Articulo de referencia

Software de detección de fatiga

El software de detección de fatiga tiene como objetivo reducir los accidentes y las muertes relacionadas con la fatiga. Varias empresas están desarrollando una tecnología para s...

El software de detección de fatiga tiene como objetivo reducir los accidentes y las muertes relacionadas con la fatiga. Varias empresas están desarrollando una tecnología para su uso en sectores como la minería, el transporte por carretera y ferrocarril, y la aviación. Es posible que esta tecnología pronto encuentre aplicaciones más amplias en sectores como la sanidad y la educación.

Fatiga en el entorno operativo

En un entorno operativo donde los sistemas dependen del desempeño humano, la fatiga se define como una tendencia a la disminución del rendimiento. Por lo tanto, la fatiga es un indicador del riesgo base de que se produzcan errores y accidentes.

A nivel mundial, las operaciones mineras están expuestas al riesgo de fatiga en los trabajadores. La somnolencia y la fatiga aumentan el error humano y contribuyen a accidentes que pueden ser fatales. Entre los factores que agravan los niveles de fatiga en los mineros se incluyen: alteraciones en los ritmos circadianos debido al trabajo por turnos, la exposición al ruido, las vibraciones y los productos químicos, la naturaleza monótona y repetitiva de las tareas y la conducción nocturna. Diversos estudios reconocen una correlación entre el estilo de vida y la fatiga. Los mineros de los países en desarrollo dependen de sistemas de transporte público poco fiables, lo que añade horas adicionales de desplazamiento a su jornada laboral. Estos trabajadores son más propensos a sufrir una mala calidad y cantidad de sueño.

La fatiga es una forma de deterioro. En 2011, la forense australiana Annette Hennessy comparó la fatiga con conducir bajo los efectos del alcohol. [ 1 ] Los trabajadores fatigados están menos alerta y son más propensos a tomar malas decisiones. Es especialmente arriesgado porque, a menudo, un operador cansado es quien peor puede juzgar su propio nivel de fatiga. David Edwards, doctor en filosofía y gerente de Soluciones Globales de Seguridad Minera en Caterpillar Inc., lo compara con preguntarle a una persona ebria si cree que está demasiado intoxicada para conducir. [ 2 ]

Los vehículos y la conducción se consideran un riesgo crítico en los entornos mineros. Las colisiones entre vehículos y entre vehículos y personas suelen ser fatales. El costo económico real de los accidentes va más allá de las indemnizaciones, los pagos de seguros, los gastos médicos y los costos de investigación. Los accidentes mortales a menudo resultan en la suspensión temporal de las operaciones y la pérdida de producción. Las empresas mineras de primer nivel aspiran a un entorno libre de accidentes mortales y publican su desempeño anual en materia de seguridad en su Informe Anual. Existe una expectativa global de que las minas reduzcan las lesiones, eliminen las muertes y prevengan incidentes catastróficos.

La mayoría de las minas y flotas de camiones comerciales recurren a controles indirectos, como procedimientos y otras contramedidas, para gestionar la fatiga. Algunas contramedidas comunes que podrían aliviar la fatiga y mejorar los niveles de alerta de los conductores de camiones de transporte incluyen: días de descanso, gestión del sueño, horarios de trabajo bien diseñados y pausas estructuradas durante el turno, exámenes médicos y asesoramiento, programas educativos, ingesta de alimentos y líquidos, y dispositivos para medir el estado de alerta del conductor.

Consecuencias de la fatiga

Las consecuencias de la fatiga se evidencian claramente en las estadísticas de seguridad vial. Sin embargo, no solo los conductores de vehículos ligeros y comerciales están en riesgo. En todos los sectores, los trabajadores por turnos son vulnerables a incidentes relacionados con la fatiga, especialmente durante el turno de noche. Las estadísticas de seguridad no siempre están disponibles y rara vez registran las causas del incidente. En esta sección, se utilizan estadísticas de seguridad vial para ilustrar el contexto del problema de la fatiga.

La fatiga al volante generalmente se refiere al estado en el que un conductor presenta deficiencias en sus funciones fisiológicas y mentales, y donde sus habilidades de conducción disminuyen objetivamente, generalmente después de un período prolongado al volante. Un conductor dormido al volante no actuará para evitar una colisión o accidente, y por esta razón, el accidente tiene muchas más probabilidades de causar lesiones graves o la muerte. [ 3 ] Los accidentes de tráfico relacionados con la fatiga tienen tres veces más probabilidades de resultar en lesiones graves o la muerte. Una gran proporción de estos accidentes ocurren entre las 14:00 y las 16:00 y entre las 02:00 y las 06:00. Durante estos dos períodos de tiempo, los conductores tienen más probabilidades de sentir somnolencia, lo que aumenta la probabilidad de accidentes. [ 4 ]

Las estadísticas muestran que una de las principales causas de accidentes de tráfico mortales o con heridos es la disminución del nivel de atención. En el sector del transporte por carretera, el 57 % de los accidentes mortales de camiones se deben a la fatiga del conductor. Es la principal causa de accidentes de camiones pesados. [ 4 ]

Según la encuesta "El sueño en Estados Unidos" de la National Sleep Foundation de 2005 , el 60% de los conductores adultos (unos 168 millones de personas) afirman haber conducido un vehículo sintiéndose somnolientos en el último año, y el 13% de ellos admitió haberlo hecho al menos una vez al mes. [ 4 ]

La Administración Nacional de Seguridad del Tráfico en las Carreteras (NHTSA) estima, de forma conservadora, que cada año se producen 100 000 accidentes reportados por la policía como consecuencia directa de la fatiga del conductor. Esto ha resultado en aproximadamente 1550 muertes, 71 000 heridos y pérdidas económicas de 12 500 millones de dólares. [ 4 ]

En Australia, entre el 60 y el 65 % de los accidentes de transporte por carretera están directamente relacionados con la fatiga del operador y el 30 % de todos los accidentes están relacionados con la fatiga. [ 5 ]

Desafíos técnicos y de diseño

La interacción de los principales factores fisiológicos responsables de la somnolencia —los ritmos circadianos y el impulso homeostático del sueño— plantea desafíos técnicos para el diseño y desarrollo de sistemas de detección de fatiga. La tecnología debe ser robusta y capaz de ofrecer alta precisión en diversos entornos operativos con condiciones cambiantes y necesidades variables de los clientes. [ 6 ]

Para cumplir con los requisitos de eficiencia y funcionalidad, la tecnología debe cumplir con las siguientes directrices: [ 7 ]

  • Debe medir aquello para lo que fue diseñado, tanto operativa como conceptualmente, y mantener la coherencia en dichas mediciones a lo largo del tiempo. Por lo tanto, un dispositivo diseñado para medir el parpadeo (operacionalmente) y el estado de alerta (conceptualmente) debería medirlos continuamente en todos los conductores.
  • La tecnología de software utilizada en el dispositivo debe optimizarse para lograr sensibilidad y especificidad . Los falsos negativos deben minimizarse mediante la detección precisa y fiable de niveles reducidos de alerta. Los falsos positivos deben minimizarse mediante la identificación precisa y fiable de una conducción segura y la vigilancia del operador.
  • El dispositivo debe ser robusto, fiable y capaz de funcionar de forma continua durante periodos prolongados, como un turno de trabajo. Los costes de mantenimiento y sustitución no deben ser excesivos.
  • Debe ser capaz de monitorizar en tiempo real el comportamiento del conductor o del operador.
  • El dispositivo debe ser capaz de funcionar con precisión en diversas condiciones operativas, tanto de día como de noche y bajo iluminación. La precisión no debe verse comprometida por las condiciones de la cabina del operador, como la humedad, la temperatura, las vibraciones, el ruido, etc.
  • Las señales de advertencia sonoras no deben sobresaltarse al operador y deben poder ajustarse dentro de un rango razonable. Dichas señales deben ser claras y audibles en condiciones de funcionamiento normales para evitar confusiones con otras alarmas o señales.

Criterios de aceptación del usuario

Independientemente de los evidentes beneficios de seguridad que ofrecen los dispositivos de detección de fatiga, la aceptación exitosa de la tecnología depende de si el operador percibe que los beneficios superan el costo. La aceptación del usuario está influenciada por los siguientes factores: [ 8 ] [ 7 ]

  • Facilidad de uso: la tecnología debe ser comprensible e intuitiva en su funcionamiento. El operador debe estar familiarizado con las capacidades, limitaciones y parámetros operativos en todas las condiciones de operación. La información del dispositivo debe ser interpretada de forma fácil y correcta por operadores con diferentes capacidades cognitivas y físicas. La visión del operador de la carretera y otros controles no debe verse obstruida.
  • Facilidad de aprendizaje: el éxito de la tecnología depende de su congruencia con el modelo mental del operador, de la facilidad con la que pueda comprender, recordar y retener la información, y de cómo pueda reaccionar en consecuencia. Lo más importante es que el operador confíe en la precisión del dispositivo para maximizar los aciertos y eliminar las falsas alarmas o las alarmas innecesarias.
  • Valor percibido: el operador debe percibir la tecnología como un factor que contribuye a una experiencia de conducción más segura y atenta, pero sin generar una dependencia excesiva. El dispositivo debe beneficiar al operador en su propio programa de gestión de la fatiga. Debe quedar claro que el dispositivo es completamente seguro y no tiene efectos secundarios negativos para la salud del operador. Los datos del operador, capturados y transmitidos a una sala de control central, deben ser totalmente confidenciales.
  • Promoción: un componente fundamental de la aceptación por parte del usuario se mide por la disposición de los operadores a adquirir y respaldar la tecnología. En cuanto a los beneficios de seguridad percibidos del dispositivo, su adopción en el mercado aumentará cuando cuente con el apoyo de los usuarios previstos: operadores, gestores de flotas, asociaciones de transporte, departamentos de seguridad, etc.
  • Comportamiento del conductor: la interacción con el dispositivo no debe influir negativamente en la atención del operador para mantener una conducción segura. La exposición prolongada a la tecnología debería tener un efecto positivo en el comportamiento del conductor, así como en los cambios en el estilo de vida relacionados con la gestión de la fatiga.

Tecnologías de detección y monitorización de la fatiga

En la última década se han producido avances significativos en la tecnología de monitorización de la fatiga. Estas soluciones ya están disponibles comercialmente y ofrecen beneficios reales en materia de seguridad para conductores, operarios y otros trabajadores por turnos en diversos sectores. [ 9 ]

Los desarrolladores de software, ingenieros y científicos crean programas de detección de fatiga utilizando diversas señales fisiológicas para determinar el estado de fatiga o somnolencia. La medición de la actividad cerebral (electroencefalograma) es ampliamente aceptada como el método estándar para el monitoreo de la fatiga. Otras tecnologías utilizadas para determinar el deterioro relacionado con la fatiga incluyen mediciones de síntomas conductuales como el comportamiento ocular, la dirección de la mirada, las microcorrecciones en el manejo del volante y el acelerador, así como la variabilidad de la frecuencia cardíaca .

Tecnología de electroencefalografía (EEG)

El software de detección de fatiga analiza el comportamiento y las señales de alerta para determinar el inicio de la fatiga. Esta tecnología tiene el potencial de convertirse en una herramienta altamente precisa para detectar las primeras etapas de la fatiga en los conductores y minimizar la probabilidad de incidentes. Permite a los operadores identificar visualmente sus niveles de alerta en tiempo real. De esta manera, pueden evaluar de forma proactiva diferentes estrategias para mantener la alerta y gestionar sus niveles de fatiga.

La electroencefalografía (EEG) es una técnica que registra la actividad eléctrica cerebral de forma no invasiva. [ 10 ] Fue descubierta por Hans Berger en 1924 y evolucionó durante más de 90 años hasta convertirse en la tecnología avanzada actual. Una drástica reducción en el tamaño, el peso y el costo de los instrumentos de EEG, junto con la posibilidad de comunicarse de forma inalámbrica con otros sistemas digitales, allanó el camino para extender la tecnología a campos previamente insospechados, como el entretenimiento, la biorretroalimentación y el apoyo al aprendizaje y al entrenamiento de la memoria. La experimentación y el desarrollo de productos en torno a esta tecnología incluyen aplicaciones para la detección de la fatiga.

Nuevo software de detección de fatiga EEG mide la capacidad de un individuo para resistir el sueño. [ 10 ] El microsueño solo ocurre cuando un individuo no logra resistir el sueño, no cuando elige descansar. Los operadores de maquinaria móvil pesada están acostumbrados a resistir el sueño; es algo natural y casi un comportamiento subconsciente. Sin embargo, cuando la capacidad de un individuo para resistir el sueño disminuye, existe el riesgo de un microsueño. Por lo tanto, la capacidad de resistir el sueño es la medida de seguridad más relevante para los operadores de maquinaria. La medición subyacente de la tecnología es la actividad cerebral. El electroencefalograma ha sido el estándar de oro en la ciencia del sueño y la fatiga. [ 10 ] Al ser una medida fisiológica más directa, proporciona mayor precisión al evitar mediciones erróneas relacionadas con el entorno externo.

Además del desarrollo de tecnología portátil práctica , se requiere una correspondencia universal entre la información del EEG y una medición útil para un monitoreo preciso de la fatiga en un entorno operativo. Si bien el análisis del EEG está muy avanzado, los científicos han descubierto que, debido a las variaciones fisiológicas naturales entre personas, no es posible aplicar reglas rigurosas para interpretar la actividad cerebral a toda la población. Esto implica que un enfoque basado en reglas para las mediciones de fatiga mediante EEG sería poco práctico, ya que cada variación fisiológica requeriría una regla específica aplicable a cada persona.

Para superar este problema, los científicos desarrollaron el Algoritmo Universal de Fatiga basado en un enfoque impulsado por datos. La somnolencia es un estado determinado por medidas independientes no electroencefalográficas (EEG). La Prueba de Resistencia al Sueño de Oxford (prueba OSLER) y la Prueba de Vigilancia Psicomotora (PVT) son las medidas más utilizadas en la investigación del sueño. [ 10 ] Ambas pruebas se utilizaron para establecer el conjunto de datos de muestra para el desarrollo del Algoritmo Universal de Fatiga. El algoritmo se desarrolló a partir de registros EEG reales de un gran número de individuos. Posteriormente, se utilizaron técnicas de inteligencia artificial para mapear la multitud de relaciones individuales. Esto implica que el resultado se vuelve progresivamente más universal y significativo a medida que se incluyen más datos de una gama más amplia de individuos en el algoritmo. Además de un enfoque de experimento ciego no visto, la prueba del algoritmo también está sujeta a la supervisión de terceros externos independientes. [ 10 ]

Seguimiento del porcentaje de apertura ocular (PERCLOS)

PERCLOS es una medida de detección de somnolencia, que se refiere al porcentaje de cierre del párpado sobre la pupila a lo largo del tiempo y refleja cierres lentos o caídas de los párpados en lugar de parpadeos. [ 11 ] Varios sistemas de detección de somnolencia del operador en tiempo real utilizan la evaluación PERCLOS y software propio desarrollado para determinar el inicio de la fatiga. Cada desarrollador de tecnología utiliza una configuración y combinación de hardware únicas para mejorar la precisión y la capacidad de rastrear el movimiento de los ojos , el comportamiento de los párpados y las posturas de la cabeza y la cara en todas las circunstancias posibles. [ 11 ]

Algunos sistemas utilizan un módulo de cámara con base giratoria montado en el salpicadero de la cabina. El dispositivo cuenta con un amplio campo de visión para adaptarse a los movimientos de la cabeza del operador. El equipo emplea un software de seguimiento ocular con iluminación estructurada que se basa en el alto contraste entre las pupilas y el rostro para identificar y rastrear las pupilas del operador.

Como alternativa, los sistemas de seguimiento flexibles y móviles permiten el seguimiento de la cabeza y el rostro, incluyendo el seguimiento de los ojos, los párpados y la mirada. Estos sistemas ahora proporcionan información en tiempo real sin necesidad de cables, imanes ni dispositivos de sujeción en la cabeza.

Aunque los estudios confirmaron una correlación entre PERCLOS y el deterioro, algunos expertos están preocupados por la influencia que el comportamiento ocular, no relacionado con los niveles de fatiga, puede tener en la precisión de las mediciones. El polvo, la iluminación insuficiente, el deslumbramiento y los cambios de humedad son factores no relacionados con la fatiga que pueden influir en el comportamiento ocular del operador. Por lo tanto, este sistema puede ser propenso a mayores tasas de falsas alarmas y a casos de deterioro no detectados. [ 10 ]

Seguimiento de rasgos faciales

El sistema de visión artificial utiliza una cámara discreta montada en el salpicadero y dos fuentes de iluminación infrarroja para detectar y rastrear los rasgos faciales del operador. El sistema analiza el cierre de los ojos y la postura de la cabeza para determinar la aparición temprana de fatiga y distracción. El algoritmo de detección de fatiga calcula AVECLOS, que representa el porcentaje de tiempo que los ojos permanecen completamente cerrados durante un intervalo de un minuto. [ 12 ]

Esta tecnología se desarrolló para los mercados doméstico y comercial y actualmente se está probando en un vehículo de demostración de Volvo.

Plataforma móvil

Recientemente, el software del sistema de detección de fatiga se ha modificado para funcionar en teléfonos móviles Android. La tecnología utiliza la cámara del teléfono móvil, que está montada en un soporte en el tablero de la cabina, para monitorear el movimiento de los ojos del operador. Los desarrolladores del sistema prefirieron usar la técnica de movimiento de párpados. [ 13 ] El sistema robusto es capaz de rastrear movimientos rápidos de la cabeza y expresiones faciales. La iluminación externa es limitada, lo que reduce la interferencia del operador. Se encontró que otras técnicas potenciales tenían inconvenientes con la aplicación del hardware específico. La detección de bostezos hace que sea difícil detectar con precisión la posición de los labios. La detección de cabeceo requiere que los electrodos se fijen al cuero cabelludo.

Además, los métodos de aprendizaje profundo para el reconocimiento de acciones también se han aplicado con éxito en dispositivos móviles. [ 14 ] Las técnicas de aprendizaje profundo no requieren pasos separados de selección de características para identificar las posiciones de los ojos, la boca o la cabeza y tienen el potencial de aumentar aún más la precisión de la predicción.

También se han lanzado tecnologías basadas en aplicaciones que no utilizan cámaras, sino que aprovechan la prueba de Bowles-Langley (BLT) [ 15 ] mediante una experiencia sencilla de 60 segundos similar a un juego. Entre las empresas que han lanzado aplicaciones para la detección de la fatiga con este tipo de tecnología se encuentran Predictive Safety , con sede en Denver, Colorado, EE. UU., y Aware360, con sede en Calgary, Alberta, Canadá.

Detección de somnolencia del conductor

Las tecnologías analizadas en secciones anteriores abrieron el panorama de la seguridad automotriz , permitiendo a diversos fabricantes incorporar nuevas características de seguridad a sus modelos de producción. El desarrollo de estas características se debe, en parte, a la presión regulatoria o a la mejora del valor añadido de sus productos mediante la incorporación de nuevas funcionalidades.

Los nuevos desarrollos en la industria automotriz son los siguientes: [ 16 ]

  • NVIDIA, proveedor de chips para Audi, Mercedes, Tesla y otras marcas, continúa con el desarrollo. NVIDIA está desarrollando el copiloto, una herramienta de inteligencia artificial capaz de aprender el comportamiento de cada conductor y detectar conductas anómalas.
  • Para la detección temprana de la somnolencia, Plessey Semiconductors desarrolló sensores, que se colocan en el asiento, que monitorizan los cambios en la frecuencia cardíaca.
  • Bosch, un proveedor alemán de tecnología para numerosas empresas automovilísticas, está desarrollando un sistema basado en cámaras que monitorizará los movimientos de la cabeza y los ojos, así como la postura corporal, la frecuencia cardíaca y la temperatura corporal.
  • Valeo, otro proveedor de tecnología para la industria automotriz, está desarrollando un sistema de cámara infrarroja que monitorizará a los niños en el asiento trasero, así como los movimientos de los hombros, el cuello y la cabeza del conductor, en busca de desviaciones de la norma.
  • El sistema Attention Assist de Mercedes monitoriza el comportamiento del conductor durante los primeros 20 minutos al volante para establecer un punto de referencia. A continuación, el sistema lo compara con hasta 90 indicadores, como el ángulo del volante, la desviación del carril y factores externos como las ráfagas de viento y la capacidad para evitar baches.

La aplicación de estos sistemas no se limita solo a los fabricantes de automóviles, sino que también incluye a empresas tecnológicas externas. Estas empresas han desarrollado hardware como el Anti Sleep Pilot y Vigo. El Anti Sleep Pilot es un dispositivo danés que se puede instalar en cualquier vehículo y que utiliza una combinación de acelerómetros y pruebas de reacción. El Vigo es un auricular Bluetooth inteligente que detecta signos de somnolencia mediante el movimiento de los ojos y la cabeza para alertar a los usuarios.

En 2013, se estimaba que alrededor del 23 % de los coches nuevos matriculados contaban con sistemas de detección de somnolencia de diversa índole. La importancia de estos sistemas radica en que los organismos reguladores de seguridad los incluyen en sus sistemas de calificación. Los sistemas de calificación, como el Euro NCAP, se centran principalmente en la seguridad de los ocupantes, los peatones y los niños, otorgando una calificación general de 5 estrellas. En 2009, se añadió una nueva categoría: los sistemas de asistencia a la seguridad Euro NCAP Advanced. Este sistema evalúa los sistemas de monitorización activa de la seguridad de los nuevos modelos de coches y tiene como objetivo proporcionar a los compradores información clara sobre las ventajas de seguridad que ofrecen estas nuevas tecnologías.

Aquí hay una lista de algunos sistemas de seguridad avanzados desarrollados recientemente por fabricantes de automóviles. [ 16 ]

  • Monitorización del patrón de dirección, mejoras en la visión y frenado de emergencia autónomo.

Utiliza principalmente información de la dirección asistida eléctrica, sistemas de radar y cámaras. Estos sistemas podrían facilitar el frenado autónomo en caso de somnolencia o distracción, cuando el conductor no reacciona con la suficiente rapidez. También permite la conducción autónoma para prevenir accidentes, cuando el conductor reacciona con lentitud o no reacciona en absoluto.

  • Posición del vehículo en el sistema de control de carril

Utiliza cámaras de monitoreo de carril y sensores de radar. Estos sistemas pueden ayudarle y advertirle si se sale involuntariamente del carril o si cambia de carril sin señalizar, generalmente debido a la fatiga. Estas funciones se conocen comúnmente como monitoreo de punto ciego, asistente de mantenimiento de carril o sistema de monitoreo de salida de carril.

  • Monitorización ocular/facial del conductor

Estos sistemas, que requieren una cámara que observe el rostro del conductor y se denominan sistemas de asistencia a la atención, detectan y alertan a los conductores para evitar que se duerman momentáneamente mientras conducen.

  • Medición fisiológica

Requiere sensores corporales para medir parámetros como la actividad cerebral, la frecuencia cardíaca, la conductancia de la piel y la actividad muscular. No se limita solo a los conductores de automóviles. También se han realizado estudios para evaluar mediciones neurofisiológicas como método para mejorar el estado de alerta de los pilotos de aeronaves.

Volkswagen

VW ha incorporado un sistema para ayudar a los conductores a mantener su bienestar físico y mental al volante. El sistema monitoriza de cerca el comportamiento del conductor, detectando desviaciones que pueden ser señales de alerta de fatiga. [ 17 ]

Volvo

Volvo ha desarrollado Driver Alert Control, un sistema que detecta la fatiga del conductor y le avisa antes de que se duerma al volante. Driver Alert Control fue el primer sistema de detección de fatiga desarrollado por un fabricante de automóviles y está en el mercado desde 2007. [ 18 ]

Investigación de Stanford

En 2009, la Universidad de Stanford investigó sistemas automáticos de detección de fatiga, concluyendo que la tecnología basada en el movimiento de los párpados puede ser eficaz para determinar la fatiga del conductor en automóviles, pero se necesita más investigación para mejorar la precisión. [ 19 ]

Véase también

Referencias

  1. "El forense pide una reforma de las leyes" . The Morning Bulletin . 24 de febrero de 2011.
  2. "Punto de vista: Perspectivas sobre la minería moderna". Caterpillar Global Mining. 2007.{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  3. Friswell, R.; Williamson, AM (2011). "Investigación de los efectos relativos de la privación del sueño y la hora del día sobre la fatiga y el rendimiento". Accident Analysis & Prevention . 43 (2011): 690– 697. doi : 10.1016/j.aap.2010.10.013 . PMID 21376856 . 
  4. 1 2 3 4 "Datos y estadísticas" . DrowsyDriving.org . Archivado del original el 16 de mayo de 2017. Consultado el 30 de abril de 2017 .
  5. "Plan de gestión de la fatiga". Departamento de Industria y Desarrollo del Gobierno de Nueva Gales del Sur. 2001.{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  6. Dingus, TA; Hardee, H.; Wierwille, WW (1987). "Desarrollo de modelos para la detección a bordo del deterioro del conductor". Accident Analysis & Prevention . 19 (4): 271– 283. doi : 10.1016/0001-4575(87)90062-5 . PMID 3651201 . 
  7. 1 2 Maldonado, CC; Schutte, PC (2003). "Factores que afectan el estado de alerta del conductor durante la operación de camiones de transporte en la industria minera sudafricana" (PDF) . Pretoria: CSIR Mining Technology. Archivado del original (PDF) el 8 de agosto de 2017. Recuperado el 17 de mayo de 2017 .{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  8. Barr, L.; Howarth, H.; Popkin, S.; Carroll, RJ (2005). "Una revisión y evaluación de las medidas y tecnologías emergentes para la detección de la fatiga del conductor". Washington, DC: Departamento de Transporte de los Estados Unidos. CiteSeerX 10.1.1.508.8409 . {{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  9. "Tecnología de monitoreo de fatiga | Alternativas de transporte" . Consultado el 6 de marzo de 2021 .
  10. 1 2 3 4 5 6 "www.smartcaptech.com" . www.smartcaptech.com . EdanSafe. 2015. Consultado el 30 de abril de 2017 .
  11. 1 2 Administración Federal de Carreteras (1998). "PERCLOS: Una medida psicofisiológica válida de alerta evaluada mediante vigilancia psicomotora" (PDF) . Washington, DC: Departamento de Transporte de los Estados Unidos.{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  12. Ji, Q.; Lan, P.; Zhu, Z. (2004). "Monitoreo y predicción no intrusivos en tiempo real de la fatiga del conductor". IEEE Transactions on Vehicular Technology . 55 (3): 1052– 1068. CiteSeerX 10.1.1.79.846 . doi : 10.1109/TVT.2004.830974 . S2CID 5971302 .  
  13. Abulkair, M.; Alsahli, AH; Alzahrani, FM; Alzahrani, HA; Bahran, AM; Ibrahim, LF; Taleb, KM (2015). "Plataforma móvil para detectar y alertar sobre la fatiga del conductor" . Procedia Computer Science . 62 (2015): 555–564 . doi : 10.1016/j.procs.2015.08.531 .
  14. Wijnands, JS; Thompson, J.; Nice, KA; Aschwanden, GDPA; Stevenson, M. (2019). "Monitoreo en tiempo real de la somnolencia del conductor en plataformas móviles usando redes neuronales 3D" . Neural Computing and Applications . 32 (13): 9731– 9743. arXiv : 1910.06540 . doi : 10.1007/s00521-019-04506-0 .
  15. ^ Langley, Dr. Theodore D.; Heitmann, Dra. Anneke; Schnipke, Dra. Deborah L.; Ashford, Dr. J. Wesson; Hansen, Dra. Karen; Bowles, Henry M. (24 de septiembre de 2009). "Medición de la fatiga humana con el prototipo BLT" . Instituto Nacional de Seguridad y Salud en el Trabajo . NIOSHTIC N° 20038627 . Consultado el 10 de octubre de 2019 .
  16. 1 2 Taub, EA (16 de mayo de 2017). "¿Tiene sueño al volante? Algunos coches lo saben" . New York Times . Consultado el 16 de mayo de 2017 .
  17. "Detección de fatiga". Sitio web oficial de Volkswagen Australia: Autos y SUV nuevos .{{cite web}}: Falta o está vacío |url=( ayuda )
  18. "Volvo Cars presenta nuevos sistemas para alertar a los conductores cansados ​​y distraídos". Volvo Car Corporation. 22 de octubre de 2013.{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )
  19. Tinoco De Rubira, T. (11 de diciembre de 2009). «Sistema Automático de Detección de Fatiga» (PDF) . Universidad de Stanford.{{cite journal}}: Para citar una revista se requiere |journal=( ayuda )