交通意外頻傳，每次新聞出來都讓社會大眾對交通安全多了一分顧慮，車輛駕駛的疲勞議題是越來越受關注，是否休息足夠、是否過勞？除了單純從工時角度去衡量外，本計畫嘗試從AI人工智慧的技術角度，去支援車輛駕駛跟他們的雇主，避免交通意外。
計畫以預測疲勞駕駛為目標，去做到事前預測與即時監測。內容上會先去建立一個疲勞的巨量資料庫，包含像健保資料、駕駛個人資料、職場環境這些，把大量的數據蒐集起來並找到實際影響疲勞的因素，再加上合作團隊交大電機系的行車即時影像監測，搭配即時生理數據資料，記錄這些駕駛疲勞發生的時刻，建立數據跟疲勞因子間的關聯性，進而針對這些疲勞因子，進行個人化的預測，透過系統發出預警通知，避免駕駛疲勞。
在這個研究裡，國衛院跟三總、北醫的醫療團隊合作，希望成果能通過醫療團隊的認可，發展出能夠確實預測駕駛疲勞的系統，此外也希望這個疲勞的預測系統，能夠真正幫到台灣企業及勞工，用科學的方式判斷並避免職場過勞。
在技術運用上，蒐集駕駛當下的HR及HRV，也就是心律及其變異率，在前期收案研究中搭配反應力測試，確認了HRV是精神負荷及循環不良之敏感指標，可用來評估駕駛的疲勞。現行HRV測試裝置，需受測者保持平靜，雙手清空測量5分鐘，產生的數據可以顯示一個人健康情形的變化，對疾病預測指標包括：心血管疾病、神經疾病、糖尿病、工作壓力、健康狀態評估等。未來這個部分可與穿戴裝置結合，融入駕駛的一般生活中，即可達到數據即時偵測、大量生理資訊分析的目標，精準預測疲勞。
本計畫的另一個技術特點，是運用車內攝影機擷取駕駛的表情，像是打呵欠、眨眼、頭不自覺下垂或點頭等。我們與車隊合作蒐集這些影像，判斷駕駛的疲勞情形以即時發出預警訊息。這個部分是與交大電機研究團隊合作，將其人臉辨識的技術用在車輛上，進一步做到面部表情的辨識及解讀；此外也與北醫護理系合作，把影像辨識及動作解讀的功能用在他們的教學示範病房中，嘗試針對醫療場域的病人安全議題，如給藥、跌倒、治安等，都透過這個影像辨識裝置進行試作及模擬，把AI技術帶到醫療環境中。
