Ajouter des langues
Extrait de Wikipédia, l’encyclopédie libre
Les logiciels de détection de la fatigue visent à réduire le nombre d’accidents mortels et d’incidents liés à la fatigue. Plusieurs entreprises travaillent sur une technologie destinée à être utilisée dans des secteurs tels que l’exploitation minière, le transport routier et ferroviaire et l’aviation. La technologie pourrait bientôt trouver des applications plus larges dans des secteurs tels que les soins de santé et l’éducation[citation nécessaire].
Fatigue dans l’environnement opérationnel[modifier]
Dans un scénario d’environnement opérationnel où les systèmes d’exploitation dépendent de la performance humaine, la fatigue peut être définie comme une tendance à dégrader la performance. La fatigue est donc un indicateur du risque de base d’erreurs et d’accidents.
Dans le monde entier, les exploitations minières sont exposées au risque de fatigue des travailleurs. La somnolence et la fatigue augmentent les erreurs humaines et contribuent à des accidents qui peuvent être mortels. Les facteurs qui aggravent les niveaux de fatigue chez les travailleurs miniers sont les suivants : les perturbations des rythmes circadiens dues au travail posté, l’exposition au bruit, aux vibrations et aux produits chimiques, la nature monotone et répétitive des tâches et la conduite en équipe de nuit. Les études reconnaissent une connotation entre le mode de vie et la fatigue. Dans les pays en développement, les mineurs dépendent de systèmes de transport public peu fiables qui ajoutent des heures de trajet à leur journée de travail. Ces travailleurs sont plus susceptibles de souffrir d’un sommeil de mauvaise qualité et en quantité insuffisante.
La fatigue est une forme d’affaiblissement des facultés. En 2011, le coroner australien Annette Hennessy a comparé la fatigue à la conduite en état d’ivresse[1]. Les travailleurs fatigués sont tout simplement moins alertes et plus susceptibles de faire preuve d’un mauvais jugement. C’est d’autant plus risqué qu’un opérateur fatigué est souvent le plus mal placé pour juger de son état de fatigue. David Edwards, PhD, Global Mining Safety Solutions Manager chez Caterpillar Inc. compare cela à demander à une personne ivre si elle pense qu’elle est trop intoxiquée pour conduire[2].
Les véhicules et la conduite sont reconnus comme un risque critique dans les environnements miniers. Les interactions entre véhicules et entre véhicules et humains sont généralement mortelles. Le coût monétaire réel des accidents va au-delà des indemnisations et des remboursements d’assurance, des frais médicaux et des coûts d’enquête. Les accidents mortels entraînent souvent une suspension temporaire des opérations et une perte de production. Les exploitations minières de classe mondiale aspirent à un environnement sans accident mortel et publient leurs performances annuelles en matière de sécurité dans leur rapport annuel. Le monde entier attend des mines qu’elles réduisent le nombre de blessures, qu’elles éliminent les accidents mortels et qu’elles préviennent les incidents catastrophiques.
La plupart des mines et des flottes de camions commerciaux s’appuient sur des contrôles non contraignants tels que des procédures et d’autres contre-mesures pour gérer la fatigue. Parmi les contre-mesures courantes susceptibles d’atténuer la fatigue et d’améliorer les niveaux de vigilance des conducteurs de poids lourds, on peut citer : les jours de repos, la gestion du sommeil, des horaires de travail en équipe bien conçus et des pauses structurées pendant l’équipe, le dépistage et le conseil en matière de santé, les programmes d’éducation, la consommation d’aliments et de liquides et les dispositifs de mesure de la vigilance du conducteur.
Conséquences de la fatigue[modifier]
Les conséquences de la fatigue sont particulièrement évidentes dans les statistiques de la sécurité routière. Toutefois, les conducteurs de véhicules légers et commerciaux ne sont pas les seuls à courir des risques. Dans tous les secteurs d’activité, les travailleurs postés sont vulnérables aux incidents liés à la fatigue, en particulier pendant le travail de nuit. Les statistiques de sécurité ne sont pas toujours disponibles et enregistrent rarement les facteurs de causalité de l’incident. Dans cette section, les statistiques de la sécurité routière sont utilisées pour illustrer le contexte du problème de la fatigue.
La fatigue au volant désigne généralement l’état dans lequel se trouve un conducteur dont les fonctions physiologiques et mentales sont déficientes et dont les aptitudes à la conduite diminuent objectivement, généralement après une période de conduite prolongée. Un conducteur endormi au volant n’agira pas pour éviter une collision ou un accident et, pour cette raison, l’accident est beaucoup plus susceptible de causer des blessures graves ou la mort[3]. Les accidents de la route liés à la fatigue sont trois fois plus susceptibles d’entraîner des blessures graves ou la mort. Une grande partie de ces accidents se produisent entre 14h00 et 16h00 et entre 02h00 et 06h00. Au cours de ces deux périodes, les conducteurs sont plus susceptibles de somnoler, ce qui augmente le risque d’accident[4].
Les statistiques montrent que l’une des principales causes d’accidents de la circulation mortels ou entraînant des blessures est une baisse du niveau de vigilance. Dans le secteur du transport routier, 57 % des accidents mortels sont dus à la fatigue du conducteur. C’est la première cause d’accidents de poids lourds[4].
Selon le sondage Sleep in America réalisé en 2005 par la National Sleep Foundation, 60 % des conducteurs adultes – soit environ 168 millions de personnes – déclarent avoir conduit un véhicule alors qu’ils se sentaient somnolents au cours de l’année écoulée et 13 % d’entre eux admettent l’avoir fait au moins une fois par mois[4].
La National Highway Traffic Safety Administration (NHTSA) estime de manière prudente que 100 000 accidents signalés par la police sont la conséquence directe de la fatigue du conducteur chaque année. On estime à 1 550 le nombre de morts, à 71 000 le nombre de blessés et à 12,5 milliards de dollars les pertes financières[4].
En Australie, 60 à 65 % des accidents de transport routier sont directement liés à la fatigue de l’opérateur et 30 % de tous les accidents sont liés à la fatigue[5].
Défis techniques et de conception[modifier]
L’interaction complexe des principaux facteurs physiologiques responsables de la somnolence – les rythmes circadiens et la pulsion homéostatique du sommeil – pose de formidables défis techniques à la conception et au développement des systèmes de détection de la fatigue. La technologie doit être robuste et capable d’une grande précision dans divers environnements opérationnels où les conditions changent constamment et où les besoins des clients varient[6].
Pour répondre aux exigences d’efficacité et de fonctionnalité, la technologie doit respecter les lignes directrices suivantes[7].
- Il doit mesurer ce qu’il est censé mesurer d’un point de vue opérationnel et conceptuel, et ces mesures doivent être cohérentes dans le temps. Ainsi, un dispositif conçu pour mesurer les clignements d’yeux (d’un point de vue opérationnel) et la vigilance (d’un point de vue conceptuel) devrait mesurer ces deux éléments en permanence pour tous les conducteurs.
- La technologie logicielle utilisée dans l’appareil doit être optimisée en termes de sensibilité et de spécificité. Les faux négatifs doivent être réduits au minimum grâce à une détection précise et fiable des niveaux de vigilance réduits. Les faux positifs doivent être minimisés grâce à une identification précise et fiable de la conduite sûre et de la vigilance du conducteur.
- L’appareil doit être robuste, fiable et capable de fonctionner en continu sur des périodes prolongées, par exemple pendant une période de travail. Les coûts d’entretien et de remplacement ne doivent pas être excessifs.
- être capable de surveiller en temps réel le comportement du conducteur ou de l’opérateur.
- L’appareil doit pouvoir fonctionner avec précision dans différentes conditions d’utilisation, de jour, de nuit et sous éclairage. La précision ne doit pas être compromise par les conditions régnant dans la cabine de l’opérateur, telles que l’humidité, la température, les vibrations, le bruit, etc.
- Les signaux d’avertissement sonores ne doivent pas effrayer l’opérateur et doivent être réglables sur une plage raisonnable. Les signaux doivent être distincts et audibles dans les conditions de fonctionnement afin de ne pas être confondus avec d’autres alarmes et signaux.
Critères d’acceptation par l’utilisateur[modifier]
Indépendamment des avantages évidents qu’offrent les dispositifs de détection de la fatigue en termes de sécurité, l’acceptation de la technologie dépend du fait que l’opérateur perçoive les avantages comme supérieurs au coût. L’acceptation par l’utilisateur est influencée par les facteurs suivants :[8][7]
- Facilité d’utilisation : le fonctionnement de la technologie doit être compréhensible et intuitif. L’opérateur doit être familiarisé avec les capacités, les limites et les paramètres opérationnels dans toutes les conditions d’utilisation. Les données de sortie du dispositif doivent être facilement et correctement interprétées par des opérateurs ayant des capacités cognitives et physiques différentes. La vision de la route et des autres commandes ne doit pas être obstruée.
- Facilité d’apprentissage : le succès de la technologie dépend de sa compatibilité avec le modèle mental de l’opérateur, de la facilité avec laquelle il comprend, se rappelle et retient les informations et réagit en conséquence. Plus important encore, l’opérateur doit faire confiance à la précision de l’appareil pour maximiser les « succès » et éliminer les fausses alarmes ou les alarmes intempestives.
- Valeur perçue : le conducteur doit percevoir la technologie comme contribuant à une conduite plus sûre et plus alerte, mais elle ne doit pas non plus créer un état de dépendance excessive. Le dispositif doit être utile à l’opérateur dans le cadre de son propre programme de gestion de la fatigue. Il doit être clair que l’utilisation de l’appareil est totalement sûre et n’a pas d’effets secondaires négatifs sur la santé de l’opérateur. Les données relatives à l’opérateur, saisies et transmises à une salle de contrôle centrale, doivent être totalement confidentielles.
- Défense des intérêts : un élément essentiel de l’acceptation par les utilisateurs est mesuré par la volonté des opérateurs d’acheter et d’approuver la technologie. Compte tenu des avantages perçus du dispositif en matière de sécurité, l’adoption par le marché augmentera si elle est soutenue par les utilisateurs visés – opérateurs, gestionnaires de flotte, associations de transporteurs routiers, services de sécurité, etc.
- Comportement du conducteur : l’interaction avec le dispositif ne devrait pas avoir d’influence négative sur l’attention que le conducteur porte au maintien d’une conduite sûre. Une exposition prolongée à la technologie devrait avoir une influence positive sur le comportement du conducteur et modifier son mode de vie en ce qui concerne la gestion de la fatigue.
Technologies de détection et de surveillance de la fatigue[modifier]
La technologie de surveillance de la fatigue a connu des avancées significatives au cours de la dernière décennie. Ces solutions technologiques innovantes sont désormais disponibles dans le commerce et offrent de réels avantages en termes de sécurité aux conducteurs, aux opérateurs et aux autres travailleurs postés dans tous les secteurs[9].
Les développeurs de logiciels, les ingénieurs et les scientifiques mettent au point des logiciels de détection de la fatigue qui utilisent divers indices physiologiques pour déterminer l’état de fatigue ou de somnolence. La mesure de l’activité cérébrale (électroencéphalogramme) est largement reconnue comme la norme en matière de surveillance de la fatigue. D’autres technologies utilisées pour déterminer les déficiences liées à la fatigue comprennent des mesures de symptômes comportementaux tels que le comportement oculaire, la direction du regard, les micro-corrections dans l’utilisation de la direction et de l’accélérateur, ainsi que la variabilité de la fréquence cardiaque[citation nécessaire].
Technologie de l’électroencéphalographie (EEG)[modifier]
Les logiciels de détection de la fatigue analysent le comportement et les signes avant-coureurs pour déterminer le début de la fatigue. Cette technologie pourrait constituer un outil extrêmement précis pour détecter les premiers stades de la fatigue chez les conducteurs et minimiser la probabilité d’incidents. La technologie permet aux conducteurs d’identifier visuellement et en temps réel leur niveau de vigilance. Les conducteurs peuvent évaluer de manière proactive différentes approches pour maintenir leur vigilance et gérer leur niveau de fatigue.
L’électroencéphalographie (EEG) est une technique qui rend compte de l’activité électrique du cerveau de manière non invasive[10]. Elle a été découverte par Hans Berger en 1924 et a évolué pendant plus de 90 ans jusqu’à la technologie avancée d’aujourd’hui. Une réduction spectaculaire de la taille, du poids et du coût des instruments EEG et la possibilité de communiquer sans fil avec d’autres systèmes numériques ont ouvert la voie à l’extension de la technologie à des domaines jusqu’alors insoupçonnés, tels que le divertissement, le bio-feedback et le soutien à l’apprentissage et à l’entraînement de la mémoire. L’expérimentation et le développement de produits autour de cette technologie comprennent des applications de détection de la fatigue.
Un nouveau logiciel de détection de la fatigue par EEG mesure la capacité d’un individu à résister au sommeil[10]. Le micro-sommeil ne se produit que lorsqu’un individu ne parvient pas à résister au sommeil, il ne se produit pas lorsqu’un individu choisit de se reposer. Les opérateurs d’équipements mobiles lourds ont l’habitude de résister au sommeil ; c’est un comportement naturel et presque inconscient. Cependant, lorsque la capacité d’un individu à résister au sommeil diminue, il y a un risque de micro-sommeil. La capacité à résister au sommeil est donc la mesure de sécurité la plus pertinente pour les opérateurs d’équipement. La mesure sous-jacente à la technologie est l’activité cérébrale. L’électroencéphalogramme est l’étalon-or de la science du sommeil et de la fatigue[10], car il s’agit d’une mesure physiologique plus directe, qui offre une meilleure précision en évitant les mesures erronées liées à l’environnement extérieur.
Outre le développement d’une technologie portable pratique, la cartographie universelle des informations EEG en une mesure utile est nécessaire pour une surveillance précise de la fatigue dans un environnement opérationnel. Bien que l’analyse EEG soit bien avancée, les scientifiques ont constaté qu’en raison des variations physiologiques naturelles d’une personne à l’autre, les règles rigoureuses d’interprétation de l’activité cérébrale ne peuvent pas être appliquées efficacement à l’ensemble de la population. Cela signifie qu’une approche basée sur des règles pour les mesures de la fatigue par EEG ne serait pas pratique, car chaque variation physiologique nécessiterait une règle spécifique applicable à une personne spécifique.
Pour résoudre ce problème, les scientifiques ont mis au point l’algorithme universel de la fatigue, basé sur une approche fondée sur les données. La somnolence est un état déterminé par des mesures indépendantes non liées à l’EEG. Le test de résistance au sommeil d’Oxford (test OSLER) et le test de vigilance psychomotrice (PVT) sont les mesures les plus couramment utilisées dans la recherche sur le sommeil[10]. Ces deux tests ont été utilisés pour établir l’échantillon de données pour le développement de l’algorithme universel de fatigue. L’algorithme a été développé à partir de l’EEG réel d’un grand nombre d’individus. Des techniques d’intelligence artificielle ont ensuite été utilisées pour cartographier la multitude de relations individuelles. L’implication est que le résultat devient progressivement universel et significatif au fur et à mesure que des données provenant d’un plus grand nombre d’individus sont incluses dans l’algorithme. En plus d’une approche expérimentale en aveugle, les tests de l’algorithme sont également soumis à des parties externes indépendantes[10].
Suivi du pourcentage d’ouverture des yeux (PERCLOS)[modifier]
PERCLOS est une mesure de détection de la somnolence, désignée comme le pourcentage de fermeture des paupières sur la pupille au fil du temps, qui reflète les fermetures lentes des paupières ou les baisses de vigilance plutôt que les clignements d’yeux[11]. Chaque développeur de technologie utilise une configuration unique et une combinaison de matériel pour améliorer la précision et la capacité à suivre le mouvement des yeux, le comportement des paupières, la position de la tête et du visage dans toutes les circonstances possibles[11].
Certains systèmes reposent sur un module de caméra sur une base rotative montée sur le tableau de bord à l’intérieur de la cabine. Le dispositif dispose d’un large champ de vision pour s’adapter aux mouvements de la tête de l’opérateur. L’équipement utilise un logiciel de suivi oculaire avec une approche d’illumination structurée qui dépend du contraste élevé entre les pupilles et le visage pour identifier et suivre les pupilles de l’opérateur.
D’autres systèmes de suivi flexibles et mobiles permettent de suivre la tête et le visage, y compris les yeux, les paupières et le regard. Ces systèmes fournissent désormais un retour d’information en temps réel sans utiliser de fil, d’aimant ou de casque.
Bien que les études aient confirmé une corrélation entre PERCLOS et l’affaiblissement des facultés, certains experts s’inquiètent de l’influence que le comportement oculaire non lié aux niveaux de fatigue peut avoir sur la précision des mesures. La poussière, un éclairage insuffisant, l’éblouissement et les changements d’humidité sont des facteurs non liés à la fatigue qui peuvent influencer le comportement oculaire de l’opérateur. Ce système peut donc être sujet à des taux plus élevés de fausses alarmes et à des cas d’altération manqués[10].
Suivi des caractéristiques faciales[modifier]
Le système de vision par ordinateur utilise une caméra discrète montée sur le tableau de bord et deux sources d’éclairage infrarouge pour détecter et suivre les traits du visage du conducteur. Le système analyse les fermetures des yeux et les positions de la tête pour déterminer l’apparition précoce de la fatigue et de la distraction. L’algorithme de détection de la fatigue calcule AVECLOS. Il s’agit du pourcentage de temps pendant lequel les yeux sont complètement fermés au cours d’un intervalle d’une minute[12].
La technologie a été développée pour les marchés domestiques et commerciaux et est actuellement testée dans un véhicule de démonstration Volvo.
Récemment, le logiciel du système de détection de la fatigue a été modifié pour fonctionner sur les téléphones mobiles Android. La technologie utilise la caméra du téléphone portable qui est montée sur un support sur le tableau de bord de la cabine pour surveiller le mouvement des yeux de l’opérateur. Les développeurs du système ont préféré utiliser la technique du mouvement des paupières[13]. Le système robuste est capable de suivre les mouvements rapides de la tête et les expressions faciales. L’éclairage externe est limité, ce qui réduit les interférences avec l’opérateur. D’autres techniques potentielles présentent des inconvénients liés à l’utilisation d’un matériel spécifique. La détection des bâillements rend difficile la détection précise de la position des lèvres. La détection des hochements de tête nécessite la fixation d’électrodes sur le cuir chevelu.
En outre, des méthodes d’apprentissage profond pour la reconnaissance d’actions ont également été appliquées avec succès sur des appareils mobiles[14]. Les techniques d’apprentissage profond ne nécessitent pas d’étapes distinctes de sélection des caractéristiques pour identifier les positions des yeux, de la bouche ou de la tête et ont le potentiel d’augmenter encore la précision de la prédiction.
Il existe également des technologies basées sur des applications qui n’utilisent pas de caméras, mais qui exploitent le test de Bowles-Langley (BLT)[15] par le biais d’une expérience simple de 60 secondes qui s’apparente à un jeu. Parmi les entreprises qui ont mis sur le marché des applications de détection de la fatigue utilisant ce type de technologie, on peut citer Predictive Safety, basée à Denver, Colorado, États-Unis, et Aware360, basée à Calgary, Alberta, Canada.
Détection de la somnolence du conducteur[modifier]
Article principal : Détection de la somnolence du conducteur
Les technologies évoquées dans les sections précédentes ont ouvert le paysage de la sécurité automobile à divers constructeurs qui ont ajouté de nouveaux dispositifs de sécurité à leurs modèles de production. Les moteurs du développement de ces dispositifs peuvent être considérés soit comme des pressions réglementaires, soit comme l’amélioration de l’offre de valeur de leur produit grâce à l’ajout de dispositifs.
Les nouveaux développements dans l’industrie automobile sont les suivants :[16]
- La poursuite du développement est assurée par NVIDIA, fournisseur de puces pour Audi, Mercedes, Tesla et d’autres. NVIDIA développe le co-pilote, un outil d’intelligence artificielle capable d’apprendre les comportements de chaque conducteur et de déterminer les comportements anormaux.
- Pour la détection précoce de la somnolence, Plessey Semiconductors a mis au point des capteurs, à placer dans un siège, qui surveillent les variations du rythme cardiaque.
- Bosch, un fournisseur allemand de technologies pour de nombreuses entreprises automobiles, met au point un système basé sur une caméra qui surveillera les mouvements de la tête et des yeux, ainsi que la posture du corps, le rythme cardiaque et la température corporelle.
- Valeo, un autre fournisseur de technologie automobile, met au point un système de caméra infrarouge qui surveillera les enfants assis à l’arrière ainsi que les mouvements des épaules, du cou et de la tête du conducteur, à la recherche d’écarts par rapport à la norme.
- Le système d’assistance à l’attention de Mercedes surveille le comportement du conducteur pendant les 20 premières minutes de conduite afin d’établir une base de référence. Ensuite, le système compare ces comportements à pas moins de 90 indices, tels que l’angle du volant, la déviation de la voie et des facteurs externes comme les rafales de vent et l’évitement des nids-de-poule.
Les applications de ces systèmes ne se limitent pas aux constructeurs automobiles, mais aussi à des entreprises technologiques tierces. Ces entreprises ont mis au point du matériel comme l’Anti-Sleep Pilot et le Vigo. Anti-Sleep Pilot est un dispositif danois qui peut être installé sur n’importe quel véhicule et qui utilise une combinaison d’accéléromètres et de tests de réaction. Le Vido est un casque Bluetooth intelligent qui détecte les signes de somnolence par le mouvement des yeux et de la tête afin d’alerter les utilisateurs.
En 2013, on estimait qu’environ 23 % des nouvelles voitures immatriculées étaient équipées, à des degrés divers, de systèmes de détection de la somnolence. L’importance de ces systèmes peut être attribuée au fait que les organismes de réglementation de la sécurité les intègrent dans leurs systèmes d’évaluation. Les systèmes réglementaires tels que le système Euro NCAP se concentrent principalement sur les évaluations de la sécurité des occupants, des piétons et des enfants à travers la publication d’une note globale de 5 étoiles. En 2009, une nouvelle catégorie a été ajoutée sous la forme des systèmes d’assistance à la sécurité Euro NCAP Advance. L’Euro NCAP Advanced examine les systèmes de surveillance de la sécurité active des nouveaux modèles de voitures et vise à fournir aux acheteurs de voitures des conseils clairs sur les avantages offerts par ces nouvelles technologies en matière de sécurité.
Voici une liste de quelques systèmes de sécurité avancés récemment mis au point par les constructeurs automobiles[16].
- Surveillance du comportement de la direction, amélioration de la vision et freinage d’urgence autonome
Il utilise principalement les informations fournies par le système de direction assistée électrique, les systèmes radar et les caméras. Ces systèmes pourraient faciliter le freinage autonome en cas de somnolence ou de distraction, lorsque le conducteur n’agit pas assez rapidement. La conduite autonome permet également de prévenir les accidents lorsque le conducteur réagit trop lentement ou ne réagit pas du tout.
- Position du véhicule dans la voie de circulation
Utilise une caméra de surveillance de la voie et des capteurs radar. Ces systèmes peuvent vous aider et vous avertir lorsque vous quittez involontairement la voie de circulation ou lorsque vous changez de voie sans indication, généralement en raison de la fatigue. Ces fonctions sont communément appelées surveillance des angles morts, assistance au maintien de la trajectoire ou surveillance de la sortie de voie.
- Surveillance des yeux et du visage du conducteur
Nécessitant une caméra surveillant le visage du conducteur, appelée « attention assist », ces systèmes détectent et avertissent les conducteurs pour éviter qu’ils ne s’endorment momentanément au volant.
Il nécessite des capteurs corporels pour mesurer des paramètres tels que l’activité cérébrale, le rythme cardiaque, la conductivité de la peau et l’activité musculaire. Cette méthode n’est pas limitée aux seuls conducteurs de voiture. Des études ont également été menées pour évaluer les mesures neurophysiologiques comme méthode d’amélioration de la vigilance des pilotes d’avion.
VW a intégré un système qui aide les conducteurs à se sentir bien physiquement et mentalement lorsqu’ils sont au volant. Le système surveille de près le comportement du conducteur, en notant les écarts qui peuvent être des signes avant-coureurs de la fatigue du conducteur[17].
Volvo a développé le système Driver Alert Control, qui détecte les conducteurs fatigués et les avertit avant qu’ils ne s’endorment au volant. Ce système est le premier système de détection de la fatigue mis au point par un constructeur automobile et est commercialisé depuis 2007[18].
Recherche à Stanford[modifier]
En 2009, l ‘Université de Stanford a étudié les systèmes de détection automatique de la fatigue et a conclu que la technologie reposant sur le mouvement des paupières peut être efficace pour déterminer la fatigue du conducteur dans les automobiles, mais que des recherches supplémentaires doivent être menées pour améliorer la précision[19].
Voir aussi[edit]
- ^. mw-parser-output .« Coroner calls for shake-up of laws ». The Morning Bulletin. 24 février 2011.
- ^ « Point de vue : Perspectives sur l’exploitation minière moderne ». Caterpillar Global Mining. 2007.
{{citejournal}}: Cite journal nécessite |journal= (aide) - ^ Friswell, R. ; Williamson, A.M. (2011). « Investigating the relative effects of sleep deprivation and time of day on fatigue and performance ». Accident Analysis & Prevention. 43 (2011) : 690–697. doi:10.1016/j.aap.2010.10.013. PMID 21376856.
- ^ Sauter à :a b c d « Faits et statistiques ». DrowsyDriving.org. Consulté le 30 avril 2017.
- ^ « Fatigue Management Plan ». Ministère de l’industrie et du développement du gouvernement de la Nouvelle-Galles du Sud. 2001.
{{citejournal}}: Cite journal requires |journal= (help) - ^ Dingus , T.A ; Hardee, H. ; Wierwille, W.W (1987). « Development of models for on-board detection of driver impairment ». Accident Analysis & Prevention. 19 (4) : 271–283. doi:10.1016/0001-4575(87)90062-5. PMID 3651201.
- ^ Sauter à :a b Maldonado, C.C. ; Schutte, P.C. (2003). » Factors affecting dirver alertness during the operation of haul trucks in the South African mining industry » (PDF). Pretoria : CSIR Mining Technology.
{{cite journal}}: Cite journal requires |journal=(help) - ^ Barr, L. ; Howarth, H. ; Popkin, S. ; Carroll, R. J. (2005). « A review and evaluation of emerging driver fatigue detection measures and technologies ». Washington, DC : Département des transports des États-Unis. CiteSeerX 10.1.1.508.8409.
{{citejournal}}: Cite journal requires |journal= (help) - ^ « Fatigue Monitoring Technology | Transportation Alternatives ». Consulté le 2021-03-06.
- ^ Sauter à :a b c d e f « www.smartcaptech.com ». www.smartcaptech.com. EdanSafe. 2015. Consulté le 30 avril 2017.
- ^ Sauter à :a b Federal Highway Administration (1998). » PERCLOS : A valid psychophysiological measure of alertness as assessed by psychomotor vigilance » (PDF). Washington, DC : Département des transports des États-Unis.
{{cite journal}}: Cite journal requires |journal=(help) - ^ Ji , Q. ; Lan, P. ; Zhu, Z. (2004). « Surveillance non intrusive en temps réel et prédiction de la fatigue du conducteur ». IEEE Transactions on Vehicle Technology. 55 (3) : 1052-1068. CiteSeerX 10.1.1.79.846. doi:10.1109/TVT.2004.830974. S2CID 5971302.
- ^ Abulkair, M. ; Alsahli, A.H. ; Alzahrani, F.M ; Alzahrani, H.A ; Bahran, A.M ; Ibrahim, L.F ; Taleb, K.M (2015). » Système de détection et d’alerte de la fatigue du conducteur sur plateforme mobile ». Procedia Computer Science. 62 (2015) : 555–564. doi:10.1016/j.procs.2015.08.531.
- ^ Wijnands , J.S. ; Thompson, J. ; Nice, K.A. ; Aschwanden, G.D.P.A. ; Stevenson, M. (2019). « Surveillance en temps réel de la somnolence des conducteurs sur les plateformes mobiles à l’aide de réseaux neuronaux 3D ». Neural Computing and Applications. 32 (13) : 9731-9743. arXiv:1910.06540. doi:10.1007/s00521-019-04506-0.
- ^ Langley, Dr. Theodore D. ; Heitmann, Dr. Anneke ; Schnipke, Dr. Deborah L. ; Ashford, Dr. J. Wesson ; Hansen, Dr. Karen ; Bowles, Henry M. (24 septembre 2009). « Measuring human fatigue with the BLT prototype ». Institut national pour la sécurité et la santé au travail. NIOSHTIC No. 20038627. Consulté le 10 octobre 2019.
- ^ Sauter à :a b Taub, E.A. (16 mai 2017). « Somnolent au volant ? Certaines voitures peuvent le dire ». New York Times. Consulté le 16 mai 2017.
- ^ »Fatigue Detection ». Volkswagen Australia Official Website New Cars & SUVs.
{{citeweb}}: Missing or empty |url= (help) - ^ « Volvo Cars introduit de nouveaux systèmes pour alerter les conducteurs fatigués et distraits ». Volvo Car Corporation. 22 octobre 2013.
{{citejournal}}: Cite journal requires |journal= (help) - ^ Tinoco De Rubira, T. (11 décembre 2009). » Système de détection automatique de la fatigue » (PDF). Université de Stanford.
{{citejournal}}: Cite journal nécessite |journal= (aide)
Catégories:
