論文の概要: Detecting Drunk Driving Using Off-the-Shelf Smartwatches

• arxiv url: http://arxiv.org/abs/2605.23663v1
• Date: Fri, 22 May 2026 14:13:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-25 17:29:20.385274
• Title: Detecting Drunk Driving Using Off-the-Shelf Smartwatches
• Title（参考訳）: オフザシェルフスマートウォッチを用いた飲酒運転の検出
• Authors: Robin Deuber, Lanlan Yang, Michal Bechny, Christoph Heck, Matthias Pfäffli, Matthias Bantle, Florian von Wangenheim, Elgar Fleisch, Wolfgang Weinmann, Manuel Günther, Felix Wortmann, Varun Mishra,
• Abstract要約: 消費者スマートウォッチを使った飲酒運転検出は、予防的介入を誘発するスケーラブルな方法を提供する。 アルコール関連運転障害を検出するために,手首加速度計データと心拍変動による生理的信号を利用するシステムを提案する。
• 参考スコア（独自算出の注目度）: 7.484358451123682
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Alcohol-impaired driving remains a major yet preventable cause of road traffic injury and death, with many drivers underestimating their level of intoxication. Compared to in-vehicle systems, mobile drunk-driving detection using consumer smartwatches offers a scalable way to trigger preventive interventions and increase awareness without additional in-vehicle hardware. We introduce a system that leverages wrist accelerometer data and heart rate variability-derived physiological signals to detect alcohol-related driving impairment. We collected data in a randomized, controlled three-arm test-track study (n=54) and trained both logistic regression models with window-aggregated features and a two-tower 1D convolutional neural network (CNN), to detect alcohol-impaired driving. The CNN achieved a participant-averaged area under the receiver operating characteristic (AUROC) of 0.88 for detecting any alcohol intoxication and 0.86 for detecting driving above the WHO-recommended limit of 0.05 g/dL. To the best of our knowledge, this is the first work to (1) demonstrate drunk-driving detection using consumer smartwatches, (2) develop and evaluate such a system in a real vehicle on a closed test track, and (3) rigorously assess generalization to unseen participants. Together, these findings highlight the potential of wearable-based sensing to support scalable, measurement-driven prevention of alcohol-related traffic harm.
• Abstract（参考訳）: 飲酒運転は、多くのドライバーが酔っぱらいのレベルを過小評価しているため、道路交通事故や死亡の主な原因となっている。 車両内システムと比較して、消費者向けスマートウォッチを用いたモバイル酔っ払い運転検出は、車内ハードウェアを追加せずに、予防的介入を誘発し、認識を高めるスケーラブルな方法を提供する。 アルコール関連運転障害を検出するために,手首加速度計データと心拍変動による生理的信号を利用するシステムを提案する。 ランダムに制御された3アームテストトラック研究(n=54)でデータを収集し,ウィンドウ集約特徴を持つロジスティック回帰モデルと2-tower 1D畳み込みニューラルネットワーク(CNN)を訓練し,アルコール欠乏運転を検出する。 CNNは、アルコール中毒を検知する0.88の受信操作特性(AUROC)とWHO推奨の0.05g/dL以上の運転を検出する0.86の参加者平均領域を達成した。 我々の知る限りでは、(1)消費者スマートウォッチを用いた飲酒運転検知の実証、(2)閉じたテストトラック上での実車内での運転システムの開発と評価、(3)見当たらない参加者への一般化の厳密な評価を行う最初の試みである。 これらの知見は、アルコール関連交通害のスケーラブルで計測駆動型防止を支援するウェアラブルベースのセンシングの可能性を強調している。

関連論文リスト

• Detection of Intoxicated Individuals from Facial Video Sequences via a Recurrent Fusion Model [0.4779196219827507]
  本研究はアルコール中毒の検出を目的とした,新規な顔の配列解析手法を提案する。 この手法は、3D ResNetを用いて抽出した視覚的特徴とグラフ注意ネットワーク(GAT)を介して顔のランドマーク解析を統合する。 実験の結果,従来の手法よりも95.82%の精度,0.977の精度,0.97のリコールが得られた。
  論文  参考訳（メタデータ） (2025-12-04T07:34:04Z)
• Mobile Phone Sensor-based Nigerian Driving Dataset to Detect Alcohol-influenced Behaviours [0.0]
  本稿では,ナイジェリアにおけるアルコール依存運転行動を検出するための機械学習モデルを支援するために,携帯電話センサを用いて収集したユニークな運転データセットを提案する。 提案モデルでは,加速度センサ,ジャイロスコープ,GPSなどのスマートフォンセンサを用いて,非侵襲的かつ連続的に運転パターンをリアルタイムで検出する手法を提案する。
  論文  参考訳（メタデータ） (2025-09-03T15:21:03Z)
• Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
  本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。 本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
  論文  参考訳（メタデータ） (2024-10-31T13:13:32Z)
• Masked EEG Modeling for Driving Intention Prediction [27.606175591082756]
  本稿では,BCI支援運転における新たな研究方向を開拓し,運転意図に関連する神経パターンについて検討する。 本研究では,左旋回,右旋回,ストレート進行といった人間の運転意図を予測する新しい脳波モデリングフレームワークを提案する。 本モデルでは, 運転意図予測時に85.19%の精度を達成し, 交通事故の軽減に期待できる可能性を示した。
  論文  参考訳（メタデータ） (2024-08-08T03:49:05Z)
• RACER: Rational Artificial Intelligence Car-following-model Enhanced by Reality [46.909086734963665]
  本稿では,アダプティブ・クルーズ・コントロール(ACC)運転行動を予測する,最先端の深層学習車追従モデルであるRACERを紹介する。 従来のモデルとは異なり、RACERは実走行の重要な要素であるRDC(Rational Driving Constraints)を効果的に統合している。 RACERはアクセラレーション、ベロシティ、スペーシングといった主要なメトリクスを網羅し、ゼロ違反を登録する。
  論文  参考訳（メタデータ） (2023-12-12T06:21:30Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Vision-based Analysis of Driver Activity and Driving Performance Under the Influence of Alcohol [1.2094859111770522]
  アメリカの交通事故死者の30%は飲酒運転をしている。 運転障害は、センサーのアクティブな使用によって監視することができる。 より受動的で堅牢なセンシング機構は、より広く採用することができる。
  論文  参考訳（メタデータ） (2023-09-14T20:34:30Z)
• Driver2vec: Driver Identification from Automotive Data [44.84876493736275]
  Driver2vecは、センサーデータの短い10秒間隔からドライバを正確に識別することができる。 Driver2vecは、Nervtechが提供する51人のドライバーのデータセットでトレーニングされている。
  論文  参考訳（メタデータ） (2021-02-10T03:09:13Z)
• Driver Intention Anticipation Based on In-Cabin and Driving Scene Monitoring [52.557003792696484]
  本稿では,車内映像と交通シーン映像の両方に基づいて運転者の意図を検出する枠組みを提案する。 本フレームワークは,83.98%,F1スコア84.3%の精度で予測を行う。
  論文  参考訳（メタデータ） (2020-06-20T11:56:32Z)

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。