Sürüş Yorgunluğunun Çok Modlu Fenotipleme Veri Kümesi

Direksiyonda uyanık kalmanın önemi

Uzun yolculuklar dikkatimizin sessizce azalmasına yol açarak sıradan bir gezintiyi tehlikeli bir duruma dönüştürebilir. Uykulu araç kullanma her yıl binlerce kaza, yaralanma ve ölüme bağlıdır, ancak bir sürücünün odaklı halden yorgunluğa tam olarak ne zaman kaydığını güvenilir biçimde belirlemenin yolları hâlâ sınırlıdır. Bu çalışma, vücudun uyarı işaretlerini okuyup yorgun bir sürücü ölümcül bir hata yapmadan önce zamanında uyarılar verebilen daha akıllı sistemler geliştirmeye yardımcı olmak üzere tasarlanmış zengin, açık bir veri kümesini tanıtıyor.

Yorgun sürücünün içinden daha yakından bakış

Araştırmacılar, Çok Modlu Fenotipleme Veri Kümesi: Sürüş Yorgunluğu (MPD-DF) adını verdikleri; iki saatlik simüle edilmiş otoyol sürüşünü tamamlayan 50 yetişkin gönüllüden elde edilen ayrıntılı ölçümlerin bir koleksiyonunu oluşturdular. Sadece kişilerin kendini bildirmesine ya da aracın hareketine dayanmaktansa, ekip beynin (EEG), kalbin (EKG/ECG), göz hareketlerinin (EOG) ve bir göğüs kemerinden alınan solunum çabasının eşzamanlı kayıtlarını yaptı. Katılımcılar ayrıca sağlıkları, uyku alışkanlıkları ve doğal “sabahlık/akşamlık” eğilimleri hakkında anketleri doldurdular. Bu parçalar birlikte direksiyon arkasında yorgunluğun nasıl biriktiğine dair tam beden bir anlık görüntü oluşturuyor.

Deneyin nasıl yürütüldüğü

Bütün gönüllüler, genel olarak sağlıklı, iyi dinlenmiş ve teste başlamadan önce kafeinden uzak olmaları açısından tarandı. Kontrollü bir laboratuvarda her katılımcı, çoğunlukla düz yollar içeren ve zihni uyuşturan monotonluğu teşvik ettiği bilinen trafiğin az olduğu bir otoyolu gösteren basit bir sürüş simülatörünün başına oturdu. Yaklaşık iki saat boyunca düşük ve sabit bir hızda sürdüler; bu süre boyunca beyin, kalp, göz ve solunum sinyalleri ile video sürekli kaydedildi. Odanın aydınlatması, sıcaklığı ve gürültüsü dikkatli şekilde rahat sınırlar içinde tutuldu; böylece sinyallerdeki değişiklikler esas olarak rahatsızlık veya dikkat dağınıklığından ziyade artan yorgunluğu yansıtacaktı.

Beyin dalgalarını yorgunluk düzeylerine dönüştürmek

Bu veri kümesini farklı kılan önemli bir özellik, yorgunluğun nasıl etiketlendiğidir. Deneyimli bir uyku hekimi her sürücünün EEG sinyalini gözden geçirerek her saniye için beş durumdan birini atadı: uyanıklık, artan üç yorgunluk evresi ve son olarak hafif uyku. Bu evreler, belirli ritimlerin yükselip düşmesi ve uykuya özgü özelliklerin ortaya çıkması gibi beyin dalgalarındaki iyi bilinen desenlere dayandırıldı. Uzman ayrıca sinyallerin gürültülü veya güvenilmez olduğu dönemleri de işaretledi. Ekip tüm 50 kaydı incelediğinde neredeyse herkesin ölçülebilir şekilde yorgunlaştığını ve bazı katılımcıların uykuya kaydığını gördü; bu da sürüş düzeninin gerçekten uykululuğu tetiklediğini doğruladı.

Sinyal kalitesinin kontrolü ve ilk algoritma testleri

Verilerin gelecekteki araştırmalar için gerçekten yararlı olmasını sağlamak amacıyla yazarlar sinyalleri titizlikle incelediler. Beyin, kalp, göz ve solunum izlerinin beklenen şekillere sahip olduğunu ve zaman içinde doğal olarak değiştiğini gösterdiler. Beyin aktivitesini saç derisi boyunca haritalayarak sürücüler daha yorgun oldukça farklı frekans bantlarında tutarlı değişimler gözlemlediler; bu da EEG’nin yorgunluğa özellikle duyarlı olduğu fikrini güçlendiriyor. Ekip daha sonra her sinyal türünü ayrı ayrı mevcut bir derin öğrenme modeline vererek “uyanık” ile “yorgun” dönemleri ayırt etmesini sağladı. Bu basit düzenekle bile model her sinyal tipi için %80’in üzerinde doğru sınıflama yaptı; EEG en iyi performansı gösterdi ve bu da etiketlerin ve kayıtların sürücü durumuna dair güçlü bilgi taşıdığını düşündürüyor.

Bu veri seti yol güvenliğini nasıl değiştirebilir

Okuyucular için çıkarılacak temel sonuç, MPD-DF’nin bilim insanları ve mühendisler için daha iyi yorgunluk tespit sistemleri geliştirmek adına güçlü ve açıkça erişilebilen bir temel sağlamasıdır. Birden çok vücut sinyalini, ayrıntılı anketleri ve saniye saniye uzman değerlendirmelerini bir araya getirdiğinden, farklı insanların ne zaman ve nasıl tehlikeli derecede uykulu hale geldiğini araştırmaya ve algoritmaların çok sayıda birey arasında çalışıp çalışmadığını test etmeye yardımcı olabilir. Uzun vadede bu veri kümesinden elde edilecek bulgular daha akıllı araç içi izleme sistemlerini, daha gerçekçi sürüş simülatörlerini ve yorgun sürücüleri trajediye yol açmadan önce dinlenmeye teşvik eden kişiselleştirilmiş uyarıları destekleyebilir.

Atıf: 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

Anahtar kelimeler: sürüş yorgunluğu, EEG izlemi, uykulu araç kullanma, fizyolojik sinyaller, sürücü güvenliği