Applications of multimodal sensor data from driving simulators: Driving scene recognition for contextual analysis of neurophysiological and behavioral data
Sürüş simülatörlerinden elde edilen çok modlu sensör verilerinin uygulamalari: nörofizyolojik ve davranişsal verilerin bağlamsal analizi i̇çin sürüş sahnesi tanima
- Tez No: 1004921
- Danışmanlar: DR. SAMY RIMA, PROF. DR. PHİLİPPE CUDRé-MAUROUX
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Unıversıty Of Frıbourg
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Nörobilim Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimi ve Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sürücünün durumunun izlenmesi, yol güvenliğinin artırılması açısından kritik öneme sahiptir. MAP-Drive projesi kapsamında, değişen sürüş görevleri ve koşullarına dinamik olarak uyum sağlayabilen, optimize edilmiş risk tahmini ve kesintisiz insan-otomasyon iş birliği sağlayan Uyarlanabilir Sürücü İzleme Sistemi (ADAMS) geliştirilmesi amaçlanmaktadır. Bu çalışmanın temel amacı, iyi yönetilen sürüş senaryolarını gösteren örüntüleri belirlemek için düz yol ve dönel kavşak sürüşü sırasında algı-eylem dizilerini (PAS) haritalamaktır. Bu doğrultuda, çok modlu verilere yeniden örnekleme ve senkronizasyon teknikleri uygulanmış, olay segmentlerinin etiketlenmesi hem manuel olarak hem de CNN sınıflandırıcısı tabanlı otomatik yöntemlerle gerçekleştirilmiş ve bu etiketler nörofizyolojik (bakış konumu, göz bebeği çapı) ve davranışsal (direksiyon simidi) verilerle senkronize edilerek düz yol ve dönel kavşak sürüşü sırasında PAS farklılıkları incelenmiştir. Elde edilen sonuçlar, çok sınıflı sınıflandırıcının düz yol ve dönel kavşak segmentlerini ayırt etmede ikili sınıflandırıcıdan daha başarılı olduğunu göstermektedir. Sürücülerin zihinsel durumunun bilinen göstergeleri olan bakış konumundan bakış entropisi, göz bebeği çapından bilişsel aktivite indeksi (ICA) ve direksiyon verilerinden direksiyon açı değişkenliği (VSA) hesaplanmış; dönel kavşaklarda zihinsel çaba ve kontrol faaliyetinin arttığı gözlemlenerek yaklaşımımız doğrulanmıştır. Gelecekte yapılacak çalışmalarda, genellenebilirliği artırmak amacıyla daha fazla katılımcı, daha fazla modalite, çeşitli sürüş koşulları ve gerçek sürüş ortamlarının dahil edilmesi önerilmektedir.
Özet (Çeviri)
Monitoring the driver's state is crucial for improving road safety. With the MAP-Drive project, we aim to develop an Adaptive Driver Monitoring System (ADAMS) that dynamically adjusts to changing driving tasks and conditions, enabling optimized risk prediction and seamless human-automation collaboration. This study's primary objective was to map perception-action sequences (PAS) during straight and roundabout driving to identify patterns indicative of well-managed driving scenarios. We applied resampling and synchronization techniques to multimodal data, performed both manual and CNN classifier based automated labeling of event segments, and aligned these labels with neurophysiological (gaze position, pupil diameter) and behavioral (steering wheel) data to explore differences in PAS during straight versus roundabout driving. Our results indicate that the multi-class classifier outperforms the binary classifier in distinguishing between straight and roundabout segments. Computing gaze entropy from gaze position, the index of cognitive activity (ICA) from pupil diameter, and variability in steering angle (VSA) from driving wheel data, as these measures are recognized indicators of drivers' mental state, we found elevated mental effort and control activity during roundabouts, validating our approach. Future work should include more participants, modalities and diverse driving conditions, and real-world environments to enhance generalizability.
Benzer Tezler
- Otonom araç sürüşünde kamera-lidar füzyonu tabanlı yol tespiti
Camera and lidar fusion based road detection in autonomous vehicle driving
ERKAN MİLLİ
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ASIM EGEMEN YILMAZ
- Seat backrest vibration improvement of a commercial vehicle
Bir ticari araç koltuğunun sırt titreşimlerinin iyileştirilmesi
AHMET AVŞAR
Yüksek Lisans
İngilizce
2019
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HALUK EROL
- Fusion of RGB and thermal image pairs for object and face liveness detection
Nesne ve yüz canlılığı tespiti için RGB ve termal görüntü çiftlerinin birleştirilmesi
MERVE ERŞAN
Yüksek Lisans
İngilizce
2026
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAYFUN AKGÜL
- Sensör füzyonuna dayalı derin öğrenme yöntemleri ile nesne tanıma başarısının artırılması
Increasing object detection success with deep learning methods based on sensor fusion
AHMET ÖZCAN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMilli Savunma ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖMER ÇETİN
- Otonom mobil robotlarda doğruluk ve hız odaklı lokalizasyon algoritmalarının geliştirilmesi, uygulaması ve karşılaştırmalı analizi
Development, implementation, and comparative analysis of accuracy and speed-oriented localization algorithms in autonomous mobile robots
OZAN VAHİT ALTINPINAR
Doktora
Türkçe
2025
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. VOLKAN SEZER