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.