Banca de DEFESA: KAROLAYNE SANTOS DE AZEVEDO

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : KAROLAYNE SANTOS DE AZEVEDO
DATA : 06/08/2026
HORA: 14:00
LOCAL: Remoto
TÍTULO:

Uma abordagem de IA híbrida baseada em embeddings auto-supervisionados, telemetria veicular e marcadores oculares para o monitoramento de motoristas em veículos semiautônomos

PALAVRAS-CHAVES:

Veículos semiautônomos; Inteligência artificial; Mapas de densidade do olhar; Embeddings auto-supervisionados; DINOv2; Telemetria veicular; Estilo de direção; Carga cognitiva; Taxa de piscadas; Driver monitoring.

PÁGINAS: 140
RESUMO:

A introdução de sistemas de condução automatizada e semiautônoma redefiniu o papel do motorista, deslocando suas funções para a supervisão e a intervenção pontual e impondo novas demandas à atenção, ao engajamento e à consciência situacional. Esse cenário exige métodos não invasivos capazes de caracterizar, de forma integrada, o modo de operação do veículo e o estilo de condução, evidenciando lacuna na literatura, que tipicamente trata as dimensões visual, veicular e fisiológica de modo isolado. Esta tese propõe e valida uma abordagem de Inteligência Artificial (IA) híbrida multi-técnica, articulada em três camadas complementares e fundamentada em dados do experimento Low Arousal and Sleepiness (LAS), conduzido em ambiente de simulação semidinâmica com 26 participantes. A primeira camada substitui métricas oculares manuais por mapas de densidade de fixações oculares, codificados por embeddings auto-supervisionados extraídos do Vision Transformer DINOv2 e comparados a representações multimodais do CLIP em janelas temporais de 30, 60, 150 e 180 segundos. Aplicados a classificadores supervisionados (Random Forest, Support Vector Machine, árvore de decisão e Convolutional Neural Network 1D) e à análise não supervisionada por K-Means, esses embeddings discriminam os modos de condução manual e autônomo com acurácia de 93,15% e F1-score de 0,9254 (SVM, janela de 150 s), evidenciando que a discriminação emerge de dinâmicas temporais sustentadas e da heterogeneidade interindividual. A segunda camada caracteriza o estilo de direção a partir de seis parâmetros de telemetria veicular adquiridos a 125 Hz, a saber, velocidade média, desvios-padrão da aceleração, do pedal do acelerador e do ângulo do volante, deslocamento lateral médio e número de mudanças de faixa, agregados em janelas de três minutos, segmentados por K-Means (k = 3) e sintetizados por uma métrica escalar interpretável: a área do polígono do gráfico radar, complementada por um score ponderado de agressividade. Os três regimes resultantes (estável, moderado e agressivo) foram estatisticamente validados por testes de Kruskal-Wallis com comparações pareadas de Mann-Whitney e correção de Bonferroni, com diferenças significativas (p < 0,05) em quatro das seis variáveis (velocidade média, H = 66,12; variabilidade do pedal, H = 21,01; variabilidade da aceleração, H = 18,00; mudanças de faixa, H = 9,36). A terceira camada articula os regimes a marcadores fisiológicos oculares não invasivos, a taxa de piscadas por minuto e o Percentage of Eye Closure (PERCLOS), evidenciando queda monotônica da taxa de piscadas entre regimes (H = 19,5; p < 0,001) com PERCLOS estatisticamente estável, padrão compatível com a assinatura de inibição atencional das piscadas sob carga cognitiva elevada, e não com fadiga em sentido estrito. Em conjunto, os resultados sustentam que a representação proposta captura, de forma coerente e interpretável, o estado cognitivo do motorista em duas escalas complementares, isto é, modo de operação e estilo de direção, com base em sinais minimamente invasivos. A principal contribuição é a integração sistemática dessas três camadas em um pipeline único, ainda inédito na literatura revisada, que articula representações visuais auto-supervisionadas, telemetria veicular e marcadores oculares fisiológicos. As principais limitações dizem respeito à dependência do ambiente de simulação, à granularidade tripartida da classificação e à ausência de contexto viário, abrindo direções para validação naturalística, agrupamento soft e integração de marcadores fisiológicos adicionais.

MEMBROS DA BANCA:
Interno - 2885532 - IVANOVITCH MEDEIROS DANTAS DA SILVA
Externa à Instituição - LUCIANA RIBEIRO VELOSO - UFCG
Presidente - 1837240 - MARCELO AUGUSTO COSTA FERNANDES
Externo ao Programa - 3083298 - RENAN CIPRIANO MOIOLI - UFRNExterno à Instituição - SERGIO NATAN SILVA - UFCG