Ingeniero Civil Eléctrico / Los accidentes automovilísticos son un grave problema mundial sin solución. La gran cantidad de heridos y muertes como resultado de choques en carretera o ciudad ha ido en aumento año tras año debido a la gran cantidad de viajes que ocurren en todo el mundo. Las estadísticas dicen que el 25\% de la gente involucrada en accidentes podría haberse salvado con una asistencia médica inmediata, es por eso que la empresa Sosmart Labs desarrolló una aplicación para detectar choques y notificar inmediatamente la ubicación y tiempo del suceso a cercanos del pasajero. Esta memoria se enmarca en el proyecto Sosmart Premium de la empresa, que consiste en diseñar y contruir un dispositivo electrónico que se ancle al vehículo y que realice la misma tarea de la aplicación Sosmart, además de implementar el sistema de comunicación y un proceso de post-procesamiento para caracterizar el accidente. El trabajo consistió en el diseño e implementación de un prototipo de dispositivo electrónico a través de la elección de componentes de mercado y fácil uso, en la que se optó por Arduino como controlador, un MPU9250 como sensor de aceleraciones y un FONA 2G como módulo para comunicaciones. Luego, se desarrolló la arquitectura completa implementando una plataforma web para recibir las notificaciones y también un programa de post-procesamiento para limpiar las señales y usando un programa de simulación 3D, recrear el accidente. El dispositivo electrónico posee un algoritmo de detección de choque autónomo que fue diseñado utilizando una base de datos de accidentes de tráfico de Estados Unidos y con ella, se desmostró que las magnitudes de aceleraciones en un choque real, poseen un valor alto que es fácil de detectar utilizando un acelerómetro de alto rango. En este caso, el MPU9250 demostró ser lo suficientemente útil para utilizar el algoritmo y discernir eficazmente de choques reales con falsos positivos. Por otro lado, el proceso notificación funcionó para los 3 canales propuestos: SMS, llamada y POST request a una plataforma web de monitoreo. Finalmente, el post-procesamiento consistió en la aplicación de filtros y zonas de histéresis para atenuar el ruido producto del sensor y con el uso de integraciones, obtener los desplazamientos y ángulos del sensor para simularlos en Unity3D. Concluyendo, se desarrolló un sistema de detección, notificación y simulación de accidenttes, en los que el sistema de detección obtuvo buenos resultados para accidentes de gran magnitud y se aislaron casos de falsos positivos, se creó la plataforma web para monitorear accidentes y en cuanto a la caracterización, el sistema desarrollado permite obtener una idea de la orientación del vehículo previo al accidente, pero no fue posible determinar la trayectoria real de este.

Ingeniera Civil Eléctrica / La detección y predicción de fatiga mental corresponde a un tema en boga, ya que es la causante de muchos accidentes automovilísticos y laborales. Uno de los enfoques para resolver el problema corresponde al uso de movimientos oculares como indicadores fisiológicos; sin embargo, muchas de las soluciones propuestas por parte de la industria no son lo suficientemente tempranas, por lo que aún existen riesgos para los operarios. Este trabajo de memoria corresponde a una primera aproximación a la resolución del problema, en el cual se limitó a trabajar con tareas de lectura, con un agente externo que podría fatigar a los sujetos en cuestión, y una muestra de adolescentes en etapa escolar. De este modo, se implementó un sistema que recibe como entradas información relativa a blinks, fijaciones y sacadas, medidas con un eye tracker EyeLink 1000, y entrega como salida un indicador relacionado con la secuencia principal sacádica. En la etapa de selección de características se utilizó como técnica PLS, y en la estimación, regresión lineal y Filtro de Kalman. Por otro lado, se realizó un análisis de la evolución temporal de los movimientos oculares más relevantes, además de contrastar con el estado del arte, el cual está principalmente enfocado en tareas de conducción. Para este fin se utilizó PCA como técnica de reducción de dimensionalidad. Así, se demostró que, para la gran mayoría de los sujetos en este caso en particular, el indicador elegido presenta un punto de inflexión, con el mínimo en el ~55% de la tarea. Por otra parte, se concluyó que, a medida que avanza el tiempo en la tarea, las sacadas presentan una disminución en frecuencia, lo que puede estar ligado a disminución en la performance y aumento en la carga cognitiva. Asimismo éstas presentan un aumento en velocidad peak, aunque en el último sexto de ésta el comportamiento se revierte, lo que desprende una relación con el estado de fatiga en ese momento de la tarea. También se comprobó que éstas varían en mayor medida que las fijaciones en cuanto aumenta el tiempo de la tarea, y además tienen una relación directa con el agente externo. Por último, si bien las fijaciones no presentan un comportamiento temporal genérico por parte de los sujetos, no estaría demás contrastar esta información con los comportamientos clásicos de los movimientos oculares en lectura de textos. Finalmente, cabe destacar que este trabajo puede usarse como base para determinar un umbral de fatiga e identificar estados de ésta junto con intentos de self-activation. Para esto se debería repetir el experimento adicionando mediciones relacionadas con otros indicadores fisiológicos de fatiga, como lo son EEG y ECG, y así agregar más características al sistema.