Resumen

Los enfoques de control de la fatiga al volante se estudian debido a que los accidentes de tráfico causados por la fatiga al volante suelen tener consecuencias mortales. Este trabajo propone un nuevo enfoque para predecir la fatiga al volante utilizando datos de localización de camiones comerciales de mercancías peligrosas (CDT) y datos de bostezos del conductor. Los datos de localización propuestos proceden de un conjunto de datos existente de una empresa de transporte que se recogieron de 166 vehículos y conductores en un entorno de conducción real. Se consideran seis categorías diferentes del conjunto de predictores como índices relacionados con la fatiga, incluyendo el tiempo de viaje, el día de la semana, el tipo de carretera, el tiempo de conducción continua, la velocidad media y el kilometraje total. Los datos de bostezos del conductor se utilizan como aproximación a la realidad para el algoritmo de clasificación. A partir de las seis categorías diferentes del conjunto de predictores, obtenemos un conjunto de 17 variables predictoras para entrenar los clasificadores de regresión logística, red neuronal y bosque aleatorio. A continuación, evaluamos el rendimiento predictivo de los clasificadores basándonos en tres índices: precisión, medida F1 y área bajo la curva ROC (AUROC). Los resultados muestran que el bosque aleatorio es más adecuado para predecir la fatiga al volante utilizando datos de localización según su mejor precisión (74,18%), medida F1 (62,02%) y AUROC (0,8059). Por último, analizamos la relación entre la fatiga al volante y el entorno de conducción según la importancia de las variables descritas por el bosque aleatorio. En resumen, nuestros resultados muestran claramente el potencial de los datos de localización para reducir en la práctica la siniestralidad causada por la fatiga al volante.

• Materias:Motores (Mecánica) Ingeniería del transporte Seguridad del transporte Planificación de ruta Capacidad de tráfico
• Subjects:Engines Transport engineering Transport safety Path planning Traffic capacity
• Palabras claves:datos de localización, fatiga, diferentes categorías, fatiga al conducir, random forest, datos de bostezos, camión comercial de mercancías peligrosas, entorno real de conducción, tiempo continuo de conducción, clasificadores random forest
• Keywords:location data, fatigue, different categories, fatigue driving, random forest, yawn data, commercial dangerous goods truck, actual driving environment, continuous driving time, random forest classifiers