intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE

Luận án Tiến sĩ Công nghệ thông tin: Nhận dạng hành vi của người tham gia giao thông dựa trên cảm biến điện thoại

Chia sẻ: Nhân Nhân | Ngày: | Loại File: DOCX | Số trang:115

53
lượt xem
7
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Mục tiêu chính của Luận án tập trung vào phân tích dữ liệu cảm biến thu được từ điện thoại của người tham gia giao thông nhằm nhận dạng được các hành vi giao thông bất thường. Mời các bạn cùng tham khảo nội dung chi tiết.

Chủ đề:
Lưu

Nội dung Text: Luận án Tiến sĩ Công nghệ thông tin: Nhận dạng hành vi của người tham gia giao thông dựa trên cảm biến điện thoại

  1.  ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Lữ Đăng Nhạc NHẬN DẠNG HÀNH VI CỦA NGƯỜI THAM GIA GIAO THÔNG  DỰA TRÊN CẢM BIẾN ĐIỆN THOẠI   LUẬN ÁN TIẾN SĨ CÔNG NGHỆ THÔNG TIN
  2. HÀ NỘI – 2019 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG ĐẠI HỌC CÔNG NGHỆ Lữ Đăng Nhạc NHẬN DẠNG HÀNH VI CỦA NGƯỜI 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: 1. PGS. TS NGUYỄN HÀ NAM 2. PGS. TS PHAN XUÂN HIẾU
  3. Hà Nội – 2019
  4. LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu do tôi thực hiện dưới sự  hướng dẫn của PGS.TS. Nguyễn Hà Nam và PGS.TS. Phan Xuân Hiếu tại Bộ  môn các Hệ thống Thông tin, Khoa Công nghệ Thông tin, Trường Đại học Công  nghệ, Đại học Quốc gia Hà Nội. Các số liệu và kết quả trình bày trong luận án là   trung thực và chưa được công bố trong các công trình khác. Tác giả    Lữ Đăng Nhạc 
  5. LỜI CẢM ƠN Luận án được thực hiện tại Bộ  môn Hệ  thống Thông tin­Khoa CNTT­ Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội, dưới sự hướng dẫn của   PGS.TS. Nguyễn Hà Nam và PGS.TS Phan Xuân Hiếu. Trước tiên, tôi xin bày tỏ  lòng biết  ơn sâu sắc tới PGS.TS. Nguyễn Hà   Nam và PGS.TS Phan Xuân Hiếu. Những người Thầy đã tận tụy chỉ dạy, giúp đỡ  tôi giải quyết những vấn đề  khó khăn trong nghiên cứu khoa học và trong cuộc  sống.  Tôi cũng xin gửi lời cảm  ơn tới tập thể các Thầy, Cô giáo, các Nhà khoa  học trong khoa CNTT đã truyền đạt những kiến thức quý báu và đã tạo điều kiện  thuận lợi cho tôi trong quá trình học tập và nghiên cứu.  Để có được dữ liệu phục  vụ  cho nghiên cứu, tôi xin gửi lời cảm  ơn tới Nhóm nghiên cứu của PGS.TS.   Nguyễn Hà Nam đã giúp tôi thu thập dữ  liệu cũng như  tiến hành một số  thực   nghiệm liên quan đến Luận án. Tôi cũng gửi lời tri ân tới bạn bè, đồng nghiệp, người thân đã giúp đỡ  và   hỗ trợ tôi trong suốt quá trình nghiên cứu. Cuối cùng, tôi vô cùng biết ơn gia đình, bố mẹ, anh chị em, đặc biệt là vợ  và   hai con nhỏ  của tôi, những người đã động viên, giành những điều kiện tốt  nhất để tôi có thể hoàn thành chương trình nghiên cứu của mình. Lữ Đăng Nhạc Hà Nội,  2019
  6. MỤC LỤC
  7. DANH MỤC KÝ HIỆU VÀ TỪ VIẾT TẮT DIỄN GIẢI TỪ VIẾT TẮT TIẾNG ANH TIẾNG VIỆT ACC Accuracy Độ chính xác trong phân lớp dữ liệu Acc Accelerometer Cảm biến gia tốc Artificial Neural  ANN Mạng nơ ­ ron Network AUC Area Under Curve Diện tích dưới đường cong ROC Cross Validation – 10  Phương   pháp   đánh   giá   phân   lớp  CV10 Fold bằng cách chia dữ liệu thành 10 tập Dynamic Time  Kỹ thuật tìm kiếm độ tương tự của   DTW Wrapping hai chuỗi FFT Fast Fourier Transform  Biến đổi Fourier nhanh Âm tính giả (mẫu mang nhãn dương  FN False Negative bị phân lớp sai vào lớp âm) Dương tính giả (mẫu mang nhãn âm  FP False Positive bị phân lớp sai vào lớp dương)  Global Positioning  GPS Hệ thống định vị toàn cầu System Gyr Gyroscope Cảm biến con quay hồi chuyển Là   một   thuật   toán   phân   lớp   thuộc  J48 J48 CART   (Classification   and  Regression Tree) Thuật   toán   phân   lớp   k  láng   giềng  k­ NN k Nearest Neighbor gần nhất  Mag Magnetometer Cảm biến từ trường NB Naïve Bayes Classifier Thuật toán phân lớp Naïve Bayes RF Random Forest Rừng ngẫu nhiên Receiver Operator  Đặc   tính   hoạt   động   của   bộ   thu  ROC Characteristic nhận Support   Vector  SVM Véc­tơ tựa  Machines Âm   tính   thật   (mẫu   mang  nhãn  âm  TN True Negative được phân lớp đúng vào lớp âm)  TP True Positive  Dương   tính   thật   (mẫu   mang   nhãn 
  8. dương được phân lớp đúng vào lớp  dương) ZCR Zero Crossing Rate Tỷ lệ vượt qua điểm cắt không DT  Decision Table Bảng quyết định 
  9. DANH MỤC HÌNH ẢNH
  10. DANH MỤC BẢNG BIỂU
  11. MỞ ĐẦU Tính cấp thiết của luận án Giao thông luôn là chủ  đề  được quan tâm  ở  hầu hết các nước trên thế  giới, đặc biệt là các nước đang phát triển bởi nó tác động/ảnh hưởng trực tiếp   đến đời sống kinh tế xã hội. Trong đó, nổi lên các vấn đề an toàn giao thông. Có   nhiều yếu tố ảnh hưởng đến an toàn giao thông đô thị bao gồm các yếu tố ngoại  cảnh, các yếu tố liên quan đến con người. Những yếu tố ngoại cảnh  đó có thể là  điều kiện hạ  tầng giao thông, hệ  thống quản lý điều khiển giao thông  và  tình  trạng các phương tiện tham gia giao thông. Tuy nhiên, một trong những yếu tố  quan trọng tác động trực tiếp đến vấn đề an toàn giao thông đó là thái độ và hành   vi của người tham gia giao thông. Do đó, việc nhận dạng hành vi của người tham  gia giao thông bao gồm cả  nhận dạng các hành động và hành vi bất thường có  một ý nghĩa rất lớn trong việc xây dựng giải pháp, ứng dụng hỗ trợ người tham   gia giao thông. Vì vậy, chủ  đề  này đã và đang thu hút được sự quan tâm nghiên  cứu của nhiều nhà khoa học, các phòng thí nghiệm trên thế  giới. Hơn thế  nữa,   những thông tin về  hành vi của người tham gia giao thông sẽ  rất   hữu  ích cho  những nhà quản lý trong việc quy hoạch hệ thống và xây dựng chính sách quản  lý giao thông và các chính sách an sinh xã hội khác. Ngoài ra, mô hình nhận dạng  hành vi người tham gia giao thông còn trợ giúp đánh giá mức độ  rủi ro trong các  lĩnh vực bảo hiểm cũng như  có thể   ước tính mức độ  tiêu thụ  năng lượng và ô   nhiễm môi trường của hệ thống giao thông. Để  xây dựng được mô hình nhận dạng hành vi của người tham gia giao   thông các thông tin, dữ  liệu của người tham gia được thu thập bằng nhiều cách   khác nhau.   Nhờ  sự  phát triển của công nghệ  phần cứng, nhiều loại cảm biến   khác nhau được tích hợp đã cho phép điện thoại thông minh trở  thành công cụ  hữu ích trong việc thu thập dữ liệu từ người dùng. Chính vì vậy, trong thời gian  gần đây, nhiều công trình nghiên cứu về nhận dạng hành vi người dùng bao gồm  cả hành vi cử chỉ và hành vi trong giao thông dựa trên cảm biến điện thoại thông  minh được công bố. Tuy nhiên, để đảm bảo độ  chính xác cao trong kết quả của  
  12. mô hình nhận dạng thì hầu hết các nghiên cứu được thực hiện với vị  trí điện  thoại cố định trên phương tiện giao thông hoặc sử dụng dữ liệu từ nhiều nguồn  cảm biến khác nhau của điện thoại. Điều này làm cho mô hình được xây dựng  trở nên quá phức tạp hoặc khó thực hiện trong thực tế. Việc nghiên cứu về nhận   dạng hành vi của người dùng  khi vị  trí điện thoại người dùng không cố  định   trong quá trình tham gia giao thông là yêu cầu tự nhiên phù hợp với thực tế. Ngoài ra, những nghiên cứu đã công bố  về nhận dạng hành vi giao thông   được thực hiện trong các điều kiện hoàn cảnh khác nhau. Trong đó, có sự  khác   nhau về  yếu tố  khu vực địa lý, hạ  tầng giao thông và văn hóa so với các điều   kiện và môi trường giao thông tại Việt Nam. Do vậy, những mô hình nhận dạng   đã được xây dựng gặp nhiều khó khăn khi phát triển và áp dụng trong điều kiện   cụ  thể  của Việt Nam. Sự khác biệt này xuất phát từ  một số  yếu tố  quan trọng   bao gồm cả  yếu tố  khách quan và yếu tố  chủ  quan. Thứ nhất, đó là các nghiên   cứu về bài toán nhận dạng thường tập trung vào các phương tiện giao thông phổ  biến tại các nước phát triển với đa số  phương tiện sử dụng cho thực nghiệm là  xe ô tô, xe buýt và tàu điện ngầm mà ít khi xét đến các phương tiện thô sơ. Trong   khi đó, hệ  thống giao thông đô thị  tại các nước đang phát triển hoặc chậm phát  triển, trong đó có Việt nam, các phương tiện giao thông được người dân sử dụng  chủ yếu vẫn là xe máy và xe đạp cùng một số phương tiện công cộng khác. Hơn  thế  nữa, phần lớn các nghiên cứu trước đây thực hiện trong điều kiện hạ  tầng   giao thông  ổn định hơn so với tính đa dạng và điều kiện giao thông như   ở  Việt  Nam. Thứ  hai, về  yếu tố  chủ  quan  đó là văn hóa và thói quen di chuyển của   người dân khi tham gia giao thông. Với những phương tiện như ô tô hay xe buýt  trong các nghiên cứu, dữ  liệu cảm biến được thu thập trong điều kiện phương   tiện di chuyển trên các làn đường riêng, hoặc hay đường chạy xác định trước.   Điều kiện này không thể  thực hiện được với hiện trạng giao thông đô thị  của  Việt Nam. Tất cả những yếu tố cơ bản kể trên là những lý do giải thích tại sao   cần có các nghiên cứu mô hình nhận dạng hành vi giao thông phù hợp với tính  chất đặc thù tại Việt Nam. 
  13. Để  hỗ  trợ  được người tham gia giao thông, một trong những mục đích  quan trọng, cấp thiết  của mô hình phát hiện hành vi đó là khả  năng phát hiện  được các hành vi giao thông bất thường. Các nghiên cứu về vấn đề  này thường   tập trung vào phương tiện ô tô; các phương tiện có những thiết kế, đặc tính khác   nhau nên rất khó có một mô hình phù hợp với tất cả các loại phương tiện khác   nhau. Các nghiên cứu trước đây cũng thường sử  dụng hướng tiếp cận kết hợp  nhiều loại cảm biến để thu thập, phân tích dữ liệu cho quá trình nhận dạng. Bên   cạnh các cảm biến chuyển động thì các cảm biến khác như GPS, cảm biến hình  ảnh và cảm biến âm thanh cũng có thể  được sử  dụng nhằm nâng cao độ  chính  xác trong nhận dạng các hành vi bất thường khi lái xe. Việc sử dụng đồng thời  nhiều dữ liệu cảm biến cùng một thời điểm dẫn đến tiêu tốn nhiều năng lượng   của điện thoại thông minh và khó có thể áp dụng trong thực tế. Hướng tiếp cận   lựa chọn thu thập, phân tích dữ  liệu cảm biến chuyển động như  cảm biến gia   tốc sẽ có mức tiêu tốn năng lượng thấp nhất nhưng cần phải xây dựng một mô   hình phù hợp để đảm bảo độ chính xác nhận dạng trên các loại phương tiện giao  thông khác nhau. Một trong những giải pháp căn cốt cho vấn đề này đó là cần xác   định, lựa chọn được tập thuộc tính đặc trưng phù hợp cho các loại phương tiện,   thể  hiện rõ đặc trưng của hành vi sao cho nhận dạng, phát hiện không làm tăng   độ  phức tạp tính toán của mô hình mà vẫn đảm bảo kết quả  phát hiện hành   động, hành vi bất thường. Với mong muốn xây dựng mô hình phát hiện và đoán nhận hành vi bất  thường sử dụng cảm biết gia tốc của điện thoại thông minh, chúng tôi chọn đề  tài: “Nhận dạng hành vi của người tham gia giao thông dựa trên cảm biến điện   thoại” làm đề  tài nghiên cứu trong khuôn khổ  luận án tiến sĩ chuyên ngành Hệ  thống Thông tin nhằm giải quyết một số vấn đề đã đặt ra.  Mục tiêu của luận án Mục tiêu chính của Luận án tập trung vào phân tích dữ liệu cảm biến thu  được từ  điện thoại của người tham gia giao thông nhằm  nhận dạng  được các  hành vi giao thông bất thường.
  14. Để  giải quyết được mục tiêu của Luận án, chúng tôi tập trung  vào  giải  quyết các vấn đề chính sau:  Khảo sát các kỹ thuật phân tích dữ liệu trong và ngoài nước. Tìm hiểu các   kỹ thuật thu thập và biến đổi dữ liệu áp dụng cho các loại cảm biến khác   nhau, trong đó tập trung vào cảm biến gia tốc có mức tiêu thụ năng lượng   thấp nhằm tìm ra tập thuộc tính đặc trưng phù hợp cho   hệ  thống nhận  dạng hành động và hành vi. Xây dựng hệ  thống nhận dạng hành động giao thông cơ  bản (đi thẳng,  dừng, rẽ trái, rẽ phải) của người điều khiển phương tiện dựa trên dữ liệu   cảm biến gia tốc được biến đổi từ tập thuộc tính lựa chọn. Dựa trên hệ  thống nhận dạng hành động, nghiên cứu, đề  xuất giải pháp  phát hiện hành vi giao thông bất thường, chủ  yếu là với phương tiện xe  máy. Trong một thời gian ngắn tương ứng với một hành động cơ bản xảy  ra, nếu phát hiện thấy có các hành động sai khác xảy ra thì xác định là một   hành vi bất thường. Sự  bất thường được đánh giá bằng việc phân đoạn  cửa sổ  hành động giao thông cơ  bản thành các cửa sổ  dữ  liệu có kích  thước nhỏ  hơn rồi so sánh nhãn hành động nhận dạng được của các cửa  sổ này so với nhãn của hành động giao thông cơ bản đó để xác định sự bất   thường hay bình thường dựa trên việc so sánh tỉ  lệ  sai khác với một tỉ  lệ  cho trước. Đối tượng và phạm vi nghiên cứu Đối tượng nghiên cứu của Luận án là phân tích, nhận dạng hành vi, hành  vi giao thông bất thường của người điều khiển phương tiện. Dựa trên cảm biến  gia tốc thu được từ  điện thoại thông minh của các đối tượng sử  dụng phương   tiện để đưa ra giải pháp nhận dạng hành động cơ bản làm cơ sở cho nhận dạng  hành vi giao thông bất thường ở đô thị của Việt Nam. Phương pháp nghiên cứu Luận án sử dụng các phương pháp khảo sát, tổng hợp, phân tích thông tin   cần thiết; tham khảo, đánh giá các nghiên cứu liên quan để  từ  đó tìm ra hướng  
  15. giải quyết vấn đề. Xác định rõ đối tượng và phạm vi nghiên cứu để  từ  đó xây  dựng mô hình nhận dạng hành động và hành vi giao thông. Khảo sát các kỹ thuật thu thập, xử lý dữ liệu cảm biến, phân tích các đặc   điểm của phương tiện, hành động giao thông để  từ  đó đề  xuất giải pháp  nhận  dạng hành động,  hành vi giao thông bất thường dựa trên cảm biến thu được.  Phương pháp phân tích sử dụng lý thuyết và chứng minh bằng thực nghiệm được   áp dụng để thực hiện yêu cầu bài toán đặt ra. Đóng góp của luận án Đóng góp thứ nhất của luận án: là đề xuất tập thuộc tính đặc trưng dựa  trên miền thời gian và miền tần số  nhằm biến đổi dữ  liệu cảm biến thành dữ  liệu đặc trưng phục vụ  cho nhận dạng hành động và hành vi bất thường.  Kết  quả  độ  đo sau khi  phân lớp dữ  liệu được  sử  dụng  để  đánh giá, lựa chọn tập  thuộc tính. Trong đó, sử dụng tham số Hjorth cho các đại lượng khác nhau nhằm  thu được các thuộc tính phù hợp để biến đổi dữ liệu cảm biến thành dữ liệu đặc  trưng. Tập thuộc tính đặc trưng phù hợp sẽ  sử  dụng làm cơ  sở  cho việc xây   dựng hệ thống nhận dạng bằng phương pháp phân lớp [CT2], [CT4]. Khảo sát, lựa chọn kích thước cửa sổ và tỉ  lệ chồng dữ liệu để  phân tích   tìm ra các giá trị tương ứng, phù hợp với các hành động. Qua đó, hỗ trợ hệ thống  nhận dạng các hành động giao thông có hiệu quả hơn [CT1], [CT2], [CT4]. Khi sử dụng hệ  thống nhận dạng thực nghiệm trên cùng một bộ  dữ  liệu  được công bố bởi công ty HTC của Đài Loan, kết quả nhận dạng bằng hệ thống  đề xuất cao hơn so với một số nghiên cứu đã được công bố trước đó với tập dữ  liệu này. Phương pháp và kết quả  thực nghiệm được trình bày trong công bố  [CT4]. Đóng góp thứ hai của luận án: đề  xuất giải pháp phát hiện hành vi giao  thông bất thường theo một hướng tiếp cận mới, hướng tiếp cận này dựa trên kết  quả  nhận dạng hành động cơ  bản. Trong thời gian ngắn mà một hành động cơ  bản xảy ra, nếu hệ thống nhận dạng phát hiện có sự bất thường thì xác định đây  là hành vi bất thường. Kỹ thuật xác định bất thường dựa trên phân đoạn dữ liệu   của hành động cơ  bản với kích thước cửa sổ  nhỏ  hơn sau đó tiến hành nhận  dạng các đoạn dữ  liệu này nhằm so sánh, đánh giá sự  sai khác các nhãn hành  động nhận được với hành động cơ bản để xác định tính bất thường. Các giải pháp, kết quả thu được của luận án thể hiện trong 4 công trình đã   được công bố. Trong đó có 1 bài báo quốc tế có chỉ  số SCIE; 3 bài báo hội nghị 
  16. quốc tế có phản biện và có chỉ số Scopus được thể hiện ở các công trình [CT1],   [CT2], [CT3] và [CT4]. Bố cục của luận án Ngoài phần mở  đầu, mục lục, kết luận và tài liệu tham khảo, nội dung   chính của luận án được chia thành 3 chương, cụ thể như sau: Chương 1: Giới thiệu một số  khái niệm  cơ  bản  về  hành động, hành vi  giao thông và hành vi giao thông bất thường. Từ đó, giới thiệu bài toán phân tích  hành vi bất thường của người tham gia giao thông dựa trên dữ  liệu cảm biến.   Khảo sát, tổng hợp, phân tích một số nghiên cứu trước đây về phương pháp, kỹ  thuật giải pháp phân tích, xử  lý dữ  liệu cảm biến; phân tích, nhận dạng, phát   hiện hành động, hành vi giao thông nhằm làm rõ các vấn đề  của bài toán đặt ra.   Từ  đó, đề  xuất phương pháp  nhận dạng  hành vi  bất thường dựa trên dữ  liệu  cảm biến của điện thoại. Chương 2: Giới thiệu bài toán nhận dạng hành động giao thông. Hệ thống  nhận dạng được xây dựng thực hiện nhận dạng các hành động giao thông cơ bản  dựa trên hướng tiếp cận sử dụng dữ liệu đặc trưng thu được từ việc biến đổi dữ  liệu cảm biến bằng tập thuộc tính đề  xuất. Tập thuộc tính đặc trưng được lựa  chọn phù hợp với yêu cầu bài toán, kết hợp các thuộc tính trên cả miền thời gian  và miền tần số cũng như sự đóng góp của tham số Hjorth vào tập thuộc tính. Hệ  thống nhận dạng là cơ sở cho hệ thống giải pháp nhận dạng hành vi bất thường   ở chương 3. Chương 3: Dựa trên kết quả của hệ thống nhận dạng hành động, đề xuất   giải pháp nhận dạng hành vi giao thông, hành vi bất thường. Thực nghiệm được  tiến hành trên cùng một tập dữ  liệu với các phương pháp phổ  biến khác như  DTW, sử dụng kỹ thuật học sâu. Qua đó, làm rõ được ý nghĩa của giải pháp đề  xuất.
  17. Chương 1. TỔNG QUAN VỀ NHẬN DẠNG HÀNH VI 1.1 Giới thiệu Ngày nay, an toàn giao thông và hỗ  trợ  lái xe an toàn là một trong những  vấn đề đang nhận được sự quan tâm rất lớn từ các nhà quản lý cũng như  người  dân  ở  hầu hết các nước trên thế  giới. Theo báo cáo toàn cầu về  an toàn giao  thông đường bộ  của tổ  chức WHO, tai nạn giao thông là một trong 10 nguyên   nhân làm chết 1.2 triệu người mỗi năm, một số  nước có tỉ  lệ  cao tập trung vào  các nước có thu nhập thấp và trung bình[1]. Trong đó, các tác nhân gây tai nạn  thường là do hành động, hành vi bất thường của người điều khiển phương tiện.   Vì vậy, việc hỗ trợ thông tin cảnh báo cho lái xe trong suốt hành trình của họ là   một trong những cách làm hiệu quả để tránh tai nạn xảy ra. Có nhiều nghiên cứu đã thực hiện nhằm giải quyết về  vấn đề  này, các   nghiên cứu tập trung vào hệ  thống cảnh báo và hỗ  trợ  lái xe; có thể  chia thành  các hướng chính như sau: nhận diện các loại phương tiện (ô tô, xe buýt, tàu hỏa,   xe đạp, đi bộ)[2][3]; xác định các kiểu lái xe (lái xe ẩu, lái xe trong tình trạng say  rượu, lái xe trong tình trạng mệt mỏi, lái xe trong tình trạng buồn ngủ, lái xe   không tập  trung)[4][5],  phát  hiện các  sự   kiện giao  thông bình  thường  và   bất  thường (di chuyển, dừng, rẽ  trái, rẽ  phải, quay đầu với tốc độ  nhanh, dừng đột  ngột, đánh võng)[6], phát hiện tai nạn [7][8]; phát hiện, nhận dạng chất lượng   đường đi và điều kiện, hiện trạng giao thông [8][9], đánh giá mức tiêu thụ  năng   lượng và ô nhiễm môi trường [9]. Các nghiên cứu trên cho thấy  các bài toán  phân loại phương tiện, nhận  dạng hành động, hành vi giao thông là những bài toán cơ sở, hữu ích nhằm hỗ trợ  người tham gia cũng như giám sát các hoạt động giao thông. Trong hệ thống giao  thông đường bộ với điều kiện hạ tầng giao thông còn nhiều bất cập, các phương  tiện chủ  yếu là xe máy, xe đạp và các phương tiện công cộng phổ  biến khác,   phân tích và phát hiện được hành vi giao thông gặp nhiều khó khăn. Một số  hệ  thống chuyên dụng, thiết kế  cho môi trường khác sẽ  khó triển khai trong điều  kiện, môi trường đô thị đặc thù ở Việt Nam. Do đó, hướng tiếp cận sử dụng dữ 
  18. liệu thu từ thiết bị điện thoại thông minh đang được phổ  biến rộng rãi ở  các đô  thị là một trong những giải pháp khả thi. Vì điện thoại thông minh được sử dụng cho nhiều mục đích cá nhân khác  nhau cũng như có giới hạn về năng lượng, sự đa dạng về chủng loại, chất lượng   của thiết bị phần cứng dẫn đến yêu cầu cần phải xây dựng hệ thống, giải pháp   phân tích, phát hiện hành động, hành vi sao cho phù hợp là một bài toán đặt ra cần  được giải quyết. Do vậy, chương này làm rõ các khái niệm cơ  bản về hành động, hành vi,  hướng tiếp cận bài toán phân tích hành vi giao thông qua việc khảo sát, phân tích  những nghiên cứu trước đây về  dữ  liệu cảm biến, hệ  thống và mô hình nhận  dạng, phát hiện. Từ đó, xác định phương pháp phân tích hành vi giao thông, phát  hiện hành vi giao thông bất thường dựa trên cảm biến gia tốc của điện thoại   thông minh. 1.2 Một số khái niệm cơ bản 1.2.1 Hành động giao thông Hành động giao thông là  việc người điều khiển  thay đổi trạng thái của  phương tiện trong quá trình tham gia giao thông[10]. Hành động giao thông được các đối tượng tham gia lưu thông sử dụng theo  mục đích, thói quen của mình. Thông thường, các hành động được phân biệt dựa  vào hai thay đổi cơ bản đó là thay đổi vận tốc và thay đổi hướng di chuyển của  phương tiện. Từ đó, có thể đưa ra một số hành động thường gặp đó là hành động   dừng, di chuyển, chờ, quay đầu, đổi hướng sang trái, sang phải, phanh với các  tính chất và mức độ  khác nhau. Trong hệ  thống phân tích, giám sát giao thông,   việc định nghĩa và nhận dạng các hành động tùy thuộc vào mục đích, yêu cầu   của từng bài toán, dựa trên đánh giá tính chất, mức độ  của các hành động đó  trong những hoàn cảnh, điều kiện cụ thể để  giải quyết yêu cầu đặt ra[11]. Với  mục đích nghiên cứu của mình, chúng tôi chỉ tập trung vào bốn hành động cơ bản  liên quan đến đổi hướng điều khiển phương tiện và thay đổi tốc độ phương tiện  đó là: hành động dừng, hành động đi thẳng, rẽ trái và rẽ  phải. Từ đó, phân tích, 
  19. đánh giá tính chất của mỗi hành động cơ bản này để phân tích, nhận dạng được   hành vi bất thường. 1.2.2 Hành vi giao thông Hành vi giao thông là  sự  biểu hiện thay đổi trạng thái của phương tiện   theo những cách thức, mức độ, tính chất khác nhau trong quá trình lưu thông [10] [11][12] [13]. Hành vi giao thông được đánh giá dựa trên  các phương pháp khác nhau.  Trong đó, một trong những phương pháp thường được sử  dụng đó là dựa trên  tính chất cảu một hành động giao thông hoặc sự lặp đi lặp lại của các hành động  một cách liên tục trong điều kiện, tình huống và môi trường cụ thể.  Do đó, yếu  tố mức độ, tính chất của một hành động hoặc sự lặp đi lặp lại chuỗi hành động  lặp đi lặp lại là cơ  sở  quan trọng nhằm  đánh giá hành vi giao thông là bình  thường hay bất thường. Sự bất thường của một hành vi có thể được hiểu là những phản ứng  hay  việc  thực hiện điều khiển, sử  dụng phương tiện   theo những trạng thái  không  bình thường khi có các yếu tố  khách quan, chủ  quan tác động đến đối tượng  trong quá trình tham gia giao thông. Việc nhận biết, phân biệt được loại hành vi giao thông là điều kiện cơ sở  cho các hệ thống,  ứng dụng vào những dịch vụ khác nhau nhằm thông tin, phản  hồi, điều chỉnh hành vi của cá nhân tham gia giao thông với các  mục đích khác  nhau như giảm tránh những nguy cơ tiềm  ẩn hoặc có thể  hỗ  trợ  xây dựng, phát   triển các hệ thống mô phỏng, giám sát, quản lý hệ thống giao thông đô thị. Để  nhận dạng hành vi giao thông bất thường có các phương pháp khác  nhau. Trong đó, phương pháp thường được sử  dụng là đánh giá sự  bất thường  dựa vào hành vi giao thông bình thường. Do vậy, việc xác định rõ thế nào là hành  vi bình thường và bất thường trong những điều kiện cụ  thể  là cần thiết  nhằm  giảm thiểu sự nhầm lẫn khi phân tích, nhận dạng.
  20. 1.3 Sử dụng dữ liệu cảm biến để phân tích hành vi Phân tích, nhận dạng hành vi giao thông được thực hiện  ở nhiều quốc gia  trên thế giới nhằm phân loại được hành vi của người tham gia lưu thông phục vụ  cho nhiều mục đích trong các lĩnh vực khác nhau như bảo hiểm, y tế, giao thông   cũng như các bài toán quản lý và quy hoạch đô thị. Trong đó, một trong những yêu cầu quan trọng của việc phân tích hành vi   là tìm ra những hành vi có nguy cơ tiềm ẩn khi tham gia giao thông như hành vi đi  quá tốc độ  cho phép hoặc quy định của luật giao thông; hành vi thay đổi tốc độ,  hướng điều khiển phương tiện một cách đột ngột; hành vi điều khiển phương   tiện trong trạng thái không tỉnh táo hoặc khi say rượu, cũng như một số  hành vi  giao thông khác trong điều kiện phức tạp của giao thông đô thị.  Do sự đặc thù của các vùng miền và yếu tố  văn hóa tác động đến hành vi  của người điều khiển giao thông khác nhau nên các hệ thống phân tích hành vi đa   dạng phụ thuộc vào các yêu cầu cụ thể của từng bài toán nên các cách thức xây  dựng hệ thống cũng khác nhau. Trong đó, thường sử dụng một trong  ba cách thức  thông dụng xây dựng hệ thống phân tích hành vi: thứ nhất, tín hiệu từ các thiết bị  thu được gửi lên xử  lý thực hiện phân tích, nhận dạng trên máy chủ  sau đó gửi  lại thiết bị nhận thông tin thông qua hạ tầng mạng. Thứ hai, là các tín hiệu được  thu thập và phân tích, nhận dạng và hiển thị  thông tin về  hành vi trên chính các  thiết bị  cá nhân đang sử  dụng. Thứ  ba, đó là dữ  liệu được thu thập trên thiết bị  sau đó tiến hành phân tích, nhận dạng, kết quả thu được gửi lên máy chủ để hiển  thị, mô phỏng và là thông tin đầu vào cho những ứng dụng, dịch vụ khác. Mỗi dạng hệ thống có những  ưu điểm, nhược điểm khác nhau tùy thuộc   vào yêu cầu bài toán cũng như sử dụng loại dữ liệu  đầu vào để xây dựng và thiết  kế  hệ  thống. Hiện nay, một số  nguồn dữ liệu phổ biến được sử  dụng để  phân  tích hành vi giao thông như  đó là dữ  liệu hình  ảnh, video, âm thanh  và dữ  liệu  cảm biến. Trong đó, các giải pháp sử dụng dữ liệu hình ảnh, video để nhận dạng  hành vi có nhiều nghiên cứu áp dụng cho bài toán nhận dạng, đặc biệt là nhận  dạng các đối tượng của hệ thống giao thông. Ví dụ  như  đếm số  lượng phương  tiện, nhận diện phương tiện, tìm kiếm phương tiện và một số   ứng dụng khác 
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2