Acidentes de trânsito estão entre as causas mais frequentes de morte ou incapacitação no mundo, especialmente entre motoristas mais jovens. De acordo com levantamentos recentes, ocorrem mais de 10 milhões de acidentes de trânsito por ano somente na China, e aproximadamente 1,3 milhão de pessoas morrem por ano nos Estados Unidos, enquanto de 20 a 50 milhões de pessoas ficam incapacitadas ou sofrem lesões graves. Um dos fatores que é chave para a ocorrência desses acidentes é o estado emocional e de estresse do motorista. Pesquisas já demonstraram que dirigir sob frustração ou raiva leva a uma direção menos cuidadosa e mais perigosa.

Pensando nesse problema, cientistas paquistaneses resolveram usar a tecnologia de aprendizado de máquinas para interpretar dados de eletroencefalograma de modo a reconhecer e predizer o estado emocional de um grupo de motoristas. Para isso, os cientistas reuniram 86 motoristas que foram submetidos a uma prova em um simulador de direção sob condições normais e, posteriormente, sob condições que geram estresse, como, por exemplo, condições climáticas desfavoráveis no simulador, criticismo acerca de suas habilidades de direção e pressão quanto ao tempo disponível. Os cientistas usaram informações fornecidas pelos participantes em um questionário a respeito de suas situações emocionais ao término do experimento, que usaram como verdade apesar do caráter subjetivo das informações.

Os pesquisadores aplicaram os dados coletados por EEG a redes neurais de modo a tentar identificar padrões que notificassem alterações no estado emocional dos sujeitos do teste. As redes foram capazes de identificar na comparação entre a situação estressante e a situação controle, corroborando com a literatura preexistente, alterações em pares específicos dos eletrodos no EEG, especificamente do córtex frontal, indicando a presença de estresse no emocional desses indivíduos.

O reconhecimento em tempo real do estado emocional do motorista poderia nesse caso servir para alertar e diminuir os riscos de envolvimento em acidentes por parte dos motoristas, especialmente na população mais jovem, que ainda não apresenta um encéfalo completamente formado. Através da utilização de um sistema relativamente barato e não invasivo, tecnologias como essa podem ser responsáveis pela diminuição da quantidade e da gravidade dos acidentes de trânsito.




Halim Z; Rehan M. (2020) On identification of driving-induced stress using electroencephalogram signals: A framework based on wearable safety-critical scheme and machine learning. Information Fusion 53:66-79.
James L. (2020) Road Rage and Aggressive Driving. Prometheus Books, Amherst, NY.