Cada vez más, los vehículos con sistemas avanzados de asistencia al conductor están observando no solo la carretera, sino también al conductor. Y con buena razón. Estos sistemas pueden, paradójicamente, hacer que conducir sea menos seguro ya que los conductores adoptan comportamientos más riesgosos bajo la falsa creencia de que el equipo electrónico compensará la falta de precaución.
Intentando prevenir dicho mal uso, los fabricantes de automóviles han utilizado durante años sistemas basados en cámaras para monitorear el movimiento de los ojos del conductor, su postura, respiración y colocación de manos en busca de señales de distracción. Esos datos se comparan con datos base reunidos durante viajes con conductores completamente alertas y enfocados en la carretera. El objetivo es asegurar que los conductores parezcan estar alertas y listos para tomar el control de la tarea de conducir si el conjunto de sensores y actuadores electrónicos se ve superado o juzga mal una situación.
Ahora, varias empresas dirigidas a operadores de flotas de vehículos comerciales, especialmente compañías de camiones de larga distancia, están introduciendo tecnología de cámaras de tablero habilitadas por IA que lleva el monitoreo del conductor un paso más allá. Estas nuevas cámaras de tablero usan aprendizaje automático para captar las sutiles señales de comportamiento que indican somnolencia. “Los camioneros de larga distancia corren un riesgo particular de conducir somnolientos porque con frecuencia trabajan largas horas y conducen rutas extensas”, dice Evan Welbourne, vicepresidente de IA y Datos en Samsara, que recientemente introdujo su solución de detección de somnolencia.
La tecnología de monitoreo de conductores desarrollada por Samsara y Motive, ambas con sede en San Francisco, y Nauto, con sede en Sunnyvale, California, emiten alertas de audio en tiempo real a un conductor somnoliento, instándolo a tomarse un descanso para reducir el riesgo de un accidente relacionado con la fatiga. Todas están configuradas para que, si una cámara de tablero detecta que un conductor continúa operando el vehículo mientras muestra señales de somnolencia después de la alerta en la cabina, pueda contactar directamente a los gerentes de la flota para que orienten al conductor y refuercen las medidas de seguridad.
Cada uno de los sistemas está entrenado para captar diferentes combinaciones de señales que indican que un conductor está somnoliento. Por ejemplo, la IA de Motive, presentada en julio de 2024, rastrea los bostezos y el movimiento de la cabeza. Los bostezos “excesivos” y una postura de la cabeza que indique que el conductor apartó la vista de la carretera durante cinco segundos activan una alerta.
La característica de detección de somnolencia de Nauto, introducida en noviembre de 2021, rastrea el comportamiento de un conductor individual a lo largo del tiempo, observando bostezos y otros indicadores como la duración y frecuencia del parpadeo y los cambios en la postura general del cuerpo del conductor. La IA de Nauto está entrenada para que, cuando estas señales de somnolencia se acumulen a un nivel asociado con un riesgo inaceptable, emita una alerta al conductor.
La tecnología de monitoreo de conductores de Samsara activa una alerta de audio al conductor cuando detecta una combinación de más de una docena de síntomas de somnolencia, incluyendo cierre prolongado de ojos, cabeceos, bostezos, frotarse los ojos y encorvarse, que son señales claras de que el conductor se está quedando dormido.
Mejorar la eficacia de los detectores
Según la Fundación para la Seguridad en el Tránsito, el 17 por ciento de todos los accidentes fatales involucra a un conductor somnoliento. La primera generación de tecnología de monitoreo de conductores tomaba en cuenta solo una o dos señales de que un conductor podría estar quedándose dormido. Los avances en el monitoreo de conductores, como la metodología de la Porcentaje de Cierre de Párpados en el Tiempo (PERCLOS) para medir la somnolencia del conductor, introducida por la Administración Nacional de Seguridad del Tráfico en Carreteras (NHTSA) de los EE.UU. a mediados de los 90, proporcionaron a los desarrolladores de sistemas un indicador fisiológico directo en el cual enfocarse.
“Pero la somnolencia es más que un solo comportamiento, como bostezar o tener los ojos cerrados”, dice Welbourne de Samsara.
Welbourne señala que la nueva generación de herramientas de detección de somnolencia se basa en la Escala Karolinska de Somnolencia (KSS). Explica que “la KSS es una escala de nueve puntos para hacer una evaluación basada en hasta 17 comportamientos como bostezar, contorsiones faciales y movimientos bruscos” que ocurren cuando una persona se sacude y despierta después de un breve intervalo en el cual se ha quedado dormido. “La puntuación KSS toma en cuenta todo eso y nos da una forma cuantitativa de evaluar de manera integral, ¿Está esta persona somnolienta?”.
Stefan Heck, director ejecutivo de Nauto, dice que la IA de su compañía está configurada para intervenir en el Nivel 6 de Karolinska. “Dejamos pasar los primeros signos de somnolencia porque la gente lo encuentra molesto si alertamos demasiado. En el Nivel 1 o 2, una persona no será consciente aún de que está somnolienta, por lo que las alertas en esos niveles solo serían una molestia”. Para cuando su somnolencia alcanza el Nivel 5 o 6, Heck dice, están empezando a ser peligrosos porque muestran largos períodos de falta de atención. “Y en ese punto, saben que están somnolientos, por lo que la alerta no será una sorpresa para ellos”.
Welbourne de Samsara afirma que su empresa tiene buenas razones para confiar en que sus modelos de IA son sólidos y evitarán falsos positivos o negativos que disminuirían la utilidad de la herramienta tanto para conductores como para operadores de flotas. “La detección precisa es tan buena como los datos que alimentan y entrenan los modelos de IA”, señala.
Con eso en mente, el equipo de IA de Samsara entrenó un modelo de aprendizaje automático para predecir la Puntuación de Sueño Karolinska asociada al comportamiento del conductor usando más de 180 mil millones de minutos de metraje de video (que representan 220 mil millones de millas recorridas). El metraje provino de las cámaras de tablero en los vehículos de las flotas de sus clientes.
