毫无疑问，疲劳驾驶具有很高的安全风险，甚至是交通致命事故的重要原因之一。通过系统检测和监视疲劳非常重要。但是，在动态环境（例如驾驶）中，现有的监视技术极易受到干扰。例如，它主要用于胸腔和头皮的检测贴片，或结合了方向盘和传感器以监测驾驶员心律的监测设备。这些设备受驾驶员行为的影响很大，并且获得的数据不稳定且准确。检测带来干扰。因此，开发具有较小破坏性并且可以准确记录监控信号和数据的设备对于监控诸如疲劳驾驶之类的行为尤为关键。其中，无创或微创方法有望不受干扰。现在，德国英戈尔施塔特工业大学的研究人员已实现了易于使用的腕式可穿戴传感器的这一目标，并将此类传感器与常见的机器学习模型相结合以进行疲劳驾驶监控。为了验证其准确性和可行性，将结果与医用心电图仪进行了比较。在高保真驾驶模拟器中测试了30名参与者的用户研究。其中，腕戴式设备记录驾驶员的心律信号。腕带会记录心跳间隔的心率数据，该数据将用于心率变异性（HRV）。在实验中，方向盘前面的相机记录了驾驶员的面部表情，供观察者评估实验中驾驶员的清醒状态。同时，作为医疗级设备的参考对象，将在实验中使用三通道心电图（ECG）监测心率。实验数据表明，通过医疗级设备ECG获得的数据的准确性相对较高，但就消费者友好度而言，腕式可穿戴设备更好，并且获得的数据与从医疗设备Sex获得的数据非常可比。实验中演示的技术为汽车中人机交互提供了新的可能性，或者将进一步加速驾驶员嗜睡监测技术的发展，改善驾驶员与驾驶员之间的交互概念，并提高自动驾驶的安全性。