Розробка IoT системи контролю психофізіологічного стану водіїв під час руху транспортного засобу
Автор: Устрицький Олег Михайлович
Кваліфікаційний рівень: магістр
Спеціальність: Системне проектування
Інститут: Інститут комп'ютерних наук та інформаційних технологій
Форма навчання: денна
Навчальний рік: 2024-2025 н.р.
Мова захисту: українська
Анотація: Устрицький О.М., Корпильов Д.В.(керівник). Розробка IoT системи контролю психофізіологічного стану водіїв під час руху транспортного засобу. Магістерська кваліфікаційна робота – Національний університет «Львівська політехніка», Львів, 2024. Безпека дорожнього руху є однією з найважливіших проблем сучасного суспільства. Щороку внаслідок дорожньо-транспортних пригод (ДТП) гинуть тисячі людей, і значний відсоток цих аварій спричинений помилками водіїв, зумовленими їхнім психофізіологічним станом. Стрес, втома, недостатня концентрація уваги або інші фактори можуть призвести до погіршення реакції водія та прийняття помилкових рішень за кермом. Тому моніторинг стану водія в реальному часі є важливим завданням для запобігання аваріям і забезпечення безпеки дорожнього руху. Актуальність теми. Психофізіологічний стан водіїв є одним із ключових факторів, що впливають на їх здатність до безпечного керування транспортним засобом. За статистикою, понад 20% ДТП виникають через помилки водія, викликані втомою, стресом або іншими станами, що впливають на швидкість реакції та здатність до прийняття рішень. Існуючі системи моніторингу здебільшого базуються на зовнішніх факторах, таких як аналіз руху автомобіля або камер, але вони не можуть забезпечити прямого вимірювання стану водія. З появою новітніх технологій, зокрема Інтернету речей (IoT), з’явилися можливості створення компактних та ефективних систем для безперервного контролю за станом водія під час керування транспортом. Сучасні IoT-рішення дозволяють інтегрувати різноманітні сенсори та мікроконтролери для збору й обробки даних про стан організму, що відкриває нові перспективи у підвищенні безпеки на дорогах. Метою цієї магістерської роботи є розробка IoT-системи для моніторингу психофізіологічного стану водіїв із використанням сенсорів GSR (електрошкірної активності), ССS811 та мікроконтролера ESP32. Система повинна забезпечувати збір та аналіз даних у реальному часі, що дозволить виявляти потенційні проблеми зі станом водія та попереджати небезпечні ситуації на дорозі. Основні завдання роботи: Розробка апаратної частини системи, яка включає вибір і інтеграцію сенсорів GSR та мікроконтролера ESP32. Написання програмного забезпечення для збору даних, їх обробки та передачі на сервер для подальшого аналізу. Розробка алгоритмів обробки даних для аналізу електрошкірної активності водія та виявлення стресових або небезпечних станів. Проведення тестування системи в реальних умовах та оцінка її ефективності. Наукова новизна роботи полягає у впровадженні новітніх технологій для моніторингу психофізіологічного стану водіїв. Головною інновацією є використання платформи ESP32 для локальної обробки даних з GSR-сенсорів. На відміну від традиційних підходів, де дані передаються на віддалені сервери для обробки, пропонована система забезпечує аналіз даних безпосередньо на пристрої, що значно зменшує затримки та дозволяє швидко реагувати на зміни стану водія. Крім того, використання сенсорів GSR для оцінки рівня стресу та емоційних реакцій водія в контексті транспортних систем є новим підходом, що дозволяє розробляти більш точні та ефективні системи безпеки. Розробка та інтеграція таких систем сприятиме підвищенню безпеки на дорогах та зниженню кількості ДТП, спричинених людським фактором. Дипломний проєкт містить: 92 ст., 14 рис., 6 табл., 77 посилань на використані джерела. Ключові слова: Інтернет речей (IoT), моніторинг психофізіологічного стану, безпека дорожнього руху, GSR-технологія, LILYGO TTGO T8 ESP32, TinyML, локальна обробка даних, сенсори для транспорт, візуалізація даних, аналіз ефективності системи, IoT у транспортних системах, обробка даних у реальному часі, вимірювання стану стресу. Перелік використаних літературних джерел: World Health Organization. Global Status Report on Road Safety 2018. Geneva, 2018. Owsley, C., & McGwin, G. Driver impairment and crash risk: Causes and factors. Safety Science, 2016. Yang, Z., Zhang, Z., & Li, Q. The limitations of driver fatigue detection using behavioral data. IEEE Transactions on Intelligent Transportation Systems, 2019. Cameron, K., & Baki, A. Review of driver behavior monitoring systems. Journal of Advanced Transportation, 2020. Kumar, R., & Srivastava, A. IoT-based health monitoring systems for drivers. IEEE Internet of Things Journal, 2021. Shafi, M., & Khan, N. IoT implementation using ESP32. Embedded Systems, 2019. Espressif Systems. ESP32: Technical Reference Manual. Espressif, 2021. Yilmaz, M., & Tiwari, A. Application of ESP32 in wearable IoT systems. Sensors, 2021. Picard, R. W. Affective Computing. MIT Press, 2017. Poh, M.-Z., Swenson, N. C., & Picard, R. W. A wearable sensor for unobtrusive, long-term assessment of electrodermal activity. IEEE Transactions on Biomedical Engineering, 2010. Patel, S., & Hughes, A. Review of physiological sensors for driver health monitoring. Journal of Biomedical Informatics, 2020. Boucsein, W. Electrodermal Activity. Springer, 2012. Feng, Y., & Wu, Y. GSR-based stress detection in smart vehicles. Automotive Science, 2021. Espressif Systems. ESP32: Datasheet. Espressif, 2021. Kumar, S. Low-power IoT applications using ESP32. Journal of Low Power Electronics, 2019. Cifuentes, C., & Ocampo, F. Advantages of ESP32 for IoT systems. International Journal of Embedded Systems, 2020.