Setembro 2025 vol. 12 num. 1 - XXXII Simpósio Internacional de Engenharia

Trabalhos selecionados para publicação apenas - Open Access.

Idioma principal | Segundo idioma

Detecção de sonolência do motorista: Uma revisão da literatura e um estudo sobre a contribuição da fusão de sinais para os sistemas ADAS

Driver Drowsiness Detection: A literature review and study on the contribution of signal fusion to ADAS systems

AZEVEDO, Larissa Rangel de ; BARROS, Natália Maria Paola Maciel ;

Trabalhos selecionados para publicação apenas:

O recurso de Detector de Sonolência do Motorista (DDD - Driver Drowsiness Detection) é responsável por detectar o cansaço do motorista, alertando-o e prevenindo possíveis acidentes. A sonolência ao volante pode ser detectada de diversas maneiras, sendo uma delas baseada no comportamento típico do motorista e do veículo durante esses eventos, como a saída de pista não intencional e o movimento do volante. Esse comportamento específico do carro e do condutor gera padrões que podem ser monitorados e identificados através de sensores e módulos que realizam a fusão de sinais e atuam para realizar ações preventivas. Este trabalho tem como objetivo fazer uma revisão sobre os métodos de detecção de cansaço do motorista e analisar como a fusão de sinais pode aumentar a confiabilidade dos recursos de Sistemas Avançados de Assistência ao Condutor (ADAS - Advanced Driver Assistance Systems) avaliando seus benefícios e obstáculos. Adicionalmente, serão abordadas as regulamentações no Brasil que incentivam a combinação de funcionalidades avançadas, como as diretrizes do Latin NCAP.

Trabalhos selecionados para publicação apenas:

The Driver Drowsiness Detection (DDD) feature is responsible for detecting driver fatigue, alerting them and preventing potential accidents. Drowsiness while driving can be detected in several ways, one of which is based on the typical behavior of the driver and the vehicle during such events, such as unintentional lane departure and steering wheel movement. This specific behavior of the car and the driver generates patterns that can be monitored and identified through sensors and modules that perform signal fusion and act to carry out preventive actions. This paper aims to review driver fatigue detection methods and analyze how signal fusion can increase the reliability of Advanced Driver Assistance Systems (ADAS) features, evaluating their benefits and obstacles. Additionally, regulations in Brazil that encourage the combination of advanced functionalities, such as the guidelines of Latin NCAP, will be addressed.

Download (PDF)

Palavras-chave: -,

Palavras-chave: -,

DOI: 10.5151/simea2025-PAP121

Referências bibliográficas
  • [1] Polícia Rodoviária Federal. Anuário Estatístico de Acidentes de Trânsito 2023. Brasília, DF, 2024.
  • [2] WILLIAMSON, Ann; FRISWELL, Rena. Investigating the relative effects of sleep deprivation and time of day on fatigue and performance. Accident Analysis & Prevention, v. 43, p. 690-697, 2011. ISSN 0001-4575. Disponível em: https://doi.org/10.1016/j.aap.2010.10.013.
  • [3] Khaleghi, B., Razavi, S. N., Mirzakhalili, M., & Pouyanfar, M. (2013). Multisensor data fusion: A review of the state-of-the-art. Information Fusion, 14(1), 28-44.
  • [4] Olsson, N. O. E., Markkula, G., борются, A., & борются, O. (2017). Sensor fusion for autonomous driving. IEEE Intelligent Transportation Systems Magazine, 9(2), 86-99.
  • [5] Subbaiah, D. & P.V.G.D, Prof & Rao, K.. (2019). Driver Drowsiness Detection Methods: A Comprehensive survey. International Journal of Research in Advent Technology. 7. 992-997. 10.32622/ijrat.73201918.
  • [6] ČOLIĆ, Aleksandar; MARQUES, Oge; FURHT, Borko. Driver drowsiness detection: Systems and solutions. Cham, Switzerland: Springer International Publishing, 2014.
  • [7] DARMS, Michael; WINNER, Hermann. A modular system architecture for sensor data processing of ADAS applications. In: IEEE Proceedings. Intelligent Vehicles Symposium, 2005. IEEE, 2005. p. 729-734.
  • [8] AEBERHARD, Michael; KAEMPCHEN, Nico. High-level sensor data fusion architecture for vehicle surround environment perception. In: Proc. 8th Int. Workshop Intell. Transp. 2011. p. 1-7.
  • [9] LATIN AMERICAN & CARIBBEAN NEW CAR ASSESSMENT PROGRAMME (Latin NCAP) – Assessment Protocol – Safety Assist Version 2.0.2. Available in https://www.latinncap.com/po/nossos-testes .
  • [10] Making ADAS Technology More Accessible in Vehicles. Available in https://eepower.com/new-industry-products/making-adas-technology-more-accessible-in-vehicles/#.
  • [11] PANICKER, Akash; KSHIRSAGAR, Ujwala; PAREEK, Bharti. Advanced driver assistance system (ADAS) based on sensor fusion. In: IET Conference Proceedings CP859. Stevenage, UK: The Institution of Engineering and Technology, 2023. p. 406-410.
  • [12] E. Union, “COMMISSION DELEGATED REGULATION (EU) 2021/1341,” em Official Journal of the European Union, Brussels, 2021. VALEO. Driver Monitoring. [2024]. Disponível em: https://www.valeo.com/en/driver-monitoring/. Acesso em 10/05/2025
Como citar:

AZEVEDO, Larissa Rangel de; BARROS, Natália Maria Paola Maciel; "Detecção de sonolência do motorista: Uma revisão da literatura e um estudo sobre a contribuição da fusão de sinais para os sistemas ADAS", p. 634-637 . In: Anais do XXXII Simpósio Internacional de Engenharia. São Paulo: Blucher, 2025.
ISSN 2357-7592, DOI 10.5151/simea2025-PAP121

últimos 30 dias | último ano | desde a publicação


downloads


visualizações


indexações