Đang tải... (xem toàn văn)
Mục tiêu chính của Luận án tập trung vào phân tích dữ liệu cảm biến thu được từ điện thoại của người tham gia giao thông nhằm nhận dạng được các hành vi giao thông bất thường. Mời các bạn cùng tham khảo nội dung chi tiết.
ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CƠNG NGHỆ LỮ ĐĂNG NHẠC NHẬN DẠNG HÀNH VI CỦA NGƯỜI THAM GIA GIAO THƠNG DỰA TRÊN CẢM BIẾN ĐIỆN THOẠI Chun ngành: Hệ thống Thơng tin Mã số: 9480401.01 TĨM TẮT LUẬN ÁN TIẾN SĨ CƠNG NGHỆ THƠNG TIN MỞ ĐẦU Tính cấp thiết của luận án Trong hệ thống giao thơng đơ thị, có nhiều yếu tố tác động đến vấn đề quản lý và an tồn giao thơng. Trong đó, thái độ và hành vi của người tham gia giao thơng có tác động trực tiếp hệ thống. Do đó, việc nhận dạng hành vi của người tham gia giao thơng bao gồm cả nhận dạng các hành động và hành vi bất thường có một ý nghĩa rất lớn trong việc xây dựng giải pháp, ứng dụng hỗ trợ người tham gia giao thơng Vì vậy, chủ đề này đã và đang thu hút được sự quan tâm nghiên cứu của nhiều nhà khoa học, các phòng thí nghiệm trên thế giới. Hơn thế nữa, những thơng tin về hành vi của người tham gia giao thơng sẽ rất hữu ích cho những nhà quản lý trong việc quy hoạch hệ thống và xây dựng chính sách quản lý giao thơng và các chính sách an sinh xã hội khác. Ngồi ra, mơ hình nhận dạng hành vi người tham gia giao thơng còn trợ giúp đánh giá mức độ rủi ro trong các lĩnh vực bảo hiểm cũng như có thể ước tính mức độ tiêu thụ năng lượng và ơ nhiễm mơi trường của hệ thống giao thơng Để xây dựng được mơ hình nhận dạng hành vi của người tham gia giao thơng các thơng tin, dữ liệu của người tham gia được thu thập bằng nhiều cách khác nhau. Thí nghiệm ban đầu đã thu thập dữ liệu bằng các thiết bị cảm biến cố định trên đối tượng nghiên cứu. Nhờ sự phát triển của cơng nghệ phần cứng, nhiều loại cảm biến khác nhau được tích hợp đã cho phép điện thoại thơng minh trở thành cơng cụ hữu ích trong việc thu thập dữ liệu từ người dùng. Chính vì vậy, trong thời gian gần đây, nhiều cơng trình nghiên cứu về nhận dạng hành vi người dùng bao gồm cả hành vi cử chỉ và hành vi trong giao thơng dựa trên cảm biến điện thoại thơng minh được cơng bố. Tuy nhiên, để đảm bảo độ chính xác cao trong kết quả của mơ hình nhận dạng thì hầu hết các nghiên cứu được thực hiện với vị trí điện thoại cố định trên phương tiện giao thơng hoặc sử dụng tập thuộc tính đặc trưng có số lượng lớn nhằm trích xuất dữ liệu từ nhiều nguồn cảm biến khác nhau của điện thoại. Điều này làm cho mơ hình xây dựng giảm tính tiện dụng cũng như giảm khả năng ứng dụng trong thực tế. Điều này dẫn đến hướng nghiên cứu nhận dạng hành vi của người dùng khi vị trí điện thoại người dùng khơng cố định trong q trình tham gia giao thơng Ngồi ra, những nghiên cứu đã cơng bố về nhận dạng hành vi giao thơng được thực hiện trong các điều kiện hồn cảnh khác nhau. Trong đó, có sự khác nhau về yếu tố khu vực địa lý, hạ tầng giao thơng và văn hóa so với các điều kiện và mơi trường giao thơng tại Việt Nam. Do vậy, những mơ hình nhận dạng đã được xây dựng gặp nhiều khó khăn khi phát triển và áp dụng trong điều kiện cụ thể của Việt Nam. Sự khác biệt này xuất phát từ một số yếu tố quan trọng bao gồm cả yếu tố khách quan và yếu tố chủ quan. Thứ nhất, đó là các nghiên cứu về bài tốn nhận dạng thường tập trung vào các phương tiện giao thơng phổ biến tại các nước phát triển với đa số phương tiện sử dụng cho thực nghiệm xe ô tô, xe buýt và tàu điện ngầm mà xét đến các phương tiện thơ sơ. Trong khi đó, hệ thống giao thơng đơ thị tại các nước đang phát triển hoặc chậm phát triển, trong đó có Việt nam, các phương tiện giao thơng được người dân sử dụng chủ yếu vẫn là xe máy và xe đạp cùng một số phương tiện cơng cộng khác. Hơn thế nữa, phần lớn các nghiên cứu trước đây thực hiện trong điều kiện hạ tầng giao thơng ổn định hơn so với tính đa dạng điều kiện giao thơng như ở Việt Nam. Thứ hai, về yếu tố chủ quan đó là văn hóa và thói quen di chuyển của người dân khi tham gia giao thơng. Với những phương tiện như ơ tơ hay xe bt trong các nghiên cứu, dữ liệu cảm biến được thu thập trong điều kiện phương tiện di chuyển trên các làn đường riêng, hoặc hay đường chạy xác định trước. Điều kiện này khơng thể thực hiện được với hiện trạng giao thơng đơ thị của Việt Nam. Tất cả những yếu tố cơ bản kể trên là những lý do giải thích tại sao cần có các nghiên cứu mơ hình nhận dạng hành vi giao thơng phù hợp với tính chất đặc thù tại Việt Nam. Để hỗ trợ được người tham gia giao thơng, một trong những mục đích quan trọng, cấp thiết của mơ hình phát hiện hành vi đó là khả năng phát hiện được các hành vi giao thơng bất thường. Các nghiên cứu về vấn đề này thường tập trung vào phương tiện ơ tơ; các phương tiện có những thiết kế, đặc tính khác nhau nên rất khó có một mơ hình phù hợp với tất cả các loại phương tiện khác nhau. Các nghiên cứu này cũng thường sử dụng hướng tiếp cận kết hợp nhiều loại cảm biến để thu thập, phân tích dữ liệu cho q trình nhận dạng. Bên cạnh các cảm biến chuyển động thì các cảm biến khác như GPS, camera hình ảnh và cảm biến âm thanh cũng có thể được sử dụng nhằm nâng cao độ chính xác trong nhận dạng các hành vi bất thường khi lái xe. Việc sử dụng đồng thời nhiều dữ liệu cảm biến cùng một thời điểm dẫn đến tiêu tốn nhiều năng lượng của điện thoại thơng minh và khó có thể áp dụng trong thực tế Hướng tiếp cận lựa chọn thu thập, phân tích liệu cảm biến chuyển động như cảm biến gia tốc sẽ có mức tiêu tốn năng lượng thấp nhất nhưng cần phải xây dựng một mơ hình phù hợp để đảm bảo độ chính xác nhận dạng trên các loại phương tiện giao thơng khác nhau. Một trong những giải pháp căn cốt cho vấn đề này đó là cần xác định, lựa chọn được tập thuộc tính đặc trưng phù hợp cho các loại phương tiện, thể hiện rõ đặc trưng của hành vi sao cho nhận dạng, phát hiện khơng làm tăng độ phức tạp tính tốn của mơ hình mà vẫn đảm bảo kết quả phát hiện hành động, hành vi bất thường Với mong muốn xây dựng mơ hình phát hiện và đốn nhận hành vi bất thường sử dụng cảm biết gia tốc của điện thoại thơng minh, chúng tơi chọn đề tài: “Nhận dạng hành vi của người tham gia giao thơng dựa trên cảm biến điện thoại” làm đề tài nghiên cứu trong khn khổ luận án tiến sĩ chun ngành Hệ thống Thơng tin nhằm giải quyết một số vấn đề đã đặt ra. Mục tiêu của luận án Mục tiêu chính của Luận án tập trung vào phân tích dữ liệu cảm biến thu được từ điện thoại của người tham gia giao thơng nhằm nhận dạng được các hành vi giao thơng bất thường Để giải quyết được mục tiêu của Luận án, chúng tơi tập trung vào giải quyết các vấn đề chính sau: Khảo sát các kỹ thuật phân tích dữ liệu trong và ngồi nước. Tìm hiểu các kỹ thuật thu thập và biến đổi dữ liệu áp dụng cho các loại cảm biến khác nhau, trong đó tập trung vào cảm biến gia tốc có mức tiêu thụ năng lượng thấp nhằm tìm ra tập thuộc tính đặc trưng phù hợp cho hệ thống nhận dạng hành động và hành vi Xây dựng hệ thống nhận dạng hành động giao thơng cơ bản (đi thẳng, dừng, rẽ trái, rẽ phải) của người điều khiển phương tiện dựa trên dữ liệu cảm biến gia tốc được biến đổi từ tập thuộc tính lựa chọn Dựa trên hệ thống nhận dạng hành động, nghiên cứu, đề xuất giải pháp phát hiện hành vi giao thơng bất thường, chủ yếu là với phương tiện xe máy. Trong một thời gian ngắn tương ứng với một hành động cơ bản xảy ra, nếu phát hiện thấy có các hành động sai khác xảy ra thì xác định là một hành vi bất thường. Sự bất thường được đánh giá bằng việc phân đoạn cửa sổ hành động giao thơng cơ bản thành các cửa sổ dữ liệu có kích thước nhỏ hơn rồi so sánh nhãn hành động nhận dạng được của các cửa sổ này so với nhãn của hành động giao thơng cơ bản đó để xác định sự bất thường hay bình thường dựa trên việc so sánh tỉ lệ sai khác với một tỉ lệ cho trước Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu của Luận án là phân tích, nhận dạng hành vi, hành vi giao thơng bất thường của người điều khiển phương tiện. Dựa trên cảm biến gia tốc thu được từ điện thoại thơng minh của các đối tượng sử dụng phương tiện để đưa ra giải pháp nhận dạng hành động cơ bản làm cơ sở cho nhận dạng hành vi giao thông bất thường ở đô thị của Việt Nam Phương pháp nghiên cứu Luận án sử dụng các phương pháp khảo sát, tổng hợp, phân tích thơng tin cần thiết; tham khảo, đánh giá các nghiên cứu liên quan để từ đó tìm ra hướng giải quyết vấn đề. Xác định rõ đối tượng và phạm vi nghiên cứu để từ đó xây dựng mơ hình nhận dạng hành động và hành vi giao thơng Khảo sát các kỹ thuật thu thập, xử lý dữ liệu cảm biến, phân tích các đặc điểm của phương tiện, hành động giao thơng để từ đó đề xuất giải pháp nhận dạng hành động, hành vi giao thơng bất thường dựa trên cảm biến thu được. Phương pháp phân tích sử dụng lý thuyết và chứng minh bằng thực nghiệm được áp dụng để thực hiện u cầu bài tốn đặt ra Đóng góp của luận án Đóng góp thứ nhất của luận án: là đề xuất tập thuộc tính đặc trưng dựa trên miền thời gian và miền tần số nhằm biến đổi dữ liệu cảm biến thành dữ liệu đặc trưng phục vụ cho nhận dạng hành động và hành vi bất thường. Kết quả đọ đo phân lớp dữ liệu được sử dụng để đánh giá, lựa chọn tập thuộc tính. Trong đó, sử dụng tham số Hjorth cho các đại lượng khác nhau nhằm thu được các thuộc tính phù hợp để biến đổi dữ liệu cảm biến thành dữ liệu đặc trưng. Tập thuộc tính đặc trưng phù hợp sẽ sử dụng làm cơ sở cho việc xây dựng hệ thống nhận dạng bằng phương pháp phân lớp [CT2], [CT4] Khảo sát, lựa chọn kích thước cửa sổ và tỉ lệ chồng dữ liệu để phân tích tìm ra các giá trị tương ứng, phù hợp với các hành động. Qua đó, hỗ trợ hệ thống nhận dạng các hành động giao thơng có hiệu quả hơn [CT1], [CT2], [CT4]. Kết quả nhận dạng bằng hệ thống đề xuất cao hơn so với một số nghiên cứu đã được cơng bố đã có [CT4] Đóng góp thứ hai của luận án: đề xuất giải pháp phát hiện hành vi giao thơng bất thường theo một hướng tiếp cận mới, hướng tiếp cận này dựa trên kết quả nhận dạng hành động cơ bản. Trong thời gian ngắn mà một hành động cơ bản xảy ra, nếu hệ thống nhận dạng được chuỗi các hành động bất thường thì xác định đây là hành vi bất thường. Các giải pháp, kết quả thu được của luận án được trình bày trong 4 cơng trình đã được cơng bố. Trong đó có 1 bài báo quốc tế có chỉ số SCIE; 3 bài báo hội nghị quốc tế có phản biện và có chỉ số Scopus được thể hiện ở các cơng trình [CT1], [CT2], [CT3] và [CT4] Bố cục của luận án Ngồi phần mở đầu, mục lục, kết luận và tài liệu tham khảo, nội dung chính của luận án được chia thành 3 chương, cụ thể như sau: Chương 1: Giới thiệu một số khái niệm cơ bản về hành động, hành vi giao thơng và bài tốn nhận dạng hành vi giao sử dụng dữ liệu cảm biến Chương 2: Xây dựng hệ thống nhận dạng hành động giao thơng cơ bản dựa trên cảm biến điện thoại Chương 3: Dựa trên kết quả của hệ thống nhận dạng hành động, đề xuất giải pháp nhận dạng hành vi giao thơng, hành vi bất thường. TỔNG QUAN VỀ PHÂN TÍCH HÀNH VI 1.1 Giới thiệu Cảm biến thu được từ điện thoại được dùng phân tích trong nhiều bài tốn khác nhau. Trong đó có bài tốn nhận dạng hành vi Vì điện thoại thơng minh được sử dụng cho nhiều mục đích cá nhân khác nhau cũng như có giới hạn về năng lượng, sự đa dạng về chủng loại, chất lượng của thiết bị phần cứng dẫn đến u cầu cần phải xây dựng hệ thống, giải pháp phân tích, phát hiện hành động, hành vi sao cho phù hợp là một bài tốn đặt ra cần được giải quyết 1.2 Một số khái niệm cơ bản 1.2.1 Hành động giao thơng Hành động giao thơng là việc người điều khiển thay đổi trạng thái của phương tiện trong q trình tham gia giao thơng[10] 1.2.2 Hành vi giao thơng Hành vi giao thơng là sự biểu hiện thay đổi trạng thái của phương tiện theo những cách thức, mức độ, tính chất khác nhau trong q trình lưu thơng [10][11][12] [13]. 1.3 Sử dụng dữ liệu cảm biến để phân tích hành vi Cảm biến điện thoại thơng minh hiện nay ngày càng đa dạng. Khi sử dụng kết hợp nhiều cảm biến sẽ làm tiêu hao năng lượng nên lựa chọn cảm biến gia tốc có ưu điểm tốn ít tài ngun của thiết bị để xây dựng hệ thống là một trong hướng tiếp cận phù hợp đáp ứng được u cầu của bài tốn phân tích, nhận dạng hành vi giao thơng dựa trên điện thoại thơng minh của người điều khiển phương tiện mang theo trong điều kiện, mơi trường giao thơng đơ thị Việt Nam 1.4 Một số nghiên cứu liên quan Các nghiên cứu cơng bố gần đây đã chỉ ra hiệu quả của việc kết hợp nhiều loại cảm biến khác nhau trong bài tốn phân tích hành vi. Tuy nhiên, việc chỉ sử dụng dữ liệu cảm biến gia tốc sẽ phù hợp với các điện thoại phổ biến và ít tiêu hao năng lượng. Cũng như hướng tiếp cận sử dụng tập đặc trưng và phương pháp phân lớp cho dạng bài tốn này 1.5 Phương pháp nhận dạng hành vi giao thơng dựa trên cảm biến Từ những vấn đề trên chúng tơi đề xuất phương phân tích, pháp nhận dạng hành vi giao thơng bất thường dựa trên cảm biến gia tốc như Hình 1 dưới đây: Hình 1. Hệ thống phân tích hành vi bất thường 1.6 Kết luận Trong chương này, chúng tơi đã tìm hiểu, khảo sát các nghiên cứu liên quan đến bài tốn nhận dạng hành vi. Làm rõ một số khái niệm cơ hành động, hành vi, hành vi bất thường lĩnh vực giao thơng. Tìm hiểu phương pháp, kỹ thuật phân tích, nhận dạng hành vi, đặc biệt là hướng tiếp cận sử dụng dữ liệu cảm biến điện thoại thơng minh thu được của người điều khiển phương tiện 2.6 Kết luận Trong chương này chúng tôi đề xuất hệ thống nhận dạng để thực hiện nhận dạng hành động giao thông cơ bản là {Dừng, Đi thẳng, Rẽ trái, Rẽ phải} dựa trên cảm biến gia tốc thu được từ điện thoại thông minh của người sử dụng phương tiện vị trí điện thoại khơng cố định. Lựa chọn được tập thuộc tính TFH2 và thuật tốn RF cho nhận dạng hành động. Thực nghiệm với hệ thống đề xuất cũng cho kết quả cao hơn so với một số cơng bố đã có trên cùng một tập dữ liệu NHẬN DẠNG HÀNH VI BẤT THƯỜNG 3.1 Giới thiệu Luận án đã tìm hiểu, khảo sát các kỹ thuật phân tích dữ liệu cảm biến sử dụng cho bài tốn nhận dạng hành vi. Từ đó, đề xuất giải pháp nhận dạng ra hành vi bất thường dựa trên hệ thống nhận dạng hành động đã được trình bày trong chương 2, 3.2 Bài tốn nhận dạng hành vi bất thường 3.2.1 Nhận dạng bất thường 3.2.1.1 Dữ liệu bình thường và bất thường Một dữ liệu bất thường là một dạng mẫu mà nó khác với định nghĩa của mẫu dữ liệu bình thường. Tuy nhiên, trong thực tế việc định nghĩa một mẫu bất thường khó hơn rất nhiều so với việc định nghĩa mẫu bình thường. Do đó, một trong những hướng tiếp cận và định nghĩa một mẫu bất thường phổ biến đó là dựa vào định nghĩa của mẫu bình thường 3.2.1.2 Một số kỹ thuật gán nhãn bất thường Nhãn của dữ liệu thường được gán bởi các chun gia trong lĩnh vực đó. Gán nhãn bất thường khó hơn rất nhiều so với việc gán nhãn bình thường. Do nhãn bất thường ln thay đổi và phát sinh nên rất khó gán nhãn từ tập dữ liệu huấn luyện Một số kỹ thuật nhận dạng bất thường cơ bản sử dụng phương pháp gán nhãn được chia thành 3 dạng bản đó là[58][59]: Dạng 1: Phát hiện bởi phương pháp có giám sát. Dạng 2: Phát hiện bất thường sử dụng phương pháp bán giám sát. Dạng 3: Sử dụng phương pháp phát hiện bất thường khơng giám sát 3.2.1.3 Phương pháp đánh giá nhận dạng bất thường Do sự khó khăn về xác định tính chất bất thường và tính chất bình thường cũng như áp dụng các phương pháp gán nhãn bất thường cho dữ liệu. Việc đánh giá hệ thống phát hiện bất thường được thiết kế cho từng miền, lĩnh vực khác nhau và phổ biến ở hai dạng sau[58]: Đánh giá dựa vào kỹ thuật cho điểm và đánh giá dựa vào kỹ thuật gán nhãn 3.2.2 Sử dụng cảm biến điện thoại để nhận dạng hành vi bất thường Các đối tượng tham gia giao thông chịu nhiều tác động từ chính yếu tố tâm lý cá nhân cũng như các yếu tố bên ngồi như hạ tầng giao thơng, yếu tố mơi trường, đặc tính của phương tiện và cả hiện trạng giao thơng trong từng thời điểm Hướng tiếp cận sử dụng cảm biến điện thoại để nhận dạng hành vi bất thường đang được cộng đồng các nhà nghiên cứu quan tâm. Tuy nhiên, sử dụng chỉ mình cảm biến gia tốc để nhận dạng hành vi được chúng tơi lựa chọn thực hiện trong đề tài nghiên cứu này. Với giải pháp nhận dạng hành vi bất thường là: Nếu chuỗi hành động xảy ra trong khoảng một thời gian ngắn có sự sai khác so với thời gian một hành động cơ bản tương ứng xảy ra thì xác định đây là một hành vi bất thường 3.3 Một số nghiên cứu liên quan Các phương pháp, kỹ thuật phát hiện hành vi bất thường trong các nghiên cứu trên gặp phải vấn đề khó khăn đó là làm thế nào để xác định, thu thập các mẫu dữ liệu bất thường, trong khi dữ liệu cảm biến gia tốc có nhiều nhiễu từ thiết bị cũng như vị trí điện thoại. Do vậy, để vượt qua được việc phụ thuộc vào mẫu dữ liệu bất thường, chúng tơi đề xuất hướng tiếp cận mới để có thể xác định hành vi giao thơng bất thường dựa trên phân tích chuỗi các hành động trong khoảng thời gian ngắn tương ứng một hành động cơ bản diễn ra 3.4 Giải pháp nhận dạng hành vi bất thường dựa trên hệ thống nhận dạng hành động 3.4.1 Một số kỹ thuật nhận dạng hành vi bất thường 3.4.1.1 Kỹ thuật so khớp DTW Kỹ thuật so khớp thường sử dụng để tìm sự tương đồng giữa hai chuỗi Chúng tơi sử dụng phương pháp này để phát hiện hành vi bất thường dựa trên cảm biến gia tốc được mơ tả như Hình 3 dưới đây: Hình 3. Sử dụng DTW để phát hiện hành vi bất thường 3.4.1.2 Phân lớp dữ liệu với RF và kỹ thuật học sâu Thuật tốn RF và kỹ thuật học sâu được phát triển dựa trên ANN đang được nhiều sự quan tâm của cộng đồng nghiên cứu. Do vậy, chúng tơi sử dụng bộ phân lớp Dl4jMlpClassifier được tích hợp trong gói học sâu WekaDeeplearning4J để nhận dạng hành vi của người tham gia giao thơng với tập liệu huấn luyện gán nhãn bình thường/ bất thường. Phương pháp này được thực hiện như mơ tả của hình dưới đây: Hình 3. Phát hiện bất thường sử dụng 3.4.2 Giải pháp đề xuất nhận dạng hành vi bất thường dựa trên hệ thống nhận dạng hành động Các kỹ thuật trên gặp sự khó khăn chung đó là sự phụ thuộc vào cách xác định và thu thập mẫu dữ liệu hành vi bất thường. Do vậy, chúng tơi đề xuất giải pháp nhận dạng hành vi như hình dưới đây: Hình 3.Sơ đồ hệ thống phát hiện hành vi bất thường Trong hệ thống nhận dạng hành vi này gồm hai pha: pha thứ nhất là pha huấn luyện, pha thứ hai là pha nhận dạng hành vi bất thường. Trong pha huấn luyện được thực hiện dựa trên dữ liệu huấn luyện với mục đích tìm ra bộ tham số cho kết quả nhận dạng hành vi tốt nhất: tương ứng với ; và n là số các bộ giá trị tham gia thực hiện trong pha huấn luyện. Trong Pha nhận dạng, sử dụng các tham số đã nhận được từ Pha huấn luyện để thực hiện các bước thực hiện nhận dạng hành vi được mơ tả như trong Hình 3 sau đây: Hình 3. Phát hiện hành vi bất thường dựa trên hành động giao thơng cơ bản 3.5 Thực nghiệm và đánh giá 3.5.1 Mơi trường thực nghiệm Chương trình thu dữ liệu cảm biến được xây dựng và thực hiện trên hệ điều hành Android phiên bản 4.5 đến 6.0. Ngơn ngữ Java được sử dụng để xây dựng hệ thống, thực hiện quy trình tiền xử lý dữ liệu, các mơ hình phân lớp trong Bộ cơng cụ WEKA được sử dụng để phát hiện, nhận dạng phương tiện, hành động hành vi như trong chương 2 3.5.2 Dữ liệu thực nghiệm Thực nghiệm thực hiện với phương tiện đặc thù, phổ thơng là xe máy. Hành vi bất thường được xác định nhận dạng trong thực nghiệm đó là “hành vi lạng lách”. Hành vi này liên quan đến thay đổi hướng điều khiển phương tiện khoảng thời gian ngắn Thực nghiệm được tiến hành trên 8 đối tượng là các cán bộ, nhân viên văn phòng và sinh viên. Dữ liệu mẫu về hành vi bất thường thực hiện các cung đường vắng, theo cảnh huống giả định của hành vi bất thường đặt ra cùng với các hành vi bình thường. Vị trí của điện thoại khi thu dữ liệu thể hiện ở Bảng 3 sau: Hành động Số lượng Thời gian Vị trí của điện thoại Bình thường 15 phút Cầm tay khi lái xe, cầm tay ngồi sau Bất thường 10 phút Cầm tay khi lái xe, cầm tay ngồi sau, bỏ túi Bảng 3. Thực nghiệm thu dữ liệu nhận dạng hành vi bất thường Hành vi bất thường – “lạng lách” và hành vi bình thường – “đi thẳng” xảy ra khi người điều khiển phương tiện rẽ trái và rẽ phải liên tục theo dạng mẫu biểu diễn ở Hình 3 sau: (b) (a) Hình 3. Mẫu dữ liệu cảm biến gia tốc của hành vi bất thường (lạng lách): (a); Hành vi bình thường Trong mẫu dữ liệu cảm biến gia tốc về “hành vi lạng lách”, người điều khiển phương tiện thực hiện đồng thời chuỗi sáu hành động rẽ trái ký hiệu là “L” và hành động rẽ phải “R” lần lượt là: “L, R, R, L, L, R” Hình 3 (a). Bên cạnh đó, chúng tơi giả định một “hành vi bình thường” gồm 6 hành động di chuyển thẳng. Dữ liệu mẫu cảm biến gia tốc của hành vi này có dạng như Hình 3 (b). Trong đó, các ký hiệu “G” mơ tả một hành động phương tiện di chuyển thẳng theo hướng chuyển động Dữ liệu cảm biến gia tốc của các hành vi thu thập được sử dụng với các kỹ thuật nhận dạng (DTW, kỹ thuật học sâu, Kỹ thuật đề xuất) nhằm khảo sát, đánh giá tìm ra phương pháp nhận dạng hành vi giao thơng phù hợp. Tập mẫu dữ liệu cảm biến gia tốc về hai loại hành vi bình thường và bất thường thu được sử dụng cho thực nghiệm theo từng kích thước cửa sổ dữ liệu được biểu diễn như trong Bảng 3 dưới đây: 4 giây 5 giây 6 giây Mẫu DL bình Mẫu DL bất thường thường Tổng số mẫu 433 830 1263 326 660 986 260 546 806 Bảng 3. Số lượng các mẫu dữ liệu thực nghiệm Tùy vào các kỹ thuật nhận dạng hành vi khác nhau, thực nghiệm sẽ sử dụng các định dạng dữ liệu cảm biến gia tốc thô hoặc đã biến đổi để phù hợp với đặc điểm và yêu cầu đặt ra 3.5.3 Kết quả thực nghiệm với DTW 3.5.3.1 Dữ liệu thực nghiệm Kỹ thuật so khớp DTW dựa trên độ đo khoảng cách để đánh giá sự tương tự giữa hai chuỗi dữ liệu. Do vậy, dữ liệu cảm biến gia tốc thô thường được sử dụng để nhận dạng các hành động, hành vi. Tập dữ liệu được chia thành 70% cho thực nghiệm và 30% cho huấn luyện Kết quả thực nghiệm với tập dữ liệu huấn luyện sử dụng kích thước của sổ lần lượt là 5 giây, 6 giây và 7 giây. Các giá trị ngưỡng được khảo sát và lựa chọn từ việc đánh giá kết quả tương ứng với các giá trị ngưỡng. Kết quả nhận dạng thu được trên tập dữ liệu huấn luyện cao nhất với kích thước cửa sổ 6 giây, giá trị ngưỡng. Và trên tập dữ liệu kiểm tra thu được kết quả tỉ lệ phát hiện chính xác là 59,6% 3.5.4 Kết quả thực nghiệm với RF và Dl4jMlpClassifier 3.5.4.1 Dữ liệu thực nghiệm Dữ liệu huấn luyện sử dụng xây dựng mơ hình phân lớp được thu thập là dữ liệu cảm biến gia tốc với hai nhãn lớp bất thường “lạng lách” và bình thường “đi thẳng” trên tần số 50Hz. Sau khi tiền xử lý, biến đổi thu được dữ liệu đặc trưng dựa trên tập thuộc tính đặc trưng TFH2 được lựa chọn để nhận dạng hành động như trong Chương 2. Thực nghiệm thực hiện với 3 tập dữ liệu thu được từ các kích thước cửa sổ 4 giây, 5 giây và 6 giây bằng thuật tốn RF và kỹ thuật học sâu, sử dụng đánh giá với CV10 3.5.4.2 Kết quả thực nghiệm Thực nghiệm phân lớp dữ liệu với thuật tốn RF và bộ phân lớp Dl4jMlpClassifier với phương pháp kiểm chứng chéo CV10 thu được kết quả phân lớp với độ đo Accuracy như Bảng 3 dưới đây: Kích thước cửa sổ RF Dl4jMlpClassifier 81,19% 89,33% 4 giây 5 giây 81,12% 86,57% 6 giây 80,97% 89,13% Bảng 3. Kết quả nhận dạng sử dụng CV10 Từ kết quả thu được khi sử dụng phương pháp phân lớp trên tập liệu kiểm tra cho kết quả phân lớp tốt nhất kích thước cửa sổ 4 giây. Với tập dữ liệu hành vi có nhãn bình thường/ bất thường. Kỹ thuật học sâu cho kết quả cao hơn so với RF là 8,14% 3.5.5 Kết quả thực nghiệm với giải pháp đề xuất 3.5.5.1 Dữ liệu thực nghiệm Phương pháp nhận dạng hành vi bất thường đề xuất với hướng tiếp cận đánh giá hành vi bất thường dựa trên hệ thống nhận dạng hành động cơ bản được trình bày ở Chương 2. Tập dữ liệu cảm biến gia tốc thu được chia thành hai phần với 70% là dữ liệu huấn luyện, phần còn lại sử dụng làm dữ liệu để kiểm tra 3.5.5.2 Kết quả thực nghiệm Với kết thu thực nghiệm tập liệu huấn luyện cho bộ tham số kích thước cửa sổ W = 6 giây, W’ = 2 giây và ngưỡng giá trị là phù hợp cho nhận dạng hành vi. Kết quả thực nghiệm trên tập kiểm tra với các tham số này cho kết quả thu được tỉ lệ nhận dạng hành vi bất thường như trong Bảng 3 dưới đây: S(W, ε ) S(6, 5) S(6, 6) S(6, 7) HV bất thường 90,86% 80,00% 66,28% HV bình thường 90,00% 90,81% 95,90% Trung bình 90.43% 85.41% 81.09% Bảng 3. Kết quả phát hiện hành vi của giải pháp đề xuất trên tập dữ liệu kiểm tra Từ kết quả trong Bảng 3 ta thấy, với kích thước 6 giây và giá trị ngưỡng cho kết quả là 90,43%; kết quả này cũng cao hơn phương pháp sử dụng DTW và phương pháp phân lớp sử dụng Dl4jMlpClassifier được trình bày trong Bảng 3 dưới đây: RF Phương pháp đề xuất Dl4jMlpClassifier 81.19% Tỉ lệ phát hiện 90,43% 59,6% 89,33% Bảng 3. Kết quả phát hiện hành vi của các phương pháp khác nhau Phương pháp DTW Giải pháp đề xuất nhận dạng hành vi bất thường dựa vào đánh giá một số hành động thay đổi bất thường trong khoảng thời gian ngắn bởi hệ thống nhận dạng hành động sẽ ít lệ thuộc vào việc xác định mẫu hành vi bất thường khi nhận dạng nên cho kết quả cao hơn 3.6 Kết luận Trong chương này, luận án tập trung nghiên cứu, khảo sát các kỹ thuật, phương pháp xác định tính bình thường và bất thường của hành vi giao thơng. Từ đó đề xuất giải pháp nhận dạng hành vi giao thơng bất thường dựa trên hệ thống nhận dạng. Thực nghiệm phát hiện hành vi bất thường với giải phát đề xuất cho thấy kết quả thu được cao hơn phương pháp sử dụng Dl4jMlpClassifier 1.1% so với DTW là 30,83%. Phương pháp này có thể thực hiện nhận dạng cho một số hành vi bất thường khác KẾT LUẬN Luận án đã tiến hành tìm hiểu, thu thập, khảo sát tính chất của dữ liệu cảm biến, các kỹ thuật phân tích dữ liệu áp dụng cho loại dữ liệu đặc thù này. Qua đó, xây dựng hệ thống nhận dạng và đề xuất giải pháp nhận dạng hành vi dựa trên hệ thống nhận dạng này Luận án đã thu được một số kết quả như sau: Xây dựng được tập thuộc tính đặc trưng phù hợp gồm 59 thuộc tính trên các miền thời gian, tần số cũng như thuộc tính Hjorth. Đề xuất giải pháp nhận dạng hành động giao thơng bản. Đề xuất giải pháp nhận dạng hành vi bất thường dựa trên các hành động cơ bản đã được xây dựng ở chương 2. Bên cạnh một số kết quả đã thu được, vẫn còn một số nội dung mà Luận án chưa thực hiện được, bao gồm: Xây dựng hệ thống hiển thị và và giám sát giao thơng. Từ đó, có thể nghiên cứu phân tích các tình huống giao thơng khác nhau. Đối với hành vi bất thường, Luận án mới chỉ dừng ở việc xây dựng mơ hình nhận dạng hành vi bất thường, thực hiện khảo sát với loại hành vi lạng lách của phương tiện xe máy mà chưa có điều kiện thu thập, phân tích nhiều dạng hành vi bất thường khác nhau, đối với các loại phương tiện khác nhau trong hệ thống giao thông. Số lượng các mẫu hành vi cũng chưa được thu thập đa dạng, đủ lớn từ nhiều đối tượng thực nghiệm, phủ hết các cảnh huống, điều kiện và trên các loại phương tiện khác nhau. Trong thời gian tới, chúng tôi sẽ tiếp tục hồn thiện nghiên cứu theo số cách tiếp cận khác như: Áp dụng các phương pháp lọc, đánh giá tập thuộc tính đặc trưng với mong muốn nâng cao hiệu quả của mơ hình phát hiện, nhận dạng, phát hiện hành động và hành vi bất thường. Tiến hành thực nghiệm, đánh giá trên các loại phương tiện khác ô tô, xe buýt, xe đạp số phương tiện phổ thông khác ở đô thị của Việt nam Xây dựng ứng dụng với dữ liệu theo thời gian thực. Mở rộng nghiên cứu xây dựng hệ thống mô phỏng, giám sát giao thông trực tuyến. Đây cũng là cơ sở để xây dựng các giải pháp quản trị giao thông thông minh cũng như hỗ trợ người dân đơ thị khi tham gia giao thơng DANH MỤC CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN [CT1]. Lu DN., Nguyen TT., Ngo TTT., Nguyen TH., Nguyen HN. (2016) Mobile Online Activity Recognition System Based on Smartphone Sensors In: Advances in Information and Communication Technology ICTA 2016 Advances in Intelligent Systems and Computing, vol 538. Springer, Cham. (SCOPUS) [CT2]. Lu DN ., Ngo TTT., Nguyen DN., Nguyen TH., Nguyen HN. (2017) A Novel Mobile Online Vehicle Status Awareness Method Using Smartphone Sensors In: Information Science and Applications 2017 ICISA 2017 Lecture Notes in Electrical Engineering, vol 424. Springer, Singapore. (SCOPUS) [CT3]. Lu DN., Tran TB., Nguyen DN., Nguyen TH., Nguyen HN. (2018) Abnormal Behavior Detection Based on Smartphone Sensors In: ContextAware Systems and Applications, and Nature of Computation and Communication ICCASA 2017, ICTCC 2017. Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering, vol 217. Springer, Cham.(SCOPUS) [CT4].Lu, D.N.; Nguyen, D.N.; Nguyen, T.H.; Nguyen, H.N. Vehicle Mode and Driving Activity Detection Based on Analyzing Sensor Data of Smartphones. Sensors 2018, 18, 1036. (SCIE) ... về hành động, hành vi giao thơng và bài tốn nhận dạng hành vi giao sử dụng dữ liệu cảm biến Chương 2: Xây dựng hệ thống nhận dạng hành động giao thơng cơ bản dựa trên cảm biến điện thoại. .. Với mong muốn xây dựng mơ hình phát hiện và đốn nhận hành vi bất thường sử dụng cảm biết gia tốc của điện thoại thơng minh, chúng tơi chọn đề tài: Nhận dạng hành vi của người tham gia giao thơng dựa trên cảm biến điện thoại làm đề... Chương 3: Dựa trên kết quả của hệ thống nhận dạng hành động, đề xuất giải pháp nhận dạng hành vi giao thơng, hành vi bất thường. TỔNG QUAN VỀ PHÂN TÍCH HÀNH VI 1.1 Giới thiệu Cảm biến thu được từ điện thoại được dùng phân tích trong nhiều