Browsing by Author "Rivera Montalba, Mariana Antonia"
Now showing 1 - 1 of 1
Results Per Page
Sort Options
Item Detección de somnolencia en conductores: Análisis de señales fisiológicas durante la simulación de conducción.(Universidad de Concepción, 2025) Rivera Montalba, Mariana Antonia; Pino Quiroga, Esteban JavierLa somnolencia y el cansancio son factores importantes en los accidentes de tráfico, sobre todo en las carreteras. Estadísticas recientes relacionan sustancialmente los accidentes mortales con el cansancio y la fatiga. En Chile, se reportaron 86,050 accidentes de tráfico en 2022, lo que provocó 1,745 muertes. De estos accidentes, 820 fueron causados por condiciones físicas deficientes como el cansancio y la fatiga. En este contexto, la investigación sobre seguridad vial se enfoca en el desarrollo de métodos automáticos para detectar la somnolencia del conductor y advertirle a tiempo mediante tecnologías de sensores y procesamiento de datos. El propósito de este proyecto es detectar signos iniciales de somnolencia mediante el examen de diversas señales fisiológicas como EEG, ECG, EMG y EDA para desarrollar un algoritmo que pueda identificar relaciones entre estas señales y la somnolencia durante la simulación de conducción. Durante la etapa inicial de este estudio, se realizó una descripción detallada de los principios fisiológicos y de adquisición de señales relevantes, destacando sus características en relación con los estados de transición de vigilia y somnolencia. Se realizó una revisión del estado actual de conocimiento en el campo, la cual permitió identificar las características clave, modelos y algoritmos exitosos empleados en la detección de somnolencia. Se utilizaron los datos obtenidos del estudio en simulador de conducción, realizado por Hermes Javier Mora, “Predicción de eventos tempranos de somnolencia mediante un conjunto de datos multifactoriales en conductores de vehículos”, usando los bloques para el estudio de somnolencia (bloque 2 y 3), de donde se obtuvieron señales fisiológicas de EEG, ECG, EMG y EDA. El estudio presente considera las características extraídas de las señales de EEG y ECG. Se implementaron tres tipos diferentes de modelos de clasificación (redes neuronales, SVM y kernel), de los cuales se obtuvieron rendimientos positivos en la relación de las señales y los estados de somnolencia, destacando el modelo redes neuronales que logró una precisión del 91.23% en el bloque 3 y 86.76% en el bloque 2. Respecto a las características utilizadas, se calcularon la potencia de las bandas de frecuencia (delta, theta, alpha y beta), relaciones entre la potencia de las bandas (índice 1: Pθ/Pα ; índice 2: Pθ +Pα/Pα +Pβ; índice 3: Pθ + Pα/Pβ), frecuencia cardíaca y variabilidad de la frecuencia cardíaca. Los canales frontales y occipitales tienen una contribución significativa en la detección de somnolencia, especialmente en la potencia de las bandas delta y theta, lo cual está alineado con estudios previos. Además, se destaca que los índices 1 y 2, aunque muestran una relación general con la somnolencia en varios canales, no son tan específicos como el índice 3. Este último demuestra una relación más fuerte y precisa con las etiquetas de somnolencia en canales específicos, lo que sugiere que el índice 3 es más relevante para la identificación precisa del estado de somnolencia.