國衛院、三總和北醫的醫療團隊攜手建立疲勞巨量資料庫發展駕駛疲勞預警系統

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。

  （相關報導： 「杯麵」成真！台灣團隊研發居家AI醫療機器，可正確診斷100項疾病！ ｜ 更多文章 ）

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。