Мультимодальный набор фенотипирования усталости при вождении

Почему важно не засыпать за рулем

Долгие поездки незаметно истощают нашу бдительность, превращая обычную поездку в опасную ситуацию. Сонливое вождение связано с тысячами аварий, травм и смертей ежегодно, однако у нас по-прежнему нет надежных способов точно определить момент, когда водитель теряет фокус и погружается в усталость. В этом исследовании представлен новый открытый и подробный набор данных, призванный помочь учёным создавать более умные системы, которые могут распознавать предупреждающие признаки организма и своевременно сигнализировать до того, как уставший водитель совершит фатальную ошибку.

Вглядимся в усталого водителя

Исследователи создали так называемый Мультимодальный набор фенотипирования усталости при вождении (MPD-DF) — коллекцию подробных измерений от 50 взрослых добровольцев, прошедших двухчасовой имитированный поезд по шоссе. Вместо того чтобы опираться только на самооценку сонливости или на движения автомобиля, команда одновременно записывала несколько типов сигналов тела: электрическую активность мозга (ЭЭГ), сердечную активность (ЭКГ), движения глаз (ЭОГ) и дыхательные усилия с грудного ремня. Участники также заполняли опросники о здоровье, привычках сна и склонности к «жаворонкам» или «совам». В совокупности эти данные дают полную картину того, как накапливается усталость за рулем.

Как проводился эксперимент

Всех добровольцев отбирали так, чтобы они были в целом здоровы, хорошо выспавшиеся и без кофеина в организме перед тестом. В контролируемой лабораторной обстановке каждый участник сидел за простым симулятором вождения, показывавшим малонагруженное шоссе с преимущественно прямыми участками дороги — обстановка, известная своей монотонностью, способствующей засыпанию. Они ехали примерно два часа с низкой, постоянной скоростью, пока непрерывно регистрировались сигналы мозга, сердца, глаз и дыхания, а также видео. Освещение, температура и уровень шума в комнате тщательно поддерживались в комфортных пределах, чтобы изменения сигналов в основном отражали нарастающую усталость, а не дискомфорт или отвлекающие факторы.

Как мозговые ритмы переводили в уровни усталости

Ключевая особенность, выделяющая этот набор данных, — способ маркировки усталости. Опытный врач-сомнолог просмотрел ЭЭГ каждого водителя и присваивал одну из пяти состояний каждую секунду: бодрствование, три возрастающие стадии усталости и, наконец, лёгкий сон. Эти стадии основывались на хорошо известных паттернах в мозговых ритмах, таких как изменение амплитуды и выраженности определённых частот и появление сон-связанных признаков. Эксперт также отмечал периоды, когда сигналы были зашумлены или ненадёжны. При анализе всех 50 записей команда обнаружила, что почти у всех участников появлялась измеримая усталость, а некоторые даже засыпали, что подтверждает, что сценарий вождения действительно вызывал сонливость.

Проверка качества сигналов и первые тесты алгоритмов

Чтобы убедиться, что данные действительно полезны для дальнейших исследований, авторы тщательно инспектировали сигналы. Они показали, что записи мозга, сердца, глаз и дыхания имели ожидаемые формы и естественно менялись во времени. При картировании мозговой активности по скальпу наблюдались последовательные смещения в разных частотных диапазонах по мере нарастания усталости, что усиливает идею о высокой чувствительности ЭЭГ к усталости. Команда затем прогнала каждый тип сигнала по отдельности через существующую модель глубокого обучения, предназначенную для различения «бдительных» и «утомлённых» периодов. Даже с такой простой схемой модель правильно классифицировала более 80% времени для каждого типа сигнала, при этом ЭЭГ показала наилучший результат, что указывает на значимую информативность маркировок и записей о состоянии водителя.

Почему этот набор данных может изменить безопасность на дорогах

Главный вывод для читателя: MPD-DF предоставляет учёным и инженерам мощную, общедоступную базу для создания более надёжных систем обнаружения усталости. Благодаря сочетанию нескольких физиологических сигналов, подробных опросников и покадровых экспертных оценок, набор позволяет исследовать, как и когда разные люди становятся опасно сонными, а также проверять работоспособность алгоритмов на множестве испытуемых. В долгосрочной перспективе выводы, сделанные на основе этого набора данных, могут поддержать разработку более умных бортовых мониторингов, реалистичных симуляторов вождения и персонализированных предупреждений, которые подскажут уставшему водителю отдохнуть до того, как случится трагедия.

Цитирование: 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

Ключевые слова: усталость при вождении, мониторинг ЭЭГ, сонливое вождение, физиологические сигналы, безопасность водителя