Advanced Driver Monitoring for Assistance System

Ing. Javier Izquierdo Reyes, Dr. Ricardo A. Ramı́rez Mendoza y Dr. M. Rogelio Bustamante Bello
Centro Estudiantil ITESM, Campus Monterrey

1. El reto a abordar

La detección de variables fisiológicas en entornos de conducción es un tema que se ha estudiado

desde años atrás, sin embargo, la implementación de éstos pocas veces ha logrado madurar hasta
convertirse en un producto comercial que sea implementado en los vehı́culos actuales.
Por otro lado, las nuevas tecnologı́as están permitiendo el desarrollo de vehı́culos inteligentes
que buscan brindar mayor seguridad en las carreteras al mismo tiempo que incrementan la calidad
de vida de las personas, sin embargo, el nivel de desarrollo que se tiene a la fecha no tiene la
capacidad de lidiar con entornos de conducción universales, limitando su uso en velocidades y
entornos especı́ficos. Segun la Sociedad de Ingenieros de Automoción (SAE por sus siglas en inglés)
y la Administración Nacional de Seguridad del Tráfico en las Carreteras (NHTSA, por sus siglas en
inglés) existen 5 niveles de autonomı́a para los vehı́culos, como se puede observar en la Figura 1,
dónde el nivel 0 es un coche sin asistencia alguna y el nivel 5 es un vehı́culo total mente autónomo
que no requiere a un humano para operar.

Figura 1: Niveles de autonomı́a

El reto de éste proyecto es la generación de un sistema que conjunte la parte fisiológica del
conductor con un coche semi-autónomo, para brindar mayor seguridad a la conducción, el diagrama
mostrado en la Figura 2, muestra el concepto general del proyecto ADMAS. El objetivo es atacar la
brecha que existirá entre los coches totalmente autónomos y los vehı́culos conducidos por humanos,
de forma tal que la transición de una tecnologı́a a la otra, sea ordenada y con la menor cantidad
de accidentes posibles.
Dada la limitación de recursos con los que cuenta el proyecto y al no tener un coche con
autonomı́a nivel 3, se optó por construir los sistemas necesarios para que un vehı́culo común se

Preprint submitted to Congreso de Investigación y Desarrollo 30 de septiembre de 2017

 Figura 2: Concepto ADMAS

transforme en uno semi-autonomo, ası́ que otra parte importante del reto, es generar sistemas
modulares que se puedan interconectar para controlar el vehı́culo para brindar asistencia activa,
sin prescindir del conductor.

2. Justificación

Uno de los mayores problemas de salud pública que actualmente afecta a México y al mundo
son los accidentes viales,los cuales cobran la vida de alrededor de 3,500 personas diariamente, lo
que coloca a México en el séptimo lugar de paı́ses con mayor incidencia en accidentes viales a nivel
mundial (Según la Organización Mundial de la Salud).
Por otro lado, la NHTSA, estima que el 96 % de los accidentes son causados por errores humanos.
Estos datos coinciden con los reportes que genera la Policı́a Federal de México, en donde se indica
que las causas de los accidentes en las carreteras federales, se deben en un 80 % de la veces al
conductor, 7 % al vehı́culo, 9 % a los agentes naturales y solo el 4 % al camino. Los principales
errores humanos al conducir, son los siguientes:

Distracciones del conductor (controlar la música, utilizar el celular, buscar algo en el auto).

Conducir bajo los efectos del alcohol, medicinas y estupefacientes.

Realizar maniobras imprudentes y de omisión / Manejo agresivo.

Conducir a exceso de velocidad.

Salud fı́sica del conductor (ceguera, daltonismo, sordera).

Conducir con fatiga, cansancio o con sueño.

De forma tal que asistir a los conductores mexicanos es un gran reto y buen campo de acción que
permitirá reducir los accidentes viales toda vez que los coches autónomos serán una realidad en un
largo plazo para éste paı́s.

2
3. Objetivos

3.1. General
Generar un sistema de monitoreo de variables fisiológicas para determinar el estado Psico-
fisiológico del conductor para modificar el desempeño de un vehı́culo semi-autónomo, incrementando
la seguridad vial [1].

3.2. Particulares
Generar un monitor de señales fisiológicas dentro de un vehı́culo.

Determinar el estado psico-fisiológico del conductor.

Convertir un coche con nivel de autonomı́a 2 a uno de nivel 3 mediante módulos de control
e inteligencia artificial.

4. Metodologı́a

Mediante la implementación de sensores biométricos portátiles y no intrusivos que permiten

detectar de forma confiable y en paralelo diversas señales fisiológicas, se realiza la adquisición de
señales como: Electrocardiograma, respuesta galvánica de la piel, electroencefalograma, respiración
y expresiones faciales. Con éstas señales, es posible determinar las emociones presentes al conducir, o
alteraciones de salud que representen un riesgo que pudiese imposibilitar al humano en la conducción
del vehı́culo.
Para determinar o detectar las anomalı́as mencionadas, se utilizan algoritmos de inteligencia
artificial y la fusión de sensores que permitan una detección redundante para que sea confiable y
con alto indice de exactitud evitando en lo máximo posible los falsos positivos.
Por otro lado, se genera el sistema de propiocepción del vehı́culo, el cuál es equipado con
sensores para vigilar el exterior y ası́, utilizando algoritmos de inteligencia artificial, visión artificial
y fusión de sensores, es posible determinar las acciones a tomar para una conducción adecuada.
Algunos sistemas mecatrónicos han sido desarrollados e instalados en un vehı́culo con nivel 2 de
autonomı́a para la ejecución de acciones por parte del vehı́culo, imitando la funcionalidad de un
coche autónomo nivel 3.

5. Resultados e impacto esperados

Dentro de los resultados obtenidos hasta la fecha, se encuentra la generación de algunos al-
goritmos para reconocer la emoción presentada por los sujetos al conducir, mediante señales de
electroencefalograma, por igual, se ha podido detectar la concentración o distracción de los con-
ductores al realizar un circuito de conducción [2].
La generación de sensores propios a permitido la adquisición de señales de forma no intrusiva,
evitando que el conductor sea afectado por la presencia de los instrumentos de medición al estar
instalados en puntos de contacto como el volante, el asiento o la palanca de velocidades.
Los sistemas mecatrónicos se han diseñado, probado y mejorado, tomando como referencia
sistemas similares que se encuentran en el mercado y que se producen en varias partes del mundo.
Los sistemas de adquisición de datos del vehı́culo han permitido el entrenamiento de algoritmos
de visión artificial que detectan coches, señales viales, personas, etc. Con toda la información
disponible es posible diseñar el plan de acción que debe tomar el vehı́culo en caso que la instrucción
del conductor sea clasificada como riesgosa.
El impacto que este proyecto tiene, será notorio al ingresar varios vehı́culos con éstas carac-
terı́sticas al parque vehı́cular de una ciudad, además de evaluar la experiencia del usuario al utilizar

3
el sistema para reajustar los parámetros que no sean adecuados para una conducción segura. De
forma que el impacto final esperado es la promoción del uso de sistemas de asistencia al conductor
para reducir el numero de accidentes provocados por errores humanos al mismo tiempo que se inicia
una familiarización con el uso de tecnologı́as autónomas en los vehı́culos

6. Elementos de innovación y/o interdisciplinariedad

Si bien, los sistemas de asistencia al conductor ya se encuentran instalados en varios coches de

gamma media-alta o alta, aún no son lo suficientemente personalizados como para que el usuario
perciba de forma favorable la asistencia [3]. Además que por naturaleza, el ser humano tiende a
compensar el nivel de riesgo provocando que sistemas de seguridad pasiva sean poco eficientes [4].
Es por eso que innovar en la forma en que se administra la asistencia al conductor, implementándola
de forma dinámica de acuerdo al estado mental del conductor, permitirá que la asistencia pasiva
sea eficaz y de ser necesario, usar la seguridad activa que inhiba las maniobras de alto peligro.
Por otro lado, la generación de un sistema modular que convierta un coche común (nivel pro-
medio del parque vehı́cular mexicano) en uno semi-autónomo, permitirá una mejor convivencia y
mejor transición hacia la autonomı́a total de los coches en el futuro permitiendo la adquisición de
éste tipo de tecnologı́as a personas con ingresos económicos que no tienen la capacidad de adquirir
vehı́culos de gama media-alto o alta.
Durante el desarrollo del proyecto se ha visto una gran multidisciplinariedad, y han participado
una gran cantidad de estudiantes de pre-grado de diversas áreas como son: biomedicina, psicologı́a,
mecánica, mecatrónica,tecnologı́as computacionales, telecomunicaciones y sistemas electrónicos, ası́
como un estudiante de la maestrı́a en ciencias de la ingenierı́a.

7. Referencias más importantes

[1] Izquierdo-Reyes, J., Ramirez-Mendoza, R.A., Bustamante-Bello, M.R., Navarro-Tuch, S., Avila-
Vazquez, R.: Advanced driver monitoring for assistance system (ADMAS). International Journal
on Interactive Design and Manufacturing (IJIDeM) (2016). DOI 10.1007/s12008-016-0349-9

[2] Izquierdo-Reyes, J., Ramirez-Mendoza, R.A., Bustamante-Bello, M.R.: A study of the effects
of advanced driver assistance systems alerts on driver performance. International Journal on
Interactive Design and Manufacturing (IJIDeM) (2017). DOI 10.1007/s12008-016-0368-6

[3] Lefèvre, S., Carvalho, A., Gao, Y., Tseng, H.E., Borrelli, F.: Driver models for per-
sonalised driving assistance. Vehicle System Dynamics 00(July), 1–16 (2015). DOI
10.1080/00423114.2015.1062899

[4] Eggert, J.: Predictive risk estimation for intelligent ADAS functions. Intelligent Transporta-
tion Systems (ITSC), 2014 IEEE 17th International Conference on pp. 711–718 (2014). DOI
10.1109/ITSC.2014.6957773