Publicação
Driver profile and drowsiness classification
| authorProfile.email | biblioteca@isel.pt | |
| datacite.subject.fos | Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática | |
| dc.contributor.advisor | Lourenço, André Ribeiro | |
| dc.contributor.advisor | Ferreira, Artur Jorge | |
| dc.contributor.author | Valente, Duarte Faria da Mota Gonçalves | |
| dc.date.accessioned | 2026-02-06T11:37:31Z | |
| dc.date.available | 2026-02-06T11:37:31Z | |
| dc.date.issued | 2025-09-11 | |
| dc.description.abstract | Abstract Every day, approximately 3,700 people die in road accidents, totaling 1.35 million fatalities globally each year. The primary causes of these accidents include speeding, distracted driving, drunk driving, nighttime driving, and drowsy driving. Changing human driving habits is extremely challenging, as road safety campaigns alone have shown limited impact on reducing fatalities. However, while influencing behavior is challenging, technological advancements offer promising solutions to mitigate risks and enhance road safety. This thesis explores unsafe driving behaviors, with a particular focus on both dangerous and drowsy driving. Using data from in-car sensors and physiological signals, we investigate ethods to assess driver states and identify patterns associated with an increased risk of accidents. Specifically, we analyze driving behavior metrics, such as speeding, harsh braking, and sudden acceleration, to classify risky driving tendencies. Additionally, we leverage heart rate variability features extracted from electrocardiograms recorded via a sensor-equipped steering wheel to detect signs of driver drowsiness. The results indicate that both behavioral and physiological markers can serve as effective indicators of unsafe driving conditions. In particular, aggressive driving behaviors are strongly linked to accident risk, while prolonged driving and fatigue significantly impair driver performance. Moreover, individual differences in responses to sleep deprivation highlight the need for personalized assessment methods. These insights contribute to the development of intelligent monitoring systems capable of identifying and mitigating unsafe driving conditions in real time, ultimately enhancing road safety. | eng |
| dc.description.abstract | Todos os dias, aproximadamente 3.700 pessoas perdem a vida em acidentes rodoviários, totalizando 1,35 milhões de fatalidades anuais em todo o mundo. As principais causas destes acidentes incluem excesso de velocidade, distração, condução sob efeito de substâncias e fadiga. Todos estes fatores contribuem para comportamentos de condução inseguros. Mudar os hábitos de condução dos condutores é uma tarefa complexa, uma vez que as campanhas de segurança rodoviária, por si só, têm demonstrado um impacto limitado na redução da sinistralidade. No entanto, apesar da dificuldade em influenciar o comportamento humano, os avanços tecnológicos oferecem soluções promissoras para mitigar riscos e aumentar a segurança rodoviária. Esta tese investiga comportamentos de condução potencialmente perigosos, com especial foco em estilos de condução ariscados e na sonolência ao volante. Através da análise de dados obtidos por sensores embutidos nos veículos e sinais fisiológicos dos condutores, exploramos métodos para avaliar o estado do condutor e identificar padrões associados a um maior isco de acidentes. Especificamente, analisamos métricas de condução como o excesso de velocidade, travagens bruscas e acelerações súbitas para classificar tendências de condução agressiva. Além disso, foi feita a análise de características extraídas de eletrocardiogramas, registados através de sensores equipados no volante, para classificar o nível de fadiga no condutor. Os resultados obtidos indicam que tanto os marcadores comportamentais como os fisiológicos podem ser indicadores eficazes de estados de condução potencialmente perigosos. Em particular, os comportamentos agressivos estão fortemente associados ao risco de acidente, enquanto a fadiga e a condução prolongada comprometem significativamente o desempenho do condutor. Estas conclusões contribuem para o desenvolvimento de sistemas inteligentes de monitorização capazes de identificar e mitigar condições de condução inseguras em tempo real, promovendo uma maior segurança rodoviária. | por |
| dc.description.sponsorship | This research was supported by Instituto Politécnico de Lisboa (IPL) under Grant IPL/IDI&CA2024/ML4EP_ISEL. | |
| dc.identifier.tid | 204181992 | |
| dc.identifier.uri | http://hdl.handle.net/10400.21/22647 | |
| dc.language.iso | eng | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Driver profile classification | |
| dc.subject | Driving style | |
| dc.subject | Drowsiness classification | |
| dc.subject | Drowsy driving | |
| dc.subject | i-DREAMS | |
| dc.subject | Heart rate variability | |
| dc.subject | Classificação de perfis de condução | |
| dc.subject | Condução sonolenta | |
| dc.subject | Estilos de condução | |
| dc.subject | Variabilidade da frequência cardíaca | |
| dc.subject | IPL/IDI&CA2024/ML4EP_ISEL | |
| dc.title | Driver profile and drowsiness classification | eng |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.name | Trabalho de Projeto para obtenção do grau de mestre em Engenharia Informática e Multimédia |