Wielomodalny zestaw danych fenotypowania zmęczenia podczas prowadzenia

Dlaczego pozostawanie przytomnym za kierownicą ma znaczenie

Długie trasy mogą cicho wypompowywać naszą czujność, zamieniając zwykłą podróż w niebezpieczną sytuację. Senność podczas jazdy wiąże się z tysiącami wypadków, obrażeń i ofiar śmiertelnych rocznie, a mimo to wciąż brakuje niezawodnych sposobów, by dokładnie wskazać moment, gdy kierowca przechodzi od skupienia do zmęczenia. To badanie przedstawia bogaty, publiczny zestaw danych zaprojektowany tak, by pomóc naukowcom w tworzeniu bardziej inteligentnych systemów potrafiących odczytywać ostrzegawcze sygnały ciała i wydawać terminowe alerty, zanim zmęczony kierowca popełni fatalny błąd.

Bliższe spojrzenie na zmęczonego kierowcę

Naukowcy stworzyli to, co nazywają Wielomodalnym Zestawem Danych Fenotypowania Zmęczenia podczas Prowadzenia (MPD-DF) — kolekcję szczegółowych pomiarów od 50 dorosłych ochotników, którzy przejechali dwugodzinną symulowaną jazdę autostradową. Zamiast polegać wyłącznie na samooczuciu senności lub na ruchu pojazdu, zespół rejestrował jednocześnie kilka rodzajów sygnałów ciała: aktywność elektryczną mózgu (EEG), serca (EKG), ruchy oczu (EOG) oraz wysiłek oddechowy z pasa piersiowego. Uczestnicy wypełnili także kwestionariusze dotyczące zdrowia, nawyków snu oraz naturalnej „poranności” lub „wieczorności”. Razem tworzą one pełne ujęcie tego, jak zmęczenie narasta za kierownicą.

Jak przeprowadzono eksperyment

Wszyscy ochotnicy zostali przesiani pod kątem ogólnego zdrowia, dobrego wypoczynku i braku spożycia kofeiny przed testem. W kontrolowanym laboratorium każda osoba siedziała przy prostym symulatorze jazdy pokazującym niezatłoczoną autostradę z przeważnie prostymi odcinkami — receptą znaną z wywoływania nużącej monotonii. Jechali przez około dwie godziny z niską, stałą prędkością, podczas gdy ich sygnały mózgowe, sercowe, oczno-ruchowe i oddechowe były rejestrowane ciągle, wraz z wideo. Oświetlenie, temperatura i hałas w pomieszczeniu były starannie utrzymane w komfortowych granicach, tak aby zmiany w sygnałach odzwierciedlały przede wszystkim narastające zmęczenie, a nie dyskomfort czy rozproszenie.

Przekształcanie fal mózgowych w poziomy zmęczenia

Kluczową cechą wyróżniającą ten zestaw danych jest sposób etykietowania zmęczenia. Doświadczony lekarz ze specjalizacją w medycynie snu przejrzał sygnał EEG każdego kierowcy i przypisał co sekundę jeden z pięciu stanów: czuwanie, trzy rosnące stadia zmęczenia oraz wreszcie lekki sen. Stadia te opierały się na dobrze znanych wzorcach fal mózgowych, takich jak narastanie i opadanie określonych rytmów oraz pojawianie się cech związanych ze snem. Ekspert zaznaczył także okresy, w których sygnały były zaszumione lub niewiarygodne. Po przeanalizowaniu wszystkich 50 zapisów zespół zaobserwował, że niemal wszyscy stali się mierzalnie zmęczeni, a niektórzy nawet zapadli w sen, co potwierdziło, że ustawienie jazdy faktycznie wywołało senność.

Sprawdzanie jakości sygnałów i pierwsze testy algorytmów

Aby upewnić się, że dane są naprawdę użyteczne do przyszłych badań, autorzy rygorystycznie zbadali sygnały. Pokazali, że zapisy mózgowe, sercowe, ruchów oczu i oddechu miały oczekiwane kształty i naturalnie zmieniały się w czasie. Mapując aktywność mózgu na powierzchni czaszki, zaobserwowali spójne przesunięcia w różnych pasmach częstotliwości, gdy kierowcy stawali się bardziej zmęczeni, co wzmacnia przekonanie, że EEG jest szczególnie czułe na zmęczenie. Zespół następnie wprowadził każdy typ sygnału oddzielnie do istniejącego modelu głębokiego uczenia zaprojektowanego do rozróżniania okresów „czujności” od „zmęczenia”. Nawet przy tym prostym ustawieniu model poprawnie klasyfikował ponad 80% przypadków dla każdego typu sygnału, z EEG w roli najlepiej działającego źródła informacji, co sugeruje, że etykiety i nagrania zawierają silne wskaźniki stanu kierowcy.

Dlaczego ten zestaw danych może zmienić bezpieczeństwo na drogach

Dla czytelników najważniejsze jest to, że MPD-DF daje naukowcom i inżynierom potężne, otwarcie dostępne podstawy do tworzenia lepszych systemów wykrywania zmęczenia. Ponieważ łączy wielorakie sygnały ciała, szczegółowe kwestionariusze i sekundowe oceny ekspertów, może pomóc badaczom zbadać, jak i kiedy różni ludzie stają się niebezpiecznie śpiący — oraz sprawdzić, czy ich algorytmy działają wśród wielu osób. W dłuższej perspektywie wnioski wyciągnięte z tego zestawu danych mogą wspierać inteligentniejsze monitory samochodowe, bardziej realistyczne symulatory jazdy i spersonalizowane ostrzeżenia, które skłonią zmęczonych kierowców do odpoczynku, zanim nastąpi tragedia.

Cytowanie: Li, J., Fu, C., Tang, J. et al. Multimodal Phenotyping Dataset of Driving Fatigue. Sci Data 13, 289 (2026). https://doi.org/10.1038/s41597-026-06634-4

Słowa kluczowe: zmęczenie podczas prowadzenia, monitorowanie EEG, senność za kierownicą, sygnały fizjologiczne, bezpieczeństwo kierowcy