Zusammenfassung
Systeme zur Fahrermüdigkeitserkennung gehören zur Grundausstattung der meisten modernen Fahrzeuge und in absehbarer Zeit wird deren Einbau gesetzlich verpflichtend sein. Neben den technischen Möglichkeiten zur Müdigkeitserfassung, ist die Schaffung von Bewusstsein für die Wichtigkeit von ausreichendem Schlaf eine wesentliche Präventivmaßnahme. Der aktuelle Boom bei Wearables, die auch den Schlaf-wach-Rhythmus aufzeichnen, hat die Sensibilität für dieses Thema erhöht. Die Sensorik dieser Geräte könnte auch genutzt werden, um die Müdigkeitserfassung im Fahrzeug zu verbessern. Laut Prognosen wird um 2050 das autonome Fahren das Verkehrsgeschehen prägen. Doch bis dahin wird technisch nur ein teilautonomes Fahren möglich sein, mit der Verpflichtung, dass der „potentielle“ Fahrer jederzeit eingreifen muss, wenn es die Situation verlangt. Autofahren wird dadurch zunehmend zu einer Überwachungstätigkeit. Die Müdigkeitserkennung und Aufmerksamkeitswarnung spielen dabei eine zentrale Rolle.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Literatur
Alvaroa, P. K., Burnetta, N. M., Kennedy, G. A., Yu Xun Mina, W., McMahona, M., Barnesa, M., Jacksona, M., & Howarda, M. E. (2018). Driver education: Enhancing knowledge of sleep, fatigue and risky behaviour to improve decision making in young drivers. Accident Analysis and Prevention, 112, 77–83.
Aroganam, G., Manivannan, N., & Harrison, D. (2019). Review on wearable technology sensors used in consumer sport applications. Sensors, 19(9), 1983. https://doi.org/10.3390/s19091983.
Hernández, L. G., Mozos, O. M., Ferrández, J. M., & Antelis, J. M. (2018). EEG-based detection of braking intention under different car driving conditions. Frontiers in Neuroinformatics, 12, 29. https://doi.org/10.3389/fninf.2018.0029.
Jarosch, O., Bellem, H., & Bengler, K. (2019). Effects of task-induces fatigue in prolonged conditional automated driving. Human Factors, 61, 1186–1199. https://doi.org/10.1177/0018720818816226.
Kang, S. G., Kang, J. M., Ko, K. P., Park, S. C., Mariani, S., & Weng, J. (2017). Validity of a commercial wearable sleep tracker in adult insomnia disorder patients and good sleepers. Journal of Psychosomatic Research, 97, 38–44. https://doi.org/10.1016/j.psychores.2017.03.009.
Lindgren, W. A., Chen, F., Jordan, P., & Zhang, H. (2008). Requirements for the design of advanced driver assistance systems – the differences between Swedish and Chinese drivers. International Journal of Design, 2(2), 41–54.
Matthews, G., Neubauer, C., Saxby, D. J., Wohleber, R. W., & Lin, J. (2019). Dangerous intersections? A review of studies of fatigue and distraction in the automated vehicle. Accident Analysis and Prevention, 126, 85–94. https://doi.org/10.1016/j.aap.2018.04.004.
McLean, J. R., & Hoffmann, E. R. (1975). Steering reversal as a measure of driver performance and steering task difficulty. Human Factors, 17, 248–256.
Neubauer, C., Matthews, G., Langheim, L., & Saxby, D. (2012). Fatigue and voluntary utilization of automation in simulated driving. Human Factors, 54(5), 734–746.
Prognos Bericht. Einführung von Automatisierungsfunktionen in der PKW-Flotte. Erstellt im Auftrag von ADAC e. V. (2018). https://www.adac.de/-/media/pdf/motorwelt/prognos_automatisierungsfunktionen.pdf. Zugegriffen: Jän. 2019.
Rahman, M., Strawderman, L., Lesch, M. F., Horrey, W. J., Babski-Reeves, K., & Garrison, T. (2018). Modelling driver acceptance of driver support systems. Accident Analysis and Prevention, 121, 134–147.
Roberts, S. C., & Ghazizadeh, Lee J. D. (2012). Warn me now or inform me later: Driver’s acceptance of real-time and post-drive distraction mitigation systems. International Journal of Human-Computer Studies, 70, 967–979.
Triffauld, P., & Bergeron, J. (2003). Monotony of road environment and driver fatigue: A simulatory study. Accident Analysis and Prevention, 3(35), 381–391.
Vogelpohl, T., Kühn, M., Hummel, T., & Vollrath, M. (2019). Asleep at the automated wheel-sleepiness and fatigue during highly automated driving. Accident Analysis and Prevention, 126, 70–84. https://doi.org/10.1016/j.aap.2018.03.013.
Wilkinson, V. E., Jackson, M. L., Westlake, J., Stevens, B., Barnes, M., Swann, P., Rajaratnam, S. M. W., & Howard, M. E. (2013). The accuracy of eyelid movement parameters for drowsiness detection. Journal of Clinical Sleep Medicine, 9(12), 1315–1324. https://doi.org/10.5664/jcsm.3278.
Wright, S. P., Brown, T. S. H., Collier, S. R., & Sandberg, K. (2017). How consumer physical activity monitors could transform human physiology research. American Journal of Physiology-Regulatory, Integrative and Comparative Physiology, 312, R358–R367. https://doi.org/10.1152/ajpregu.00349.2016.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2020 Springer-Verlag GmbH Deutschland, ein Teil von Springer Nature
About this chapter
Cite this chapter
Klösch, G., Hauschild, P., Zeitlhofer, J. (2020). Interventionsmöglichkeiten zur Vermeidung müdigkeitsbedingter Unfälle. In: Ermüdung und Arbeitsfähigkeit. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-59139-0_11
Download citation
DOI: https://doi.org/10.1007/978-3-662-59139-0_11
Published:
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-662-59138-3
Online ISBN: 978-3-662-59139-0
eBook Packages: Medicine (German Language)