Classificando a Ativação do Sistema Avançado de Assistência ao Motorista (ADAS) a partir de Dados de Condução Multimodal: Um Estudo do Mundo Real

Identificar o status de ativação dos sistemas avançados de assistência ao motorista (ADAS) em ambientes de condução do mundo real é crucial para segurança, atribuição de responsabilidade e análise forense de acidentes. Diferentemente de estudos anteriores que se baseiam principalmente em cenários simulados ou dados não sincronizados, coletamos um conjunto de dados multimodal que compreende sinais de rede de controlador (CAN) sincronizados e sinais de unidade de medição inercial (IMU) baseados em smartphone de motoristas em seções consistentes de rodovia sob modos tanto com ADAS quanto manual. Usando esses dados, desenvolvemos pipelines de classificação leves baseados em abordagens estatísticas e de aprendizado profundo para explorar a viabilidade de distinguir a operação do ADAS. Nossas análises revelaram diferenças comportamentais sistemáticas entre os modos, particularmente na regulação de velocidade e estabilidade da direção, destacando como o ADAS reduz a variabilidade na direção e estabiliza o controle de velocidade. Embora a precisão da classificação tenha sido moderada, este estudo oferece uma das primeiras demonstrações baseadas em dados da detecção do status do ADAS em condições naturalísticas. Além da classificação, o conjunto de dados liberado possibilita análise comportamental sistemática e oferece um recurso valioso para avançar a pesquisa em monitoramento de motoristas, algoritmos adaptativos de ADAS e análise forense de acidentes.