論文の概要: A Physiological Sensor-Based Android Application Synchronized with a
Driving Simulator for Driver Monitoring
- arxiv url: http://arxiv.org/abs/2402.07937v1
- Date: Sun, 4 Feb 2024 18:55:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-18 13:42:38.346305
- Title: A Physiological Sensor-Based Android Application Synchronized with a
Driving Simulator for Driver Monitoring
- Title（参考訳）: 運転監視のための運転シミュレータと同期した生理センサベースのAndroidアプリケーション
- Authors: David Gonz\'alez-Ortega, Francisco Javier D\'iaz-Pernas, Mario
Mart\'inez-Zarzuela, and M\'iriam Ant\'on-Rodr\'iguez
- Abstract要約: Androidアプリはドライバーを監視し、それらのパラメータを使って生理状態と運転性能の関係を分析することができる。
このアプリは、慢性疾患の患者やアスリートなど、他のユーザーへの微妙な適応で適用することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we present an Android application to control and monitor the
physiological sensors from the Shimmer platform and its synchronized working
with a driving simulator. The Android app can monitor drivers and their
parameters can be used to analyze the relation between their physiological
states and driving performance. The app can configure, select, receive,
process, represent graphically, and store the signals from electrocardiogram
(ECG), electromyogram (EMG) and galvanic skin response (GSR) modules and
accelerometers, a magnetometer and a gyroscope. The Android app is synchronized
in two steps with a driving simulator that we previously developed using the
Unity game engine to analyze driving security and efficiency. The Android app
was tested with different sensors working simultaneously at various sampling
rates and in different Android devices. We also tested the synchronized working
of the driving simulator and the Android app with 25 people and analyzed the
relation between data from the ECG, EMG, GSR, and gyroscope sensors and from
the simulator. Among others, some significant correlations between a
gyroscope-based feature calculated by the Android app and vehicle data and
particular traffic offences were found. The Android app can be applied with
minor adaptations to other different users such as patients with chronic
diseases or athletes.
- Abstract（参考訳）: 本稿では,shimmerプラットフォームからの生理的センサの制御と監視を行うandroidアプリケーションと,運転シミュレータとの同期動作について述べる。
Androidアプリはドライバーを監視し、それらのパラメータを使って生理状態と運転性能の関係を分析することができる。
アプリは、心電図(ECG)、筋電図(EMG)、ガルバニック皮膚反応(GSR)モジュール、加速度計、磁力計、ジャイロスコープからの信号を設定、選択、受信、プロセス、グラフィカルに表現することができる。
androidアプリは、これまでunityゲームエンジンを使って開発した運転シミュレータと2つのステップで同期し、運転のセキュリティと効率を分析します。
Androidアプリは、さまざまなサンプリングレートと異なるAndroidデバイスで同時に動作するさまざまなセンサーでテストされた。
また,運転シミュレータとAndroidアプリの同期動作を25人でテストし,ECG,EMG,GSR,ジャイロセンサおよびシミュレータからのデータの関係を分析した。
その中でも,androidアプリで計算したジャイロスコープ機能と車両データ,特に交通違反との間に有意な相関が認められた。
Androidアプリは、慢性疾患の患者やアスリートなど、他の異なるユーザーに対して小さな適応で適用することができる。
関連論文リスト
- G-MEMP: Gaze-Enhanced Multimodal Ego-Motion Prediction in Driving [71.9040410238973]
我々は、視線データを用いて、運転者の車両のエゴ軌道を推定することに集中する。
次に、GPSとビデオ入力と視線データを組み合わせた新しいマルチモーダルエゴ軌道予測ネットワークであるG-MEMPを開発する。
その結果,G-MEMPは両ベンチマークにおいて最先端の手法よりも優れていた。
論文 参考訳（メタデータ） (2023-12-13T23:06:30Z) - OpenDriver: An Open-Road Driver State Detection Dataset [13.756530418314227]
本稿では,運転状態検出のための大規模マルチモーダル運転データセット OpenDriver を提案する。
OpenDriverは合計3,278回の運転で、信号収集期間は約4,600時間である。
論文 参考訳（メタデータ） (2023-04-09T10:08:38Z) - TrafficBots: Towards World Models for Autonomous Driving Simulation and
Motion Prediction [149.5716746789134]
我々は,データ駆動型交通シミュレーションを世界モデルとして定式化できることを示した。
動作予測とエンドツーエンドの運転に基づくマルチエージェントポリシーであるTrafficBotsを紹介する。
オープンモーションデータセットの実験は、TrafficBotsが現実的なマルチエージェント動作をシミュレートできることを示している。
論文 参考訳（メタデータ） (2023-03-07T18:28:41Z) - QuestSim: Human Motion Tracking from Sparse Sensors with Simulated
Avatars [80.05743236282564]
人間の身体の動きのリアルタイム追跡は、AR/VRにおける没入感のある体験に不可欠である。
本稿では,HMDと2つのコントローラから疎信号を取り出す強化学習フレームワークを提案する。
一つのポリシーは、多様な移動スタイル、異なる体の大きさ、新しい環境に対して堅牢であることを示す。
論文 参考訳（メタデータ） (2022-09-20T00:25:54Z) - Mobile Behavioral Biometrics for Passive Authentication [65.94403066225384]
本研究は, 単モーダルおよび多モーダルな行動的生体特性の比較分析を行った。
HuMIdbは、最大かつ最も包括的なモバイルユーザインタラクションデータベースである。
我々の実験では、最も識別可能な背景センサーは磁力計であり、タッチタスクではキーストロークで最良の結果が得られる。
論文 参考訳（メタデータ） (2022-03-14T17:05:59Z) - A Machine Learning Smartphone-based Sensing for Driver Behavior
Classification [1.552282932199974]
我々は,速度,加速度,方向,3軸回転角(ヨー,ピッチ,ロール)を用いて運転者の動作を分類するために,スマートフォンで利用可能なデータセンサ(加速度計,ジャイロスコープ,GPS)を収集することを提案する。
第2に、複数のセンサからの軸間データを単一のファイルに融合した後、時系列分類のための異なる機械学習アルゴリズムを探索し、どのアルゴリズムが最も性能が高いかを評価する。
論文 参考訳（メタデータ） (2022-02-01T10:12:36Z) - DriveGAN: Towards a Controllable High-Quality Neural Simulation [147.6822288981004]
DriveGANと呼ばれる新しい高品質のニューラルシミュレータを紹介します。
DriveGANは、異なるコンポーネントを監督なしで切り離すことによって制御性を達成する。
実世界の運転データ160時間を含む複数のデータセットでdriveganをトレーニングします。
論文 参考訳（メタデータ） (2021-04-30T15:30:05Z) - SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。
動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。
評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文 参考訳（メタデータ） (2020-12-04T23:06:56Z) - Proximity Sensing: Modeling and Understanding Noisy RSSI-BLE Signals and
Other Mobile Sensor Data for Digital Contact Tracing [12.070047847431884]
新型コロナウイルスの感染拡大を抑える主要な健康戦略として、効果的な接触追跡によるソーシャルディスタンシングが浮上している。
本稿では、Bluetooth Low Energy(BLE)信号と他のデバイス上のセンサとの結合モデルを用いて、ペアワイズ個人近接を推定する新しいシステムを提案する。
論文 参考訳（メタデータ） (2020-09-04T03:01:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。