MÔ HÌNH HÓA VÀ MÔ PHỎNG GIAO THÔNG ĐÔ THỊ TÓM TẮT LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ LỮ ĐĂNG NHẠC MƠ HÌNH HĨA VÀ MƠ PHỎNG GIAO THƠNG ĐƠ THỊ Chun ngành: Hệ thống thơng tin Mã số: 62.48.01.04 TĨM TẮT LUẬN ÁN TIẾN SĨ CƠNG NGHỆ THƠNG TIN Hà Nội – 2018 Cơng trình hồn thành tại: Trường Đại học Cơng nghệ, Đại học Quốc gia Hà Nội Người hướng dẫn khoa học: PGS TS Nguyễn Hà Nam PGS.TS Phan Xuân Hiếu Phản biện: Phản biện: Phản biện: Luận án bảo vệ trước Hội đồng cấp Đại học Quốc gia chấm luận án tiến sĩ họp vào hồi giờ ngày tháng năm Có thể tìm hiểu luận án tại: - Thư viện Quốc gia Việt Nam - Trung tâm Thông tin - Thư viện, Đại học Quốc gia Hà Nợi MỞ ĐẦU Tính cấp thiết luận án Giao thông chủ đề quan tâm hầu giới đặc biệt nước phát triển tác động/ảnh hưởng trực tiếp đến đời sống kinh tế xã hợi đặc biệt vấn đề an tồn giao thơng Có nhiều yếu tớ ảnh hưởng đến an tồn giao thơng thị bao gồm yếu tố ngoại cảnh yếu tố liên quan đến người Những yếu tố ngoại cảnh ảnh hưởng đến điều kiện hạ tầng giao thông, hệ thống quản lý điều khiển hệ thống giao thông tình trạng phương tiện tham gia giao thơng Tuy nhiên một yếu tố quan trọng tác động trực tiếp đến vấn đề an tồn giao thơng thái độ hành vi người tham gia giao thơng Do việc nhận dạng hành vi người tham gia giao thông bao gồm nhận dạng loại phương tiện, hành động hành vi bất thường có mợt ý nghĩa lớn việc xây dựng giải pháp ứng dụng hỗ trợ người tham gia giao thơng mợt cách an tồn Vì chủ đề thu hút quan tâm nghiên cứu nhiều nhà khoa học phịng thí nghiệm giới Hơn nữa, thông tin hành vi người tham gia giao thơng có ích cho nhà quản lý việc quy hoạch hệ thớng xây dựng sách quản lý giao thơng Ngồi mơ hình nhận dạng hành vi người tham gia giao thơng cịn trợ giúp đánh giá mức độ rủi ro lĩnh vực bảo hiểm ước tính mức độ tiêu thụ lượng ô nhiễm môi trường hệ thống giao thông Để xây dựng mô hình nhận dạng hành vi người tham gia giao thông thông tin liệu người tham gia thu thập nhiều cách khác Nhiều thí nghiệm ban đầu thu thập liệu thiết bị cảm biến cố định đối tượng nghiên cứu Nhờ đời phát triển điện thoại thơng minh tích hợp nhiều loại cảm biến khác cho phép điện thoại thông minh trở thành cơng cụ hữu ích việc thu thập liệu từ người dùng Chính vài năm gần nhiều cơng trình nghiên cứu nhận dạng hành vi người dùng bao gồm hành vi cử hành vi giao thông dựa cảm biến điện thoại thông minh công bố Tuy nhiên để đảm bảo đợ xác cao kết mơ hình nhận dạng hầu hết nghiên cứu thực hiện với vị trí điện thoại cố định sử dụng tập đặc trưng lớn trích xuất từ nhiều nguồn cảm biến điện thoại Điều làm cho mơ hình xây dựng đánh giảm khả ứng dụng thực tế mà vị trí điện thoại người dùng khơng cớ định tiêu tốn lớn tài nguyên điện thoại sử dụng Ngoài nghiên cứu giới nhận dạng hành vi giao thông thực hiện điều kiện hồn tồn khác với điều kiện mơi trường giao thông Việt Nam Do mô hình nhận dạng xây dựng khó áp dụng điều kiện Việt Nam để đảm bảo hiệu tốt phát triển ứng dụng thực tế Sự khác biệt xuất phát từ một số yếu tố quan trọng bao gồm yếu tố khách quan yếu tớ chủ quan Thứ nghiên cứu nhận dạng phương tiện thường tập trung vào phương tiện nước tiến hành thực nghiệm xe ô tô, xe buýt tầu điện ngầm mà không xét đến phương tiện thô sơ Trong hệ thống giao thông đô thị Việt Nam nhiều nước phát triển khác phương tiện xe máy xe đạp phương tiện giao thơng Hơn nghiên cứu trước thực hiện điều kiện hạ tầng giao thông ổn định khác nhiều tính đa dạng điều kiện giao thông Việt Nam Thứ hai yếu tố chủ quan văn hóa thói quen di chuyển tham gia giao thông Với phương tiện ô tô hay xe buýt nghiên cứu trước, liệu thu thập điều kiện phương tiện di chuyển hay đường chạy xác định, xét phương tiện xe máy hay xe đạp Việt Nam khó thực hiện thực tế phương tiện di chuyển không theo một xác định Tất yếu tố kể lý giải thích cần có nghiên cứu mơ hình nhận dạng hành vi giao thơng phù hợp với tính chất đặc thù Việt Nam Để hỗ trợ người tham gia giao thông mô hình nhận diện hành vi cần có khả phát hiện hành vi bất thường Hầu hết nghiên cứu vấn đề tập trung vào phương tiện xe Nói cách khác mơ hình phát triển khơng phù hợp cho loại phương tiện khác Các nghiên cứu sử dụng nhiều loại cảm biến để thu thập liệu cho trình nhận dạng Bên cạnh cảm biến chuyển đợng cảm biến khác GPS, camera hình ảnh cảm biến âm sử dụng để nâng cao đợ xác nhận dạng hành vi bất thường lái xe Việc sử dụng nhiều liệu cảm biến thường dẫn đến việc tiêu tốn nhiều lượng điện thoại thông minh áp dụng thực tế Trong lựa chọn sử dụng liệu cảm biến chuyển động cảm biến gia tốc có mức tiêu tớn lượng thấp địi hỏi cần xây dựng mợt mơ hình phù hợp để đảm bảo đợ xác nhận dạng cao áp dụng điều kiện thực tế cho loại phương tiện giao thông khác Một yếu tố quan trọng cần xem xét trường hợp cần xác định tập đặc trưng phù hợp cho việc nhận dạng mà không làm tăng độ phức tạp tính tốn mơ hình Với mong ḿn xây dựng mơ hình phát hiện đốn nhận hành vi bất thường qua điện thoại di động, chọn đề tài : “Phân tích hành vi bất thường người tham gia giao thông dựa cảm biến điện thoại thông minh”1 thực hiện khuôn khổ luận án tiến sĩ chun ngành Hệ thớng thơng tin nhằm góp phần giải một số vấn đề đặt Tác giả dự kiến xin đổi tên đề tài thành: “Phân tích hành vi bất thường người tham gia giao thông dựa cảm biến điện thoại thông minh” Mục tiêu luận án Mục tiêu luận án tập trung vào phân tích liệu cảm biến thu từ điện thoại thông minh người tham gia giao thơng, phân tích nhằm phát hiện hành vi giao thông bất thường đối tượng tham gia lưu thông Luận án tập trung xây dựng mơ hình nhằm phân tích hành vi bất thường người tham gia giao thông dựa cảm biến điện thoại thông minh Để giải mục tiêu luận án, tập trung giải vấn đề sau: Khảo sát kỹ thuật phân tích liệu ngồi nước - Tìm hiểu kỹ thuật thu thập biến đổi liệu từ loại cảm biến khác nhau, tập trung vào cảm biến gia tớc có mức tiêu thụ lượng thấp - Xây dựng hệ thống nhận dạng loại xe, hành động giao thông người điều khiển phương tiện tham gia lưu thông - Nghiên cứu, đề xuất giải pháp phát hiện hành vi bất thường người điều khiển phương tiện, đặc biệt phương tiện xe máy, dựa kết nhận dạng hành động giao thông đối tượng điều khiển Khi một hành động hành động nhận dạng mà hệ thống phát hiện nhiều bất thường (là hành động khác với hành động nhận dạng cửa sổ liệu nhỏ chia từ cửa sổ liệu hành động bản) theo mợt tỉ lệ cho trước hành đợng xác định mợt hành vi bất thường Đối tượng phạm vi nghiên cứu Đối tượng nghiên cứu luận án hành vi giao thông bất thường đối tượng tham gia giao thơng Tìm hiểu, phân tích hành vi đới tượng sử dụng phương tiện ô tô, xe buýt, xe máy, xe đạp người bộ lưu thơng Trong đó, tập trung vào hành vi bất thường người điều khiển phương tiện thông dụng thành phố xe máy, xe đạp xe buýt, ô tô bộ Phương pháp nghiên cứu Luận án sử dụng phương pháp khảo sát, tổng hợp, phân tích thông tin cần thiết; tham khảo, đánh giá nghiên cứu liên quan để từ tìm hướng giải vấn đề Xác định đối tượng phạm vi nghiên cứu; xây dựng mơ hình phân tích Khảo sát kỹ thuật thu thập xử lý liệu cảm biến, phân tích đặc điểm phương tiện, hành đợng giao thơng để từ đề xuất giải pháp phát hiện hành vi giao thông bất thường dựa cảm biến thu Phương pháp phân tích sử dụng lý thuyết chứng minh thực nghiệm áp dụng để thực hiện yêu cầu toán đặt Đóng góp luận án Đóng góp thứ luận án: đề xuất mợt tập tḥc tính đặc trưng dựa miền thời gian miền tần số nhằm biến đổi liệu cảm biến thành liệu phục vụ cho nhận dạng phương tiện, hành động phát hiện hành vi bất thường Tập tḥc tính đặc trưng lựa chọn, đánh giá dựa kết phân lớp liệu Trong đưa vào sử dụng tham số Hjorth cho đại lượng khác nhau, tham gia vào nhận dạng phương tiện, hành động giao thông, phát hiện hành vi bất thường đặc biệt đới với loại phương tiện gặp nhiều khó khăn nhận dạng xe máy, xe đạp, xe bt bợ Đóng góp thứ hai luận án: xây dựng hệ thống nhận dạng loại xe, hành động giao thông Hệ thống phát hiện phương tiện xây dựng nhận dạng loại phương tiện tham gia lưu thông dựa liệu cảm biến gia tốc thu từ điện thoại - Với loại phương tiện nhận dạng, hệ thống tiến hành thực hiện nhận dạng hành động giao thông đối tượng điều khiển loại phương tiện - Với tập tḥc tính đề xuất, phương pháp nhận dạng phương tiện cho kết cao một tập liệu công ty HT so với một số nghiên cứu gần Đóng góp thứ ba luận án: đề xuất kỹ thuật phát hiện hành vi giao thông bất thường dựa kết nhận dạng hành động hành động Với một hành động nhận dạng, hệ thớng phát hiện có bất thường hành đợng xảy xác định hành vi bất thường Kỹ thuật xác định bất thường dựa phân đoạn liệu hành đợng với kích thước cửa sổ nhỏ nhận dạng đoạn liệu nhằm so sánh, đánh giá để xác định tính bất thường Các giải pháp, kết luận án trình bày cơng trình cơng bớ Với báo q́c tế có sớ SCIE; hợi nghị q́c tế có sớ SCOPUS, có báo Springer xuất báo IEEE xuất Những đóng góp báo cáo cơng trình cơng bớ [CT1], [CT2], [CT3], [CT4] [CT5] Bố cục luận án Ngoài phần mở đầu, mục lục, kết luận tài liệu tham khảo, nợi dung luận án chia thành chương, cụ thể sau: Chương 1: Giới thiệu tốn phân tích hành vi bất thường người tham gia giao thông sử dụng liệu cảm biến gia tốc Khảo sát, tổng hợp, phân tích nghiên cứu có để làm rõ vấn đề tốn đặt Từ đó, đề xuất phương pháp phân tích bất thường dựa liệu cảm biến gia tốc Chương 2: Nghiên cứu đề xuất tập tḥc tính đặc trưng dựa kết hợp tḥc tính miền thời gian miền tần sớ Từ đó, xây dựng hệ thớng nhận dạng loại phương tiện hành động từ phương pháp xây dựng tập liệu đặc trưng đề xuất Chương 3: Dựa hành động giao thông đối tượng điều khiển phương tiện để đề xuất giải pháp phát hiện hành vi bất thường Trong hành động nhận dạng, phân tích thấy có bất thường hoạt đợng đánh giá xác định để hành vi bình thường hay bất thường Chương TỔNG QUAN VỀ PHÂN TÍCH HÀNH VI 1.1 Giới thiệu Ngày nay, an tồn giao thơng hỗ trợ lái xe an tồn mợt vấn đề quan tâm lớn tất nước giới Theo báo cáo tồn cầu an tồn giao thơng đường bộ tổ chức WHO, tai nạn giao thông một 10 nguyên nhân làm chết 1.2 triệu người năm, đặc biệt nước có thu nhập thấp trung bình Trong đó, người đa số tác nhân gây tai nạn nên việc hỗ trợ thông tin cảnh báo cho lái xe śt hành trình họ mợt cách làm hiệu để tránh tai nạn xảy Có nhiều nghiên cứu hiện vấn đề này, tập trung vào hệ thống cảnh báo hỗ trợ lái xe; chia thành hướng sau: nhận diện loại phương tiện (ơ tô, xe buýt, tàu hỏa, xe đạp, bộ); xác định kiểu lái xe (lái xe ẩu, lái xe tình trạng say rượu, lái xe tình trạng mệt mỏi, lái xe tình trạng buồn ngủ, lái xe không tập trung), phát hiện kiện giao thơng bình thường bất thường (di chuyển, dừng, rẽ trái, rẽ phải, quay đầu tốc độ nhanh, dừng đột ngột, đánh võng ), phát hiện tai nạn , phát hiện đường điều kiện giao thông, đánh giá mức tiêu thụ lượng ô nhiễm môi trường Trong thực tế, có mợt sớ hướng nghiên cứu đề cập đến người lái xe, thông tin phương tiện sử dụng cảm biến chuyên dụng cài đặt phương tiện sử dụng thu thập liệu gửi thông tin qua Internet để thực hiện phân tích hệ thớng chun dụng Để thực hiện hệ thống cần đầu tư thiết bị chuyên dụng phụ thuộc vào yếu tố hạ tầng sở khác Tiếp đến hướng nghiên cứu nhà khoa học quan tâm sử dụng điện thoại thông minh với cảm biến gắn bên cảm biến gia tốc, cảm biến quay hồi chuyển, cảm biến GPS, cảm biến từ trường, cảm biến hình ảnh, cảm biến ánh sáng, cảm biến phương hướng, cảm biến ánh sáng Công nghệ phần cứng điện thoại phát triển ngày nhanh, hệ thớng phân tích liệu thu nhằm hỗ trợ người điều khiển phương tiện dựa nhận dạng, phát hiện loại phương tiện, hành động, hành vi giao thông ngày ứng dụng vào thực tiễn với kết tốt hơn, đặc biệt việc phát hiện hành vi giao thơng bất thường Phân tích hành vi giao thơng mợt tốn cần thiết, hữu ích nhằm hỗ trợ người tham gia giám sát hoạt động giao thông Trong hệ thống giao thông đường bộ với điều kiện hạ tầng giao thông thấp, phương tiện giao thông chủ yếu xe máy, xe đạp phương tiện phổ biến khác, phân tích phát hiện hành vi giao thông gặp nhiều khó khăn Hướng tiếp cận sử dụng tín hiệu liệu từ phương tiện cá nhân phổ biến điện thoại thơng minh gặp phải khó khăn chất lượng tín hiệu thiết bị, lượng, vị trí thiết bị thu thập liệu dẫn đến hiệu phân tích tốn Trong chương này, luận án làm rõ khái niệm bản, hướng tiếp cận thu thập, xử lý liệu cảm biến gia tốc điện thoại vị trí khác dựa cửa sổ liệu Đề xuất tập thuộc tính để xây dựng tập liệu đặc trưng phương pháp tổng thể phân tích, phát hiện hành vi bất thường đối tượng tham gia giao thông 1.2 Một số khái niệm 1.2.1 Hành động giao thông Hành động giao thông: hành động người sử dụng, điều khiển phương tiện, thực hiện nhằm thay đổi trạng thái phương tiện tham gia giao thông Hành động giao thông đối tượng tham gia lưu thông sử dụng điều khiển theo mục đích, thói quen cá nhân Thơng thường, hành đợng phân biệt dựa vào thay đổi vận tốc thay đổi hướng phương tiện Từ đưa hành động như: dừng, di chuyển, chờ, quay đầu, đổi hướng sang trái, sang phải, phanh với tính chất mức đợ khác Trong hệ thớng phân tích giao thông, nhận dạng hành động phục vụ mục đích khác dựa đánh giá tính chất, mức đợ hành đợng hồn cảnh, điều kiện cụ thể Trong khuôn khổ nghiên cứu luận án tập chung vào hành động giao thông là: dừng phương tiện, di chuyển thẳng, rẽ trái rẽ phải nhằm phục vụ cho phân tích, phát hiện hành vi giao thơng bất thường 1.2.2 Hành vi giao thông Hành vi giao thông hành vi người tham gia giao thông điều khiển, sử dụng phương tiện theo cách thức, mức độ, tính chất khác Hành vi giao thơng đánh giá dựa hành động giao thông điều kiện, tình h́ng, mơi trường cụ thể Việc đánh giá mức đợ, tính chất mợt hành đợng chuỗi hành động lặp lặp lại sở để đánh giá mức đợ, tính chất hành vi giao thơng bình thường hay bất thường Hành vi bất thường hiểu phản ứng, thực hiện điều khiển, sử dụng phương tiện một cách không bình thường có yếu tớ khách quan, chủ quan tác đợng đến đới tượng, phương tiện q trình tham gia giao thơng 1.3 Bài tốn phân tích hành vi sử dụng liệu cảm biến Phân tích hành vi giao thơng thực hiện nhiều q́c gia giới, với mục đích nắm bắt hành vi người tham gia lưu thông cho nhiều mục đích khác nhau; Trong đó, phân tích hành vi để phát hiện hành vi giao thông bất thường giúp giảm tránh tai nạn giao, đặc biệt giao thông đường bộ Những nguy hiểm thường người điều khiển phương tiện gây nguyên nhân chủ yếu sau: hành vi tốc độ cho phép phương tiện quy định luật giao thông; hành vi thay đổi tốc độ bất thường; hành vi điều khiển phương tiện trạng thái khơng tỉnh táo, có nồng đợ cồn máu cao; mật độ giao thông đông đúc, phức tạp điều kiện thời tiết tạo nên Tín hiệu cảm biến thu phụ tḥc vào vị trí điện thoại Điện thoại đặt nhiều vị trí khác sử dụng một số ứng dụng khác tác nhân ảnh hưởng đến chất lượng tín hiệu cảm biến gia tớc Hơn nữa, việc xác định tính chất bất thường hành vi phụ thuộc vào hoàn cảnh cụ thể cách hiểu khác đặc biệt hành vi giao thơng thường có tính chất phức tạp gặp nhiều khó khăn Từ mợt sớ vấn đề khó khăn nêu trên, chúng tơi lựa chọn phân tích hành vi giao thơng nhằm phát hiện hành vi giao thông bất thường dựa cảm biến gia tốc điện thoại thông minh Dữ liệu cảm biến phân tích, xử lý, dựa tập tḥc tính đặc trưng xây dựng tập liệu đặc trưng cho hệ thống nhận dạng phát hiện hành vi giao thông bất thường đối tượng điều khiển phương tiện giao thông thông dụng thành phố Việt Nam 1.4 Một số nghiên cứu liên quan Trong lĩnh vực phân tích hành vi, có nhiều loại tác nhân ảnh hưởng đến hành vi người điều khiển phương tiện thu thập để phân tích thơng tin môi trường, chất lượng hạ tầng giao thông; thông tin phương tiện; thông tin thiết bị mang theo Các nghiên cứu cho thấy hiệu việc kết hợp nhiều loại cảm biến khác toán này; nhiên, việc sử dụng liệu cảm biến gia tốc phù hợp với điện thoại phổ biến tiêu hao lượng Đồng thời, sử dụng cảm biến gia tớc, việc xác định lựa chọn tḥc tính đặc trưng cho phù hợp với yêu cầu toán cần thiết toán phát hiện hành vi giao thông, hành vi xảy nhanh, phức hợp khó đốn định 1.5 Phương pháp phân tích hành vi bất thường dựa cảm biến Dữ liệu cảm biến điện thoại mang theo trình điều khiển phương tiện tham gia lưu thông chịu ảnh hưởng nhiều nhân tố môi trường thời tiết, hạ tầng hành vi người điều khiển Do đó, chúng tơi đề xuất phương pháp phân tích hành vi giao thơng bất thường Hình 1-1 đây: NHẬN DẠNG HÀNH ĐỘNG Chương Hành động THU THẬP TIỀN XỬ LÝ DỮ LIỆU PHÂN TÍCH HÀNH VI BẤT THƯỜNG Chương Hành vi bất thường LOẠI HÀNH VI BẤT THƯỜNG Hình 1-1 Hệ thớng phân tích hành vi bất thường 1.6 Kết luận Chương khảo sát nghiên cứu liên quan đến toán phân tích hành vi Làm rõ mợt sớ khái niệm hành động, hành vi, hành vi bất thường lĩnh vực giao thơng; từ xác định, làm rõ vấn đề nghiên cứu luận án thông qua khảo sát, đánh giá cơng trình nghiên cứu liên quan đến phân tích, phát hiện hành đợng, hành vi bất thường sử dụng liệu cảm biến gia tốc Với liệu gia tốc sử dụng cho phân tích hành đợng hành vi, vấn đề gặp phải khảo sát để từ lựa chọn phương pháp phân tích hành vi giao thơng dựa cảm biến gia tốc Phương pháp đề xuất thực hiện mô đun thu thập xử lý liệu, từ nhận dạng phương tiện, hành động giao thông chủ thể điều khiển phương tiện ći phân tích, phát hiện hành vi bất thường dựa hệ thống nhận dạng hành đợng trình thực hiện Trong trường hợp tớt nhất, thuật toán làm việc, kết cung cấp khơng có ý nghĩa khơng có tính xác Do cần nghiên cứu áp dụng kỹ thuật tiền xử lý liệu nhằm nâng cao hiệu phân tích 2.4.1.1 Cửa sổ liệu Trong hệ thống nhận dạng đề xuất, cửa sổ liệu khảo sát nhằm chọn kích thước phù hợp với loại phương tiện hành động với mục đích nâng cao kết nhận dạng Cửa sổ i-1 Cửa sổ i+1 Cửa sổ i w =Độ dài cửa sổ … k-1 k k+1 … N-1 N Chồng liệu Hình 2-4 Cửa sổ liệu 2.4.1.2 Lọc liệu Với cửa sổ liệu thu kỹ thuật tiền xử lý áp dụng với mong muốn thu liệu tốt cho hệ thống nhận dạng Các kỹ thuật thường áp dụng với liệu cảm biến gia tớc kỹ thuật lọc nhiễu chuyển trục tọa độ thiết bị sang trục tọa độ trái đất 2.4.1.3 Chuyển hệ trục tọa độ liệu Phương pháp chuyển hệ trục tọa độ thiết bị cảm biến hệ trục tọa độ trái đất Hình 2-5 (b) (a) Hình 2-5 (a) Hướng điện thoại xác định hệ tọa độ (X, Y, Z) (b) Hướng di chuyển phương tiện theo hệ tọa độ trái đất (X’, Y’, Z’) 2.4.2 Biến đổi liệu Khi không gắn liền xác định trước hệ trục tọa độ so với hướng chuyển động, phương pháp biến đổi liệu từ một cửa sổ sang mợt dạng liệu dựa vào tập tḥc tính đặc trưng thực cần thiết cho toán nhận dạng đối tượng dựa tập liệu đặc trưng Dựa vào tính chất liệu cảm biến gia tớc, việc xây dựng tập tḥc tính đặc trưng yếu tố định đến kết đốn nhận Trong kỹ thuật xử lý tín hiệu cảm biến, tḥc tính đặc trưng thường lựa chọn theo tính chất thời gian, tần sớ [50][51] Tùy 12 vào tính chất liệu để đánh giá đóng góp tḥc tính miền thời gian miền tần số Phương pháp thường dùng [52] kết hợp tḥc tính miền thời gian miền tần số lại với để làm rõ tính đặc trưng đới tượng cần phân lớp Hình 2-6 Kết hợp biểu diễn thông tin miền thời gian miền tần số [52] 2.4.2.1 Thuộc tính miền thời gian Trong miền thời gian, một số đặc trưng thường sử dụng để phân tích tín hiệu 2.4.2.2 Thuộc tính miền tần số Các kỹ thuật miền tần số sử dụng nhiều để xác định chất lặp lại tín hiệu cảm biến Tính lặp lại thường tương quan với chất tuần hoàn một hoạt động xác định chạy hay bợ Kỹ thuật khai triển tín hiệu thường sử dụng biến đổi Fourier cho phép biểu diễn đặc tính quan trọng miền tần sớ (phổ) mợt tín hiệu dựa thời gian thành phần trung bình (hoặc thành phần mợt chiều DC) thành phần tần số trọng yếu 2.4.2.3 Tham số Hjorth Tham số Hjorth đại lượng thường sử dụng phân tích tín hiệu y sinh tính chất thớng kê mợt tín hiệu miền thời gian, có ba loại tham sớ là: tính hoạt đợng (Activity), tính di đợng (Mobility) đợ phức tạp (Complexity) 2.4.3 Xây dựng tập thuộc tính đặc trưng Kết hợp tḥc tính đề xuất miền thời gian, miền tần số tham số Hjorth để đánh giá tác đợng tập tḥc tính đồng thời cho thấy kết kết hợp ba dạng tḥc tính phù hợp sau: Miền, tham số Hjorth Thời gian Tần số Tên tập thuộc tính T2 F2 13 Số lượng thuộc tính 34 07 Nhận dạng Hành động Hành động Hjorth T+F T+H T+F+H H2 TF2 TH2 TFH2 18 41 52 59 Hành động Hành động Hành động Hành động Bảng 2-2 Tập thuộc tính sử dụng nhận dạng Thực hiện kết hợp, đánh giá ảnh hưởng tập tḥc tính hoạt đợng nhận dạng hành động Chúng tiến hành lựa chọn tập tḥc tính để đánh giá, thực nghiệm với tổng sớ lượng tḥc tính đặc gồm 59 tḥc tính miền thời gian, tần số đối với tham số Hjorth mô tả bảng sau : Kiểu Tên đặc trưng Cơng thức Tḥc tính Signal Error! SVM arms Reference source not found MeanError! Reference source not ax, ay, az, arms, ,   found VarianceError! Reference source not  ax, ay, az, ,  found Standard deviation ax, ay, az  DifferenceError! Diff = max(x)ax, ay, az Reference source not min(x) found Cross correlationError! (ax, ay), (ax, az), (az, R ay) Reference source not found Miền thời Zero crossingsError! gian ZC ax, ay, az Reference source not found Peak to average ratioError! PAR ax, ay, az Reference source not found Signal magnitude areaError! SMA ax, ay, az, arms Reference source not found Differential signal vector DSVM magnitudeError! arms Reference source not found Integration Error! I Reference source not ,  found 14 Tham số Hjorth A M C EFFT Miền tần số En Activity Mobility Complexity EnergyError! Reference source not found EntropyError! Reference source not found ax, ay, az, arms, ,  ax, ay, az, arms, ,  ax, ay, az, arms, ,  ax, ay, az, arms ax, ay, az Hình 2-7 Tập thuộc tính hệ thống nhận dạng hành động giao thơng 2.4.4 Thuật toán nhận dạng Dữ liệu cảm biến gia tốc sau tiền xử lý, biến đổi thu tập liệu đặc trưng sử dụng cho phân lớp Mợt sớ thuật tốn thường sử dụng để nhận dạng liệu cảm biên nghiên cứu SVM, RF, k-NN, NB, J48 Các giải thuật sử dụng để khảo sát tḥc tính phân lớp hệ thớng nhận dạng Kết thực nghiệm cho thấy, thuật toán RF cho kết cao so với thuật tốn cịn lại 2.4.5 Môi trường, liệu thực nghiệm Hệ thống thu thập phân tích liệu cảm biến điện thoại xây dựng dựa hệ điều hành Android phiên 4.5 đến 6.0 sử dụng ngôn ngữ Java Các mơ hình phân tích liệu, phát hiện phương tiện, hành động giao thông sử dụng bộ công cụ WEKA Thực nghiệm tiến hành đối tượng mang điện thoại điều khiển ngồi sau phương tiện di chuyển thành phố gồm xe máy, xe đạp, ô tô, xe buýt cho người bợ Vị trí điện thoại thay đổi tùy ý thực hiện hành trình thành phớ Với tính chất đặc thù thành phớ Việt Nam khuôn khổ luận án, tiến hành thực nghiệm nhận dạng hành động phương tiện thông dụng xe máy Dữ liệu thu đối tượng ngồi sau điều khiển phương tiện hành trình lưu thơng Tần số thu liệu 50Hz Các hành động cần nhận dạng là: {Dừng (S), Đi thẳng (G), Rẽ trái (L), Rẽ phải (R)} Dữ liệu hành động dừng thu thập phương tiện chuẩn bị dừng phương tiện dừng hẳn Hành động thẳng thực hiện phương tiện di chuyển không thay đổi hướng lợ trình 2.4.6 Nhận dạng hành động Hệ thống nhận dạng hành động giao thông thực hiện loại phương tiện Với mục đích làm sở phát hiện hành vi bất thường, luận án tập trung nhận dạng hành động thẳng, dừng, rẽ trái rẽ phải Dữ liệu cảm biến gia tốc chuyển trục dựa vào cảm biến quan hồi chuyển cảm biến từ; sau thực hiện bước tiền xử lý liệu khác để thực hiện thực nghiệm về: lựa chọn tập tḥc tính; khảo sát thuật tốn phân lớp; xây dựng tập liệu huấn luyện dựa tối ưu kích thước cửa sổ liệu 15 2.4.6.1 Lựa chọn tập thuộc tính 100% 1.00 90% 0.95 80% 0.90 Độ đo AUC Độ đo Accuracy Để có đánh giá kết hợp tḥc tính tập khác miền tần số thời gian, thực nghiệm phân lớp khảo sát H2, T2, TH2, TF2 TFH2 với liệu xây dựng với tham số cửa sổ lựa chọn thực nghiệm trước cho kết sau: 70% 60% 0.85 0.80 0.75 50% RF J48 NB KNN SVM 0.70 RF Thuật toán H2 F2 T2 TH2 TF2 TFH2 H2 J48 T2 NB Thuật tốn TF2 KNN SVM TFH2 Hình 2-8 Kết so sánh tập H2, T2, TF2,TFH2 - Dữ liệu thực nghiệm so sánh tiến hành tập liệu cảm biến gia tốc thô liệu chuyển trục với cửa sổ 5s, chồng liệu 50% với tập tḥc tính TFH2 lựa chọn cho kết sau: 90% Độ đo ACC Độ đo Accuracy 100% 80% 70% 60% RF J48 NB KNN SVM 0.95 0.9 0.85 0.8 0.75 0.7 RF J48 Dữ liệu thơ NB KNN SVM Thuật tốn Thuật tốn Dữ liệu chuyển trục Dữ liệu thơ Dữ liệu chuyển trục Hình 2-9 Kết so sánh liệu thô liệu chuyển trục 2.4.6.2 Khảo sát thuật toán phân lớp Thực nghiệm tiến hành thuật tốn thường sử dụng phân tích hành đợng người Random Forest, Nạve Bayes, J48, KNN SVM với giá trị mặc định thường dùng cho thuật toán Phương pháp kiểm chứng chéo 10-fold sư dụng để đánh giá cho kết tập liệu Hình 2-10 đây: 16 1.0 90% 0.9 Độ đo AUC Độ đo Accuracy 100% 80% 70% 60% 0.8 0.7 0.6 0.5 50% RF J48 NB RF KNN SVM J48 F2 T2 TH2 TF2 KNN SVM Thuật toán Thuật toán H2 NB H2 TFH2 F2 T2 TH2 TF2 TFH2 Hình 2-10 Kết độ đo phân lớp nhận dạng hành động với thuật toán 2.4.6.3 Tập liệu huấn luyện Khảo sát khoảng cách hai kết độ đo AUC liền hành đợng để lựa chọn ngưỡng kích thước tối ưu cho cửa sổ biểu diễn Hình 2-11: 0.004 0.002 Giá trị AUC thay đổi Giá trị AUC thay đổi 0.0025 0.0015 0.001 0.0005 0.0035 0.003 0.0025 0.002 0.0015 0.001 0.0005 0 101112131415 101112131415 Kích thước cửa sổ Kích thước cửa sổ 75% 50% 25% 75% (a) Giá trị AUC thay đổi Giá trị AUC thay đổi 0.006 0.005 0.004 0.003 0.002 0.001 0.002 0.0018 0.0016 0.0014 0.0012 0.001 0.0008 0.0006 0.0004 0.0002 10 11 12 13 14 15 10 11 12 13 14 15 Kích thước cửa sổ Kích thước cửa sổ 50% 25% (b) 0.007 75% 50% 75% 25% (c) 50% 25% (d) Hình 2-11 Chu kỳ, kích thước cửa sổ hành động với (a) Dừng; (b) Đi thẳng; (c) Rẽ trái; (d) Rẽ phải Từ hình minh họa ta thấy, thay đổi độ đo AUC hội tụ dần giây Để khảo sát tham số cửa sổ đối với hành động, chọn cửa sổ chồng liệu 50% (tương ứng với giây), khoảng khảo sát kích thước cửa sổ từ giây, đến giây sử dụng với mục đích tìm kích thước cửa sổ phù hợp đối với nhãn lớp 17 Kết thu bợ tham sớ kích thước cửa sổ chồng liệu thể hiện Bảng 2-3 đây: S G L R Của sổ (giây) 6 Chồng liệu 75% 75% 50% 50% 0.999422 0.992828 0.996841 0.987251 AUC Bảng 2-3 Kích thước cửa sổ tối ưu theo độ đo AUC 1.0 95% 90% 85% 80% 75% 70% 65% 60% Độ đo AUC Độ đo Accuracy Kết minh họa hình đây: RF J48 NB 0.9 0.8 0.7 0.6 KNN SVM RF Thuật toán TF2 J48 NB KNN SVM Thuật tốn TFH2 TF2 TFH2 Hình 2-12 Kết 2.4.6.4 Đánh giá hệ thống đề xuất so với số nghiên cứu tại.[CT1] Dữ liệu để nhận dạng hệ thớng phương tiện có tính riêng tư, quyền thường cơng bớ rợng rãi Trong phần này, tiến hành đánh giá hệ thống dựa tập liệu thu thập công ty HTC đài loan công bố [1] Hiện tại, tập liệu công bố với 25.6GB gồm cảm biến gia tốc, quay hồi chuyển, cảm biến từ GPS Thu thập nhãn lớp là: dừng, bộ, chạy, xe đạp, xe buýt, ô tô, tàu điện ngầm, tàu hỏa, xe điện, tàu nhanh) Một số nghiên cứu thực hiện đánh giá kiểm thử phương pháp đề xuất họ tập liệu [1][2][3] Tác giả nghiên cứu [62] tập trung phân biệt dạng động (still, walk, run, and bike) dạng phương tiện giới khác Có hai hệ thớng phát hiện khơng phải phương tiện giới (Still, walk) phương tiện giới (bus, car, metro, train, tram, and HSR) từ cảm biến gia tốc, cảm biến từ quay hồi chuyển Thêm vào đó, kết phương pháp đề xuất so với hệ thống khác một bộ liệu công ty HTC 97.33%, cao so với hai nghiên cứu hiện thời gian dự đốn mợt phương tiện cần thời gian so với nghiên cứu [2] Với tập tḥc tính đề xuất, chúng tơi thực nghiệm bợ liệu HTC[1] thu thập công ty HTC Đài Loan; kết thực nghiệm cao so với phương pháp một số nghiên cứu bộ liệu Kết thể hiện Nghiên cứu Kết phân lớp accuracy Thời gian tính tốn nhận dạng (μs) Kích thước mơ hình (KB) Fang et al [2] (Sử dụng KNN) 83.57% 9,550 106,300 Guvensan et al [3] (Sử dụng RF) 91.63% - - 18 Phương pháp đề xuất (sử dụng RF) 97.33% 4.9 187 Bảng 2-4 Kết so sánh tập thuộc tính với phương pháp khác liệu HTC [1] 2.5 Kết luận Trong chương đề xuất hệ thống nhận dạng để thực hiện nhận dạng hành động giao thông {Dừng, Đi thẳng, Rẽ trái, Rẽ phải } dựa cảm biến gia tốc thu từ điện thoại thông minh người sử dụng phương tiện Độ đo AUC sử dụng để tới ưu tham sớ kích thước cửa sổ chồng liệu nhằm tìm bợ tham sớ tới ưu mơ hình phát hiện hành động với kết độ đo accuracy 98.33% độ đo AUC 0.999383 Hệ thống nhận dạng đề xuất sử dụng để so sánh với một số nghiên cứu gần hiện một bộ liệu công bố công ty HTC Đài Loan Kết cho thấy phương pháp đề xuất nhận kết tốt thể hiện Bảng 2-4 19 Chương PHÁT HIỆN HÀNH VI BẤT THƯỜNG 3.1 Giới thiệu Trong chương này, đề xuất giải pháp phân tích, phát hiện hành vi giao thông bất thường dựa vào nhận dạng hành động giao thơng Vì tính chất bất thường xảy bất ngờ, một thời gian ngắn nên một hành động giao thông xảy Nếu nhận dạng thấy tính chất bất thường xác định hành vi bất thường Việc nhận dạng tính chất bất thường dựa đánh giá kết nhận dạng cửa sổ liệu chia nhỏ với kích thước nhỏ so sánh với mợt tỉ lệ xác định trước 3.2 Bài tốn phát hành vi bất thường 3.2.1 Phát bất thường Một dạng mẫu liệu bất thường một dạng mà khác với định nghĩa mẫu liệu bình thường Ví dụ hình Hình 3-1 cho thấy, với mẫu hai tập N1 N2 hành vi bình thường mẫu o1, o2 tập O3 mẫu bất thường Các mẫu bất thường xảy nhiều lý mợt hệ thống vận hành Vấn đề thường quan tâm đặc trưng mẫu bất thường Hình 3-1 Khái niệm liệu bất thường[63] Tuy nhiên, việc định nghĩa một mẫu bất thường khó với việc định nghĩa mẫu bình thường 3.2.2 Phát hành vi bất thường sử dụng cảm biến điện thoại Hành vi người điều khiển giao thơng có nhiều góc đợ tiếp cận, nghiên cứu này, tập trung vào hành vi sử dụng, điều khiển phương tiện giao thông (hành vi giao thông) hành vi bất thường (không bình thường) tham gia giao thơng dựa cảm biến gia tốc 20 3.2.3 3.2.3.1 Một số kỹ thuật phát hành vi bất thường Sử dụng DTW Chúng sử dụng phương pháp để phát hiện hành vi bất thường dựa độ hiệu dụng cảm biến gia tớc mơ tả Hình 3-2 Cảm biến gia tốc (Mẫu (Mẫu dữbất liệu bất thường) thường) Chuyển đổi liệu Độ tương tự Dst DTW Dữ liệu phát hành vi Yes Dst > rd ? Hành vi bất thường Chuyển đổi liệu Hình 3-2 Sử dụng DTW để phát hành vi bất thường 3.2.3.2 Sử dụng ANN Chúng sử dụng phương pháp để đoán nhận hành vi bất thường dựa tập liệu huấn luyện liệu đặc trưng trích xuất từ cảm biến gia tớc theo tập tḥc tính đề xuất mơ tả hình sau: Dữ liệu cảm biến TRÍCH XUẤT DỮ LIỆU TIỀN XỬ LÝ DỮ LIỆU - Lọc liệu - Kích thước cửa sổ - Chồng liệu (Được gán nhãn) Dữ liệu đặc trưng (Huấn luyện) ANN Pha huấn luyện Tham sớ mơ hình Pha phát hiện Dũ liệu đặc trưng Dữ liệu cảm biến (Phát hành vi) TIỀN XỬ LÝ DỮ LIỆU - Lọc liệu TRÍCH XUẤT DỮ LIỆU - Kích thước cửa sổ - Chồng liệu PHÁT HIỆN HÀNHVI BẤT THƯỜNG Hành vi bất thường Hình 3-3 Phát bất thường sử dụng 3.3 Một số nghiên cứu liên quan Các hành vi bất thường người điều khiển phương tiện quan tâm thực hiện nhiều nghiên cứu 3.4 Đề xuất phát hành vi bất thường dựa nhận dạng hành động Hệ thớng phân tích phát hiện hành vi bất thường (ABDS) đề xuất thể hiện Hình 3-4 đây: 21 Dữ liệu cảm biến gán nhãn Tiền xử lý liệu - Chuyển trục - Lọc liệu - Kỹ thuật cửa sổ Acc, Gyro, Mag TRÍCH XUẤT ĐẶC TRƯNG Mơ hình phát hành động Tham số mơ hình Dữ liệu phát hành vi bất thường Tiền xử lý liệu - Chuyển trục - Lọc liệu - Cửa sổ: w TRÍCH XUẤT ĐẶC TRƯNG ` PHÂN LỚP Cửa sổ: w The parameters SO KHỚP Chia W thành k cửa sổ W’ Tiền xử lý liệu - Chuyển trục - Lọc liệu - Cửa sổ: w’ < w TRÍCH XUẤT ĐẶC TRƯNG PHÂN LỚP Cửa sổ: w’ Điều kiện bất thường Đúng MÔ PHỊNG VANETS Hình 3-4.Giải pháp phát hành vi bất thường (ABDS) Từ giải pháp tổng thể ta dựa nhận dạng một hành động để đánh giá tính chất bất thường hành đợng xác định hành vi bất thường Cách thức đánh giá tính bất thường mợt hành đợng thể hiện hình Giải pháp đề xuất biểu diễn Hình 3-5 đây: TIỀN XỬ LÝDỮ LIỆU TRÍCH XUẤT ĐẶC TRƯNG Wi - W1,W2,W3, ,Wi, Wn - F1,F2,F3, ,Fi, ,Fn PHÂN LỚP Cửa sổ w Dữ liệu cảm biến (Trực tuyến) Luồng Wi Yes SO KHỚP Tính tỉ lệ sai khác Luồng TIỀN XỬ LÝDỮ LIỆU TRÍCH XUẤT ĐẶC TRƯNG - W’1,W’2,W’3, ,W’k - F’1,F’2,F’3, ,F’k W’i dst >rd ? Hành vi bất thường PHÂN LỚP Cửa sổ w’ Hình 3-5.Phát hành vi bất thường dựa hành động giao thông Giải pháp phát hiện hành vi bất thường thực hiện dựa hai mơ hình thực hiện song song với 3.5 Thực nghiệm đánh giá 3.5.1 Môi trường, liệu thực nghiệm Chương trình thu thập liệu, phân tích liệu phát triển ngôn ngữ Java thực hiện điện thoại sử dụng hệ điều hành Android phiên 4.5 đến 6.0 Bộ công cụ WEKA sử dụng để phát hiện, nhận dạng dựa mơ hình phân lớp Thực nghiệm phát hiện hành vi bất thường thực nghiệm phương tiện di chuyển thành phố phương tiện xe máy Đối tượng tham gia thực nghiệm đặt điện thoại vị trí 22 tùy ý thay đổi vị trí hành trình họ Tần sớ lấy mẫu liệu cảm biến liệu khác 50Hz 3.5.2 3.5.2.1 Thực nghiệm đánh giá Sử dụng DTW Đợ đo tương tự mẫu bình thường N1, N2 mẫu bất thường M1, M2 tính với kỹ thuật DTW cho độ tương tự sau: M1 M2 0.164775496 0.1725308 N1 0.141083538 0.183593 N2 Bảng 3-1 Độ tương tự so khớp DTW 3.5.2.2 Sử dụng ANN Kết phân lớp sử dụng ANN cách kiểm chứng chéo 10 – folds thu kết phân lớp theo hai đợ đo là: đợ xác accuracy 90.48% giá trị AUC 0.995 Với ma trận nhầm lẫn Bảng 3-2 Nhãn lớp A nhãn lớp hành vi bất thường, nhãn lớp N hành vi bình thường Nhãn a b lớp a=A 10 b=N Bảng 3-2 Ma trận nhầm lẫn sử dụng ANN 3.5.2.3 Giải pháp đề xuất Kết thực nghiệm với người điều khiển phương tiện xe máy để điện thoại túi áo di chuyển có thực hiện hành vi nguy hiểm lạng lách, đánh võng, thay đổi hướng liên tục phân tích hành lựa chọn ngưỡng sai khác nhãn thể hiện bảng sau: Hành động đơn G – Chuỗi hành động tương Nhãn hành vi Đi thẳng Tỉ lệ sai STT ứng (Ngưỡng sai ( với cửa sổ w = khác (cửa sổ w’ = giây) khác 70%) giây) G,L,R,L,R,L,R G Bất thường 85.71% G,G,L,R,L,R,R G Bất thường 71.43% G,L,R,R,G,L,L G Bất thường 71.43% L,L,R,G,R,G,L G Bất thường 71.43% G,R,G,L,L,L,L G Bất thường 71.43% Bảng 3-3 Kết phát nhãn hành vi bất thường Với phương tiện xe máy thành phớ có nhiều tác đợng thói quen điều khiển phương tiện Hành vi bất thường dễ bị lẫn với hành vi bình thường chuyển, vậy, với dạng hành vi khác nhau, cần khảo sát ngưỡng để tránh nhầm lẫn gán nhãn đối với hành vi bất thường 23 3.5.3 Nhận xét, đánh giá Với liệu gồm 50 mẫu hành vi bất thường thu thập để phát hiện người sử dụng phương tiện xe máy lạng lách Tần số thu thập 50Hz khoảng thời gian giây, tương ứng với 200 điểm liệu Ngưỡng giá trị để phát hiện hành động giao thông hệ thống đề xuất d = 0.7; giá trị ngưỡng sử dụng phát hiện bất thường kỹ thuật DTW 0.125 áp dụng thực nghiệm tập liệu phát hiện bất thường cho kết sau: ADBS DWT ANN Số lượt 40 33 35 Tỉ lệ 80% 66% 70% Bảng 3-4 Kết phát bất thường Kết Bảng 3-4 cho thấy, kết hệ thống ADBS đề xuất cho kết cao hơn, hành vi bất thường phát hiện hệ nhận dạng hành động Phương pháp sử dụng kỹ thuật so khớp với DTW có tớc đợ tính tốn nhanh; nhiên, việc thu thập liệu đối với tập mẫu hành vi bất thường gặp nhiều khó khăn 3.6 Kết luận Trong chương này, luận án tập trung nghiên cứu, xác định tính bình thương, bất thường hành vi giao thơng dựa phân tích phương pháp phát hiện mẫu bất thường nhằm xác định mẫu hành vi giao thơng bình thường bất thường Từ đề xuất phương pháp phát hiện hành vi bất thường dựa nhận dạng hành động giao thông Nghiên cứu đề xuất giải pháp phát hiện hành vi bất thường Từ thực nghiệm với giải phát đề xuất phương pháp phát hiện bất thường khác cho thấy, giải pháp đề xuất thu kết cao 24 KẾT LUẬN Phân tích hành vi người tham gia giao thơng tốn có ý nghĩa thực tiễn xong cịn nhiều khó khăn gặp phải Hành vi người mang tính cá nhân đánh giá điều kiện hoàn cảnh cụ thể với nhiều tác nhân ảnh hưởng đến đới tượng từ nảy sinh hành vi bất thường Việc xác định hành vi bình thường, hành vi bất thường điểm tranh luận mức đợ, tính chất nên dẫn đến hướng tiếp cận khác Từ khái niệm, cách xác định bình thường, bất thường tác động đến lựa chọn phương pháp thu thập liệu kỹ thuật phân tích khác Trong khn khổ Luận án, chúng tơi tập trung nghiên cứu, phân tích hành vi bất thường người sử dụng điều, khiển phương tiện dựa cảm biến gia tốc điện thoại thông minh nhằm tận dụng tính phổ thơng thiết bị điện thoại đới với người dùng, tính khả thi lượng tài nguyên phần cứng điện thoại việc xây dựng mơ hình phát hiện hành vi Luận án tiến hành tìm hiểu, khảo sát tính chất liệu cảm biến gia tớc, kỹ thuật phân tích liệu áp dụng cho liệu Tùy vào tình h́ng điện thoại gắn cớ định hay thay đổi vị trí hành trình giao thơng, hệ thớng thiết kế khác Khi vị trí điện thoại cố định, phương pháp so khớp, nhận dạng áp dụng có hiệu nhờ phân tích thay đổi giá trị trục cảm biến gia tớc theo hướng chuyển đợng Khi vị trí điện thoại khơng cớ định vị trí việc phát hiện hành đợng giao thơng gặp nhiều khó khăn; Luận án xây dựng tập tḥc tính đặc trưng nhằm thiết kế hệ thớng nhận dạng phương tiện, hành đợng giao thơng có hiệu dựa thực nghiệm đánh giá từ liệu phân tích tập liệu công bố Dựa vào kết nhận dạng hành động giao thông, Luận án đề xuất kỹ thuật phát hiện hành vi bất thường cách phân đoạn cửa sổ liệu một hành đợng giao thơng thành đoạn với kích thước cửa sổ đủ nhỏ áp dụng phương pháp nhận dạng với cửa sổ Sự sai khác kết nhận dạng có với nhãn lớp hành động giao thông sở để xác định hành vi giao thông Kỹ thuật đề xuất so sánh, đánh giá liệu thu thập phân tích với mợt sớ kỹ thuật phát hiện khác thông qua kết thu Luận án đóng góp mợt sớ kết thể hiện kết báo công bố Tuy nhiên, hành vi giao thông bất thường phát hiện chưa gắn kết với một hệ thống tổng thể thực tiễn nhằm xây dựng ứng dụng dịch vụ hỗ trợ người dân Trong thời gian tới, chúng tơi hồn thiện nghiên cứu việc nghiên cứu, xây dựng hệ thống tổng thể hướng đến xây dựng mô hệ giao thông nhằm hỗ trợ giải pháp giao thông thông minh hỗ trợ người điều khiển phương tiện, góp phần nâng cao hiệu quản lý, giám sát hệ thống giao thông 25 DANH MỤC CƠNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN Hội thảo quốc tế: [CT1] Lu DN., Nguyen TT., Ngo TTT., Nguyen TH., Nguyen HN (2016) Mobile Online Activity Recognition System Based on Smartphone Sensors In: Akagi M., Nguyen TT., Vu DT., Phung TN., Huynh VN (eds) 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: Kim K., Joukov N (eds) Information Science and Applications 2017 ICISA 2017 Lecture Notes in Electrical Engineering, vol 424 Springer, Singapore (SCOPUS) [CT3] Lu, D N., Nguyen, T H., Nguyen, D N., & Nguyen, H N (2017, January) A novel traffic routing method using hybrid Ant Colony System based on genetic algorithm In Information Networking (ICOIN), 2017 International Conference on (pp 584589) IEEE (SCOPUS, DBLP) [CT4] Lu DN., Tran TB., Nguyen DN., Nguyen TH., Nguyen HN (2018) Abnormal Behavior Detection Based on Smartphone Sensors In: Cong Vinh P., Ha Huy Cuong N., Vassev E (eds) Context-Aware 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) Tạp chí quốc tế: [CT5].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) 26