اشتراک گذاری با دوستان
اشتراک گذاری در linkedin
اشتراک گذاری در twitter
اشتراک گذاری در facebook
اشتراک گذاری در telegram
اشتراک گذاری در whatsapp

وضعیت: بسته

  شماره سند:

  تاریخ انتشار: 1401/03/18

  مهلت ارسال پیشنهاد: 1401/03/30

  فرصت‌ها: براساس پیشنهاد‌ها قابل‌ مذاکره خواهد بود.

 تماس : 02166539734 – 02166533864

  ارسال پروپوزال‌ها: https://ghazal.inif.ir/grant

ضرورت مسئله

یکی از مؤثرترین روش‌های کاهش خطرات حمل‌ونقل جاده‌ای تشخیص خواب‌آلودگی است، ازآنجاکه فوتی‌های ناشی از تصادفات رانندگی در جاده‌های ایران به‌طور متوسط و روزانه ۴۰ نفر می‌باشد و در واقع در هر دو ساعت، یک نفر به این دلیل، جان خود را از دست می‌دهد،.

تشخیص زودهنگام خواب‌آلودگی راننده، کمک بزرگی به منظور جلوگیری از وقوع حوادث ناشی از آن است. اثرات خواب‌آلودگی افراد در برخی سیگنال‌های حیاتی آن‌ها قابل شناسایی است که با توجه به پیشرفت فراگیر هوش مصنوعی در حوزه‌های مختلف فناوری، می‌توان از این سیگنال‌های حیاتی در تلفیق با هوش مصنوعی استفاده نمود.

اگرچه استفاده از سیستم‌های تشخیص خواب‌آلودگی مبتنی بر سیگنال‌های حیاتی نتایج مطلوبی به همراه داشته است ولی استفاده از آن برای محیط داخل کابین راننده به دلیل ایجاد مزاحمت برای راننده و نیز Artifact‌های حرکتی به‌صورت نویز بر روی سیگنال موجب کاهش کارایی آن شده است.

روش دیگر، استفاده از دوربین‌های تصویربرداری است که در برخی اتومبیل‌های گران‌قیمت استفاده می‌شود اما هزینه بالای سخت‌افزار، کاربرد آن را برای عموم مردم محدود نموده است و البته در مواقع شب و موقع استفاده از عینک‌های آفتابی، کارایی آن‌ها توسط راننده کاهش می‌یابد.

لذا ایده اصلی این پروژه تحقیقاتی، پردازش سیگنال گفتار راننده در کنار استفاده از سنسورهای دریافت‌کننده اطلاعات دینامیک خودرو است. سیستم شناسایی خواب‌آلودگی با استفاده از دینامیک خودرو در شرکت متقاضی طراحی‌شده است اما بخش شناسایی خواب‌آلودگی از روی سیگنال گفتار، نیازمند برون‌سپاری به محققین و صاحب‌نظران این حوزه است.

مشروح مسئله تحقیقاتی

برای اجتناب از وقوع حوادث ناخوشایند رانندگی ناشی از خواب‌آلودگی راننده، توسعه یک سامانه سخت‌افزاری- نرم‌افزاری هوشمند جهت رصد هوشیاری راننده موردنیاز خواهد بود. همان‌طور که گفته شد تشخیص هوشیاری به‌طورمعمول مبتنی بر سیگنال‌های مغزی، رسانایی پوست، Artifact‌های چشمی یا با پردازش فیلم‌های ویدیویی از چهره شخص انجام می‌شوند، اما با توجه به دشواری نصب و هزینه هنگفت چنین سامانه‌هایی لازم است که سامانه پیشنهادی تنها مبتنی بر پردازش سیگنال گفتار عمل کند. نتایج تحقیقات نشان می‌دهد که میزان هوشیاری افراد بر روی سیستم گویش آن‌ها تأثیر گذاشته و مدتی قبل از خواب‌آلودگی کامل راننده قابل‌تشخیص است. این در حالی است که اکثر سامانه‌های تشخیص، تنها می‌توانند لحظه وقوع خواب‌آلودگی کامل را تشخیص دهند و این مسئله باعث می‌شود فرصت کافی برای اقدامات پیشگیرانه و هشدار وجود نداشته باشد.

به‌طورکلی سیستمهایی که برای جلوگیری از سوانح ناشی از خواب‌آلودگی طراحی می‌شوند، در ابتدا با تحلیل وضعیت و رفتارهای راننده یا خودرو تشخیص می‌دهند که آیا او خواب‌آلوده است یا نه. این قسمت که در آن خواب‌آلودگی تشخیص داده می‌شود (سیستم تشخیص)، بسیار مهم است و باید طراحی آن به صورتی باشد که با دقت کافی، زمان مناسب خواب‌آلودگی را تشخیص دهد.

   اولین گام این تحقیق انتخاب عبارت گفتاری است که از افراد خواسته می‌شود تا آن را در موقعیت‌های مختلف هوشیاری تلفظ نمایند. لذا مجری باید ضمن تسلط و تجربه کافی در حوزه پردازش سیگنال گفتار با مسائل علوم شناختی نیز آشنایی کافی داشته باشد تا بتواند بهترین عبارت گویش و نیز مهمترین ویژگی‌ها را با توجه به تأثیرات خواب‌آلودگی بر روی اندام‌های تولید گفتار، انتخاب و استخراج نموده و مورد ارزیابی قرار دهد.

 ثبت دادگان گفتار افراد خواب‌آلوده، نیاز به فضای تحقیقاتی مناسب و همچنین تجربه قبلی در خصوص روش ثبت دادگان دارد، زیرا باید در محیط عاری از نویز محیط صورت گرفته و درعین‌حال قابل‌انتقال به شرایط واقعی باشد تا بتوان به نتایج حاصل، برای پیادهسازی نهایی سیستم اعتماد کرد.

پس از ثبت دادگان گفتاری از افراد مختلف (حداقل 30 نفر) با تنوع سن و لهجه، نوبت به برچسب‌دهی دادگان گفتاری ضبط‌شده در سه سطح (هوشیار کامل، نیمه هوشیار و خواب‌آلود) می‌رسد که بر اساس یک مبنای استاندارد و مورد تائید محققین این حوزه باید طراحی شود.

در گام دوم، پردازش سیگنال‌های گفتاری ضبط‌شده با استفاده از ابزار هوش مصنوعی باید جهت تشخیص میزان هوشیاری این افراد در سه سطح فوق‌الذکر صورت گیرد. در این مرحله انتخاب و استخراج ویژگی‌های آکوستیکی مناسب و نیز ابزار یادگیری ماشین مناسب موردنیاز خواهد بود. نتایج تحقیق در مرحله آزمایشگاهی باید توانایی تشخیص با حداقل صحت 85 درصد در سه سطح هوشیاری را داشته باشد.

گام بعدی، انتقال کدهای برنامه‌نویسی از محیط نرم‌افزارهای تحقیقاتی به محیط اندروید است که باید با هزینه محاسباتی مناسب طراحی شود و کاربر، احساس تأخیر مشهود در نتایج نداشته باشد.

به‌عنوان گام آخر، ارزیابی نهایی بخش مهم این پروژه تحقیقاتی است که صحت نهایی سیستم در محیط شبیه‌سازی نزدیک به واقعیت باید حداقل به 80 درصد در سه سطح هوشیاری دست یابد.

گام‌های تحقیق

  • ثبت دادگان گفتاری و برچسب زدن آن‌ها
  • توسعه الگوریتم‌ها در مقیاس آزمایشگاهی
  • ارزیابی و بهبود الگوریتمها به‌منظور حذف نویز
  • طراحی واسط کاربری و هسته نرم‌افزار

خروجی‌های مورد انتظار تحقیق

  • سامانه تشخیص خواب‌آلودگی راننده و اعلام هشدار مبتنی بر پردازش گفتار

الزامات تحقیق

  • ثبت دادگان گفتاری 30 راننده در سطوح مختلف هوشیاری (از هر فرد بین 60 تا 80 نمونه در سطوح مختلف هوشیاری)
  • برچسبزنی معتبر برای تمام نمونه‌های گفتاری ضبط‌شده حداقل در سه سطح
  • توسعه الگوریتمها در محیط برنامه‌نویسی تحقیقاتی مانند MATLAB یا Python
  • صحت شناسایی حداقل 80 درصد روی کلیه افراد (طبق ماتریس Confusion پیشنهادی زیر)
  • طراحی محیط ظاهری برنامه برای اندروید
  • انتقال الگوریتم‌ها از محیط برنامه‌نویسی تحقیقاتی به محیط برنامه‌نویسی اندروید
  • عبارت گفتاری راننده باید در عین حساسیت بالا نسبت به خواب‌آلودگی، نباید طولانی و ملال‌آور باشد.
  • برچسب‌دهی سطح هوشیاری افراد باید مبتنی بر شواهد علمی معتبر صورت گیرد.
  • نمونه‌های اولیه گفتاری ضبط‌شده باید در محیط عاری از نویز محیط تهیه شوند.
  • نفرات آزمودنی باید دارای تنوع سن و لهجه باشند.
  • صحهگذاری نهایی سامانه باید در خودروی واقعی در حال حرکت در جاده صورت گیرد.

راهکارهای غیرجذاب

  • استفاده از سامانه تشخیصی مبتنی بر سیگنال گفتار الزامی است و سایر سیگنال‌های حیاتی به‌هیچ‌وجه در این پروژه موردنظر نیستند.
  • ایجاد مزاحمت برای راننده در روش پیشنهادی

تجهیزات و زیرساخت‌هایی که متقاضی تحقیق می‌تواند در اختیار مجری قرار دهد

  • تجهیزات دوربین دید در شب
  • دوربین حرارتی
  • دوربین RGB

گلوگاه‌های احتمالی

  • نویز محیطی شامل نویز موتور خودرو، لاستیک، صدای زوزه هوا و شاسی
  • صحت بالای 80 درصد نتایج برای تشخیص سه حالت خواب‌آلودگی کامل، نیمه‌هوشیار و هوشیار، علی‌رغم تنوع لهجه و سن کاربران
  • قابلیت قطع و وصل خودکار موسیقی در حال پخش
  •  

معیارهای ارزیابی و انتخاب مجری

  • تحصیلات و سوابق تیم تحقیقاتی در هر دو زمینه پردازش گفتار و علوم شناختی
  • انتخاب و پیشنهاد عبارت مناسب برای گویش
  • برچسب‌زنی معتبر بر روی دادگان گفتاری
  • رویکرد فنی تیم تحقیقاتی به مسئله
  • دسترسی به تجهیزات آزمایشگاهی شامل اتاق آکوستیک، سیستم ضبط و سایر الزامات اجرای تحقیق
  • زمان و هزینه اجرای تحقیق

تسهیم مالکیت فکری

  • مالکیت معنوی: مجری در مالکیت معنوی ناشی از اجرای تحقیق سهیم خواهد بود و انتشار مقاله مشترک توسط مجری و متقاضی در ژورنال‌های داخلی و خارجی، ارائه مقاله در کنفرانس‌ها و سمینارها با موافقت و اشاره به نام همه دست‌اندرکاران مجاز خواهد بود.
  • مالکیت منافع مادی: با توجه به مدل کسب‌وکار شرکت متقاضی، منافع مالی ناشی از توسعه این فناوری تماماً متعلق به شرکت متقاضی بوده و مجری صرفاً حق‌الزحمه اجرای پروژه تحقیقاتی را دریافت خواهد کرد.

روش ارسال پیشنهاد

پروپوزال‌ها صرفاً باید در چارچوب موردنظر صندوق نوآوری و شکوفایی، تدوین و حداکثر تا تاریخ 30 خرداد 1401 در سامانه غزال به آدرس https://ghazal.inif.ir/grant ارسال شوند.پروپوزال‌هایی که در چارچوبی غیرازآن، یا به روش‌های دیگر به دست صندوق برسند، وارد فرایند ارزیابی نخواهند شد.