DRIVERDAPP: Driver’s distraction record using deep learning and blockchain

Odinachi Udemezuo Nwankwo

doi:10.1016/j.compeleceng.2026.111340

DRIVERDAPP: Driver’s distraction record using deep learning and blockchain

2026-06-29

0

OA

AI

O

Odinachi Udemezuo Nwankwo

S

Simeon Okechukwu Ajakwe

M

Muhammad Rasyid Redha Ansori

DOI：10.1016/j.compeleceng.2026.111340

原文链接

查看原文

摘要

En 中文

现有驾驶员分心检测系统在安全关键型交通环境中面临部署的关键障碍，包括缺乏实时边缘推理、可解释人工智能（XAI）、可信事件日志记录和隐私保护证据管理。为克服这些挑战，本文提出一个集成框架DRIVERDAPP，统一了实时边缘检测、AI可解释性和安全、可审计的事件管理。由仪表板相机捕获的红-绿-蓝（RGB）车载图像帧在NVIDIA Jetson Nano边缘设备上本地处理，其中经过微调的You Only Look Once版本11小型（YOLOv11s）模型对十种驾驶员行为状态进行分类，并触发车辆音频警报以应对不安全活动。为抑制边缘约束下的瞬时误分类，通过轻量级时间确认策略验证分心持续性。确认的分心事由Solidity基的智能合约不可篡改地记录，并通过Web3.py接口提交至采用Quorum拜占庭容错（QBFT）共识的权限Hyperledger Besu联盟区块链。通过保留原始视觉数据在链下，仅存储伪匿名标识符和事件元数据在链上以受控访问策略保护隐私。使用梯度加权类激活映射（Grad-CAM）实现模型可解释性，提供分心相关预测的透明可视化解释。该框架使用State Farm分心驾驶员和开罗美国大学数据集进行评估，展示了稳定的实时边缘操作、可忽略的区块链查询延迟和安全的智能合约执行。这些结果证实DRIVERDAPP适用于智能交通系统中的安全、可解释且可部署的驾驶员监控。

Keyword:

Blockchain

Deep learning

Distracted driving

Intelligent system

Security

DRIVERDAPP: Driver’s distraction record using deep learning and blockchain

摘要

AI总结

期刊

机构