Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)

HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG - NGUYỄN HOÀNG ĐIỆP PHÁT HIỆN TRẠNG THÁI NGƯỜI THAM GIA GIAO THÔNG DỰA TRÊN SMARTPHONE VÀ XÂY DỰNG ỨNG DỤNG HỖ TRỢ Chun ngành: Khoa học máy tính Mã số: 60.48.01.01 TĨM TẮT LUẬN VĂN THẠC SĨ HÀ NỘI - 2016 Luận văn hồn thành tại: HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG Người hướng dẫn khoa học: Tiến sĩ Hoàng Xuân Dậu Phản biện 1: PGS TS Trần Đăng Hưng Phản biện 2: TS Nguyễn Thanh Tuyên Luận văn bảo vệ trước Hội đồng chấm luận văn thạc sĩ Học viện Cơng nghệ Bưu Viễn thông Vào lúc: ngày 11 tháng năm 2017 Có thể tìm hiểu luận văn tại: - Thư viện Học viện Cơng nghệ Bưu Viễn thơng MỞ ĐẦU Trong năm gần điện thoại di động thông minh (smartphone) sử dụng phổ biến trở thành phương tiện giao tiếp giải trí đông đảo người dùng nhờ giá smartphone ngày rẻ, cung cấp nhiều tính phong phú dễ sử dụng Ở Việt Nam, người tham gia giao thông sử dụng nhiều loại phương tiện khác bộ, xe đạp, xe máy, ô tô hay xe bus, loại phương tiện có đặc trưng riêng Năm 2014, nhóm tác giả H Xia đề xuất giải pháp phát trạng thái di chuyển dựa vào cảm biến smartphone báo “Using Smart Phone Sensors to Detect Transportation Modes” [1] Trong nghiên cứu kết hợp sử dụng liệu từ cảm biến chuyển động cảm biến vị trí GPS để xác định số loại phương tiện di chuyển, bao gồm: xe đạp, mô tô, đứng yên Tuy nhiên việc sử dụng thêm cảm biến vị trí GPS khiến smartphone tiêu thụ nhiều điện hơn, dẫn đến tính thực tiễn chưa cao Thêm vào đó, Việt Nam, với mật độ giao thông dày đặc, giá trị GPS lúc cho kết xác Luận văn tối ưu hóa việc sử dụng GPS theo chế độ (khơng có GPS, GPS dựa vào Wi-Fi – mạng di động, GPS sử dụng cảm biến), thêm vào đó, thời điểm giá trị GPS không hợp lệ (như người dùng vào hầm, nơi khuất, ), luận văn đề xuất kết hợp phương pháp nội suy để tính tốn lại giá trị GPS dựa vào dịch vụ cung cấp từ Google kết hợp với cảm biến chuyển động để xác định người dùng dừng hay di chuyển, trạng thái dừng – di chuyển kèm phương tiện gì, từ hỗ trợ việc xử lý kiện smartphone người dùng Luận văn chia làm phần: Chương trình bày tổng quan loại cảm biến điện thoại thông minh ứng dụng, sâu vào cảm biến gia tốc cảm biến GPS Từ nêu tốn ứng dụng cảm biến gia tốc, cảm biến GPS, sử dụng thuật tốn phân tích để đưa mơ hình phát trạng thái người dùng theo loại phương tiện giao thông khác Chương trình bày phương pháp phát trạng thái người tham gia giao thông dựa điện thoại thông minh Luận văn đưa số phương pháp xây dựng, đề xuất cải tiến mơ hình hóa phương pháp, từ lựa chọn thuật toán cần thiết, tiến hành tiền xử lý liệu, huấn luyện mơ hình ứng dụng phát trạng thái người tham gia giao thơng Chương trình bày trình cài đặt, thử nghiệm đánh giá kết phương pháp lựa chọn Luận văn mô tả môi trường thử nghiệm, đưa kịch bản, nêu kết nhận xét 2 CHƯƠNG 1: TỔNG QUAN VỀ CẢM BIẾN TRÊN SMARTPHONE VÀ ỨNG DỤNG 1.1 Giới thiệu tổng quan loại cảm biến smartphone Các cảm biến sử dụng smartphone phổ biến loại: cảm biến chuyển động, cảm biến môi trường cảm biến vị trí Ngồi cịn có số loại cảm biến đặc biệt khác cảm biến sinh trắc học hay cảm biến số bước chân người dùng Các tiểu mục giới thiệu dạng cảm biến 1.1.1 Cảm biến chuyển động Cảm biến chuyển động smartphone tên gọi chung nhóm cảm biến có mục đích thu thập liệu chuyển động thiết bị Một số cảm biến chuyển động tiêu biểu cảm biến gia tốc (accelerometer sensor), quay hồi chuyển (gyroscope sensor), cảm biến véc-tơ quay (rotational vector sensor), cảm biến từ trường (magnetic sensor),… 1.1.1.1 Cảm biến gia tốc 1.1.1.2 Con quay hồi chuyển 1.1.1.3 Cảm biến từ trường 1.1.1.4 Cảm biến véc-tơ quay 1.1.2 Cảm biến môi trường Cảm biến môi trường smartphone cho phép thiết bị có khả ghi nhận thuộc tính mơi trường xung quanh độ ẩm, ánh sáng, áp suất hay nhiệt độ 1.1.2.1 Cảm biến độ ẩm 1.1.2.2 Cảm biến ánh sáng 1.1.2.3 Cảm biến áp suất khí 1.1.3 Cảm biến vị trí Cảm biến vị trí cho phép thiết bị xác định vị trí vật lý tương đối khơng gian ba chiều Vị trí bao gồm tọa độ thiết bị Trái Đất phương quay thiết bị 3 1.1.3.1 Cảm biến định vị 1.1.3.2 Cảm biến tiệm cận 1.1.4 Một số loại cảm biến khác 1.1.4.1 Cảm biến vân tay 1.1.4.2 Cảm biến mống mắt 1.2 Giới thiệu cảm biến gia tốc cảm biến GPS Ở mục này, luận văn sâu vào giới thiệu chi tiết cấu tạo hoạt động hai dạng cảm biến, cảm biến gia tốc cảm biến định vị sử dụng GPS 1.2.1 Cảm biến gia tốc Tương tự quay hồi chuyển, cảm biến gia tốc smartphone vi điện tử MEMS thay cấu khí thông thường Cảm biến sử dụng để đo độ lớn gia tốc trọng trường với đơn vị m/s2 1.2.1.1 Cấu trúc cảm biến gia tốc Về bản, cảm biến gia tốc có cấu trúc gồm hai thành phần: khung gắn vào thiết bị cần thu thập gia tốc nặng gắn với khung di chuyển tự [13] Khi thiết bị di chuyển, phần khung di chuyển theo nặng di chuyển chậm phần khung Bằng cách ước lượng mức độ chậm nặng so với khung, ta tính tốn giá trị gia tốc phần khung chuyển động 1.2.1.2 Ứng dụng cảm biến gia tốc Cảm biến gia tốc có ứng dụng nhiều lĩnh vực khác Nhờ việc theo dõi giá trị gia tốc theo phương khác nhau, cảm biến gia tốc cho phép tối ưu hóa phép đo bị ảnh hưởng gia tốc trọng trường [15] 1.2.2 Cảm biến định vị sử dụng GPS Như mục 1.1.3.1 đề cập, cảm biến định vị vị trí truy cập nhiều hệ thống định vị toàn cầu khác (GPS, GLONASS,…) gọi chung cảm biến GPS Bộ phận thu sóng GPS cịn gọi GPS Receiver, có trách nhiệm thu sóng từ vệ tinh nằm vùng quỹ đạo tương ứng với vị trí thiết bị 1.2.2.1 Hoạt động hệ thống GPS Các vệ tinh thuộc hệ thống định vị tồn cầu bay vịng quanh Trái Đất hai lần ngày liên tục phát sóng tín hiệu xuống bề mặt Trái Đất Các máy thu GPS thu nhận tín hiệu này, so sánh chênh lệch thời gian phát tín hiệu thời gian nhận tín hiệu từ tính khoảng cách từ thiết bị tới vệ tinh Khi có đủ số lượng vệ tinh để tính tốn lúc, cụ thể với ba vệ tinh, thiết bị tính kinh độ vĩ độ vị trí, với bốn vệ tinh, thiết bị tính thêm cao độ địa điểm đứng nhờ phép tính lượng giác 4 1.2.2.2 Ứng dụng GPS Nhờ việc xác định vị trí thiết bị bề mặt địa cầu, thiết bị thu GPS có ứng dụng nhiều lĩnh vực khác dân dụng quân 1.3 Phát biểu tốn Bài tốn đặt ứng dụng cần có khả nhận diện trạng thái người dùng di chuyển phương tiện (đi xe máy (xe ga xe số), bộ, thử nghiệm với xe bus – phương tiện phổ biến Việt Nam) trạng thái di chuyển, dừng, rẽ trái hay rẽ phải Mơ hình nhận diện trạng thái xây dựng dựa vào liệu thu thập từ cảm biến gia tốc cảm biến vị trí Dựa trạng thái nhận diện được, ứng dụng thay mặt người dùng đưa phản hồi trợ giúp người dùng nhận tin nhắn hay gọi đến lúc di chuyển thông báo cho người dùng dừng lại Để giải toán này, luận văn tập trung vào hai vấn đề: nhận diện trạng thái xử lý kiện theo trạng thái nhận diện Chương luận văn sâu mô tả chi tiết trình thu thập, xử lý liệu, huấn luyện mơ hình, nhận diện trạng thái xây dựng ứng dụng 1.4 Kết chương Chương luận văn trình bày khái quát số loại cảm biến phổ biến thường hữu smartphone số loại cảm biến đặc biệt khác ứng dụng chúng Chương sâu vào giới thiệu hai loại cảm biến cảm biến gia tốc cảm biến định vị sử dụng GPS, qua nêu toán nhận diện trạng thái tham gia giao thông xây dựng ứng dụng smartphone nhằm hỗ trợ cho người tham gia giao thông Trong chương 2, luận văn trình bày hai vấn đề toán nêu ra, thứ phương pháp thu thập liệu, xử lý liệu, phát trạng thái, từ giải vấn đề thứ hai q trình phân tích, thiết kế ứng dụng hỗ trợ người dùng smartphone 5 CHƯƠNG 2: PHƯƠNG PHÁP PHÁT HIỆN TRẠNG THÁI NGƯỜI THAM GIA GIAO THÔNG DỰA TRÊN SMARTPHONE 2.1 Xây dựng mơ hình 2.1.1 Một số phương pháp nghiên cứu Trong mục này, luận văn giới thiệu số phương pháp xây dựng, gồm: Phương pháp sử dụng định ứng dụng mơ hình Markov ẩn dựa vào liệu cảm biến gia tốc cảm biến GPS; phương pháp sử dụng giá trị gia tốc so sánh với gia tốc trọng trường phát trạng thái người xe đạp; phương pháp sử dụng máy véc-tơ hỗ trợ kỹ thuật tối ưu đàn kiến để phân lớp liệu cảm biến gia tốc cảm biến GPS 2.1.1.1 Sử dụng định mơ hình Markov ẩn Phương pháp Sasank Reddy cộng giới thiệu năm 2010 [8] Nhóm tác giả đưa hệ thống phân lớp sử dụng cảm biến gia tốc GPS smartphone, nhằm mục đích nhận diện trạng thái đứng yên, bộ, chạy, đạp xe di chuyển xe máy Cách tiếp cận nhóm sử dụng định mơ hình Markov ẩn với độ xác đạt 93.6% tập liệu cho trước 2.1.1.2 Phương pháp so sánh giá trị gia tốc gia tốc trọng trường Phương pháp Jeong-Jin Yeo cộng đưa nhằm mục đích phát trạng thái người xe đạp [2] Nhóm tác giả đưa phương pháp đơn giản ứng dụng smartphone cảm biến gia tốc gắn cố định lên xe với độ xác khoảng 95% 2.1.1.3 Sử dụng máy véc-tơ hỗ trợ tối ưu đàn kiến Năm 2014, Hao Xia cộng đưa phương pháp sử dụng liệu GPS giá trị gia tốc từ smartphone nhằm phân loại trạng thái giao thơng ngồi trời người dùng [1] Các trạng thái bao gồm bộ, xe đạp xe giới trạng thái đứng yên người dùng Nhóm tác giả đề xuất sử dụng phương pháp tối ưu đàn kiến để giảm kích thước đặc trưng phân tích mức độ quan trọng tương đối đặc trưng Sau đó, sử dụng máy véctơ hỗ trợ để huấn luyện tập liệu thu để tạo phân lớp Phương pháp đạt mức độ xác khoảng 96.31% 2.1.2 Đề xuất cải tiến Từ phương pháp nêu mục trước, nhận thấy phương pháp thứ ba nhóm Hao Xia cộng có số nhược điểm, là: - Chưa phù hợp với tình hình giao thông Việt Nam với xe máy phương tiện Ngồi sinh viên, học sinh Việt Nam thường xuyên sử dụng xe bus làm phương tiện lại 6 - Dữ liệu GPS có khả bị khơng xác người dùng vào vùng bị cản Việc sử dụng thu GPS liên tục cách thông thường gây tổn hao lượng cho thiết bị smartphone, giảm khả ứng dụng thực tế Để khắc phục nhược điểm trên, luận văn đưa số đề xuất cải tiến bổ sung cho phương pháp này, sau: - Bổ sung thêm trạng thái chi tiết người tham gia giao thông với xe máy xe bus Tối ưu hóa phương pháp thu nhận tín hiệu GPS với chế độ: không dùng GPS, dùng GPS với sóng di động, dùng GPS với sóng di động tín hiệu GPS Với cách tối ưu vậy, việc phát trạng thái người tham gia giao thơng thực smartphone theo thời gian thực Trên sở đề xuất cải tiến trên, luận văn xây dựng ứng dụng smartphone nhằm hỗ trợ cho người dùng với tác vụ gọi điện, trả lời gọi, tin nhắn tham gia giao thông 2.1.3 Mô hình hóa phương pháp Từ đề xuất cải tiến phương pháp nêu mục 2.1.1.3, luận văn đề xuất mơ hình phát trạng thái người tham gia giao thơng biểu diễn hình 2.3 Hình 2.3: Mơ hình hóa phương pháp phát trạng thái Phương pháp thực theo hai giai đoạn: - Giai đoạn Huấn luyện mơ hình: thu thập liệu mẫu, thực thuật tốn lọc, trích chọn đặc trưng phân lớp cần thiết để xác định đặc trưng lớp liệu đầu ra, đại diện cho trạng thái di chuyển khác người tham gia giao thông 7 - Giai đoạn Xác định trạng thái theo thời gian thực: tiến hành thu thập liệu người dùng tham gia giao thông, sử dụng kết giai đoạn Huấn luyện làm tham số đầu vào cho thuật toán trích chọn đặc trưng phân lớp, từ đưa kết luận trạng thái di chuyển người dùng 2.2 Thu thập liệu 2.2.1 Phương pháp thu thập liệu Trong mục này, luận văn trình bày phương pháp thu thập liệu Dữ liệu đầu vào gồm có liệu cảm biến gia tốc liệu cảm biến GPS, cụ thể liệu tọa độ GPS người dùng tốc độ di chuyển người dùng 2.2.1.1 Thu thập liệu cảm biến gia tốc Hệ điều hành Android cho phép lập trình viên truy cập vào liệu cảm biến gia tốc thiết bị thông qua dịch vụ hệ điều hành Như trình bày mục 1.2.1, giá trị cảm biến gia tốc mà hệ điều hành cung cấp gồm ba số thực tương ứng với gia tốc theo phương X, Y, Z Sử dụng thư viện công cụ mà hệ điều hành Android cung cấp, luận văn xây dựng ứng dụng Android với chức tự động lấy giá trị cảm biến gia tốc sau khoảng thời gian định 2.2.1.2 Thu thập liệu cảm biến vị trí dựa GPS Hệ điều hành Android hỗ trợ việc truy cập liệu trả từ cảm biến vị trí dựa GPS Dữ liệu bao gồm nhiều giá trị khác nhau, bao gồm kinh độ, vĩ độ, độ xác,… phạm vi luận văn quan tâm tới giá trị kinh độ, vĩ độ tốc độ di chuyển người dùng Luận văn đề xuất sử dụng ứng dụng thu thập liệu cảm biến gia tốc, bổ sung thêm việc truy cập tới dịch vụ vị trí hệ điều hành để lấy tọa độ người dùng 2.2.2 Cài đặt ứng dụng thu thập liệu Về cảm biến vị trí GPS, khuyến cáo nhà phát hành Android Google cho biết rằng, giá trị cảm biến vị trí gốc Android khơng tin cậy, thay thế, cài đặt ứng dụng, luận văn ứng dụng dịch vụ Fused Location API Google cung cấp thông qua thư viện Google Play Services cài sẵn smartphone [16] - - Khung thời gian: mẫu liệu lấy sau khung thời gian cố định Ứng dụng thu thập liệu cho phép cấu hình giá trị khung thời gian theo đơn vị giây Luận văn thử nghiệm với khung thời gian giây giây để tìm khung thời gian tối ưu Tần số lấy mẫu: luận văn lựa chọn tần số lấy mẫu 50Hz Đây giá trị vừa phải, không cao để tránh lượng liệu lớn khiến thiết bị smartphone tiêu tốn nhiều lượng, không thấp để không làm giá trị tần số cao Đối với trạng thái mục tiêu bộ, xe máy xe bus tần số 50Hz lựa chọn hợp lý [1] 8 2.3 Các thuật toán xử lý liệu 2.3.1 Mơ hình xử lý Trong mục này, luận văn sâu trình bày thuật toán sử dụng hai giai đoạn trình phát trạng thái người tham gia gia thơng giai đoạn Huấn luyện mơ hình giai đoạn Phát trạng thái 2.3.1.1 Huấn luyện mơ hình Hình 2.7 mơ tả thuật tốn sử dụng giai đoạn Huấn luyện mơ hình Hình 2.7: Thuật tốn giai đoạn Huấn luyện mơ hình Giai đoạn huấn luyện gồm bước hình, với thuật toán đây: - - - Fast Fourier Transform: liệu đầu vào gồm liệu GPS liệu cảm biến gia tốc đưa vào biến đổi Fourier rời rạc nhằm chuyển dạng liệu từ miền thời gian sang miền tần số, từ rút đặc trưng theo tần số định Ant Colony Optimization: thuật toán tối ưu đàn kiến sử dụng để loại bỏ đặc trưng không cần thiết từ kết biến đổi Fourier Kết thuật toán tập đặc trưng quan trọng Tập sử dụng làm tiền đề cho giai đoạn tối ưu pha Phát trạng thái Support Vector Machine: máy véc-tơ hỗ trợ sử dụng để phân lớp đặc trưng sau tối ưu 2.3.1.2 Phát trạng thái Hình 2.8 mơ tả thuật toán sử dụng giai đoạn Phát trạng thái: Hình 2.8: Thuật toán giai đoạn Phát trạng thái Cũng gồm ba bước giai đoạn Huấn luyện, nhiên giai đoạn Phát trạng thái, thuật toán dùng lại kết từ giai đoạn Huấn luyện, cụ thể là: - Fast Fourier Transform: tương tự giai đoạn Huấn luyện, FFT sử dụng để biến đổi liệu GPS liệu cảm biến gia tốc Ant Colony Optimization: sử dụng đặc trưng rút từ FFT tập đặc trưng kết giai đoạn Huấn luyện để đưa tập đặc trưng tối ưu Support Vector Machine: máy véc-tơ hỗ trợ dựa kết phân lớp pha Huấn luyện đưa kết trạng thái người tham gia giao thông 2.3.2 Các thuật toán, lựa chọn tham số tiền điều kiện 2.3.2.1 Fast Fourier Transform Tuy liệu cảm biến gia tốc cảm biến GPS mà hệ điều hành Android xử lý liên tục, việc lấy mẫu theo khoảng thời gian phương pháp đề xuất khiến mẫu liệu trở thành dạng rời rạc Để trích xuất đặc trưng liệu rời rạc, ta áp dụng biến đổi Fourier để chuyển liệu từ miền thời gian sang miền tần số Các đặc trưng cần tìm tương ứng với biên độ tần số Biến đổi Fourier nhanh (FFT – Fast Fourier Transform) nhóm thuật tốn áp dụng tính biến đổi Fourier rời rạc hàm số cho trước cách hiệu [17] Do việc tính tốn DFT trực tiếp địi hỏi thời gian tính tốn lâu khơng hiệu quả, đặc biệt số lượng mẫu lớn, nhóm thuật tốn biến đổi Fourier nhanh đời nhằm giảm độ phức tạp toán Áp dụng FFT giảm độ phức tạp từ O(n2) xuống O(nlogn) Một thuật toán biến đổi Fourier nhanh hiệu thuật toán Cooley – Tukey [18] Trong phạm vi luận văn, để cài đặt thuật toán FFT, ta sử dụng phần cài đặt thư viện Apache Common Math với ngôn ngữ cài đặt Java 10 2.3.2.2 Ant Colony Optimization Thuật toán tối ưu đàn kiến thường áp dụng toán tối ưu tổ hợp Thuật toán tối ưu đàn kiến mở rộng thuật tốn mơ hành vi loài kiến cách giả lập kiến di chuyển xung quanh đồ thị thể cho toán cần giải Các lớp tốn kể đến tốn tìm đường đi, lập lịch, xác định tuyến đường tối ưu, toán tổ hợp xử lý ảnh,… Với yêu cầu tối ưu đặc trưng rút từ biến đổi Fourier toán phát trạng thái người tham gia giao thông, ta thiết lập giải thuật sau: Đầu tiên, ta lựa chọn numf số lượng đặc trưng từ tất N đặc trưng rút từ biến đổi Fourier N đặc trưng lập thành đồ thị vơ hướng khép kín đặc trưng coi đỉnh đồ thị với độ dài cạnh Một kiến di chuyển qua numf đỉnh điểm xuất phát đích đến Thời gian di chuyển đỉnh kiến độ dài cạnh đồ thị Nếu kiến xuất phát thời gian t = tới đích sau thời gian t = numf – Tổng số kiến lựa chọn m Mục tiêu tốn tìm đỉnh đối lập để có đường tốt Đường tốt việc phân lớp có độ xác cao Thay xét lượng chất hóa học rải đường, ta xem xét lượng chất hóa học kiến để lại đỉnh đồ thị, kí hiệu uj(t) lượng chất hóa học để lại đỉnh j thời điểm t Khởi đầu, giá trị uj(0) = C C số dương p tốc độ bay chất hóa học uj lượng tăng chất hóa học: 𝑢𝑗 (𝑡 + 1) = (1 − 𝑝)𝑢𝑗 (𝑡) + ∆𝑢𝑗 (2.1) Quy ước: 𝑟 𝑏𝑒𝑠𝑡 ∆𝑢𝑗 = 𝑛𝑢𝑚 (2.2) 𝑓 hàm cập nhật lượng chất hóa học rbest kết phân lớp tốt thời điểm Kết phân lớp tốt lượng chất hóa học đỉnh j nhiều Số lượng đỉnh lớn lượng chất hóa học đỉnh Tại đỉnh, ta định nghĩa nj tham số khám phá cho đỉnh j Từ xây dựng cơng thức nj=F-scorej để đánh giá khả phân biệt đỉnh với Công thức 2.3 giá trị F-score đỉnh j, tử số đại diện cho sai khác lớp đặc trưng mục tiêu, mẫu số đại diện cho sai khác lớp F-score lớn khác biệt đỉnh lớn 𝐹 − 𝑠𝑐𝑜𝑟𝑒𝑗 = ∑𝑣𝑐=1(𝑥̅ 𝑗𝑐 −𝑥̅ 𝑗 )2 𝑁𝑐 𝑗 𝑐 ∑𝑣𝑐=1{ 𝑐 ∑𝑘=1(𝑥𝑗𝑘 −𝑥̅ 𝑗𝑐 )2 } 𝑁𝑗 −1 , 𝑗 ∈ {1,2, … , 𝑁𝐹 } (2.3) Trong đó: - v số lớp đặc trưng mục tiêu j NF số lượng đặc trưng - NjC số lượng mẫu đặc trưng j lớp c, c  {1,2,…,v}, j  {1,2,…, NF} 11 - xjkC mẫu thử thứ k cho đặc trưng j lớp c, k  {1,2,…,NjC} - 𝑥̅𝑗 giá trị trung bình đặc trưng j - 𝑥̅𝑗𝑐 giá trị trung bình đặc trưng j lớp c pjk(t) xác suất kiến k lựa chọn đỉnh j làm đích đến thời điểm t  biểu diễn mức độ quan trọng chất hóa học  biểu diễn mức độ quan trọng tham số khám phá Ta định nghĩa tabuk tập đỉnh mà kiến qua Các đỉnh không xét tới tìm đích vịng lặp Công thức 2.4 biểu diễn xuất suất này: 𝛽 𝑢𝑗𝛼 (𝑡)𝜂𝑗 , 𝛾, 𝑗 ∉ 𝑡𝑎𝑏𝑢𝑘 𝑝𝑗𝑘 (𝑡) = {∑ 𝑢𝛾𝛼(𝑡)𝜂𝛾𝛽 0, 𝑗 ∈ 𝑡𝑎𝑏𝑢𝑘 (2.4) Tới đây, giải thuật ACO cài đặt để đưa vào việc phân lớp sử dụng SVM 2.3.2.3 Support Vector Machine Trong lĩnh vực học máy, máy véc-tơ hỗ trợ (SVM) mơ hình học có giám sát sử dụng thuật tốn học máy nhằm phân tích liệu phục vụ phân tính khảo sát hồi quy [20] Cho trước tập liệu học mẫu liệu đánh dấu thuộc hai lớp, thuật tốn SVM xây dựng mơ hình nhằm gán liệu vào hai lớp Mô hình phân lớp thành trạng thái người tham gia giao thông khác sử dụng SVM mô tả hình 2.13: Hình 2.13: Mơ hình phân lớp trạng thái dựa SVM Luận văn sử dụng thư viện LIBSVM cho phần cài đặt thuật toán, sử dụng biến thể OVO (One-vs-One) để phục vụ phân lớp mẫu liệu thành nhiều lớp [21] 2.4 Áp dụng phát trạng thái người tham gia giao thông 2.4.1 Tiền xử lý liệu Dữ liệu cảm biến gia tốc thu thập gồm giá trị riêng rẽ theo trục X, Y, Z Trước đưa vào FFT để chuyển sang miền tần số, ta tiến hành tính giá trị gia tốc cộng dồn công thức 2.5: 𝐴 = √𝐴𝑋2 + 𝐴2𝑌 + 𝐴2𝑍 (2.5) 12 Các điểm liệu lấy với tần số 50Hz nên giây có tương ứng 50 điểm liệu Các điểm gom thành phân đoạn theo khung thời gian lựa chọn giây giây Ta tiến hành huấn luyện mơ hình phát trạng thái theo khung thời gian để so sánh độ xác 2.4.2 Huấn luyện mơ hình 2.4.2.1 Phân tích liệu vận tốc Các hình 2.14 2.15 mơ tả phân bố liệu vận tốc theo trạng thái di chuyển khác Phân bố liệu vận tốc xe số xe ga tương đồng nhau, hình thể phân bố liệu vận tốc việc đứng yên, di chuyển rẽ trái, rẽ phải xe máy nói chung Trục X thể khoảng vận tốc tương ứng 0-2, 2-4, …, 18-20 20m/s Trục Y thể tỉ lệ theo phần trăm Hình 2.14: Phân bố liệu vận tốc (khung thời gian giây) Hình 2.15: Phân bố liệu vận tốc (khung thời gian giây) Như vậy, ta thiết lập lọc với mốc vận tốc sát để phân biệt trạng thái đứng yên di chuyển cách xem xét vận tốc phân đoạn Nếu vận tốc trung bình 13 0,05m/s, ta coi phân đoạn đứng n Nếu vận tốc trung bình 0,05m/s, ta coi phân đoạn di chuyển 2.4.2.2 Phân tích liệu cảm biến gia tốc Hình 2.16 mô tả phân bố giá trị cảm biến gia tốc theo miền tần số (khung thời gian giây) Hình 2.16: Phân bố gia tốc theo miền tần số (khung thời gian giây) Ta nhận thấy, với khung thời gian giây, phân bố gia tốc theo miền tần số khơng có khác biệt trạng thái khác nhau, khó đưa vào đầu vào ACO SVM Hình 2.17 mơ tả phân bố với khung thời gian giây Hình 2.17: Phân bố gia tốc theo miền tần số (khung thời gian giây) Ta thấy mở rộng khung thời gian lên giây, có khác biệt nhận thấy mắt thường với trạng thái khác Như ta đưa tối đa 128 điểm đặc trưng làm đầu vào cho thuật tốn phân lớp trình bày chương trước 2.4.2.3 Cài đặt thuật toán phân lớp Ta coi mẫu liệu gồm 128 điểm tập 128 đặc trưng với giá trị nguyên thể giá trị phân lớp đề cập mục 2.2.1.2 Hình 2.18 mô tả lưu đồ giải thuật phân lớp kết hợp 14 ACO SVM, đầu vào thuật toán tập mẫu liệu Đầu thuật tốn mơ hình SVM tập đặc trưng tối ưu trích từ 128 đặc trưng Hình 2.18: Lưu đồ giải thuật phân lớp kết hợp ACO SVM Hình 2.19: Tập đặc trưng tối ưu Các đặc trưng chọn đặc trưng số 6, 10, 13, 16, 21, 28, 29, 35, 38, 40, 45, 47, 50, 56, 57, 60, 65, 75, 89, 91, 92, 96, 108, 117 cho trạng thái đứng yên (hình 2.19a); đặc trưng số 5, 7, 47, 54, 94, 110, 115, 118 cho trạng thái di chuyển (hình 2.19b) 2.4.3 Phát trạng thái người tham gia giao thông Sử dụng mơ hình SVM tối ưu mục trước tập đặc trưng tối ưu, ta tiến hành phát trạng thái người tham gia giao thông sử dụng thư viện LIBSVM điện thoại thông minh Với liệu thu thập qua trình huấn luyện, luận văn thu kết sau: - Việc lọc giới hạn vận tốc gần mức 0m/s tương đối xác Tùy theo số lượng đặc trưng tối ưu lựa chọn mà cho kết khác Luận văn lựa chọn đặc trưng trạng thái di chuyển 24 đặc trưng trạng thái đứng yên 15 2.5 Kết chương Chương luận văn trình bày số phương pháp đề xuất để giải tốn phát trạng thái người tham gia giao thơng Luận văn đề xuất hướng cải tiến cho phương pháp có sẵn nhằm xây dựng ứng dụng hỗ trợ người tham gia giao thông tối ưu cho tình hình giao thơng Việt Nam Luận văn trình bày phương pháp thu thập liệu cảm biến gia tốc, liệu cảm biến GPS, mơ hình xử lý thuật tốn áp dụng Cuối chương, luận văn trình bày q trình áp dụng thuật tốn để tiến hành huấn luyện mơ hình phát trạng thái người tham gia giao thông Trong chương 3, luận văn trình bày kết thực nghiệm phương pháp, bao gồm mô tả môi trường phát triển, mô tả kịch khác nhau, kết huấn luyện, kết thực thi phát trạng thái người tham gia giao thơng kết luận độ xác phương pháp 16 CHƯƠNG 3: CÀI ĐẶT, THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ 3.1 Môi trường cài đặt 3.1.1 Phần cứng phần mềm Trong mục này, luận văn đề cập tới cấu hình phần cứng phần mềm phục vụ việc phát triển thử nghiệm phương pháp 3.1.2 Thiết kế ứng dụng Ứng dụng hỗ trợ người dùng xây dựng hệ điều hành Android, chi tiết chức năng, kiến trúc giao diện mô tả mục 3.1.2.1 Thiết kế chức 3.1.2.2 Thiết kế kiến trúc 3.1.2.3 Thiết kế giao diện 3.2 Các kịch thử nghiệm Ở mục này, luận văn trình bày kịch thử nghiệm cho trạng thái tham gia giao thông khác người dùng Luận văn đưa kịch với tình trạng giao thơng đặc thù khác nhau, luận văn đưa thêm kịch thứ sử dụng phương tiện giao thông xe bus để thử nghiệm mức độ xác phương pháp áp dụng cho phương tiện giao thơng cơng cộng 3.2.1 Kịch Hình 3.4 mơ tả đường kịch 1, người tham gia thực nghiệm sử dụng phương tiện xe máy dạng xe số thông thường, di chuyển từ điểm A tới điểm B Thời gian thực nghiệm vào khoảng 6h chiều ngày tuần Tuyến đường tuyến cao điểm khung nói trên, tốc độ di chuyển chậm Hình 3.1: Đường kịch thử nghiệm 17 3.2.2 Kịch Hình 3.5 mơ tả đường kịch 2, người tham gia thực nghiệm sử dụng phương tiện xe máy dạng xe số thông thường, di chuyển từ điểm A tới điểm B Thời gian thực nghiệm vào khoảng 2h chiều ngày cuối tuần Đây tuyến đường nội thị nên vào thời gian không cao điểm tốc độ di chuyển đạt mức trung bình, khơng có ùn tắc Hình 3.2: Đường kịch thử nghiệm 3.2.3 Kịch Hình 3.6 mô tả đường kịch 3, người tham gia thực nghiệm sử dụng phương tiện xe máy dạng xe ga, di chuyển từ điểm A tới điểm B Thời gian thực nghiệm vào khoảng 9h sáng ngày cuối tuần Đây tuyến đường ngoại thị lòng đường rộng Tốc độ di chuyển cao không bị vướng đèn đỏ hay ùn tắc Hình 3.3: Đường kịch thử nghiệm 18 3.2.4 Kịch Hình 3.7 mơ tả đường kịch 4, người tham gia thực nghiệm sử dụng phương tiện xe máy dạng xe số, di chuyển từ điểm A tới điểm B Thời gian thực nghiệm vào khoảng 4h chiều ngày tuần Đặc điểm tuyến đường vị trí từ mốc tới mốc đường ùn tắc nên đoạn đường tốc độ di chuyển chậm Hình 3.4: Đường kịch thử nghiệm 3.2.5 Kịch Hình 3.8 mơ tả đường kịch 5, người tham gia thực nghiệm sử dụng phương tiện xe máy dạng xe số, di chuyển từ điểm A tới điểm B Thời gian thực nghiệm vào khoảng 1h chiều ngày cuối tuần Trên tuyến đường này, từ vị trí mốc tới mốc đường hầm di chuyển với tốc độ cao Hình 3.5: Đường kịch thử nghiệm 19 3.2.6 Kịch Hình 3.9 mơ tả đường kịch 6, người tham gia thực nghiệm sử dụng phương tiện xe máy dạng xe ga, di chuyển từ điểm A tới điểm B Thời gian thực nghiệm vào khoảng 8h sáng ngày cuối tuần Phần lớn tuyến đường di chuyển khu đông dân cư với tình trạng đường xấu, hẹp có nhiều ổ gà Hình 3.6: Đường kịch thử nghiệm 3.2.7 Kịch Hình 3.10 mơ tả đường kịch 7, người tham gia thực nghiệm sử dụng phương tiện xe bus, di chuyển từ điểm A tới điểm B Thời gian thực nghiệm vào khoảng 10h sáng ngày cuối tuần Các điểm dừng xe bus đánh dấu mốc hình Kịch đưa nhằm mục đích đánh giá độ xác phương pháp áp dụng cho phương tiện công cộng với đặc trưng di chuyển dừng sau đoạn đường định Hình 3.7: Đường kịch thử nghiệm 20 3.3 Kết thử nghiệm 3.3.1 Kết mô đun phát trạng thái Với kịch nêu mục 3.2, kết tương ứng sau: - - - Kịch 1: tốc độ di chuyển người ổn định, ứng dụng nhận diện tốt trạng thái đi, dừng, rẽ phải Kịch 2: kịch này, tuyến đường tối ưu khơng có đèn đỏ, không tắc đường tốc độ di chuyển ổn định Việc phát trạng thái xác Kịch 3: kịch này, việc phát trạng thái ổn định đường thẳng khơng có chuyển hướng liên tục Kịch 4: với kịch này, đoạn đường từ mốc tới mốc việc phát trạng thái trở nên không xác, lẫn lộn trạng thái đứng yên di chuyển Kịch 5: với kịch này, người lái xe di chuyển từ mốc tới mốc 4, tốc độ di chuyển cao, 20m/s, việc lấy tốc độ trung bình để làm lọc tỏ hiệu di chuyển hầm sóng GPS không ổn định Kịch 6: với kịch đường phức tạp, việc phát trạng thái xác mốc đoạn đường Kể từ mốc thứ 2, mơ đun bắt đầu có nhầm lẫn trạng thái đứng yên trạng thái di chuyển đường tắc liên tục phải phanh gấp khu đông dân cư Kịch 7: kịch mang tính thử nghiệm tính xác phương pháp áp dụng với phương tiện giao thông cơng cộng Với tuyến đường thể hình mục 3.2.7, mơ đun nhận diện xác trạng thái vào khoảng thời gian xe bus dừng vào bến xe bus di chuyển trở lại Kết ma trận nhầm lẫn kịch đưa vào mang tính tham khảo Qua kịch đầu tiên, ta nhận bảng 3.1 bảng 3.2 ma trận nhầm lẫn việc phát trạng thái người tham gia giao thông ứng dụng phương pháp đề xuất Tỉ lệ tính tốn dựa số lượng phân đoạn phát tương ứng với trạng thái tổng số phân đoạn tất kịch Bảng 3.1: Ma trận nhầm lẫn cho trạng thái dừng Đứng yên (xe máy) Dừng (xe số) Dừng (xe ga) Đứng yên (xe máy) 0.9866 0.0116 0.0018 Dừng (xe số) 0.0359 0.9238 0.0403 Dừng (xe ga) 0.0168 0.0495 0.9337 Bảng 3.2: Ma trận nhầm lẫn cho trạng thái di chuyển Di chuyển (xe số) Di chuyển (xe ga) Rẽ trái (xe số) Rẽ trái (xe ga) Rẽ phải (xe số) Rẽ phải (xe ga) 21 Di chuyển (xe số) 0.9320 0.0014 0.0027 0.0121 0.0209 0.0309 Di chuyển (xe ga) 0.0098 0.9168 0.0282 0.0165 0.0103 0.0184 Rẽ trái (xe số) 0.0015 0.0306 0.9035 0.0421 0.0060 0.0163 Rẽ trái (xe ga) 0.0408 0.0366 0.0018 0.8996 0.0165 0.0047 Rẽ phải (xe số) 0.0320 0.0365 0.0014 0.0098 0.9129 0.0074 Rẽ phải (xe ga) 0.0364 0.0285 0.0021 0.0034 0.0029 0.9267 3.3.2 Kết thực nghiệm ứng dụng hỗ trợ người dùng Ứng dụng hỗ trợ người dùng hoạt động tốt với chức liệt kê mục 3.1.2.1 3.4 Nhận xét Với kết thực nghiệm nêu trên, ta thấy phương pháp đề xuất có đủ khả phân biệt trạng thái dừng, đi, rẽ trái, rẽ phải xe máy, có khả phân biệt trạng thái dừng, phương tiện giao thông công cộng phổ biến Việt Nam xe bus kịch tương đối đơn giản Độ xác nhận diện trạng thái di chuyển xe máy đạt 90% Tuy tỉ lệ nhận diện nhầm lẫn cịn, ngồi ngun nhân phương pháp chưa tối ưu, cịn ngun nhân tình trạng giao thông phức tạp Việt Nam Phương pháp hoạt động tốt, không tiêu tốn nhiều lượng GPS tối ưu việc sử dụng cảm biến GPS thông qua thư viện Google Play Services, qua giúp ứng dụng hỗ trợ người dùng thao tác gọi điện, nhắn tin tham gia giao thông 3.5 Kết chương Chương luận văn trình bày mơi trường phát triển thử nghiệm mô đun phát trạng thái người tham gia giao thông ứng dụng hệ điều hành Android Chương trình bày kịch thử nghiệm với xe máy, kịch tham chiếu sử dụng phương tiện giao thông công cộng xe bus Kết kịch thử nghiệm cho thấy phương pháp đạt độ xác tốt với trạng thái khác người tham gia giao thông sử dụng xe máy, với kịch tham chiếu sử dụng xe bus Ứng dụng hỗ trợ người dùng có độ xác đủ để giúp người dùng thao tác nhắn tin, gọi điện tham gia giao thông 22 KẾT LUẬN Luận văn tập trung nghiên cứu phương pháp phát trạng thái người tham gia giao thông dựa liệu thu thập từ cảm biến điện thoại thông minh Ngoài việc giới thiệu cảm biến điện thoại thông minh, luận văn giới thiệu ba phương pháp nghiên cứu phương pháp sử dụng định ứng dụng mơ hình Markov ẩn dựa vào liệu cảm biến gia tốc cảm biến GPS; phương pháp sử dụng giá trị gia tốc so sánh với gia tốc trọng trường phát trạng thái người xe đạp; phương pháp sử dụng kỹ thuật tối ưu đàn kiến máy véc-tơ hỗ trợ để phân lớp liệu cảm biến gia tốc cảm biến GPS, từ luận văn đề xuất phương án tối ưu việc thu thập liệu cảm biến vị trí nhằm phát thêm trạng thái khác người tham giao giao thông Cụ thể, luận văn đạt số kết quả: - - Nghiên cứu khái quát phát triển cảm biến điện thoại thông minh ứng dụng Giới thiệu số phương pháp phát trạng thái người tham gia giao thông cho kết tốt Đề xuất phương án cải tiến phương pháp sử dụng kết hợp thuật toán FFT, SVM ACO cách tối ưu cảm biến vị trí phát thêm trạng thái giao thông khác người xe máy Xây dựng mơ hình theo phương án đề xuất, đưa quy trình huấn luyện thực nghiệm, đưa kịch thử nghiệm khác đánh giá kết Từ kết đạt , luận văn tiếp tục nghiên cứu để đưa cải tiến cho mơ hình tương tự cho thiết bị kết nối vạn vật (Internet of Things), mở rộng hỗ trợ cho nhiều dạng phương tiện khác nhau, từ xây dựng ứng dụng hỗ trợ người dùng cuối, hỗ trợ xây dựng hệ thống giao thông thông minh thành phố thông minh tương lai 23 TÀI LIỆU THAM KHẢO [1] H Xia, Y Qiao, J Jian and Y Chang, "Using Smart Phone Sensors to Detect Transportation Modes," in Sensors, 2014, pp 20843-20865 [2] J.J Yeo, Y.H Lim, M.H Ryu, Y.S Yang, “An Automatic Recognition of Bicycle Riding State by Using a Smartphone,” in ASTL Volume 6, 2012: Computer Science and Technology, pp 131-136 [3] M A Shafique and E Hato, "Use of acceleration data for transportation mode prediction," in Transportation, 2015 [4] M Nyan; F Tay; K Seah; Y Sitoh Classification of gait patterns in the time–frequency domain J Biomech 2006, 39, 2647–2656 [5] P Martiskainen; M Järvinen; J.-P Skön; J Tiirikainen; M Kolehmainen; J Mononen Cow behaviour pattern recognition using a three-dimensional accelerometer and support vector machines Appl Anim Behav Sci 2009, 119, 32–38 [6] S Hemminki, P Nurmi and S Tarkoma, "Accelerometer-Based Transportation Mode Detection on Smartphones," in Proceedings of ACM SenSys, 2013 [7] S.J Preece; J.Y Goulermas; L.P Kenney; D Howard A comparison of feature extraction methods for the classification of dynamic activities from accelerometer data IEEE Trans Biomed Eng 2009, 56, 871–879 [8] S Reddy; M Mun; J Burke; D Estrin; M Hansen; M Srivastava Using mobile phones to determine transportation modes ACM Trans Sensor Netw 2010, 6, 1–2 [9] T Iso; K Yamazaki Gait analyzer based on a cell phone with a single three-axis accelerometer In Proceedings of the 8th Conference on Human-Computer Interaction with Mobile Devices and Services, Espoo, Finland, 12–15 September 2006; pp 141–144 [10] [11] [12] [13] [14] https://developer.android.com/guide/topics/sensors/sensors_motion.html [Truy cập tháng 12/2016] [15] [16] https://en.wikipedia.org/wiki/Accelerometer [Truy cập tháng 12/2016] [17] [18] [19] [20] [21] https://en.wikipedia.org/wiki/Fast_Fourier_transform [Truy cập tháng 12/2016] https://en.wikipedia.org/wiki/Gyroscope [Truy cập tháng 12/2016] https://developer.android.com/guide/topics/sensors/sensors_overview.html [Truy cập tháng 12/2016] https://en.wikipedia.org/wiki/Global_Positioning_System [Truy cập tháng 12/2016] https://www.quora.com/How-does-gravity-sensor-work-in-mobile-hardware-support [Truy cập tháng 12/2016] https://developer.android.com/training/location/receive-location-updates.html 12/2016] [Truy cập tháng https://en.wikipedia.org/wiki/Cooley%E2%80%93Tukey_FFT_algorithm [Truy cập tháng 12/2016] https://en.wikipedia.org/wiki/Ant_colony_optimization_algorithms [Truy cập tháng 12/2016] https://en.wikipedia.org/wiki/Support_vector_machine [Truy cập tháng 12/2016] https://www.csie.ntu.edu.tw/~cjlin/libsvm/ [Truy cập tháng 12/2016] ... cảm biến cảm biến gia tốc cảm biến định vị sử dụng GPS, qua nêu tốn nhận diện trạng thái tham gia giao thông xây dựng ứng dụng smartphone nhằm hỗ trợ cho người tham gia giao thông Trong chương... liệu, phát trạng thái, từ giải vấn đề thứ hai q trình phân tích, thiết kế ứng dụng hỗ trợ người dùng smartphone 5 CHƯƠNG 2: PHƯƠNG PHÁP PHÁT HIỆN TRẠNG THÁI NGƯỜI THAM GIA GIAO THƠNG DỰA TRÊN SMARTPHONE. .. tối ưu vậy, việc phát trạng thái người tham gia giao thơng thực smartphone theo thời gian thực Trên sở đề xuất cải tiến trên, luận văn xây dựng ứng dụng smartphone nhằm hỗ trợ cho người dùng với