TWI617289B - Method and evaluation system for estimating current concentration based on user's sleep history - Google Patents
Method and evaluation system for estimating current concentration based on user's sleep history Download PDFInfo
- Publication number
- TWI617289B TWI617289B TW105113952A TW105113952A TWI617289B TW I617289 B TWI617289 B TW I617289B TW 105113952 A TW105113952 A TW 105113952A TW 105113952 A TW105113952 A TW 105113952A TW I617289 B TWI617289 B TW I617289B
- Authority
- TW
- Taiwan
- Prior art keywords
- score
- focus
- message
- user
- sleep
- Prior art date
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本發明係一種能根據使用者之睡眠歷史估算當前專注力之方法及評估系統,該評估系統包括一穿戴式裝置、一評估伺服器及一顯示裝置,其中,該評估伺服器接收到穿戴式裝置傳來之一活動偵測訊息後,其會根據該活動偵測訊息的內容與複數筆睡眠歷史資料,進行分析計算,以得出對應之專注力分數,並在該顯示裝置顯示出對應該專注力分數之內容,如此,使用者或運輸業者便能夠藉由該方法及評估系統,迅速且直觀地得知當前之專注力程度,以作為後續是否能駕駛車輛之依據,有效降低駕駛人發生「疲勞駕駛」之情事。
Description
本發明係關於專注力評估系統及方法,尤指一種能夠根據使用者之睡眠歷史資料,計算出當前專注力,令使用者能夠迅速地得知自身當前的專注力程度,進而能避免進行需要高專注力之工作。
近年來,因「疲勞駕駛(drowsy driving)」所引起之交通意外事故時有所聞,主要原因在於,駕駛人在開車時,通常需花費大量的精神注意路況,當駕駛人產生疲勞感時,大多會出現後續現象,如:視線模糊、視野變窄、反應遲鈍、判斷遲緩、注意力無法集中、思維能力下降、動作僵硬、節奏緩慢及失去方向感等,甚至會出現微型睡眠(micro sleeps,即數秒鐘的淺眠),前述現象會造成駕駛人的駕駛行為「失能(Impairment)」,導致駕駛人無法正常控制車輛與注意路況,舉例而言,當駕駛人在面臨迫近前車之危險時,若其駕駛行為「失能」,則往往無法立即採取「煞車」或「緊急閃避」等動作,進而發生追撞前車之情況,故可知,「疲勞駕駛」不僅危險,且在發生道路交通事故,常會造成人員死傷、財物損失與交通壅塞等負面效應。
根據美國國家公路交通安全管理局(The National Highway Traffic Safety Administration,簡稱NHTSA)估計,警方平均每年約接獲100,000件「疲勞駕駛」之道路交通事故報案,造成約1,500人死亡,71,000
人受傷及125億美元的財物損失;英國統計大貨車道路交通事故中,約有10%至25%肇因「疲勞駕駛」;芬蘭資料顯示聯結車死亡事故中,約有16%為「疲勞駕駛」造成;由此可知,駕駛人發生「疲勞駕駛」的普遍性與其造成之危害性,儼然已成為國際矚目的安全議題。另,中華民國消費者文教基金會曾進行「建構以人為本的友善交通環境」等13個包含交通運輸安全各個層面的項目,共民眾票選,其中,以「加強大眾運輸駕駛連續執勤與疲勞駕駛管理,降低因駕駛人疲勞所產生之交通事故件數」之選項,獲得最多票數,交通部亦在2010年3月修正「汽車運輸業管理規則」,並明定大客車業者之駕駛人的駕駛勤務時間,以加強對駕駛人連續執勤與疲勞駕駛管理,期能降低因「疲勞駕駛」所帶來之交通危害,由此可知,對於大眾運輸(如:公車、客運)的駕駛人而言,「疲勞駕駛」所引發之危害不僅更為嚴重,亦更受到人們的重視。
一般言,「疲勞駕駛」的主因包括:(1)駕駛時間過長;(2)駕駛人睡眠不足或缺乏良好睡眠品質;(3)開車前從事容易造成精神疲勞之休閒活動(如:麻將、電玩遊戲);(4)開車前過分從事激烈之運動;(5)視覺單調的外部環境;其中,尤以睡眠不足的影響最大,如文獻「Allison Ford,“The Surprising Consequences of Sleep Deprivation”,2009 March」所述,當駕駛人在多個夜晚沒有充份的休息,極可能累積「睡債(sleep debt)」,進而在毫無預知的狀態下,突發微型睡眠以償還睡債,造成駕駛人出現精神恍惚、視線模糊、動作呆板、反應遲鈍等現象,無法確實控制車輛,此外,根據研究報告指出,短期睡眠剝奪(short-term sleep deprivation)的效應與酒後駕車非常近似,且駕駛人對於車輛控制的測試表現,甚至比血液中酒精
濃度達0.05%的人更差,「疲勞駕駛」顯然已成為公路上之隱形殺手。
為降低「疲勞駕駛」所帶來之交通事故,目前已發展出諸多能偵測駕駛員精神狀態或避免駕駛疏失之先進安全車輛(Advanced Safety Vehicles,簡稱ASV)技術(如文獻「客運駕駛輪班制度與疲勞相關性研究」、「以心率變異度之頻域分析為基礎所實現的嵌入式瞌睡偵測系統」等內容),茲簡單介紹相關技術手段如下:(1)駕駛人狀態偵測:利用CCD偵測駕駛人的眼球活動(如:是否閉眼過久),或是偵測駕駛人之身體散發的二氧化碳濃度,以判斷駕駛人是否有疲勞駕駛行為;(2)車道偏移警示系統(Lane Departrue Waraing System,簡稱LDWS):利用偵測車道標線之方式,研判車輛是否偏離車道,當系統偵測到車輛已偏離車道,且駕駛人未開啟方向燈,則會發出警告;(3)車輛間距警示系統:該系統所採用的車間距離係以行駛速率的60%計算,例如:當車輛行駛速度為100km/h時,跟車間距為60公尺,如小於該跟車間距,則發出警告;(4)PERCLOS系統:利用紅外線攝影機紀錄駕駛人眼睛的運動特性,以閉眼延時百分率(PERCLOS)與平均眨眼速率(AECS)為判斷駕駛警覺程度的重要參數,以有效地得到被試者的疲勞狀態,並適時地發出警告;及(5)瞌睡偵測系統(drowsiness detection system):根據駕駛人之點頭頻率或者眼部閉合之方法,判斷駕駛人是否已經進入瞌睡狀態,或是使用心率變異度(heart rate variability,簡稱HRV)在頻域上的分析偵測,以判斷駕駛人是否即將進入短暫的睡眠狀態,提早發出警告。
雖然,前述技術手段能夠對駕駛人提供警示或輔助,但是,該等技術手段僅能夠在駕駛人開車過程中,在駕駛人注意力不夠集中時,適當地提醒駕駛人,然而,當駕駛人並未開始駕駛車輛時,顯然無從得知當前的自身狀況是否適合開車,對於職業駕駛人(如:公車司機、貨車司機)而言,其公司亦無從得知駕駛人的精神狀況,更遑論事先防範「疲勞駕駛」的發生,故,如何設計出一種創新的技術,以能迅速且簡便地評估出駕駛者當前的精神狀況,尤其是專注力部分,是否適合駕駛車輛,即成為相關業者及各國所亟欲探討之一重要課題。
有鑑於「疲勞駕駛」對於交通安全之影響,彷彿是道路中的一顆不定時炸彈,因此,發明人經過長久努力研究與實驗,終於開發設計出本發明之一種能根據使用者之睡眠歷史估算當前專注力之方法及評估系統,以期藉由本發明之問世,能夠在駕駛人開車之前,即得知當前的專注力情況,甚至能夠根據駕駛人的清醒時間,計算出對應之專注力程度,令駕駛人不致勉強駕駛車輛。
本發明之一目的,係提供一種能根據使用者之睡眠歷史估算當前專注力之方法及其評估系統,該評估系統包括一穿戴式裝置、一評估伺服器及一顯示裝置,其中,當該評估伺服器接收到該穿戴式裝置傳來之一活動偵測訊息後,其會根據該活動偵測訊息中攜帶的用戶帳號,從自身的一睡眠歷史資料庫中讀取對應該用戶帳號的複數筆睡眠歷史資料,嗣,該評估伺服器會針對該活動偵測訊息的內容與該等睡眠歷史資料,進行分析計算,以得出對應之專注力分數,之後,該評估伺服器會根據該專注力
分數產生一專注力訊息,並傳送至該顯示裝置,以使該顯示裝置顯示出該專注力訊息之內容,如此,使用者或運輸業者便能夠藉由該方法,迅速且直觀地得知當前之專注力程度,以作為衡量後續是否能駕駛車輛之依據,有效降低「疲勞駕駛」的發生機率。
為便 貴審查委員能對本發明目的、技術特徵及其功效,做更進一步之認識與瞭解,茲舉實施例配合圖式,詳細說明如下:
無
1‧‧‧評估系統
10‧‧‧網際網路
11‧‧‧穿戴式裝置
111‧‧‧速度感測器
113‧‧‧生理參數感測器
13‧‧‧評估伺服器
131‧‧‧睡眠歷史資料庫
133‧‧‧專注力評估模組
15‧‧‧顯示裝置
151‧‧‧顯示幕
17‧‧‧專注力條
171‧‧‧指示件
201~209、21A、21B‧‧‧步驟
第1圖係文獻「The cumulative cost of additional wakefulness dose-response effects on neurobehavioral functions and sleep physiology from chronic sleep restriction and total sleep deprivation」中之測試結果圖;第2圖係本發明之評估系統示意圖;第3圖係本發明之方法流程圖;第4圖係本發明之顯示裝置的一呈現示意圖;及第5圖係文獻「Fatigue Assessment in the Field-Validation of a Hand-Held Electronic Psychomotor Vigilance Task」中之測試結果圖。
查,根據美國約翰霍普金斯醫學院(Johns Hopkins School of Medicine)的助理教授愛默森.維克沃爾(Emerson Wickwire)之研究指出,睡眠不足時,大腦的認知處理過程、專注力、記憶力等,都會容易發生錯誤,意即,個人之睡眠時間長短與品質,會嚴重影響到專注力程度,其次,申請人根據文獻「Behavioral and Physiological Consequences of Sleep
Restriction」、「Fatigue Assessment in the Field-Validation of a Hand-Held Electronic Psychomotor Vigilance Task」、「Neurobehavioral Dynamics Following Chronic Sleep Restriction-Dose-Response Effects of One Night for Recovery」、「Neurobehavioral Performance Impairment in Insomnia-Relationships with Self-Reported Sleep and Daytime Functioning」、「Sensitivity and Validity of Psychometric Tests for Assessing Driving Impairment-Effects of Sleep Deprivation」、「Sustained Attention Performance during Sleep Deprivation Associates with Instability in Behavior and Physiologic Measures at Baseline」與「The cumulative cost of additional wakefulness dose-response effects on neurobehavioral functions and sleep physiology from chronic sleep restriction and total sleep deprivation」等內容,亦得知不同的睡眠狀態(即,睡眠時間多寡),會產生不同的專注力反應。
舉例而言,在文獻「The cumulative cost of additional wakefulness dose-response effects on neurobehavioral functions and sleep physiology from chronic sleep restriction and total sleep deprivation」指出,當受試者每天的睡眠時間(即,days of sleep restriction)愈少時,其認知注意力表現失誤(PVT(Psychomotor Vigilance Task)lapses)、主觀睏睡程度(Stanford Sleepiness Scale,簡稱SSS)、心理動作和認知速度之正確性(DSST(Digit symbol substitution test)correct responses)與串聯加減法能力(SAST(serial addition/subtraction task)throughput),均會受到明顯影響,如第1圖所示,其中,「◇」表示14天中,每天睡滿8小時,「□」表示14天中,每天睡滿6小時,「○」表示14天中,每天睡滿4小時,「■」則表示連續3天未睡眠。由此可知,
睡眠時間長短,對於個人專注力有著明顯的影響,故,申請人乃設計出本發明之一種能根據使用者之睡眠歷史估算當前專注力之方法及評估系統,且根據該等文獻之結果,設計出對應之方程式,以使該評估系統及方法能夠迅速地評估出使用者當前的專注力程度。
請參閱第2圖所示,在本發明之一實施例中,該評估系統1包括一穿戴式裝置11、一評估伺服器13及一顯示裝置15,其中,該穿戴式裝置11之態樣能夠為腕帶、手錶、戒指...等,該穿戴式裝置11能夠直接連線至一網際網路10,或是間接透過一其它網路裝置(如:智慧型手機、平板電腦...等)連線至該網際網路10,又,該穿戴式裝置11設有至少一速度感測器111以能偵測人體之活動狀態,且產生一活動偵測訊息,又,該活動偵測訊息至少包括一用戶帳號、一入睡時間與一清醒時間,該用戶帳號係用以辨識使用者之身份,而能為使用者預先註冊之帳號名稱。舉例而言,當人們處於睡眠狀態(尤其是深睡)時,幾乎不會有任何動作,因此,該穿戴式裝置11根據速度感測器111所偵測之活動結果,得知使用者在一預定時間內,完全沒有任何動作或是動作量很小後,即能判斷出使用者已處於睡眠狀態,並據以產生該活動偵測訊息;此外,在本發明之其它實施例中,該穿戴式裝置11尚能包括一生理參數感測器113,該生理參數感測器113能偵測人體之生理參數(如:心跳),以輔助該穿戴式裝置11能更精確地偵測出使用者當前是否處於睡眠狀態;在此特別一提者,由於目前世面上已有諸多穿戴式裝置11具有偵測人體睡眠之功能,且本發明主要是根據使用者的睡眠歷史估算當前專注力,故不再贅述穿戴式裝置11如何偵測睡眠的技術手段,但本領域之技藝人士,當能在掌握本發明之整體技術特徵後,更改該穿戴
式裝置11之態樣與結構,合先陳明。
復請參閱第2圖所示,該評估伺服器13係連線至該網際網路10,並能接收該穿戴式裝置11傳來之活動偵測訊息,該評估伺服器13內設有一睡眠歷史資料庫131與一專注力評估模組133,其中,該睡眠歷史資料庫131中儲存有至少一用戶,及對應該用戶之複數筆睡眠歷史資料,又,在此說明該等睡眠歷史資料之建立方式,當評估伺服器13接收到該活動偵測訊息後,其會讀取該活動偵測訊息中的用戶帳號,且該用戶帳號會與該睡眠歷史資料庫131其中一用戶相關連,又,該評估伺服器13會根據該用戶帳號,將入睡時間與清醒時間記錄於對應之用戶中,且能計算出睡眠期間,例如:當入睡時間為2016年4月19日23點30分,清醒時間為2016年4月20日7點30分,則睡眠期間為8小時,又,評估伺服器13藉由前述方式,即能儲存同一個用戶多日的入睡時間與清醒時間,據以建立該用戶之睡眠歷史資料。另,該專注力評估模組133能根據該用戶帳號,取得對應之用戶的睡眠歷史資料,且該專注力評估模組133會根據該活動偵測訊息之內容及該等睡眠歷史資料,計算出一專注力分數,並產生對應之專注力訊息。
茲僅就該專注力評估模組133之前述分析計算過程,說明如後,請參閱第2及3圖所示,該專注力評估模組133取得活動偵測訊息之內容及該等睡眠歷史資料後,會執行下列步驟:(201)該專注力評估模組133會判斷該用戶之前兩天的睡眠期間是否為0,若是,則直接給予最低之分數(如0分,即步驟(21A)),若否,進入步驟(202);(202)該專注力評估模組133會判斷該用戶之前一天的睡眠期間是否為0,若
是,則直接給予次低之分數(如20分,即步驟(21B)),若否,進入步驟(203);在此特別聲明者,本發明所稱之前一天的睡眠期間,乃是指前一天的入睡時間延續至清醒時間,例如:使用者之入睡時間為2016年4月19日23點30分,清醒時間為2016年4月20日7點30分,則使用者前一天的睡眠期間為八小時;(203)該專注力評估模組133會判斷該用戶之前N天(如:前5天)之平均睡眠期間是否為八小時以上,若是,進入步驟(204),若否,進入步驟(205);(204)該專注力評估模組133會以一第一狀態值(如:0.3057)乘以N,再減去一第一扣除值(如:0.7667)後,再乘以一加權值(如:10),而獲得一初始分數,再以一滿額分數(如:100)減去該初始分數,以得出該專注力分數,在該實施例中,前述方程式為[100-(0.3057*N-0.7667)*M],其中,M為加權值;(205)該專注力評估模組133會判斷該用戶之前N天(如:前5天)之平均睡眠期間是否為六小時以上,若是,進入步驟(206),若否,進入步驟(207);(206)該專注力評估模組133會以一第二狀態值(如:0.7102)乘以N,再加上一第二增加值(如:0.3054)後,再乘以該加權值(如:10),而獲得一初始分數,再以滿額分數(如:100)減去該初始分數,以得出該專注力分數,在該實施例中,前述方程式為[100-(0.7102*N+0.3054)*M];(207)該專注力評估模組133會判斷該用戶之前N天(如:前5天)之平均睡眠期間是否為四小時以上,若是,進入步驟(208),若否,進入步驟(209);(208)該專注力評估模組133會以一第三狀態值(如:1.1479)乘以N,再減去一第三扣除值(如:0.0117)後,再乘以該加權值(如:10),而獲得對應
之初始分數,再以該滿額分數(如:100)減去該初始分數,以得出該專注力分數,在該實施例中,前述方程式為[100-(1.1479*N-0.0117)*M],且該第三狀態值會大於該第一狀態值(及大於第二狀態值),該第三扣除值則小於該第一扣除值(及小於第二增加值);(209)該專注力評估模組133會以一第四狀態值(如:5.02)乘以N,再加上一第四增加值(如:1.57)後,再乘以該加權值(如:10),而獲得對應之初始分數,再以該滿額分數(如:100)減去該初始分數,以得出該專注力分數,在該實施例中,前述方程式為[100-(5.02*N-1.57)*M],且該第四狀態值會大於該第三狀態值,該第四增加值亦大於該第三扣除值。
復請參閱第2及3圖所示,當一使用者前一天與前兩天的睡眠期間非為0,且前五天的平均睡眠期間為5.73小時,加權值為10,則代表該使用者前五天的平均睡眠期間為四小時以上,但未滿六小時,因此,該專注力評估模組133會根據步驟(208)之方程式[100-(1.1479*5-0.0117)*10],計算出對應之專注力分數為[42.722],又,該專注力評估模組(133)會產生一專注力訊息,且該專注力訊息包括了專注力分數(即,42.722);另,當另一使用者前一天與前兩天的睡眠期間非為0,且前五天的平均睡眠期間為8.56小時,加權值為10,則代表該使用者前五天的平均睡眠期間為八小時以上,該專注力評估模組133會根據步驟(204)之方程式[100-(0.3057 * 5-0.7667) * 10],計算出對應之專注力分數為[92.382],又,該專注力評估模組(133)會產生另一專注力訊息,且該另一專注力訊息包括了專注力分數(即,92.382);惟,在本發明之其它實施例中,使用者能夠根據實
際需求,調整N之數值為三天、四天或六天以上,此外,該等狀態值、增加值與扣除值亦能夠更改,合先敘明。
另,復請參閱第2圖所示,該顯示裝置15之態樣能夠為智慧型手機、平板電腦、汽車儀錶板...等,顯示裝置15亦能夠直接連線至網際網路10,並能接收該評估伺服器13傳來之專注力訊息,根據該顯示裝置15之態樣,其能夠在一顯示幕151上,顯示出對應該專注力訊息的內容,例如:直接以***數字呈現,或者以文字呈現(如:良好、普通、差、極差),或者以圖標方式呈現,茲就圖標方式進行說明,請參閱第4圖所示,該顯示裝置15為汽車儀錶板,其顯示幕151包括了時速表、馬達轉速表...等,同時,該顯示幕151尚設有一專注力條17,且該專注力條17設有一指示件171,該顯示裝置15會根據所接收到的專注力分數,調整該指示件171的位置,此外,業者亦能夠將複數個呈現方式,如:***數字、文字、圖標等,同時呈現於顯示幕151上,令使用者能夠輕易且迅速地得知自身的專注力程度,如此,藉由本發明之評估系統1,使用者便能夠透過該顯示裝置15,得知自身的專注力程度,且能夠在專注力程度不良時,避免進行需要高專注力(如:開車)之工作,此外,運輸公司的管理者,亦能夠經由察看該顯示裝置15,而瞭解職業駕駛人(如:公車司機、貨車司機)的專注力程度,且在職業駕駛人的專注力程度不良時,更換他人代替該職業駕駛人駕駛車輛,進而有效事先避免發生「疲勞駕駛」之情事,大幅降低因「疲勞駕駛」所衍生之交通事故。在此特別一提者,在本發明之其它實施例中,該顯示裝置15能夠與穿戴式裝置11整合為一體,以供使用者能夠隨時得知自身當前的專注力程度;或者,該顯示裝置15亦能與其它網路裝置(如:智慧型手機、
平板電腦...等)整合為一體,以供穿戴式裝置11經由該其它網路裝置連接至網際網路10。
再者,申請人根據文獻「Fatigue Assessment in the Field-Validation of a Hand-Held Electronic Psychomotor Vigilance Task」內容亦得知,隨著清醒時間的增加,人會逐漸累積疲勞,造成專注力持續下降,如第5圖所示,隨著清醒之小時數(hours of wakefulness)愈長,其精神警覺性(Psychomotor Vigilance Task,簡稱PVT)的失誤率(% Lapses)便會愈高,其中,「■」為專用測驗儀器進行測量之PVT結果,「○」為文獻所設計的測驗儀器進行測量之palmPVT結果。根據前述特點,申請人亦設計出對應之方程式,令該評估系統及方法尚能夠根據使用者的清醒時間,計算出對應之專注力分數,如此,使用者即能更加確實地掌握自身當前的專注力程度。
復請參閱第2圖所示,當使用者已清醒一段時間,且欲得知當前的專注力程度時,使用者能夠操作該穿戴式裝置11,以使該穿戴式裝置11產生一查詢訊息,並將該查詢訊息傳送至該評估伺服器13,嗣,該評估伺服器13接收到該查詢訊息時,其會先讀取該查詢訊息傳來之當前時間,並根據該查詢訊息所攜帶的用戶帳號,自該睡眠歷史資料庫131中,讀取對應用戶當天之起床時間(即,當天最後一次之清醒時間),之後,該評估伺服器13會將當前時間與該起床時間傳送至該專注力評估模組133,該專注力評估模組133會根據該當前時間與起床時間,分析計算出一清醒分數,並產生對應之清醒訊息。
承上,為詳細說明前述專注力評估模組133的分析計算過程,係舉例說明如後,復請參閱第2圖所示,當一使用者最初的專注力分數
為[92.382],其起床時間為8點,其查詢時間為15點(即,穿戴式裝置11傳送查詢訊息之時間),又,該專注力評估模組133會將當前時間(即,15點)減去起床時間(即,8點),以計算出一清醒期間(即,7小時),之後,該專注力評估模組133會將清醒期間設定為X(即,7),並代入方程式[0.0072*X3-0.2171*X2+2.3509*X-1.1484],以計算出一第一清醒回歸值(即,7.1396),該專注力評估模組133尚會將X設定為24,並同樣代入方程式[0.0072*X3-0.2171*X2+2.3509*X-1.1484],以計算出一第二清醒回歸值(即,29.7564),嗣,該專注力評估模組133會將該第一清醒回歸值除以第二清醒回歸值,再乘以一滿額分數(如:100),而獲得一不清醒分數(即,23.99),最後,該專注力評估模組133以最初的專注力分數減去該不清醒分數,便能計算出該清醒分數(即,68.392);再者,當另一使用者最初的專注力分數為[92.382],其起床時間為7點,其查詢時間同樣為15點,此時,該另一使用者之第一清醒回歸值為[7.4508],因此,該另一使用者之不清醒分數為[25.04],則該另一使用者最後計算出之清醒分數為[67.342],故,由於該另一使用者之起床時間較早,使得其清醒期間亦較長,在同樣的查詢時間之下,該另一使用者之專注力程度會較該使用者更差。
復請參閱第2及4圖所示,當該顯示裝置15在接收到該清醒訊息後,其會在該顯示幕151上,顯示出對應該清醒訊息的內容,在該實施例中,該專注力條17上的指示件171會移動至對應該清醒分數的位置,意即,隨著使用者之清醒期間增加,該指示件171的位置由右方逐漸往左方位移,如此,使用者只要察看該顯示裝置15,便能夠清楚且迅速地得知當前之專注力程度,並在專注力程度不良時,停止開車,故,本發明之評估系統1確
實能供駕駛人在開車之前,或是開車一段時間後,得知自身當前的專注力程度,以衡量是否適合繼續開車;此外,由於使用者僅需配帶穿戴式裝置11,而不需經由複雜的測試流程,故能提高使用上的意願。
按,以上所述,僅係本發明之較佳實施例,惟,本發明所主張之權利範圍,並不侷限於此,按凡熟悉該項技藝人士,依據本發明所揭露之技術內容,可輕易思及之等效變化,均應屬不脫離本發明之保護範疇。
Claims (14)
- 一種能根據使用者之睡眠歷史估算當前專注力之方法,係應用至一評估系統,該評估系統包括一穿戴式裝置、一評估伺服器及一顯示裝置,其中,該評估伺服器係透過網際網路,分別與該穿戴式裝置及該顯示裝置相連線,其內設有一睡眠歷史資料庫與一專注力評估模組,該睡眠歷史資料庫中儲存有至少一用戶,及複數筆對應該用戶之睡眠歷史資料,該專注力評估模組能計算出一專注力分數,該穿戴式裝置能偵測人體之活動狀態,產生一活動偵測訊息,該活動偵測訊息至少包括一用戶帳號、一入睡時間及一清醒時間,且該用戶帳號對應於該睡眠歷史資料庫中的一個用戶,該穿戴式裝置能將該活動偵測訊息傳送至該評估伺服器,供該評估伺服器據以建立該等睡眠歷史資料,該評估方法係使該評估伺服器執行下列步驟:接收該穿戴式裝置傳來之活動偵測訊息;根據該活動偵測訊息中攜帶的該用戶帳號,自該睡眠歷史資料庫中讀取對應該用戶帳號之用戶的該等睡眠歷史資料;該專注力評估模組會針對該活動偵測訊息的內容與該等睡眠歷史資料,進行分析計算,以得出對應之專注力分數;根據該專注力分數產生一專注力訊息;將該專注力訊息傳送至該顯示裝置,以使該顯示裝置顯示出該專注力訊息之內容;接收到該穿戴式裝置傳來之一查詢訊息,並讀取該查詢訊息傳來之當前時間; 根據該查詢訊息中攜帶的用戶帳號,取得對應用戶當天之起床時間;將該當前時間與該起床時間傳送至該專注力評估模組,以分析計算出對應之一清醒分數;根據該對應之清醒分數產生一清醒訊息;及將該清醒訊息傳送至該顯示裝置,以使該顯示裝置顯示出該清醒訊息之內容。
- 如請求項1所述之方法,其中,該評估伺服器接收到該活動偵測訊息後,會使該專注力評估模組執行下列分析計算步驟:判斷該用戶之前兩天的睡眠期間是否為0,若是,直接給予最低之分數。
- 如請求項2所述之方法,其中,該評估伺服器接接收到該活動偵測訊息後,會使該專注力評估模組執行下列分析計算步驟:判斷該用戶之前一天的睡眠期間是否為0,若是,則給予次低之分數。
- 如請求項3所述之方法,其中,該評估伺服器接接收到該活動偵測訊息後,會使該專注力評估模組執行下列分析計算步驟:判斷前N天之平均睡眠期間是否為八小時以上,若是,則以一第一狀態值乘以N,再減去一第一扣除值後,再乘以一加權值,而獲得一初始分數,再以一滿額分數減去該初始分數,以得出該專注力分數。
- 如請求項3所述之方法,其中,該評估伺服器接接收到該活動偵測訊息後,會使該專注力評估模組執行下列分析計算步驟:判斷前N天之平均睡眠期間是否為六小時以上但未滿八小時,若是,則以一第二狀態值乘以N,再加上一第二增加值後,再乘以一加權值,而獲得一初始分數,再以一滿額分數減去該初始分數,以得出該專注力分 數。
- 如請求項4所述之方法,其中,該評估伺服器接接收到該活動偵測訊息後,會使該專注力評估模組執行下列分析計算步驟:判斷前N天之平均睡眠期間是否為四小時以上但未滿六小時,若是,則以一第三狀態值乘以N,再減去一第三扣除值後,再乘以該加權值,而獲得對應之初始分數,再以該滿額分數減去該對應之初始分數,以得出該專注力分數,該第三狀態值係大於該第一狀態值,該第三扣除值則小於該第一扣除值。
- 如請求項5所述之方法,其中,該評估伺服器接接收到該活動偵測訊息後,會使該專注力評估模組執行下列分析計算步驟:判斷前N天之平均睡眠期間是否為四小時以上但未滿六小時,若是,則以一第三狀態值乘以N,再減去一第三扣除值後,再乘以該加權值,而獲得對應之初始分數,再以該滿額分數減去該對應之初始分數,以得出該專注力分數,該第三狀態值係大於該第二狀態值,該第三扣除值則小於該第二增加值。
- 如請求項6或7所述之方法,其中,該評估伺服器接接收到該活動偵測訊息後,會使該專注力評估模組執行下列分析計算步驟:判斷前N天之平均睡眠期間是否未滿四小時,若是,則以一第四狀態值乘以N,再加上一第四增加值後,再乘以該加權值,而獲得對應之初始分數,再以該滿額分數減去該對應之初始分數,以得出該專注力分數,該第四狀態值係大於該第三狀態值,該第四增加值亦大於該第三扣除值。
- 如請求項8所述之方法,其中,該專注力評估模組接收到該當前時間與該起床時間後,尚會執行下列分析計算步驟:將該當前時間減去該起床時間,以計算出一清醒期間;將清醒期間設定為x,並代入方程式[0.0072*X3-0.2171*X2+2.3509*X-1.1484],以計算出一第一清醒回歸值;將X設定為24,並代入方程式[0.0072*X3-0.2171*X2+2.3509*X-1.1484],以計算出一第二清醒回歸值;及將第一清醒回歸值除以第二清醒回歸值,再乘以一滿額分數,而獲得一不清醒分數,再以該專注力分數減去該不清醒分數,以分析計算出對應之該清醒分數。
- 一種能根據使用者之睡眠歷史估算當前專注力之評估系統,該評估系統包括:一穿戴式裝置,係能直接或間接連線至一網際網路,該穿戴式裝置設有至少一速度感測器,以能偵測人體之活動狀態,且產生一活動偵測訊息,該穿戴式裝置尚能***作而產生一查詢訊息,其中,該活動偵測訊息至少包括一用戶帳號、一入睡時間及一清醒時間,該查詢訊息至少包括該用戶帳號及一當前時間;一評估伺服器,係連線至該網際網路,以能接收該活動偵測訊息,且據以建立複數筆睡眠歷史資料,該評估伺服器設有一睡眠歷史資料庫與一專注力評估模組,該睡眠歷史資料庫中儲存有至少一用戶,及對應該用戶之該等睡眠歷史資料,該專注力評估模組能讀取該活動偵測訊息中攜帶的該用戶帳號,以取得該用戶帳號對應之用戶的睡眠歷史資料,且根 據該活動偵測訊息之內容及該等睡眠歷史資料,計算出一專注力分數,並產生對應之專注力訊息,該專注力評估模組亦能讀取該查詢訊息中攜帶的用戶帳號,以取得對應用戶當天之起床時間,且根據該當前時間與該起床時間,分析計算出對應之一清醒分數,以產生對應之一清醒訊息;及一顯示裝置,係連線至該網際網路,以能接收該專注力訊息或該清醒訊息,並將該專注力訊息之內容或該清醒訊息之內容顯示至一顯示幕上。
- 如請求項10所述之評估系統,其中,該穿戴式裝置尚包括一生理參數感測器,該生理參數感測器能偵測人體之生理參數,以使該穿戴式裝置根據人體之活動狀態與生理參數,產生該活動偵測訊息。
- 如請求項11所述之評估系統,其中,該穿戴式裝置係與該顯示裝置整合為一體。
- 如請求項11所述之評估系統,其中,該穿戴式裝置係透過一網路裝置,連線至該網際網路。
- 如請求項13所述之評估系統,其中,該網路裝置係與該顯示裝置整合為一體。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105113952A TWI617289B (zh) | 2016-05-05 | 2016-05-05 | Method and evaluation system for estimating current concentration based on user's sleep history |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW105113952A TWI617289B (zh) | 2016-05-05 | 2016-05-05 | Method and evaluation system for estimating current concentration based on user's sleep history |
Publications (2)
Publication Number | Publication Date |
---|---|
TW201739419A TW201739419A (zh) | 2017-11-16 |
TWI617289B true TWI617289B (zh) | 2018-03-11 |
Family
ID=61022836
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW105113952A TWI617289B (zh) | 2016-05-05 | 2016-05-05 | Method and evaluation system for estimating current concentration based on user's sleep history |
Country Status (1)
Country | Link |
---|---|
TW (1) | TWI617289B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201528198A (zh) * | 2013-10-09 | 2015-07-16 | Resmed Sensor Technologies Ltd | 疲勞監測與管理系統及其方法 |
-
2016
- 2016-05-05 TW TW105113952A patent/TWI617289B/zh not_active IP Right Cessation
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW201528198A (zh) * | 2013-10-09 | 2015-07-16 | Resmed Sensor Technologies Ltd | 疲勞監測與管理系統及其方法 |
Also Published As
Publication number | Publication date |
---|---|
TW201739419A (zh) | 2017-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | Detection of driver drowsiness using wearable devices: A feasibility study of the proximity sensor | |
Dawson et al. | Look before you (s) leep: evaluating the use of fatigue detection technologies within a fatigue risk management system for the road transport industry | |
Wang et al. | Driver fatigue detection: a survey | |
Li et al. | A method for fatigue detection based on Driver's steering wheel grip | |
Darzi et al. | Identifying the causes of drivers’ hazardous states using driver characteristics, vehicle kinematics, and physiological measurements | |
Gaspar et al. | Evaluating driver drowsiness countermeasures | |
Zhang et al. | A study on the effects of fatigue driving and drunk driving on drivers’ physical characteristics | |
JPWO2006054542A1 (ja) | 疲労判定システム及び疲労判定方法 | |
CN110638473A (zh) | 疲劳驾驶判定的方法、装置、电子设备和存储介质 | |
Manikandan et al. | Automobile drivers distraction avoiding system using galvanic skin responses | |
Arun et al. | Hypovigilance warning system: A review on driver alerting techniques | |
Salzillo et al. | Evaluation of driver drowsiness based on real-time face analysis | |
Chin et al. | WatchOut: Facilitating safe driving behaviors with social support | |
TW201441080A (zh) | 疲勞駕駛監測系統與方法 | |
Wang et al. | Driver fatigue detection technology in active safety systems | |
Forsman et al. | Feasibility of force platform based roadside drowsiness screening–a pilot study | |
Čolić et al. | Driver drowsiness detection and measurement methods | |
Chatterjee et al. | Driving fitness detection: A holistic approach for prevention of drowsy and drunk driving using computer vision techniques | |
JP2017084071A (ja) | 車載機 | |
TWI617289B (zh) | Method and evaluation system for estimating current concentration based on user's sleep history | |
KR20120121074A (ko) | 귓불 착용형 운전자 졸음 방지 시스템 | |
LEE et al. | Detecting driver fatigue by steering wheel grip force | |
Mashru et al. | Detection of a Drowsy state of the Driver on road using wearable sensors: A survey | |
Karkouch et al. | Cads: A connected assistant for driving safe | |
Mabry et al. | Commercial motor vehicle operator fatigue detection technology catalog and review |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | Annulment or lapse of patent due to non-payment of fees |