abstract: Today, in a world of automation, the impact of Artificial Intelligence can be seen in every aspect of our lives. Starting from smart homes to self-driving cars everything is run using intelligent, adaptive technologies. In this thesis, an attempt is made to analyze the correlation between driving quality and its impact on the use of car infotainment system and vice versa and hence the driver distraction. Various internal and external driving factors have been identified to understand the dependency and seriousness of driver distraction caused due to the car infotainment system. We have seen a number UI/UX changes, speech recognition advancements in cars to reduce distraction. But reducing the number of casualties on road is still a persisting problem in hand as the cognitive load on the driver is considered to be one of the primary reasons for distractions leading to casualties. In this research, a pathway has been provided to move towards building an artificially intelligent, adaptive and interactive infotainment which is trained to behave differently by analyzing the driving quality without the intervention of the driver. The aim is to not only shift focus of the driver from screen to street view, but to also change the inherent behavior of the infotainment system based on the driving statistics at that point in time without the need for driver intervention. / Dissertation/Thesis / Masters Thesis Software Engineering 2017

Vehicle safety and road safety are two important issues. They are related to each other and road accidents are mostly caused by driver distraction. Issues related to driver distraction like eating, drinking, talking to a passenger, using IVIS (In-Vehicle Information System) and thinking something unrelated to driving are some of the main reasons for road accidents. Driver distraction can be categorized into 3 different types: visual distraction, manual distraction and cognitive distraction. Visual distraction is when driver's eyes are off the road and manual distraction is when the driver takes one or both hands off the steering wheel and places the hand/s on something that is not related to the driving safety. Cognitive distraction whereas happens when a driver's mind is not on the road. It has been found that cognitive distraction is the most dangerous among the three because the thinking process can induce a driver to view and/or handle something unrelated to the safety information while driving a vehicle. This study proposes a physiological measurement to detect driver cognitive distraction. Features like lips, eyebrows, mouth movement, eye movement, gaze rotation, head rotation and blinking frequency are used for the purpose. Three different sets of experiments were conducted. The first experiment was conducted in a lab with faceLAB cameras and served as a pilot study to determine the correlation between mouth movement and eye movement during cognitive distraction. The second experiment was conducted in a real traffic environment using faceAPI cameras to detect movement on lips and eyebrows. The third experiment was also conducted in a real traffic environment. However, both faceLAB and faceAPI toolkits were combined to capture more features. A reliable and stable classification algorithm called Dynamic Bayesian Network (DBN) was used as the main algorithm for analysis. A few more others algorithms like Support Vector Machine (SVM), Logistic Regression (LR), AdaBoost and Static Bayesian Network (SBN) were also used for comparison. Results showed that DBN is the best algorithm for driver cognitive distraction detection. Finally a comparison was also made to evaluate results from this study and those by other researchers. Experimental results showed that lips and eyebrows used in this study are strongly correlated and have a significant role in improving cognitive distraction detection.

A critical part of traffic safety is a driver’s ability to detect and respond to emergency roadway hazards. This thesis uses eye movements and motor responses to divide driver perception-response time in three stages: perception, inspection, and movement time. The effects of cognitive distraction and repeated exposure on each stage were investigated for three distinct hazards (left-turning vehicle, pedestrian, right-incursion vehicle). In general, there were varying effects of cognitive distraction observed depending on the hazard being responded to. Cognitive distraction resulted in a significant increase in perception times for the pedestrian and right-incursion vehicle hazards, whereas cognitive distraction resulted in significantly longer inspection times for the left-turning vehicle hazard. When considering the effect of repeated scenario exposure, perception times were the most greatly affected. Perception times were significantly shorter during the second exposure to the left-turning vehicle hazard in the baseline condition, and for all hazards in the distraction condition.

A critical part of traffic safety is a driver’s ability to detect and respond to emergency roadway hazards. This thesis uses eye movements and motor responses to divide driver perception-response time in three stages: perception, inspection, and movement time. The effects of cognitive distraction and repeated exposure on each stage were investigated for three distinct hazards (left-turning vehicle, pedestrian, right-incursion vehicle). In general, there were varying effects of cognitive distraction observed depending on the hazard being responded to. Cognitive distraction resulted in a significant increase in perception times for the pedestrian and right-incursion vehicle hazards, whereas cognitive distraction resulted in significantly longer inspection times for the left-turning vehicle hazard. When considering the effect of repeated scenario exposure, perception times were the most greatly affected. Perception times were significantly shorter during the second exposure to the left-turning vehicle hazard in the baseline condition, and for all hazards in the distraction condition.

The objective of this thesis was to determine whether evaluative body image, affective body image, and behavioural body image were predictive of women’s sexual desire, arousal and orgasm. Results are based on self-report and body composition data from 88 women (a subset of a larger data set including men) in heterosexual romantic relationships at the time of data collection. Hierarchical multiple regression indicated that poor evaluative, affective and behavioural body image were detrimental to women’s sexual functioning. Specifically, dissatisfaction with one’s body predicted decrements in desire (β = -.31, p <.05) and arousal (β = -.35, p <.01). Similarly, feeling that others evaluate one’s body negatively, predicted decrements in desire (β = .22, p <.05) and arousal (β = .35, p <.01). Feeling negatively about one’s appearance predicted decrements in arousal (β = .26, p <.05). Negative thoughts and feelings about one’s body that influence sexual behaviours (body image self-consciousness) predicted decrements in arousal (β = -.37, p <.01) and orgasm (β = -.25, p <.05). Implications for public health messages, treatment programs, sexual problem assessments and directions for future research are discussed. / Social Sciences and Humanities Research Council

Fahrerablenkung ist ein Begriff, der in den vergangen Jahren verstärkt in das Blickfeld der Öffentlichkeit geraten ist. Dies ist im Wesentlichen zurückzuführen auf die deutlich steigende Verbreitung und Nutzung von Fahrerinformationssystemen. Gleichzeitig führt die steigende Automatisierung im Fahrzeug dazu, dass dem Fahrer in seiner subjektiven Wahrnehmung mehr Ressourcen zur Verfügung stehen, um sich anderen Aktivitäten wie etwa Essen, Rauchen oder Telefonieren zuzuwenden. Die steigende Aktualität dieser Problematik wirft viele Fragen auf. Wie häufig tritt Fahrerablenkung auf? Welche Konsequenzen hat sie? Welche kognitiven Prozesse zeichnen für diese Konsequenzen verantwortlich? Und wie kann man Fahrerablenkung messen? Die vorliegende Dissertation besteht aus drei empirischen Beiträgen, sowie einer kurzen Einführung, die die grundlegenden Fragen und Befunde zum Thema Fahrerablenkung betrachtet. Das Augenmerk des ersten Beitrags liegt auf der Überprüfung theoretischer Annahmen zur Fahrerablenkung. Eine Vielzahl von Untersuchungen zeigt, dass sich kognitiv beanspruchende Zweitaufgaben negativ auf die Fahrleistung auswirken. Im vorliegenden Beitrag wird davon ausgegangen, dass dieser Effekt eine Folge von Interferenzen zwischen den Funktionen des Arbeitsgedächtnisses, die dazu dienen das Situationsmodell der Verkehrssituation aktuell zu halten, und den bearbeiteten Zweitaufgaben ist. Im Rahmen einer Simulatorstudie wurde diese Annahme überprüft. Es zeigte sich, dass die Probanden, die eine Zweitaufgabe ausführten, die speziell die Integration von neuen Informationen in das bestehende Situationsmodell behindern sollte, später auf antizipierbare kritische Ereignisse reagierten als Vergleichsgruppen. Im Gegensatz dazu ergaben sich für unvorhersehbare Ereignisse keine Unterschiede. Diese Ergebnisse weisen darauf hin, dass die negativen Effekte kognitiver Belastung tatsächlich auf Interferenzen mit spezifischen Arbeitsgedächtnisprozessen zurückzuführen sind. Die beiden weiteren Beiträge befassen sich mit messmethodischen Fragen in Bezug auf Fahrerablenkung. In Beitrag zwei wird die Lane Change Task (LCT) thematisiert, eine Labormethode zur Erfassung von Ablenkung. Aufgabe der Probanden ist die Steuerung eines virtuellen Fahrzeuges mittels Lenkrad, und dabei konkret die Ausführung von Spurwechseln, bei gleichzeitiger Bearbeitung von Zweitaufgaben. Trotz eines standardisierten Versuchsaufbaus sind allerdings starke Messvarianzen zwischen verschiedenen Testreihen zu beobachten. Der Übungsgrad der Versuchsteilnehmer wurde dabei als eine mögliche Ursache identifiziert. In zwei Experimenten wurde dieser Vermutungnachgegangen. Probanden bearbeiteten parallel zur LCT Zweitaufgaben verschiedener Schwierigkeitsstufen, nachdem sie zuvor trainiert wurden. Es konnte gezeigt werden, dass der Grad der Übung tatsächlich einen Einfluss auf die Spurwechselperformanz hat, und dass dieser Einfluss auch Monate später noch zu finden ist. Es ist jedoch zweifelhaft, dass dieser Effekt allein ursächlich für die zu beobachtenden Messvarianzen ist. Im dritten Beitrag wird die Critical Tracking Task (CTT) betrachtet, ein Verfahren, das im Kontext Fahrerablenkung bisher kaum Beachtung fand. Die CTT ist eine einfache Trackingaufgabe, welche vom Nutzer die Stabilisierung eines dynamischen, instabilen Elementes auf einem Bildschirm fordert. Die zur Bearbeitung der Aufgabe auszuführenden Tätigkeiten der kontinuierlichen visuellen Überwachung und manuellen Kontrolle sind grundsätzlich vergleichbar mit basalen Anforderungen der Fahraufgabe. Ziel war es, das Potenzial der CTT als Messverfahren von Fahrerablenkung durch Fahrerinformationssysteme zu überprüfen. Die Ergebnisse der vier durchgeführten Experimente, in denen sowohl künstliche als auch reale Aufgaben und Systeme bearbeitet und bedient wurden, legen den Schluss nahe, dass die CTT in der Tat in der Lage ist, das Ausmaß von Ablenkung ausgelöst durch Fahrerinformationssysteme zu quantifizieren.

Fahrerablenkung ist ein Begriff, der in den vergangen Jahren verstärkt in das Blickfeld der Öffentlichkeit geraten ist. Dies ist im Wesentlichen zurückzuführen auf die deutlich steigende Verbreitung und Nutzung von Fahrerinformationssystemen. Gleichzeitig führt die steigende Automatisierung im Fahrzeug dazu, dass dem Fahrer in seiner subjektiven Wahrnehmung mehr Ressourcen zur Verfügung stehen, um sich anderen Aktivitäten wie etwa Essen, Rauchen oder Telefonieren zuzuwenden. Die steigende Aktualität dieser Problematik wirft viele Fragen auf. Wie häufig tritt Fahrerablenkung auf? Welche Konsequenzen hat sie? Welche kognitiven Prozesse zeichnen für diese Konsequenzen verantwortlich? Und wie kann man Fahrerablenkung messen? Die vorliegende Dissertation besteht aus drei empirischen Beiträgen, sowie einer kurzen Einführung, die die grundlegenden Fragen und Befunde zum Thema Fahrerablenkung betrachtet. Das Augenmerk des ersten Beitrags liegt auf der Überprüfung theoretischer Annahmen zur Fahrerablenkung. Eine Vielzahl von Untersuchungen zeigt, dass sich kognitiv beanspruchende Zweitaufgaben negativ auf die Fahrleistung auswirken. Im vorliegenden Beitrag wird davon ausgegangen, dass dieser Effekt eine Folge von Interferenzen zwischen den Funktionen des Arbeitsgedächtnisses, die dazu dienen das Situationsmodell der Verkehrssituation aktuell zu halten, und den bearbeiteten Zweitaufgaben ist. Im Rahmen einer Simulatorstudie wurde diese Annahme überprüft. Es zeigte sich, dass die Probanden, die eine Zweitaufgabe ausführten, die speziell die Integration von neuen Informationen in das bestehende Situationsmodell behindern sollte, später auf antizipierbare kritische Ereignisse reagierten als Vergleichsgruppen. Im Gegensatz dazu ergaben sich für unvorhersehbare Ereignisse keine Unterschiede. Diese Ergebnisse weisen darauf hin, dass die negativen Effekte kognitiver Belastung tatsächlich auf Interferenzen mit spezifischen Arbeitsgedächtnisprozessen zurückzuführen sind. Die beiden weiteren Beiträge befassen sich mit messmethodischen Fragen in Bezug auf Fahrerablenkung. In Beitrag zwei wird die Lane Change Task (LCT) thematisiert, eine Labormethode zur Erfassung von Ablenkung. Aufgabe der Probanden ist die Steuerung eines virtuellen Fahrzeuges mittels Lenkrad, und dabei konkret die Ausführung von Spurwechseln, bei gleichzeitiger Bearbeitung von Zweitaufgaben. Trotz eines standardisierten Versuchsaufbaus sind allerdings starke Messvarianzen zwischen verschiedenen Testreihen zu beobachten. Der Übungsgrad der Versuchsteilnehmer wurde dabei als eine mögliche Ursache identifiziert. In zwei Experimenten wurde dieser Vermutungnachgegangen. Probanden bearbeiteten parallel zur LCT Zweitaufgaben verschiedener Schwierigkeitsstufen, nachdem sie zuvor trainiert wurden. Es konnte gezeigt werden, dass der Grad der Übung tatsächlich einen Einfluss auf die Spurwechselperformanz hat, und dass dieser Einfluss auch Monate später noch zu finden ist. Es ist jedoch zweifelhaft, dass dieser Effekt allein ursächlich für die zu beobachtenden Messvarianzen ist. Im dritten Beitrag wird die Critical Tracking Task (CTT) betrachtet, ein Verfahren, das im Kontext Fahrerablenkung bisher kaum Beachtung fand. Die CTT ist eine einfache Trackingaufgabe, welche vom Nutzer die Stabilisierung eines dynamischen, instabilen Elementes auf einem Bildschirm fordert. Die zur Bearbeitung der Aufgabe auszuführenden Tätigkeiten der kontinuierlichen visuellen Überwachung und manuellen Kontrolle sind grundsätzlich vergleichbar mit basalen Anforderungen der Fahraufgabe. Ziel war es, das Potenzial der CTT als Messverfahren von Fahrerablenkung durch Fahrerinformationssysteme zu überprüfen. Die Ergebnisse der vier durchgeführten Experimente, in denen sowohl künstliche als auch reale Aufgaben und Systeme bearbeitet und bedient wurden, legen den Schluss nahe, dass die CTT in der Tat in der Lage ist, das Ausmaß von Ablenkung ausgelöst durch Fahrerinformationssysteme zu quantifizieren.