مجموعة بيانات تعددية الأنماط للنعاس باستخدام الفيديو والبيانات الحيوية والسلوكية

لماذا يبقى اليقظة أثناء القيادة أمراً مهماً

القيادة أثناء النعاس تهديد خفي على الطريق، وتسهم في آلاف الحوادث كل عام. نميل إلى تخيّل الاستغراق المفاجئ في النوم، لكن في الواقع يتسلل النعاس تدريجياً: يتباطأ نبض القلب، يضعف قبضتنا على المقود، ينحني وضع الجسم، وتثقل الأجفان قبل أن نغفو فعلاً. تصف هذه المقالة مجموعة بيانات عامة جديدة مصممة لالتقاط هذه العلامات التحذيرية الدقيقة والمبكرة بتفصيل كبير، ما يوفر للباحثين المواد الخام اللازمة لبناء أنظمة أذكى قد تحذر السائقين قبل وقوع كارثة.

نظر جديد إلى السائقين النعسانين

تركز معظم مجموعات بيانات نعاس السائقين الحالية على نوع واحد فقط من الإشارات، مثل فيديو للوجه أو تسجيلات موجات الدماغ. تأخذ مجموعة بيانات النعاس بجامعة لويزيانا (UL-DD) منظوراً أوسع. قاد تسعة عشر متطوّعاً محاكي شاحنة في مختبر بينما سجّل شبكة كثيفة من الكاميرات وأجهزة الاستشعار القابلة للارتداء سلوكهم وإشارات أجسامهم. أكمل كل شخص جلسة وهو في كامل اليقظة وأخرى حين شعر بالنعاس، مما أدى إلى تسجيلات متواصلة استمرت نحو 40 دقيقة لكل جلسة وبمجموع يقارب 1400 دقيقة من بيانات القيادة. بدلاً من وسم السائقين ببساطة «يقظ» أو «نعسان»، طُلب من المشاركين كل أربع دقائق تقييم شعورهم بالنعاس على مقياس مكوّن من تسع درجات، ما التقط الانزلاق البطيء من اليقظة التامة إلى مقاومة النعاس.

ما الذي رصدته وأحسته المستشعرات

راقب الإعداد السائقين من زوايا متعددة بينما «استمعت» أيضاً إلى أجسادهم. تتبعت كاميرا تعمل بالأشعة تحت الحمراء تفاصيل الوجه، وأدّت جيداً حتى في الإضاءة الخافتة؛ التقطت كاميرا عمق ثلاثية الأبعاد شكل الرأس وجسده العلوي والمسافة منه؛ وركّزت كاميرا ملونة على الوضعية. من هذه الفيديوهات استخرج الفريق نقاط معالم الوجه — نقاط دقيقة حول العينين والفم والحاجبين — و«وحدات حركة» وجهية تصف تعابير مثل إغلاق العين، وحركة الحاجب، والتثاؤب. تتبع خوارزم آخر معالم وضعية الجسم ليكشف الترنح، وان tilt الرأس، وتغيّرات وضعية أخرى مرتبطة بالإجهاد.

قراءة الإشارات الهادئة للجسم

في الوقت نفسه، قيّمت أجهزة ملبوسة على المعصم ومقياس التأكسج النبضي العلامات الداخلية للتعب. سُجلت نشاطات القلب ومعدل النبض، ومستويات الأكسجين في الدم، ودرجة حرارة الجلد، والنشاط الكهربائي القائم على التعرق، والحركة، وتسارع المعصم، كلٌ بمعدلات أخذ عينات خاصة به. تابعت حساسات الضغط على جانبي المقود مدى قوة قبضة كل يد، بينما اعتمد البرنامج على محاكي القيادة لتسجيل السرعة وسلوك التوجيه وتغييرات السرعات عشرات المرات في الثانية. تم مزامنة كل هذه التدفقات بعناية بحيث يمكن للباحثين في أي لحظة من الرحلة رؤية التوليفة الدقيقة لتعبيرات الوجه، والوضعية، وإيقاع القلب، وإشارات التنفس، وقوة اليد، وأسلوب القيادة.

التحقق من جودة الإشارات

جَمْع البيانات مفيد فقط إذا كان موثوقاً، لذا بذل المؤلفون جهدًا كبيرًا للتحقق من صحة التسجيلات. درسوا كيف تغيرت إشارات الجسم مع مستويات نعاس منخفضة ومتوسطة وعالية، مستخدمين اختبارات إحصائية مناسبة لبيانات تختلف من شخص لآخر. تحرّكت مقاييس مثل درجة حرارة الجلد، ونشاط التعرق، وتشبع الأكسجين في الدم، ومعدل النبض بطرق ذات دلالة عندما ازداد التعب لدى السائقين، في حين أن بعض المقاييس الأخرى، مثل مقياس تدفق الدم واحد، أبدت معلومات أقل فائدة. تحقق الفريق أيضاً من اتساق درجات النعاس المبلغ عنها ذاتياً بمقارنتها مع تقييم خبير لجزء من الفيديوهات، فوجدوا اتفاقاً قوياً. أظهر تحليل نسبة الإشارة إلى الضوضاء أن معظم المستشعرات، لا سيما المتعلقة بالقلب، أنتجت بيانات نظيفة، وأكدت مراجعات الفيديو عدم وجود إطارات مفقودة.

ما مدى قدرة الإشارات المجمعة على كشف النعاس؟

لاختبار ما إذا كان هذا الخليط الغني من المعلومات يمكن أن يساعد فعلاً في اكتشاف النعاس، درّب المؤلفون عدة نماذج تعلم آلي على مجموعات مختلفة من الإشارات. عندما استُخدم نوع واحد فقط من البيانات — مثل البيانات الحيوية، أو ضغط القبضة، أو ميزات الوجه — كانت النتائج متواضعة. لكن عندما جُمِعَت المعلومات الحيوية والسلوكية والوجهية معاً، ارتفعت الأداءات بشكل حاد. حقق نهج دمج حديث يتعلم تفاعلات أنواع البيانات المختلفة دقة تقارب 88 بالمئة في تصنيف السائقين إلى يقظين، ونعاسان بدرجة متوسطة، ونعاسان بشدة. يشير ذلك إلى أن إشارة واحدة ليست كافية؛ بل يتكشف التعب بأوضح صورة حين تُنسَج العديد من التلميحات الصغيرة معاً.

ماذا يعني هذا لطرق أكثر أماناً

لا تُقدّم مجموعة بيانات UL-DD كاشف نعاس جاهز للاستخدام فورياً، ولها حدودها: كان عدد المتطوعين محدوداً نسبياً، وغالبيتهم من الذكور، وقادوا في محاكي بدلاً من الطرق الحقيقية، ولم يشمل البحث تسجيلات دماغية مباشرة. ومع ذلك، من خلال إتاحة مجموعة مفصلة وموصوفة بدقة ومتزامنة بالكامل من إشارات الوجه والجسم والقيادة بشكل مجاني، يقدم المؤلفون لعلماء البيانات والمهندسين منصة اختبار قوية. باستخدامها، يمكنهم استكشاف مدى مبكرة بدء أجسامنا في إصدار إشارات الخطر، وتحسين الخوارزميات التي تجمع بين دلائل متعددة، والتقرب أكثر من أنظمة داخل السيارات تتدخل بلطف قبل أن يتحول لحظة نعاس إلى مأساة.

الاستشهاد: Bodaghi, M., Hosseini, M., Gottumukkala, R. et al. A multimodal drowsiness dataset using video, biometric, and behavioral data. Sci Data 13, 506 (2026). https://doi.org/10.1038/s41597-025-06540-1

الكلمات المفتاحية: نعاس السائق, الاستشعار متعدد الأنماط, البيانات الحيوية القابلة للارتداء, محاكٍ للقيادة, سلامة الطرق