Phát hiện tình trạng giao thông dựa trên cơ sở dữ liệu hành vi người dùng điện thoại thông minh

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TRỊNH THỊ THIÊN NGA PHÁT HIỆN TÌNH TRẠNG GIAO THÔNG DỰA TRÊN CƠ SỞ DỮ LIỆU HÀNH VI NGƯỜI DÙNG ĐIỆN THOẠI THÔNG MINH LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà Nội – 2019 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ TRỊNH THỊ THIÊN NGA PHÁT HIỆN TÌNH TRẠNG GIAO THƠNG DỰA TRÊN CƠ SỞ DỮ LIỆU HÀNH VI NGƯỜI DÙNG ĐIỆN THOẠI THƠNG MINH Ngành: Cơng Nghệ Thơng Tin Chun ngành: Mạng máy tính truyền thơng liệu Mã số: 16025069 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: TS DƯƠNG LÊ MINH Hà Nội – 2019 LỜI CẢM ƠN Đầu tiên cho em gửi lời cảm ơn chân thành đến thầy Dương Lê Minh, thầy nhiệt tình hướng dẫn bảo em thực luận văn suốt thời gian vừa qua Giúp em lựa chọn đề tài phù hợp với lực thân, hội cho em học tập trau dồi thêm kiến thức, để em có thành tốt Em xin gửi lời cảm ơn đến thầy cô giáo trường Đại học Công Nghệ - Đại học Quốc Gia Hà Nội dạy dỗ, bảo em năm học trường, trang bị cho em kiến thức cần thiết để em hồn thành khố luận hành trang cho em sau Cuối cùng, em xin gửi lời cảm ơn đến bạn bè, người thân động viên, giúp đỡ, tạo điều kiện để em hoàn thành luận văn Mặc dù cố gắng kiến thức nhiều hạn chế nên luận văn em tránh khỏi sai sót Em mong nhận góp ý thầy bạn để em hồn thiện khắc phục thiếu sót Em xin chân thành cảm ơn! LỜI CAM ĐOAN Em Trịnh Thị Thiên Nga, học viên K23 trường Đại học Công Nghệ - Đại học Quốc gia Hà Nội, xin khẳng định khoá luận tốt nghiệp “PHÁT HIỆN TÌNH TRẠNG GIAO THƠNG DỰA TRÊN CƠ SỞ DỮ LIỆU HÀNH VI NGƯỜI DÙNG ĐIỆN THOẠI THÔNG MINH” luận văn nghiên cứu riêng cá nhân em hướng dẫn thầy Dương Lê Minh Tất tài liệu trích dẫn có nguồn gốc rõ ràng Nếu có sai phạm, em xin chịu hồn tồn trách nhiệm Hà Nội, Ngày 10 tháng 06 năm 2019 Tác giả luận văn Trịnh Thị Thiên Nga MỤC LỤC DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT DANH MỤC CÁC HÌNH ẢNH ĐẶT VẤN ĐỀ CHƯƠNG 1: TỔNG QUAN VỀ GIAO THÔNG VẬN TẢI VÀ THIẾT BỊ CẢM ỨNG TRÊN ĐIỆN THOẠI THÔNG MINH 1.1 Tổng quan Giao thông vận tải đô thị 1.1.1 Mạng lưới đường đô thị 1.1.2 Phương tiện giao thông đô thị 1.1.3 Nút giao thông 1.1.4 Vai trị giao thơng vận tải q trình phát triển thị 1.1.5 Lưu lượng giao thông tối ưu ùn tắc giao thông đô thị 10 1.2 Tổng quan cảm biến 12 1.2.1 Khái niệm cảm biến 12 1.2.2 Cảm biến điện thoại thông minh 13 1.2.3 Cảm biến gia tốc 13 1.2.4 Cảm biến quay hồi chuyển 14 1.2.5 Cảm biến từ kế 16 1.2.6 GPS 17 1.2.7 Những cảm biến khác 18 1.3 Mục tiêu luận văn 18 CHƯƠNG 2: CƠ SỞ LÝ THUYẾT 21 2.1 Thu thập liệu từ cảm biến điện thoại thông minh 21 2.1.1 Ứng dụng Traffic Detection Engine 21 2.1.2 Địa điểm thời gian 22 2.1.3 Quá trình thu thập liệu từ cảm biến điện thoại thông minh 23 2.2 Phương pháp DI (Main Direction and Inflow) 24 2.2.1 Bộ liệu GPS 25 2.2.2 Đồ thị không gian thời gian 25 2.3 Chỉ số phương pháp DI 27 2.4 Thiết kế phương pháp DI 29 2.5 Cơng thức dự đốn tình trạng tắc nghẽn phương pháp DI 30 CHƯƠNG 3: PHƯƠNG PHÁP DI TRÊN VỚI DỮ LIỆU THẬT 34 3.1 Xử lý liệu thô phương pháp DI 34 3.2 Ước tính tình trạng giao thơng 38 3.3 So sánh độ xác Estimation module kết chuẩn 40 3.4 Nhận xét Phương pháp DI 41 3.5 Mục tiêu thời gian 42 KẾT LUẬN 43 TÀI LIỆU THAM KHẢO 44 DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT STT Từ viết tắt Cụm từ đầy đủ GPS Global Positioning System CQS Congestion Quality Status GST Graph of spatio-time DI Main direction and Inflow DCE Density Clustering Estimation FCE Fuzzy Comprehensive Estimation ÙTGT Ùn tắc giao thông VOV Voice of Vietnam DANH MỤC CÁC HÌNH ẢNH Hình 1: Tình trạng ùn tắc giao thông số khu vực Hà nội 10 Hình 2: Biểu đồ thể chi phí cá nhân xã hội[1] 11 Hình 3: Cảm biến gia tốc điện thoại thông minh 14 Hình 4: Chụp ảnh 360 độ ứng dụng cảm biến quay hồi chuyển 15 Hình 5: Mơ tả hoạt động quay hồi chuyển 15 Hình 6: Bảng mạch từ kế gắn vào điện thoại thông minh 16 Hình 7: Cảm biến từ kế xác định xác hướng điện thoại thơng minh 16 Hình 8: GPS xác định vị trí đồ 17 Hình 9: Tình trạng giao thơng lý tưởng tương lai 19 Hình 10: Ứng dụng Traffic Detection Engine với giao diện Login 21 Hình 11: Bản đồ khu vực trung tâm TP Hà nội 22 Hình 12: Quá trình thu thập liệu 23 Hình 13: Bảng mơ tả phân loại liệu 24 Hình 14: Bảng mơ tả chia đồ thành ô 26 Hình 15: Bản đồ khu vực Hà nội chia thành ô 26 Hình 16: Bảng phân loại hướng 27 Hình 17: Hướng đồ 28 Hình 18: Thiết kế phương pháp DI 29 Hình 19: Bảng tham số phương pháp DI 32 Hình 20: Tình trạng giao thơng phân loại theo màu sắc ô vuông 33 Hình 21: Bảng liệu đối tượng tham gia thu thập liệu 36 Hình 22: Dữ liệu thu thập từ đối tượng tham gia giao thơng 36 Hình 23: Bảng liệu chia đồ thành ô 37 Hình 24: Bài toán xử lý liệu 37 Hình 25: Bảng liệu thu sau xử lý liệu thơ 38 Hình 26: Bảng giá trị tham số Estimation module 38 Hình 27: Tính tốn với Estimation module 39 Hình 28: Kết dự đốn tình trạng giao thông với Estimation module 39 Hình 29: Tỷ lệ so sánh Phương pháp DI với thực tế 40 Hình 30: Dữ liệu thực tế tình trạng giao thơng khu vực Hà nội 40 Hình 31: Bài tốn so sánh kết dự đốn tính trạng thực tế 41 ĐẶT VẤN ĐỀ Ùn tắc giao thông vấn đề nan giải hầu hết thành phố lớn giới Đặc biệt quốc gia phát triển Việt Nam Hệ lụy ÙTGT ảnh hưởng tiêu cực tới nhiều mặt đời sống xã hội Để giải tình trạng ÙTGT việc phải lấy liệu từ người tham gia thông, xử lý sử dụng liệu từ ước tính tình trạng tắc nghẽn nút giao thông Tuy nhiên việc xử lý sử dụng liệu để mạng lại tính xác hiệu cao đến với người dùng Trước vấn đề em xây dựng luận văn với mong muốn lấy liệu từ thiết bị cảm biến điện thoại thông minh để tiết kiệm chi phí sau xử lý liệu lấy để đưa số cho phép phản ánh xác tốt khả di chuyển xe giới khu vực Hà nội Từ dự đốn tình trạng giao thông, đáp ứng nhu cầu người tham gia thông giao biết thơng tin tình hình giao thơng khu vực mà họ muốn qua  Trực tuyến: Input: Dữ liệu thô thu thập từ cảm biến điện thoại Bước 1: Thu thập tiền xử lý liệu từ cảm biến điện thoại thông qua ứng dụng đẩy liệu trung tâm xử lý Bước 2: Mô-đun GPS Indexing xử lý liệu thô thu liệu GST Index + GST Indexing module: Mô-đun sử dụng ánh xạ băm để ánh xạ quỹ đạo GPS vào GST + GST Index: Bộ liệu chứa thuộc tính Bước 3: Dữ liệu GST Index tính tốn theo số số lượng hướng kết hợp vận tốc trung bình dịng chảy GST tạo thành liệu Detail GST Index Output: Detail GST Index  Ngoại tuyến: Input: Bộ liệu “Detailed GST index” Bước 4: Dùng liệu “Detailed GST Index” làm liệu tính tốn qua cơng thức “Congestion Quality Status” • So sánh kết tính tốn từ cơng thức với kết tình trạng lấy thực tế • Điều tham số cơng thức để đưa kết có tỷ lệ xác đáp ứng yêu cầu  Đưa “Estimation module” Bước 5: Khi có “Estimation module” sử dụng liệu trực tuyến lấy Bước3 để đưa tình trạng giao thơng thời gian thực gửi kết ghi lại sở liệu để cung cấp thông tin thông qua ứng dụng điện thoại web cần Output: Kết dự đốn tình trạng giao thơng 2.5 Cơng thức dự đốn tình trạng tắc nghẽn phương pháp DI Dự đốn tình trạng tắc nghẽn CQSg,t (Congestion Quality Status) ô thời gian t dự đoán dựa hai số vận tốc trung bình dịng chảy có hướng kết hợp với số lượng hướng Chia tình trạng giao thơng làm bốn mức độ: • Nhanh: Khu vực có mật độ tham gia giao thơng thập, tốc độ di chuyển nhanh chóng, thuận lợi việc di chuyển 30 • Bình thường: Khu vực tương đối thơng thống, lượng tham gia giao thơng khơng cao, tốc độ di chuyển bình thường, thuận lợi việc di chuyển • Đơng đúc: Khu vực đơng đúc, mật độ tham gia giao thông cao, tốc độ di chuyển tương đối chậm, di chuyển Tình trạng thường xuyên xảy cao điểm tuyến đường trung tâm thành phố Diễn biến tình hình tương đối phức tạp • Ùn tắc: Khu vực vô đông đúc chật chội, mật độ tham gia giao thông cao, di chuyển vơ khó khăn Tình trạng hay xảy cao điểm tuyến đường nút giao thông trọng điểm trung tâm thành phố Diễn biến tình hình vơ phức tạp Dự đốn tình trạng giao thơng kết hợp α β đó: α: Số lượng hướng αi ={0,1, 2,3,4,5,6,7,8} β: Vận tốc trung bình dịng chảy km/h ≤ β j ≤ 60 km/h (Tốc độ tối đa di chuyển thành phố 60 km/h) CQSg,t đánh số sau cho ơ: • Nhanh • Bình thường • Đơng đúc • Ùn tắc Vận tốc trung bình β có ba tham số “β1, β2, β3” đại diện cho ba ngưỡng vận tốc trung bình dịng chảy kết hợp với tham số số lượng hướng chinh α ô Từ thể cho bốn mức độ tình trạng giao thơng đồ CQSg,t tính tốn sau: • Nếu αi = Khu vực hồn tồn thơng thống • Nếu αi = Thì vận tốc trung bình β nằm khoảng: • { β1 < β j ≤ 60 km/h } Nhanh Bình thường • { β2 < β j ≤ β1 } Đơng đúc • { β3 < β j ≤ β2 } Ùn tắc • { ≤ β j ≤ β3 } 31 • Nếu αi = αi = Thì vận tốc trung bình β nằm khoảng: • { β1 < β j ≤ 60 km/h } Nhanh Bình thường • { β2 < β j ≤ β1 } • { β3 < β j ≤ β2 } Đơng đúc Ùn tắc • { ≤ β j ≤ β3 } • Nếu αi ≥ Thì vận tốc trung bình β nằm khoảng: • { β1 < β j ≤ 60 km/h } Nhanh Bình thường • { β2 < β j ≤ β1 } • { β3 < β j ≤ β2 } Đơng đúc • { ≤ β j ≤ β3 } Ùn tắc Giá trị ba tham số “β1, β2, β3” tương ứng với giá trị tham số αi điều chỉnh cấu hình bảng tham số sau: STT αi β3 β2 β1 {0} 0 {1} 16 (km/h) 21 (km/h) 35 (km/h) { 2, 3} 15 (km/h) 22 (km/h) 30 (km/h) {≥4} 13 (km/h) 18 (km/h) 25 (km/h) Hình 19: Bảng tham số phương pháp DI Estimation module mơ đun ước tính tình trạng giao thơng tính tốn dựa cơng thức “CQSg,t” qua tham số gồm số lượng hướng αi vận tốc trung bình dịng chảy β ngưỡng tham số “β1, β2, β3” Với “Estimation module” cung cấp thơng tin cho người dùng tình hình giao thơng theo khu vực đồ Ví dụ: Trong Hình:20 phía người tham gia giao thơng biết tình trạng giao thông khu vực nội thành hà nội, thông qua ô lưới với màu sắc minh họa rõ ràng dễ hiểu 32 Hình 20: Tình trạng giao thông phân loại theo màu sắc ô vuông • Màu xanh: Khu vực tương đối thơng thống, lượng tham gia giao thông không cao, tốc độ di chuyển bình thường, thuận lợi việc di chuyển • Màu vàng: Khu vực đông đúc, mật độ tham gia giao thông cao, tốc độ di chuyển tương đối chậm, di chuyển • Màu đỏ: Khu vực vô đông đúc chật chội, mật độ tham gia giao thông cao, di chuyển vô khó khăn 33 CHƯƠNG 3: PHƯƠNG PHÁP DI TRÊN VỚI DỮ LIỆU THẬT 3.1 Xử lý liệu thô phương pháp DI  Thuật toán xử lý liệu thô Input: Dữ liệu thô thu từ ứng dụng điện thoại thông minh lưu vào sở liệu Traj = { p1, p2, …,pn} Mỗi pj = { IDj ; (x,y) j; vj ; dirj ; tj } G = { g1, g2, …., gn } Mỗi gi ={ Kích thước ; tọa độ (x i,y i) } Output: Bộ liệu Detailed GST index Đặc biệt đưa hai số số lượng hướng vận tốc trung bình dịng chảy với thời gian định Mơ tả thuật tốn: Lấy liệu thơ cần tính tốn từ cở sở liệu gồm: Traj = { p1, p2, …,pn} Với pj = { IDj ; (xj,yj) ; vj ; dirj ; tj } G = { g1, g2, …., gn } Với gi={ Kích thước , tọa độ (xi,yi) } Dựa vào tọa độ (xj,yj) pj tọa độ (xi,yi) ô gi Xác định pj thuộc ô gi thời gian t Mật độ ô gi tập hợp tất đối tượng pj có tọa độ nằm khoảng tọa độ gi thời gian t Được tính cơng thức sau: 𝒅𝒆𝒏𝒈,𝒕 = � 𝑝𝑗 𝑝𝑗∈𝑔 Trong đó: 𝑑𝑒𝑛𝑔,𝑡 mật độ ô gi thời điểm t pj đối tượng thuộc ô gi thời điểm t 34 Tất đối tượng pj thuộc ô gi thời gian t có hướng với thuộc dịng chảy hướng hướng dòng chảy Hướng dòng chảy hướng sau: Bắc, Đông Bắc, Đông, Đông Nam, Nam, Tây Nam, Tây, Tây Bắc Mật độ dòng chảy I ô gi thời gian t tập hợp tất đối tượng pj có hướng thuộc gi Được tính cơng thức sau: 𝒅𝒆𝒏𝑰,𝒕 = � 𝑝𝑗 𝑝𝑗∈𝐼 Trong đó: 𝑑𝑒𝑛𝐼,𝑡 mật độ dịng chảy I thuộc gi thời điểm t pj đối tượng thuộc dòng chảy I thuộc ô gi thời điểm t Vận tốc trung bình dịng chảy I gi thời gian t tổng vận tốc trung bình đối tượng pj thuộc dòng chảy I mật độ dịng chảy I Được tính cơng thức sau: 𝑽𝒕𝒃𝑰,𝒕= ∑pj∈I vj 𝑑𝑒𝑛𝐼,𝑡 Trong đó: 𝑉𝑡𝑏𝐼,𝑡 mật độ dịng chảy I thuộc gi thời điểm t vj vận tốc trung bình đối tướng pj thuộc dòng chảy I thời điểm t 𝑑𝑒𝑛𝐼,𝑡 mật độ dòng chảy I thuộc ô gi thời điểm t Trong thực tế có nhiều hướng di chuyển ơ, nhiên để phản ánh tình trạng di chuyển ô nên tập trung vào hướng di chuyển chính, hướng có mật độ tham gia giao thơng tương đối cao so với mật độ tồn bỏ qua hướng có mật độ tham gia giao thơng thấp Vậy hướng dịng chảy I hướng gi tỷ lệ mật độ dịng chảy I mật độ gi thời điểm t lớn 20% (Giá trị 20% dựa khảo sát thực tế) Được tính cơng thức sau: 𝑘= 𝒅𝒆𝒏𝑰,𝒕 ∗ 100% 𝒅𝒆𝒏𝒈,𝒕 35 Trong đó: 𝑑𝑒𝑛𝐼,𝑡 mật độ dịng chảy I thuộc ô gi thời điểm t 𝑑𝑒𝑛𝑔,𝑡 mật độ ô gi thời điểm t Nếu k ≥ 20%: Hướng dòng chảy I hướng thuộc gi Nếu k < 20%: Hướng dịng chảy I khơng phải hướng thuộc ô gi Hình 21: Bảng liệu đối tượng tham gia thu thập liệu Hình 22: Dữ liệu thu thập từ đối tượng tham gia giao thông 36 Hình 23: Bảng liệu chia đồ thành Hình 24: Bài tốn xử lý liệu 37 Hình 25: Bảng liệu thu sau xử lý liệu thơ 3.2 Ước tính tình trạng giao thơng Estimation module giúp ước tính tình trạng giao thông dựa hai số số lượng hướng α vận tốc trung bình β có ba tham số “β1, β2, β3” đại diện cho ba ngưỡng thể bốn mức độ tình trạng giao thông khu vực chia thành đồ Sau q trình tính tốn liệu thật đưa tham số α β với ngưỡng “β1, β2, β3” có giá trị cụ thể sau: STT α β3 β2 β1 {0} 0 {1} 16 (km/h) 21 (km/h) 35 (km/h) { 2, 3} 15 (km/h) 22 (km/h) 30 (km/h) {≥4} 13 (km/h) 18 (km/h) 25 (km/h) Hình 26: Bảng giá trị tham số Estimation module 38 Trong đó: α: Số lượng hướng αi ={0,1, 2,3,4,5,6,7,8} β: Vận tốc trung bình dịng chảy (0 km/h ≤ β j ≤ 60 km/h) Hình 27: Tính tốn với Estimation module Hình 28: Kết dự đốn tình trạng giao thông với Estimation modul 39 3.3 So sánh độ xác Estimation module kết chuẩn Sử dụng kết dự đốn tình trạng giao thơng Estimation module giá trị tham số α “β1, β2, β3” mục [3.2] so sánh với liệu tình trạng giao thơng khảo sát thực tế khu vực  Bộ liệu gồm có: • Bảng Markers: 50591 ghi Lưu trữ liệu thu từ ứng dụng Traffic Detection Engine • Bảng Reports: 50 ghi Lưu trữ kết kết chuẩn tình trạng giao thông  Kết so sánh với tỷ lệ xác: 71.43 % Phân tích số trường hợp Estimation module dự đốn sai so với tình trạng thực tế tình trạng đặc biệt, chưa đưa giải pháp số trường hợp riêng biệt Hình 29: Tỷ lệ so sánh Phương pháp DI với thực tế Hình 30: Dữ liệu thực tế tình trạng giao thơng khu vực Hà nội 40 Hình 31: Bài tốn so sánh kết dự đốn tính trạng thực tế 3.4 Nhận xét Phương pháp DI Phương pháp DI với dự đoán “Estimation module” phương pháp tính tốn dựa hai số giúp phản ánh xác khả di chuyển xe giới khu vực trung tâm hà nội Việc tính tốn hai số dựa không phức tạp việc xử lý liệu, đơn giản dễ điều chỉnh với tham số linh hoạt Đã lại mang lại kết 70% dự đốn xác, tin cậy đến với người sử dụng Phân tích trường hợp Estimation module dự đốn sai so với tình trạng thực tế tình trạng đặc biệt, chưa đưa dự đốn xác số trường hợp riêng biệt Tuy so với nhiều phương pháp kết dự đoán đưa trước 70% khơng phải tỷ lệ cao, thấy phương pháp DI dễ triển khai điều kiện mơ hình nhỏ với chi phí thấp 41 3.5 Mục tiêu thời gian Trên kết mà luận văn đạt Tuy nhiên luận văn nhiều hạn chế tiến hành thực nghiệm việc liệu thu thập phạm vi nhỏ khoảng thời gian ngắn Với hạn chế nêu trên, số hướng mở rộng nghiên cứu tìm hiểu tương lai: • Thu thập liệu phạm vi rộng hơn, khoảng thời gian lâu • Điều chỉnh thuật tốn ước lượng tình trạng tắc nghẽn kết hợp nhiều số kết hợp với Machine learning có nguồn liệu lớn cần xử lý • Phát triển nâng cấp ứng dụng việc thu thập liệu mà đồ thu gọn cho thể cung cấp thông tin trực tiếp lên trung tâm xử lý Lấy nhận liệu xử lý cung cấp cho đối tượng thơng tin “Dự đốn tình trạng giao thông theo khu vực đồ kèm theo % xác thời gian di chuyển theo tuyến đường” • Mở rộng ứng dụng khơng chạy hệ điều hành Android chạy hệ điều hành IOS 42 KẾT LUẬN Sau trình tìm hiểu nghiên cứu đề xuất phương pháp DI luận văn đạt kết sau: Đầu tiên luận văn đưa nhìn tổng quan giao thông vận tải đô thị đặc biệt vấn đề lớn giao thơng thị tình trạng ùn tắc giao thông thường xuyên xảy đô thị lớn Đó vấn đề nghiêm trọng giao thơng thị khơng ảnh hưởng trực tiếp đến sống hàng ngày mà cịn gây thiệt hại lớn cho xã hội, kìm nén phát triển kinh tế xã hội Thêm vào tình hình giao thơng ngày diễn biến phức tạp thay đổi liên tục theo thời gian cộng thêm sách mở rộng, quy hoạch đường sá chưa đạt hiệu cao Người tham gia giao thơng lại muốn có thơng tin dự báo tình hình giao thơng tuyến đường cách cụ thể từ họ để đưa giải pháp tham gia giao thông Sau hiểu bất cập trước tình hình giao thơng ảnh hưởng ùn tắc giao thông phát triển đất nước, luận văn đưa phương pháp để giúp cung cấp thơng tin tình trạng giao thơng từ giảm thiểu ÙTGT phương pháp DI Phương pháp kết hợp số “Main Direction Inflow” để phản ánh tình hình giao thơng theo khu vực từ việc chia đồ thành ô thu thập liệu từ cảm biến điện thoại thông minh Việc thu thập liệu từ cảm biến điện thoại thông minh tiện lợi, tiết kiệm chi phí thiết bị, nguồn liệu mang lại đa dạng mà cịn dễ dàng q trình xử lý tính tốn Luận văn trình bày tảng việc thu thập liệu tảng phương pháp DI dựa hai số để giúp phản ánh tình trạng giao thơng khu vực nội thành Hà nội Kết thực tế phương pháp DI mang lại kết dự đốn tình hình giao thơng khu vực cho tỷ lệ xác >70% Việc áp dụng phương pháp tiền đề để đưa nhiều phương pháp nhiều Giúp đưa giải pháp giảm thiếu tắc nghẽn giao thông đô thị tương lai 43 TÀI LIỆU THAM KHẢO [1] Chương trình Phát triển Đơ thị Tổng thể Thủ đô Hà Nội (HAIDEP) Báo cáo cuối Quyển I: QUY HOẠCH TỔNG THỂ [2] Wolverine - Traffic and Road Condition Estimation using Điện thoại thông minh Cảm biến_2012 [3] Road Surface Monitoring Using smartphone sensors [4] Efficient traffic congestion estimation using multiple spatio-temporal properties 2017 [5] Road Traffic Congestion in the Developing World_2012 [6] Smart Traffic Light Control System_2017 [7] H Yue , E.G Jones , P Revesz , Local polynomial regression models for average traffic speed estimation and forecasting in linear constraint databases, in: Pro- ceedings of the International Symposium on Temporal Representation and Rea- soning, 2010, pp 154–161 [8] W Pattara-Atikom , P Pongpaibool , S Thajchayapong , Estimating road traffic congestion using vehicle velocity, in: Proceedings of the International Confer- ence on ITS Telecommunications, 2006, pp 1001–1004 [9] W Pattara-Atikom , R Peachavanish , R Luckana ,Estimating road traffic congestion using cell dwell time with simple threshold and fuzzy logic techniques, in: Proceedings of the IEEE Intelligent Transportation Systems Conference (ITSC), 2007, pp 956–961 [10] C.H Lo , W.C Peng , C.W Chen , T.Y Lin , C.S Lin ,Carweb: a traffic data collec- tion platform, in: Proceedings of the International Conference on Mobile Data Management, 2008, pp 221–222 [11] J.D Zhang , J Xu , S.S Liao , Aggregating and sampling methods for processing GPS data streams for traffic state estimation, IEEE Trans Intell Transp Syst 14 (4) (2013) 1629–1641 [12] Y Chen , Y Liu , A new method for GPS-based urban vehicle tracking using pareto frontier and fuzzy comprehensive judgment, in: Proceedings of the IEEE International Geoscience & Remote Sensing [13] Bài báo EASTS 9_1588 [14] Least Squares Support Vector Machine Classifiers [15] No Free Lunch Theorems for Optimization David H Wolpert and William G Macready [16] Bishop, Christopher M “Pattern recognition and Machine Learning.” [17] Duda, Richard O., Peter E Hart, and David G Stork Pattern classification John Wiley & Sons, 2012 44