Sonnolenza, affaticamento e distrazione alla guida rappresentano importanti fattori di rischio per la sicurezza stradale, con conseguenze economiche e sociali particolarmente rilevanti nel settore del trasporto professionale.

Monitorare in modo tempestivo e affidabile le condizioni psicofisiche del conducente durante sessioni di guida prolungate è una sfida complessa. L’analisi di un singolo parametro biometrico o comportamentale può infatti risultare insufficiente, poiché i segnali rilevati possono essere ambigui, incompleti o influenzati dalle condizioni ambientali e dalle caratteristiche individuali.

Per superare questi limiti, il progetto di ricerca DHA – Driver Health Assistant 4.0, sviluppato nell’ambito degli Accordi per l’Innovazione e finanziato dal MIMIT e dalla Regione Puglia, propone una soluzione integrata basata su un’architettura di intelligenza artificiale multimodale.

DHA 4.0 acquisisce e integra diverse tipologie di dati sullo stato del conducente, combinando informazioni visive, fisiologiche e termografiche. L’elaborazione in tempo reale permette di valutare in modo continuo i livelli di vigilanza e le eventuali condizioni di stress, limitando il rischio di valutazioni incomplete o falsi allarmi.

1. Un’architettura a tre canali per una valutazione più affidabile

L’elemento innovativo di DHA 4.0 è il superamento dell’approccio basato su un singolo sensore. Il sistema acquisisce e integra in tempo reale informazioni provenienti da tre canali complementari.

1.1 Computer Vision avanzata con architettura Three-Branch Multi-Head Attention

Una telecamera installata nell’abitacolo acquisisce le immagini del volto del conducente, successivamente analizzate da una rete neurale profonda con architettura Three-Branch Multi-Head Attention. Il modello esamina tre componenti del comportamento del conducente:

• ramo temporale: analizza nel tempo indicatori quali l’Eye Aperture Ratio (EAR), il Mouth Aperture Ratio (MAR), la durata della chiusura degli occhi e il PERCLOS (Percentage of Eye Closure);
• ramo spaziale: esamina la geometria del volto e l’orientamento della testa (head pose), tenendo conto di eventuali occlusioni temporanee;
• ramo dinamico: valuta la frequenza dei battiti di ciglia e degli sbadigli, oltre alla velocità di chiusura delle palpebre.

L’integrazione dei tre rami mediante meccanismi di Multi-Head Attention consente di combinare gli indicatori più significativi e di rilevare tempestivamente segnali riconducibili a sonnolenza e affaticamento.

1.2 Monitoraggio fisiologico occupant-centric

Attraverso sensori indossabili non invasivi, il sistema acquisisce in modo continuo alcuni parametri fisiologici del conducente, tra cui frequenza cardiaca (HR), saturazione dell’ossigeno nel sangue (SpO₂), intervallo tra battiti consecutivi (RR) e temperatura corporea.

Le soglie di riferimento possono essere configurate in base al profilo individuale del conducente. Il sistema considera 15 profili associati a specifiche condizioni di salute e attribuisce un peso diverso alle anomalie rilevate in funzione della rilevanza di ciascun parametro. La stessa variazione fisiologica può quindi determinare livelli di attenzione differenti in base al profilo considerato.

1.3 Analisi termografica delle variazioni termiche del volto

Una termocamera installata nell’abitacolo acquisisce la distribuzione della temperatura sul volto del conducente. Attraverso l’analisi di aree specifiche, come fronte, naso e guance, il sistema rileva variazioni della temperatura cutanea utili alla valutazione di possibili condizioni di stress termico.

2. Integrazione dei dati e classificazione del rischio

I dati provenienti dai tre canali vengono elaborati da un modulo di fusione, che combina le informazioni visive, fisiologiche e termografiche in un unico indice sintetico di rischio. Lo stato del conducente viene classificato in quattro livelli operativi:

• Livello L0 – Vigile: non vengono rilevati segnali significativi di affaticamento o calo dell’attenzione;
• Livello L1 – Lieve: emergono primi segnali di stanchezza o riduzione dell’attenzione e il monitoraggio viene intensificato;
• Livello L2 – Significativo: vengono rilevati segnali evidenti di affaticamento o distrazione, con conseguente attivazione di avvisi non invasivi;
• Livello L3 – Grave: viene rilevata una condizione di rischio elevato, che determina l’attivazione immediata di segnali di allarme acustici e visivi.

In caso di temporanea indisponibilità o degradazione di uno dei canali, il sistema effettua la valutazione sulla base dei dati provenienti dai canali ancora attivi.

3. Il contributo di CETMA: sviluppo e validazione degli algoritmi di intelligenza artificiale

In qualità di partner scientifico e Organismo di Ricerca del consorzio, coordinato da Top Service S.r.l. e composto anche da Neos Sistemi, Digimat e B-Brave, CETMA ha curato lo sviluppo del modulo di intelligenza artificiale nell’ambito dell’Obiettivo Realizzativo 7.

Le attività hanno riguardato la progettazione, lo sviluppo e l’ottimizzazione degli algoritmi di Deep Learning e del modulo di fusione multimodale, con particolare attenzione all’elaborazione in tempo reale, all’affidabilità e alla scalabilità dell’architettura software.

Il sistema è stato sottoposto a test e attività di validazione in condizioni operative e simulate, considerando anche la presenza di rumore e di segnali parzialmente degradati. Le attività svolte hanno portato alla realizzazione di un prototipo software destinato alle successive fasi di integrazione e trasferimento industriale.

4. Applicazioni e potenziali benefici per la gestione delle flotte

L’architettura DHA 4.0 mette a disposizione di aziende di logistica, gestori di flotte e società di trasporto pubblico uno strumento in grado di:

• individuare tempestivamente segnali associati a sonnolenza, affaticamento e distrazione;
• fornire informazioni aggiuntive a supporto del monitoraggio delle condizioni dei conducenti;
• contribuire alla prevenzione delle situazioni di rischio e alla continuità delle attività operative.

Il progetto mostra come l’integrazione di intelligenza artificiale, sensoristica ed ergonomia possa tradursi in nuove soluzioni a supporto della sicurezza nel trasporto professionale.