormente convertidas a la cantidad de veces
que se observó cada PAV, así como la duración de cada incidencia. El sistema incluye el
uso de una aplicación, desplegada en una tableta, que recolecta automáticamente datos
relacionados al contexto de la conducción, como velocidad del vehículo y ubicación. La
aplicación permite también a un observador humano, conocido también como anotador,
registrar las acciones del conductor en tiempo real. Se llevó a cabo un estudio naturalista
con 15 adultos jóvenes (con edades de 18 a 29 años) y 15 adultos mayores (de 65 años de
edad en adelante), para demostrar que este enfoque tecnológico es útil para identificar
patrones y comportamientos visuales, similares a los reportados en estudios previos, los
cuales utilizaron métodos tradicionales para la recolección de datos. Adicionalmente, a
ambos grupos se les aplicó la misma batería de pruebas cognitivas. Los resultados del
estudio indican una diferencia significativa en la cantidad de vistazos, duración de la
mirada hacia los PAV, así como estado cognitivo, entre ambos grupos. Fueron halladas
correlaciones entre los comportamientos visuales y el resultado de algunas pruebas
cognitivas. A su vez, se encontró que, independientemente del grupo de edad, factores
como la velocidad a la que se conduce o la interacción con un pasajero tienen efecto sobre
los comportamientos visuales. Los resultados de este estudio son consistentes con los
reportados en investigaciones anteriores.
Inteligencia artificial --Tesis y disertaciones académicas
Q335 / A75 2020
Sistema de sensado multimodal inteligente para estudiar los comportamientos visuales al conducir. [recurso electrónico] / Josué Saúl Armenta Espinoza ; director, Marcela Deyanira Rodríguez Urrea - Mexicali, Baja California, 2020 - 1 recurso en línea, 142 p. ; il. col.
Maestría y Doctorado en Ciencias e Ingeniería.
Tesis (Maestría) --Universidad Autónoma de Baja California. Facultad de Ingeniería, Mexicali, 2020.
Incluye referencias bibliográficas.
La conducción de vehículos es una tarea compleja, que requiere de un buen
funcionamiento visual, motor y cognitivo. El envejecimiento, al igual que algunas
enfermedades degenerativas, como el Alzheimer, traen consigo un deterioro en las
habilidades funcionales del adulto mayor, por lo que estos podrían considerarse poco o no
aptos para conducir. La comunidad científica ha investigado de manera extensa el impacto
a los comportamientos visuales y de atención que podría causar dicho deterioro sobre la
habilidad de los adultos mayores para conducir de manera segura. Derivado de esto, se han
desarrollado múltiples instrumentos que cuentan con la capacidad de valorar la cognición
humana en diferentes dominios, como la velocidad de procesamiento, atención dividida y
función ejecutiva, todos ellos utilizados al conducir. El resultado de estos exámenes es a
menudo comparado con el desempeño del conductor en estudios observacionales, los
cuales son llevados a cabo mediante el uso de simuladores o vehículos equipados con
cámaras de video, entre otros instrumentos, con el subsecuente uso de codificadores
humanos para extraer los comportamientos a estudiar durante las sesiones de manejo. Sin
embargo, poca atención se le ha dado al uso de sensores y técnicas de inteligencia artificial
como medio para realizar la recolección de datos. Por lo anterior, se desarrolló un sistema
de sensado multimodal inteligente, el cual emplea sensores inerciales y técnicas de visión
artificial para inferir hacía que zonas dentro de la cabina del vehículo dirige su atención el
conductor. Estas zonas, conocidas también como Puntos de Atención Visual (PAV), están
IV
relacionadas a la ejecución de tareas primarias y secundarias durante la conducción. El
sistema detecta el movimiento de la cabeza en sus tres ejes de libertad (alabeo, cabeceo, y
guiñada), y lo utiliza para inferir con una precisión del 98% hacia cual PAV, de 6
previamente definidos, el conductor dirige su atención visual. Estas inferencias,
acompañadas de una marca temporal, son posteriormente convertidas a la cantidad de veces
que se observó cada PAV, así como la duración de cada incidencia. El sistema incluye el
uso de una aplicación, desplegada en una tableta, que recolecta automáticamente datos
relacionados al contexto de la conducción, como velocidad del vehículo y ubicación. La
aplicación permite también a un observador humano, conocido también como anotador,
registrar las acciones del conductor en tiempo real. Se llevó a cabo un estudio naturalista
con 15 adultos jóvenes (con edades de 18 a 29 años) y 15 adultos mayores (de 65 años de
edad en adelante), para demostrar que este enfoque tecnológico es útil para identificar
patrones y comportamientos visuales, similares a los reportados en estudios previos, los
cuales utilizaron métodos tradicionales para la recolección de datos. Adicionalmente, a
ambos grupos se les aplicó la misma batería de pruebas cognitivas. Los resultados del
estudio indican una diferencia significativa en la cantidad de vistazos, duración de la
mirada hacia los PAV, así como estado cognitivo, entre ambos grupos. Fueron halladas
correlaciones entre los comportamientos visuales y el resultado de algunas pruebas
cognitivas. A su vez, se encontró que, independientemente del grupo de edad, factores
como la velocidad a la que se conduce o la interacción con un pasajero tienen efecto sobre
los comportamientos visuales. Los resultados de este estudio son consistentes con los
reportados en investigaciones anteriores.
Inteligencia artificial --Tesis y disertaciones académicas
Q335 / A75 2020
