Une nouvelle technologie utilise la surveillance embarquée pour détecter les premiers signes de démence chez les conducteurs

Des chercheurs de l'Université de Floride Atlantique (FAU) mènent une étude novatrice qui utilise des systèmes de surveillance embarqués open source et des capteurs d'intelligence artificielle dans les véhicules pour évaluer le risque de démence chez les conducteurs. Cette approche innovante vise à détecter précocement les troubles cognitifs, une étape cruciale pour améliorer la sécurité routière.

Le besoin de telles technologies est souligné par des statistiques préoccupantes : on estime qu’entre 4 et 8 millions de personnes âgées souffrant de troubles cognitifs légers conduisent actuellement aux États-Unis, et qu’un tiers d’entre elles développeront une démence dans les cinq ans à venir. Les personnes atteintes de démence progressive finissent par être incapables de conduire en toute sécurité, et pourtant, beaucoup ignorent encore leur déclin cognitif.

Cette étude examinematiccomment le système de surveillance embarqué peut détecter des comportements de conduite anormaux révélateurs de troubles cognitifs. Peu d'études ont porté sur l'utilisation de capteurs continus et discrets, ainsi que de dispositifs de surveillance associés, pour détecter les variations subtiles dans l'exécution d'activités quotidiennes complexes au fil du temps.

« Des lésions neuropathologiques de la maladie d’Alzheimer ont été découvertes dans le cerveau de conducteurs âgés décédés dans desdentde la route, qui ignoraient être atteints de la maladie et n’en présentaient aucun symptôme apparent », a déclaré la professeure Ruth Tappen, chercheuse principale. « Notre étude est née de l’importance dedentles troubles cognitifs le plus tôt et le plus efficacement possible. Des systèmes de capteurs installés dans les véhicules des conducteurs âgés pourraient détecter ces changements et générer des alertes précoces quant à d’éventuels troubles cognitifs. »

Conception d'une étude longitudinale

L'étude utilise un modèle longitudinal naturaliste pour recueillir des données continues sur le comportement de conduite, lesquelles sont comparées aux résultats de tests cognitifs approfondis réalisés tous les trois mois pendant trois ans. Une caméra orientée vers le conducteur, une caméra frontale et un boîtiermaticsont installés dans le véhicule, et les données sont téléchargées tous les trois mois lors des tests cognitifs.

Les chercheurs évaluent les comportements de conduite anormaux, tels que se perdre, ignorer la signalisation routière, les quasi-collisions, latracet la somnolence, le temps de réaction et les techniques de freinage. Ils analysent également les habitudes de déplacement, notamment le nombre de trajets, les kilomètres parcourus, la distance parcourue sur autoroute, la conduite de jour comme de nuit et la conduite par mauvais temps.

Approche matérielle et logicielle libre

Le réseau de capteurs embarqués développé par les chercheurs de l'Université de Floride Atlantique (FAU) au sein de la Faculté d'ingénierie et d'informatique utilise des composants matériels et logiciels libres afin de réduire les délais, les risques et les coûts liés au développement de capteurs embarqués. Les systèmes de capteurs installés dans l'habitacle sont conçus pour être simples et compacts, minimisant ainsi la complexité du câblage, la taille et le nombre de capteurs pour une discrétion optimale.

Chaque système de capteurs embarqués comprend deux unités de détection distribuées : l’une pour les donnéesmaticet l’autre pour les données vidéo. L’unité de mesure inertielle traite les données afin de déterminer les freinages brusques, les accélérations, les virages et les données GPS. L’unité vidéo intègre des fonctions d’IA qui analysent la vidéo en temps réel, notamment des indicateurs liés au conducteur tels que la détection des visages, des yeux, des bâillements, destrac, du tabagisme et de l’utilisation du téléphone portable, ainsi que des indicateurs comportementaux comme la signalisation routière 

Détection, détection d'objets, franchissement de ligne, quasi-collision et détection de piétons.