Investigating Driver-Specific Variability in Vision-Based Driver Fatigue Monitoring: A Subgroup Evaluation Design Tested in a Controlled Simulation

ملخص تقني: استقصاء التباين النوعي لدى السائقين في مراقبة إجهاد السائق القائمة على الرؤية

بيان المشكلة
تُختبر أنظمة مراقبة إجهاد السائق القائمة على الرؤية عادةً باستخدام مجموعات بيانات مجمعة تحتوي فيها مجموعات التدريب والاختبار على سائقين متداخلين أو متشابهين. يؤدي هذا النهج إلى إنتاج مقياس دقة إجمالي واحد يحجب التفاوتات الكبيرة في الأداء عبر المجموعات الفرعية المختلفة من السائقين. يختلف السائقون في هندسة العين، واستخدام النظارات (النظارات الطبية مقابل النظارات الشمسية)، ووضعية الرأس، وظروف الإضاءة أثناء القيادة. فالقاعدة التي تعمل بشكل جيد في المتوسط قد تفشل لمجموعات معينة (مثل السائقين ذوي العيون الضيقة أو الذين يرتدون نظارات شمسية). غالبًا ما تتعامل الأدبيات الحالية مع هذه العوامل كعوامل ثانوية أو تدمج النتائج حسب الخوارزمية بدلاً من خصائص السائق، مما يترك تعميم أنظمة اكتشاف الإجهاد غير متحقق منه عبر المجموعات السكانية المتنوعة.

المنهجية
تقترح الورقة وتختبر تصميم تقييم لكل مجموعة فرعية بأسلوب "الموضوع المنفصل" (subject-disjoint) باستخدام محاكاة توليدية محكومة بدلاً من بيانات العالم الحقيقي. لا تهدف الدراسة إلى تقدير دقة الأنظمة على سائقين حقيقيين، بل تهدف إلى كشف الآليات وتحديد بروتوكولات التحليل لدراسات البيانات الحقيقية المستقبلية.

• تصميم المحاكاة: يقوم نموذج توليدي بمحاكاة 240 سائقاً لكل تكرار (30 تكراراً إجمالاً)، لكل منهم مستويات محددة من العوامل:
  • هندسة العين: محددة بمستويات نسبة فتحة العين (EAR) المفتوحة (ضيقة، متوسطة، واسعة).
  • النظارات: لا يوجد، نظارات طبية، أو نظارات شمسية (تتم نمذجتها كعملية "ضغط" لإشارة EAR نحو قيمة سابقة عامة).
  • وضعية الرأس: أمامية، متوسطة، أو كبيرة (تؤثر على معدلات الضجيج وفقدان الإطارات).
  • الإضاءة: عادية، منخفضة، أو ليلية (تؤثر على الضجيج ومعدلات فقدان الإطارات).
  • الفسيولوجيا: تولد معدلات الرمش المحاكات وحالات النعاس (الرمش البطيء، تدلي الجفن الجزئي) مسارات EAR اصطناعية بمعدل 15 إطاراً في الثانية.
• المصنفات: تتم مقارنة قاعدتين للكشف:
  • C0 (عتبة ثابتة): عتبة عالمية ($m < 0.20$) لجميع السائقين.
  • C1 (معايرة لكل سائق): تقدّر مستوى العين المفتوحة الخاص بكل سائق ($\hat{E}_{open}$) من خلال 60 ثانية من القيادة اليقظة، وتضع عتبة ديناميكية ($m < 0.6 \cdot \hat{E}_{open}$).
• بروتوكول التقييم:
  • تقسيمات الموضوع المنفصل (Subject-Disjoint Splits): 50% من السائقين للتدريب (المعايرة)، و50% للاختبار. لا يظهر أي سائق في كلا المجموعتين.
  • المقاييس: يتم حساب الدقة (Accuracy)، والاستدعاء (Recall)، ومعدل الإيجابيات الكاذبة (FPR) لكل سائق ويتم تجميعها حسب المجموعة الفرعية.
  • الفحوصات الإحصائية: تقيم اختبارات Kruskal–Wallis الاختلافات بين المجموعات الفرعية، بينما تقارن اختبارات Wilcoxon signed-rank بين C0 وC1.
  • المتانة: يتحقق نموذج صفري (null-model check) ($s=0$، لا توجد تأثيرات للعوامل) ومسح لحجم التأثير ($s=0$ إلى $2$) من حساسية التحليل. كما يؤكد تنفيذ مستقل للنموذج النتائج.

المساهمات الرئيسية

1. تصميم التقييم: إطار عمل قابل لإعادة الاستخدام يتميز بأربعة عوامل للمجموعات الفرعية المشروحة، وتقسيمات موضوع منفصلة، ومقاييس لكل مجموعة فرعية، وفحص للنموذج الصفري.
2. المحاكاة التوليدية: محاكاة موثقة تعزل عوامل التباين المحددة لدى السائقين لاختبار آليات الكشف دون ضجيج جمع البيانات من العالم الحقيقي.
3. النتائج الكمية حول التباين:
   • هندسة العين: تؤثر بشكل كبير على قواعد العتبة الثابتة (C0)، مما يسبب معدلات عالية من الإيجابيات الكاذبة للسائقين ذوي العيون الضيقة، وانخفاض الاستدعاء للسائقين ذوي العيون الواسعة. المعايرة (C1) تقضي إلى حد كبير على هذا التفاوت.
   • النظارات: تضعف النظارات الشمسية أداء القواعد المعايرة (C1) بشدة. حيث يتسبب ضغط الإشارة بواسطة النظارات الشمسية في جعل العتبة المعايرة أقل من إشارة العين المغلقة الفعلية، مما يؤدي إلى حالات عدم اكتشاف. تم تحديد هذا كمسألة في "بارامتر التصميم" (تحديداً معامل الإغلاق $\alpha$) وليس فشلاً متأصلاً في المعايرة.
   • الإضاءة: تزيد الظروف الليلية من الإيجابيات الكاذبة للقواعد الثابتة (C0)، ولكن يتم التعامل معها بشكل أفضل بواسطة القواعد المعايرة (C1)، رغم أن الآلية تتضمن تفاعلات الضجيج مع النموذج.
   • وضعية الرأس: كان لها تأثير ضئيل عند المقادير المفترضة في المحاكاة.
4. توجيهات حجم العينة: يشير تحليل القدرة (Power analysis) إلى أن اكتشاف التأثيرات الكبيرة (مثل تأثير النظارات على C1) يتطلب حوالي 8 سائقين لكل مجموعة فرعية، والتأثيرات المتوسطة حوالي 16-20، والتأثيرات الصغيرة حوالي 30-40. غالبًا ما تكون مجموعات البيانات العامة الحالية (14-60 شخصًا) غير كافية للاستدلال القوي للمجموعات الفرعية.
5. قائمة التحقق والتحكم (Reporting Checklist & Tools): لوحة تحكم (Streamlit/Plotly) وقائمة تحقق للإبلاغ عن المجموعات الفرعية، مع التأكيد على استخدام "بوتستراب" (bootstrapping) على مستوى الفرد وفصل بيانات المعايرة.

النتائج

• الأداء العام: في المحاكاة، حققت القاعدة الثابتة (C0) متوسط دقة أعلى (0.81) من القاعدة المعايرة (C1, 0.78)، ويرجع ذلك أساسًا إلى معاناة C1 مع النظارات الشمسية.
• تفاوتات المجموعات الفرعية:
  • C0: عانى السائقون ذوو العيون الضيقة من معدل إيجابيات كاذبة مرتفع (0.36) مقارنة بالعيون المتوسطة (0.07) والواسعة (0.04).
  • C1: شهد السائقون الذين يرتدون نظارات شمسية انخفاضًا حادًا في الدقة (0.62) والاستدعاء (0.24) مقارنة بمن لا يرتدون نظارات (0.80).
• فعالية المعايرة: قللت المعايرة من التفاوتات الناتجة عن هندسة العين والإضاءة الليلية، لكنها أدخلت نقطة ضعف جديدة تجاه النظارات الشمسية. تشير الدراسة إلى أن وجود "بوابة موثوقية" (على سبيل المثال، اكتشاف ضغط الإشارة) ضروري للتخفيف من وضع الفشل الناتج عن النظارات الشمسية.
• الاستقلالية: أكد التنفيذ المستقل الأنماط النوعية، مع وجود فروق كمية ضمن حدود 0.05، مما يؤكد أن النتائج نابعة من هيكل النموذج.

الأهمية والادعاءات
تذكر الورقة صراحة أن نتائجها مشروطة بافتراضات المحاكاة ولا تشكل دليلاً فيما يتعلق بالسائقين الحقيقيين. تكمن الأهمية في:

• تحديد الفرضيات: وضع فرضيات قابلة للاختبار حول كيفية تأثير عوامل السائق المحددة (الهندسة، النظارات، الوضعية، الضوء) على اكتشاف الإجهاد.
• تحديد البروتوكول: تقديم قائمة تحقق صارمة للإبلاغ ومتطلبات حجم العينة لدراسات البيانات الحقيقية المستقبلية لضمان قدرتها على اكتشاف تفاوتات المجموعات الفرعية.
• توجيه تصميم النظام: اقتراح أن الأنظمة العملية يجب أن تستخدم المعايرة لكل سائق بالتزامن مع "بوابة جودة الإشارة" (للتعامل مع النظارات الشمسية) وأن تبلغ عن الأداء لكل مجموعة فرعية بدلاً من مقياس مجمع واحد.
• تقييم الموارد: تسليط الضوء على أن مجموعات البيانات العامة الحالية غالبًا ما تكون صغيرة جدًا أو تفتقر إلى التوصيفات اللازمة (مثل لون البشرة المعياري أو وضعية الرأس) لدعم تحليل المجموعات الفرعية القوي دون دمج البيانات عبر مجموعات مختلفة.

تخلص المؤلفة إلى أنه بينما تظهر المحاكاة أن المعايرة يمكن أن تغير أنواع الأخطاء (إصلاح مشا_كل الهندسة مع تفاقم مشاكل النظارات)، فإن القيمة النهائية لهذه النتائج يجب أن تُحدد من خلال دراسة بيانات حقيقية مخططة تستخدم تصميم التقييم المقترح.