Receiving the first “Rijbewijs” is always an exciting moment for any teenager, but, this also comes with considerable risks. In the Netherlands, the fatality rate of young novice drivers is five times higher than that of drivers between the ages of 30 and 59 years. These risks are mainly because of age-related factors and lack of experience which manifests in inadequate higher-order skills required for hazard perception and successful interventions to react to risks on the road. Although risk assessment and driving attitude is included in the drivers’ training and examination process, the accident statistics show that it only has limited influence on the development factors such as attitudes, motivations, lifestyles, self-assessment and risk acceptance that play a significant role in post-licensing driving. This negatively impacts traffic safety. “How could novice drivers receive critical feedback on their driving behaviour and traffic safety? ” is, therefore, an important question. Due to major advancements in domains such as ICT, sensors, big data, and Artificial Intelligence (AI), in-vehicle data is being extensively used for monitoring driver behaviour, driving style identification and driver modelling. However, use of such techniques in pre-license driver training and assessment has not been extensively explored. EIDETIC aims at developing a novel approach by fusing multiple data sources such as in-vehicle sensors/data (to trace the vehicle trajectory), eye-tracking glasses (to monitor viewing behaviour) and cameras (to monitor the surroundings) for providing quantifiable and understandable feedback to novice drivers. Furthermore, this new knowledge could also support driving instructors and examiners in ensuring safe drivers. This project will also generate necessary knowledge that would serve as a foundation for facilitating the transition to the training and assessment for drivers of automated vehicles.
In het forensisch werkveld staan drie vragen centraal. Het gaat dan om “wie is het”, “wat is er gebeurd” en “wanneer is het gebeurd”. Alle informatie die bijdraagt aan het beantwoorden van deze vragen is waardevol in zaakonderzoeken. Vaak wordt er wel een biologisch spoor gevonden, maar is er geen “match” met de databank. In dit geval kan profileringsinformatie helpen bij het zoeken naar de juiste persoon. Met profilering wordt hier bedoeld een serie stoffen, ook markers genoemd, die informatie geven over de levensstijl van mensen. De levensstijl kan bestaan uit kenmerken, voeding, gewoonten en activiteiten. Een recent voorbeeld van een profileringsmethode is het analyseren van de buitenzijde van mobiele telefoons. Door het hanteren van de telefoon laten mensen zweet en stoffen achter die gekarakteriseerd kunnen worden. Het profiel van deze stoffen geeft een beschrijving van de levensstijl van de eigenaar. In veel zaken zijn er echter geen mobiele telefoon aanwezig, maar wel andere sporen zoals haar. Daarom is er behoefte aan een methode om haar te gebruiken voor profilering. Bovendien geeft haar een indicatie van tijd en gebeurtenissen uit het verleden omdat het langzaam groeit. In principe kan er dan informatie over de drie vragen (wie, wat, wanneer) verzameld worden. Haren worden op dit moment vooral gebruikt voor het meten van drugs, alcohol gebruik, cortisol en nicotine. Er is echter behoefte aan een breder palet van stoffen dat in één keer in haar kan worden gemeten. Het doel van dit onderzoek is daarom het ontwikkelen van een methode waarmee in één analysegang een profiel van circa 15 uiteenlopende markers kan worden gemeten.
