Text

Cyber-fysisk systemanalys

Datakommunikation

Digitalisering

Formell modellering och analys av inbyggda system

Förnybar energi

Industriell programvaruteknik

Komplexa inbyggda system i realtid

Lärande och optimering

Medicinsk teknik

Modellbaserad konstruktion av inbäddade system

Programmeringsspråk

Programvarutestlaboratorium

Resurseffektivisering

Säkerhetskritisk teknik

Teknisk matematik

Heterogena system

Artificiell intelligens och intelligenta system

Automatiserade mjukvaruspråkutveckling och mjukvaruteknik

Certifierbara bevis och justifieringsteknik

BRAINSAFEDRIVE: A Technology to detect Mental States During Drive for improving the Safety of the road

BRAINSAFEDRIVE will develop a tool as attentional detectors that detect drivers’ mental state in terms of stress, cognitive load, sleepiness in real time during simulated and/or natural driving situations.

Start

2018-03-01

Planerat avslut

2022-03-31

Huvudfinansiering

Forskningsinriktning

Projektansvarig vid MDH

No partial template found

Cognitive Neuroscience results suggest that cerebral activity collected in subjects that perform visuo-motor tasks is quite different when the subjects became “tired”, or “inattentive” with respect to “normal” mental states. BRAINSAFEDRIVE will develop a tool as attentional detectors that detect drivers’ mental state in terms of stress, cognitive load, sleepiness in real time during simulated and/or natural driving situations.

Goal of the project

BRAINSAFEDRIVE aims to generate a system that detects in real time dangerous mental states for the drivers in simulated and real drive. Here, it combines two necessary state of the art expertise’s: 1) the acquisition and analysis of cerebral signals i.e. Electroencephalography (EEG) and Electrooculography (EOG); 2) the application of artificial intelligence and machine learning algorithms. The drivers’ mental state will be correlated with vehicular parameters e.g. brake, speed, acceleration, lane chnges etc and classify the driving as "normal, healthy and safe” driver.

During the project, the activities are included are: state of the art, to generate the experimental setup for the collection of cerebral data during drive, determine the of computational algorithms necessary to extract meaningful features from acquired data studying and analyzed the data, developing the tools and evaluating the results. Here, young Italian scientists of DMM will be trained to use the complex algorithms for machine learning from the Swedish group (MDH). Swedish scientists will benefit instead from expertise in cerebral signal processing from the Italian group to increase their knowledge in such area.

 

Forskningen har anknytning till följande globala hållbarhetsmål

Säkerställa hälsa. FN:s globala mål 3.

Säkerställa att alla kan leva ett hälsosamt liv och verka för alla människors välbefinnande i alla åldrar.

Läs mer

Uppnå jämställdhet. FN:s globala mål 5.

Uppnå jämställdhet, och alla kvinnors och flickors egenmakt.

Läs mer

Infrastruktur och industri. FN:s globala mål 9.

Bygga upp en motståndskraftig infrastruktur, verka för en inkluderande och hållbar industrialisering och främja innovation.

Läs mer

Hållbara städer och samhällen. FN:s globala mål 11.

Städer och bosättningar ska vara inkluderande, säkra, motståndskraftiga och hållbara.

Läs mer
Till toppen