Luận án: Nhận dạng hành vi giao thông dựa trên cảm biến điện thoại - Lữ Đăng Nhạc

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 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. TS NGUYỄN HÀ NAM 2. TS PHAN XUÂN HIẾU Hà Nội – 2019 LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu do tôi thực hiện dưới sự hướng dẫn của PGS. Nguyễn Hà Nam và PGS.

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 LỜI CẢM ƠN Luận án được thực hiện tại Bộ môn Hệ thống Thông tin-Khoa CNTT-Trường Đại học Công nghệ, Đại học Quốc gia Hà Nội, dưới sự hướng dẫn của PGS. Nguyễn Hà Nam và PGS.TS Phan Xuân Hiếu.

Trước tiên, tôi xin bày tỏ lòng biết ơn sâu sắc tới PGS. 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. 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 ii MỤC LỤC LỜI CAM ĐOAN.II MỤC LỤC.III DANH MỤC KÝ HIỆU VÀ TỪ VIẾT TẮT.V DANH MỤC HÌNH ẢNH. VII DANH MỤC BẢNG BIỂU.IX MỞ ĐẦU.1 Tính cấp thiết của luận án.1 Mục tiêu của luận án.3 Đối tượng và phạm vi nghiên cứu. 4 Phương pháp nghiên cứu.4 Đóng góp của luận án.5 Bố cục của luận án. TỔNG QUAN VỀ NHẬN DẠNG HÀNH VI.2 Một số khái niệm cơ bản.1 Hành động giao thông.2 Hành vi giao thông.3 Sử dụng dữ liệu cảm biến để phân tích hành vi.4 Một số nghiên cứu liên quan.5 Phương pháp nhận dạng hành vi giao thông dựa trên cảm biến.

NHẬN DẠNG HÀNH ĐỘNG GIAO THÔNG.2 Sử dụng dữ liệu cảm biến để nhận dạng hành động giao thông.3 Một số nghiên cứu liên quan.4 Hệ thống nhận dạng hành động sử dụng cảm biến gia tốc.1 Một số kiến thức cơ sở.2 Tập thuộc tính đặc trưng.3 Đề xuất hệ thống nhận dạng hành động.5 Thực nghiệm và đánh giá.1 Môi trường thực nghiệm.2 Dữ liệu thực nghiệm.3 Lựa chọn tập thuộc tính.4 Khảo sát thuật toán phân lớp.5 Xây dựng dữ liệu huấn luyện.6 Đánh giá hệ thống đề xuất so với một số nghiên cứu hiện tại[CT4]. NHẬN DẠNG HÀNH VI BẤT THƯỜNG.2 Bài toán nhận dạng hành vi bất thường.1 Nhận dạng bất thường.2 Sử dụng cảm biến điện thoại để nhận dạng hành vi bất thường.3 Một số nghiên cứu liên quan.4 Giải pháp nhận dạng hành vi bất thường dựa trên hệ thống nhận dạng hành động.1 Một số kỹ thuật nhận dạng hành vi bất thường.2 Giải pháp đề xuất nhận dạng hành vi bất thường dựa trên hệ thống nhận dạng hành động.5 Thực nghiệm và đánh giá.1 Môi trường thực nghiệm.2 Dữ liệu thực nghiệm.3 Kết quả thực nghiệm với DTW.4 Kết quả thực nghiệm với RF và Dl4jMlpClassifier.5 Kết quả thực nghiệm với giải pháp đề xuất.98 DANH MỤC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN.100 TÀI LIỆU THAM KHẢO.101 iv 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 bằng CV10 Fold cách chia dữ liệu thành 10 tập Dynamic Time Kỹ thuật tìm kiếm độ tương tự của hai DTW Wrapping 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 gần k- NN k Nearest Neighbor nhất Mag Magnetometer Cảm biến từ trường NB Naïve Bayes Classifier Thuật toán phân lớp Naïve Bayes RF Random Forest Rừng ngẫu nhiên v Receiver Operator ROC Đặc tính hoạt động của bộ thu nhận Characteristic SVM Support Vector Machines Véc-tơ tựa Âm tính thật (mẫu mang nhãn âm TN True Negative được phân lớp đúng vào lớp âm) Dương tính thật (mẫu mang nhãn TP True Positive 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 vi DANH MỤC HÌNH ẢNH Hình 1-1. Hướng nghiên cứu tổng thể của bài toán nhận dạng hành vi. Hệ thống phân tích hành vi bất thường.

Một số kỹ thuật chuẩn bị dữ liệu [37]. Phân đoạn chuỗi tín hiệu thành các cửa sổ dữ liệu. Kết hợp biểu diễn thông tin trên miền thời gian và tần số [46]. Hệ tọa độ và các trục quay trên điện thoại thông minh[48].

Hệ thống nhận dạng hành động giao thông. Thuật toán lựa chọn kích thước cửa sổ và chồng dữ liệu theo AUC. Nhận dạng hành động với các kích thước cửa sổ lựa chọn. Hành động dừng và hành động đi thẳng.

(a): Hành động rẽ phải; (b): Hành động rẽ trái. Mô tả tín hiệu cảm biến gia tốc của các hành động (a): “Dừng”; (b): “Đi thẳng”; (c):”Rẽ trái”; (d): “Rẽ phải”. Tập dữ liệu đặc trưng sử dụng cho nhận dạng hành động giao thông cơ bản. Phân bổ của tập dữ liệu đặc trưng được biến đổi với 59 thuộc tính.

Kết quả phân lớp sử dụng các tập thuộc tính H2, T2, F2, TH2, TF2, TFH2. Kết quả so sánh dữ liệu thô và dữ liệu biến đổi hệ tọa độ. Kết quả độ đo thực nghiệm với các thuật toán phân lớp. Chu kỳ thay đổi độ đo AUC tương ứng với hai kích thước cửa sổ liền nhau của các hành động cơ bản với: (a) Dừng; (b) Đi thẳng; (c) Rẽ trái; (d) Rẽ phải.

Kết quả phân lớp với kích thước cửa sổ lựa chọn trên tập TF2 và TFH2. Khái niệm dữ liệu bất thường[58]. Sử dụng DTW để phát hiện hành vi bất thường. Nhận dạng hành vi bất thường dựa trên hành động cơ bản.Sơ đồ hệ thống phát hiện hành vi bất thường.

Phát hiện hành vi bất thường dựa trên hành động giao thông cơ bản. Mẫu dữ liệu cảm biến gia tốc của hành vi bất thường – “lạng lách”. Mẫu dữ liệu cảm biến gia tốc của hành vi bình thường (đi thẳng). Kết quả so khớp với các giá trị ngưỡng khác nhau.

Kết quả nhận dạng hành vi bình thường và bất thường.95 viii DANH MỤC BẢNG BIỂU Bảng 2-1. Một số nghiên cứu nhận dạng hành động giao thông. Các thuộc tính đặc trưng. Ý nghĩa diện tích bên dưới đường cong ROC (AUC).

Các tập thuộc tính. Tập thuộc tính trong hệ thống nhận dạng hành động giao thông cơ bản. Tham số mặc định của thuật toán phân lớp sử dụng cho thực nghiệm. Thông tin đối tượng tham gia thực nghiệm.

Cảnh huống thu thập dữ liệu của các hành động. Tập mẫu dữ liệu đặc trưng sử dụng nhận dạng hành động giao thông cơ bản. Khảo sát tập thuộc tính cho hệ thống phát hiện hành động cơ bản.59 Bảng 2-11, Kết quả phân lớp hành động trên các tập thuộc tính. Kết quả so sánh dữ liệu thô và dữ liệu đã biến đổi hệ tọa độ.

Kết quả độ đo AUC của hành động dừng. Kết quả độ đo AUC của hành động đi thẳng. Kết quả độ đo AUC của hành động rẽ trái. Kết quả độ đo AUC của hành động rẽ phải.

Kích thước cửa sổ được lựa chọn theo độ đo AUC. Kết quả phân lớp với tham số tối ưu trên hai tập TF2 và TFH2. Kết quả so sánh phương pháp nhận dạng dựa trên tập thuộc tính đề xuất với các phương pháp khác trên cùng bộ dữ liệu HTC [56] [CT4]. Thực nghiệm thu dữ liệu nhận dạng hành vi bất thường.

Số lượng các mẫu dữ liệu thực nghiệm. Tham số mặc định của thuật toán RF. Tham số của Dl4jMlpClassifier. Kết quả nhận dạng sử dụng CV10.

Kích thước cửa sổ dữ liệu phát hiện hành vi. Lựa chọn ngưỡng sai khác nhằm phát hiện hành vi bất thường. Kết quả phát hiện hành vi của giải pháp đề xuất trên tập dữ liệu kiểm tra. Kết quả phát hiện hành vi của các phương pháp khác nhau.96 x 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.