Nhận dạng hành vi của người tham gia giao thông dựa trên cảm biến điện thoại

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Lữ Đăng Nhạc NHẬN DẠNG HÀNH VI CỦA NGƢỜI THAM GIA GIAO THÔNG DỰA TRÊN CẢM BIẾN ĐIỆN THOẠI LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN HÀ NỘI – 2019 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Lữ Đăng Nhạc NHẬN DẠNG HÀNH VI CỦA NGƢỜI THAM GIA GIAO THÔNG DỰA TRÊN CẢM BIẾN ĐIỆN THOẠI Chuyên ngành: Hệ thống Thông tin Mã số: 9480401.01 LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS TS NGUYỄN HÀ NAM PGS TS PHAN XUÂN HIẾU Hà Nội – 2019 LỜI CAM ĐOAN Tôi xin cam đoan công trình nghiên cứu tơi thực hướng dẫn PGS.TS Nguyễn Hà Nam PGS.TS Phan Xuân Hiếu Bộ môn Hệ thống Thông tin, Khoa Công nghệ Thông tin, Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội Các số liệu kết trình bày luận án trung thực chưa cơng bố cơng trình khác Tác giả Lữ Đăng Nhạc LỜI CẢM ƠN Luận án thực Bộ môn Hệ thống Thông tin-Khoa CNTT-Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội, hướng dẫn PGS.TS Nguyễn Hà Nam PGS.TS Phan Xuân Hiếu Trước tiên, xin bày tỏ lòng biết ơn sâu sắc tới PGS.TS Nguyễn Hà Nam PGS.TS Phan Xuân Hiếu Những người Thầy tận tụy dạy, giúp đỡ giải vấn đề khó khăn nghiên cứu khoa học sống Tôi xin gửi lời cảm ơn tới tập thể Thầy, Cô giáo, Nhà khoa học khoa CNTT truyền đạt kiến thức quý báu tạo điều kiện thuận lợi cho q trình học tập nghiên cứu Để có liệu phục vụ cho nghiên cứu, xin gửi lời cảm ơn tới Nhóm nghiên cứu PGS.TS Nguyễn Hà Nam giúp thu thập liệu tiến hành số thực nghiệm liên quan đến Luận án Tôi gửi lời tri ân tới bạn bè, đồng nghiệp, người thân giúp đỡ hỗ trợ tơi suốt q trình nghiên cứu Cuối cùng, tơi vơ biết ơn gia đình, bố mẹ, anh chị em, đặc biệt vợ hai nhỏ tôi, người động viên, giành điều kiện tốt để tơi hồn thành chương trình nghiên cứu Lữ Đăng Nhạc Hà Nội, 2019 ii MỤC LỤC LỜI CAM ĐOAN I LỜI CẢM ƠN II MỤC LỤC III DANH MỤC KÝ HIỆU VÀ TỪ VIẾT TẮT V DANH MỤC HÌNH ẢNH VII DANH MỤC BẢNG BIỂU IX MỞ ĐẦU Tính cấp thiết luận án Mục tiêu luận án Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Đóng góp luận án Bố cục luận án CHƢƠNG TỔNG QUAN VỀ NHẬN DẠNG HÀNH VI 1.1 Giới thiệu 1.2 Một số khái niệm 1.2.1 Hành động giao thông 1.2.2 Hành vi giao thông 1.3 Sử dụng liệu cảm biến để phân tích hành vi 10 1.4 Một số nghiên cứu liên quan 13 1.5 Phương pháp nhận dạng hành vi giao thông dựa cảm biến 20 1.6 Kết luận 24 CHƢƠNG NHẬN DẠNG HÀNH ĐỘNG GIAO THÔNG 25 2.1 Giới thiệu 25 2.2 Sử dụng liệu cảm biến để nhận dạng hành động giao thông 25 2.3 Một số nghiên cứu liên quan 26 2.4 Hệ thống nhận dạng hành động sử dụng cảm biến gia tốc 30 2.4.1 Một số kiến thức sở 30 2.4.2 Tập thuộc tính đặc trưng 50 iii 2.4.3 2.5 2.6 Đề xuất hệ thống nhận dạng hành động 52 Thực nghiệm đánh giá 57 2.5.1 Môi trường thực nghiệm 57 2.5.2 Dữ liệu thực nghiệm 58 2.5.3 Lựa chọn tập thuộc tính 61 2.5.4 Khảo sát thuật toán phân lớp 64 2.5.5 Xây dựng liệu huấn luyện 65 2.5.6 Đánh giá hệ thống đề xuất so với số nghiên cứu tại[CT4] 70 Kết luận 72 CHƢƠNG NHẬN DẠNG HÀNH VI BẤT THƢỜNG 73 3.1 Giới thiệu 73 3.2 Bài toán nhận dạng hành vi bất thường 73 3.2.1 Nhận dạng bất thường 73 3.2.2 Sử dụng cảm biến điện thoại để nhận dạng hành vi bất thường 77 3.3 nhằm nâng cao hiệu hệ thống nhận dạng phương tiện hành động giao thông Phương pháp đề xuất thử nghiệm đánh giá kết dựa liệu tự thu thập số liệu công bố Dựa vào kết nhận dạng hành động giao thông, đề xuất kỹ thuật phát hành vi bất thường cách phân đoạn cửa sổ liệu hành động giao thông thành đoạn với kích thước cửa sổ đủ nhỏ áp dụng phương pháp nhận dạng hành động với cửa sổ liệu Sự sai khác kết nhận dạng có với nhãn lớp hành động giao thơng sở để phân loại hành vi giao thông dựa kỹ thuật so khớp chuỗi Phương pháp đề xuất so sánh, đánh giá liệu thu thập phân tích với số kỹ thuật phát thường dùng toán nhận dạng hành vi giao thông khác Luận án thu số kết sau: - Xây dựng tập thuộc tính đặc trưng phù hợp gồm 59 thuộc tính miền thời gian, tần số thuộc tính Hjorth - Đề xuất giải pháp nhận dạng hành động giao thông - Đề xuất giải pháp nhận dạng hành vi bất thường dựa hành động xây dựng chương Bên cạnh số kết thu được, số nội dung mà Luận án chưa thực được, bao gồm: - Xây dựng hệ thống hiển thị giám sát giao thơng Từ đó, nghiên cứu phân tích tình giao thơng khác - Đối với hành vi bất thường, Luận án dừng việc xây dựng mơ hình nhận dạng hành vi bất thường, thực khảo sát với loại hành vi lạng lách 103 phương tiện xe máy mà chưa có điều kiện thu thập, phân tích nhiều dạng hành vi bất thường khác nhau, loại phương tiện khác hệ thống giao thông - Số lượng mẫu hành vi chưa thu thập đa dạng, đủ lớn từ nhiều đối tượng thực nghiệm, phủ hết cảnh huống, điều kiện loại phương tiện khác Trong thời gian tới, chúng tơi tiếp tục hồn thiện nghiên cứu theo số cách tiếp cận khác như: - Áp dụng phương pháp lọc, đánh giá tập thuộc tính đặc trưng với mong muốn nâng cao hiệu mơ hình phát hiện, nhận dạng, phát hành động hành vi bất thường - Tiến hành thực nghiệm, đánh giá loại phương tiện khác ô tô, xe buýt, xe đạp số phương tiện phổ thông khác đô thị Việt nam - Mở rộng tập hành động khác liên quan đến thay đổi tốc độ, thay đổi hướng điều khiển phương tiện Dựa hành động mở rộng tập hành vi bất thường cho tốn nhận dạng, ví dụ như: thay đổi vận tốc đột ngột số hành vi bất thường khác - Xây dựng ứng dụng với liệu theo thời gian thực - Mở rộng nghiên cứu xây dựng hệ thống mô phỏng, giám sát giao thông trực tuyến Đây sở để xây dựng giải pháp quản trị giao thông thông minh hỗ trợ người dân đô thị tham gia giao thơng 104 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) 105 TÀI LIỆU THAM KHẢO [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] T Toroyan, “Global status report on road safety,” World Heal Orgainisation, p 318, 2015 L Bedogni, M Di Felice, and L Bononi, “By train or by car? Detecting the user’s motion type through smartphone sensors data,” IFIP Wirel Days, 2012 A C Prelipcean, G Gidófalvi, and Y O Susilo, “Transportation mode detection– an in-depth review of applicability and reliability,” Transp Rev., vol 37, no 4, pp 442–464, 2017 M Van Ly, S Martin, and M M Trivedi, “Driver classification and driving style recognition using inertial sensors,” IEEE Intell Veh Symp Proc., no Iv, pp 1040– 1045, 2013 D A Johnson and M M Trivedi, “Driving style recognition using a smartphone as a sensor platform,” IEEE Conf Intell Transp Syst Proceedings, ITSC, pp 1609– 1615, 2011 M Fazeen, B Gozick, R Dantu, M Bhukhiya, and M C González, “Short Papers Safe Driving Using Mobile Phones,” pp 1–7, 2012 C Lee, F Saccomanno, and B Hellinga, “Analysis of Crash Precursors on Instrumented Freeways,” Transp Res Rec., vol 1784, no 1, pp 1–8, 2002 J Zaldivar, C T Calafate, J C Cano, and P Manzoni, “Providing accident detection in vehicular networks through OBD-II devices and android-based smartphones,” Proc - Conf Local Comput Networks, LCN, pp 813–819, 2011 B Anbaroğlu, T Cheng, and B Heydecker, “Non-recurrent traffic congestion detection on heterogeneous urban road networks,” Transp A Transp Sci., vol 11, no 9, pp 754–771, 2015 Hoàng Phê (Chủ biên), Từ điển Tiếng Việt - GS Hoàng Phê Nhà xuất Hồng Đức, 2016 E Carvalho, B V Ferreira, C De Souza, Y Suhara, A Pentland, and G Pessin, “Driver behavior profiling : An investigation with different smartphone sensors and machine learning,” pp 1–16, 2017 G Singh, D Bansal, and S Sofat, “A Smartphone Based Technique to Monitor Driving Behavior using DTW and Crowdsensing,” Pervasive Mob Comput., 2017 Z Liu, M Wu, K Zhu, and L Zhang, “SenSafe : A Smartphone-Based Traffic Safety Framework by Sensing Vehicle and Pedestrian Behaviors,” vol 2016, 2016 C Ma, X Dai, J Zhu, N Liu, H Sun, and M Liu, “DrivingSense: Dangerous Driving Behavior Identification Based on Smartphone Autocalibration,” Mob Inf Syst., vol 2017, 2017 J Yu, Z Chen, Y Zhu, Y Chen, L Kong, and M Li, “Fine-grained Abnormal Driving Behaviors Detection and Identification with Smartphones,” vol 1, no c, pp 1–14, 2016 R Goregaonkar and S Bhosale, “Driving Assistance and Accident Monitoring Using Three Axis Accelerometer and GPS System,” Int J Sci Res., vol 3, no 6, pp 393–398, 2014 D A Johnson and M M Trivedi, “Driving Style Recognition Using a Smartphone as a Sensor Platform,” pp 1609–1615, 2011 A H Ali, A Atia, and M.-S M Mostafa, “Recognizing Driving Behavior and Road 106 [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] Anomaly Using Smartphone Sensors,” Int J Ambient Comput Intell., vol 8, no 3, pp 22–37, Jul 2017 L Liu, Y Peng, S Wang, M Liu, and Z Huang, “Complex activity recognition using time series pattern dictionary learned from ubiquitous sensors,” Inf Sci (Ny)., vol 340–341, pp 41–57, 2016 P Vavouranakis, S Panagiotakis, G Mastorakis, C X Mavromoustakis, and J M Batalla, “Recognizing Driving Behaviour Using Smartphones,” in Beyond the Internet of Things, Springer, 2017, pp 269–299 F Li, H Zhang, H Che, and X Qiu, “Dangerous Driving Behavior Detection Using Smartphone Sensors,” pp 1902–1907, 2016 C Pham and N T T Thuy, “Real-Time Traffic Activity Detection Using Mobile Devices,” Proc 10th Int Conf Ubiquitous Inf Manag Commun - IMCOM ’16, pp 1–7, 2016 C A Ronao and S Cho, “PT US CR,” Expert Syst Appl., 2016 “Analyzing Driver Behavior using Smartphone Sensors : A Survey Analyzing Driver Behavior using Smartphone Sensors : A,” no January 2014, 2015 A Campilho and M Kamel, “Image Analysis and Recognition: 11th International Conference, ICIAR 2014 Vilamoura, Portugal, October 22-24, 2014 Proceedings, Part I,” Lect Notes Comput Sci (including Subser Lect Notes Artif Intell Lect Notes Bioinformatics), vol 8814, pp 256–265, 2014 H J Walnum and M Simonsen, “Does driving behavior matter ? An analysis of fuel consumption data from heavy-duty trucks,” Transp Res Part D, vol 36, pp 107–120, 2015 Y Lee and S Cho, “Neurocomputing Activity recognition with android phone using mixture-of-experts co-trained with labeled and unlabeled data,” Neurocomputing, vol 126, pp 106–115, 2014 Y Mirsky, A Shabtai, and B Shapira, “Anomaly detection for smartphone data streams Anomaly Detection for Smartphone Data Streams,” Pervasive Mob Comput., 2016 P Handel et al., “Insurance telematics: Opportunities and challenges with the smartphone solution,” IEEE Intell Transp Syst Mag., vol 6, no 4, pp 57–70, 2014 E I Vlahogianni and E N Barmpounakis, “Driving analytics using smartphones : Algorithms , comparisons and challenges,” Transp Res Part C, vol 79, pp 196– 206, 2017 S H Fang et al., “Transportation modes classification using sensors on smartphones,” Sensors (Switzerland), vol 16, no 8, pp 1–15, 2016 M Guvensan, B Dusun, B Can, and H Turkmen, “A Novel Segment-Based Approach for Improving Classification Performance of Transport Mode Detection,” Sensors, vol 18, no 2, p 87, 2017 P I of T Widhalm, P I of T Nitsche, and N I of T Brändle, “Transport Mode Detection with Realistic Smartphone Sensor Data,” Icpr, no Icpr, pp 573–576, 2012 M A Shafique and E Hato, “Travel mode detection with varying smartphone data collection frequencies,” Sensors (Switzerland), vol 16, no 5, 2016 G Castignani, T Derrmann, R Frank, and T Engel, “Driver behavior profiling using smartphones: A low-cost platform for driver monitoring,” IEEE Intell Transp 107 ... Lữ Đăng Nhạc NHẬN DẠNG HÀNH VI CỦA NGƢỜI THAM GIA GIAO THÔNG DỰA TRÊN CẢM BIẾN ĐIỆN THOẠI Chuyên ngành: Hệ thống Thông tin Mã số: 9480401.01 LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN NGƯỜI HƯỚNG DẪN... nhận dạng hành vi giao thông dựa cảm biến 20 1.6 Kết luận 24 CHƢƠNG NHẬN DẠNG HÀNH ĐỘNG GIAO THÔNG 25 2.1 Giới thiệu 25 2.2 Sử dụng liệu cảm biến để nhận dạng. .. nhận dạng phương tiện hành động giao thông Phương pháp đề xuất thử nghiệm đánh giá kết dựa liệu tự thu thập số liệu công bố Dựa vào kết nhận dạng hành động giao thông, đề xuất kỹ thuật phát hành