ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ VŨ VĂN VỸ TÌM HIỂU MÔ HÌNH HỌC MÁY GIẢI QUYẾT BÀI TOÁN DỰ ĐOÁN DỰ BÁO ỨNG DỤNG TRONG PHÂN TÍCH HÀNH VI GIAO THÔNG SỬ DỤNG DỮ LIỆU CẢM BIẾN LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà Nội – 2015 ĐẠI HỌC QUỐC GIA HÀ NỘI TRƢỜNG ĐẠI HỌC CÔNG NGHỆ VŨ VĂN VỸ TÌM HIỂU MÔ HÌNH HỌC MÁY GIẢI QUYẾT BÀI TOÁN DỰ ĐOÁN DỰ BÁO ỨNG DỤNG TRONG PHÂN TÍCH HÀNH VI GIAO THÔNG SỬ DỤNG DỮ LIỆU CẢM BIẾN Ngành Chuyên ngành Mã số : Công nghệ thông tin : Hệ thống thông tin : 60.48.05 LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN NGƢỜI HƢỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN HÀ NAM Hà Nội – 2015 LỜI CAM ĐOAN Tôi cam đoan công trình nghiên cứu riêng tôi, với hỗ trợ từ người hướng dẫn khoa học PGS.TS Nguyễn Hà Nam Các số liệu, kết nêu luận văn trung thực chưa công bố công trình khác Việc sử dụng liệu có luận văn thu thập từ nguồn thông tin khác có ghi phần tài liệu tham khảo Nếu phát gian lận nào, xin chịu trách nhiệm trước Hộiđồng, kết luận văn Hà Nội, tháng 11 năm 2015 Học viên Vũ Văn Vỹ i LỜI CẢM ƠN Tôi muốn bày tỏ lòng biết ơn sâu sắc tới người giúp đỡ trình làm luận văn, đặc biệt xin cám ơn PGS.TS Nguyễn Hà Nam, với lòng kiên trì, thầy bảo chi tiết cho định hướng quí báu trình bước làm luận văn Đồng thời xin gửi lời cảm ơn tới thầy cô giáo khoa Công nghệ thông tin – Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội truyền đạt kiến thức cho suốt thời gian học tập nghiên cứu vừa qua Tôi xin chân thành cảm ơn quan, bạn bè, đồng nghiệp, gia đình người thân chia sẻ, giúp đỡ, động viên, tạo điều kiện thuận lợi để hoàn thành nhiệm vụ học tập luận văn Hà Nội, tháng 11 năm 2015 ii MỤC LỤC MỤC LỤC iii DANH MỤC HÌNH VẼ iv DANH MỤC BẢNG BIỂU .v DANH MỤC CHỮ VIẾT TẮT vi PHẦN MỞ ĐẦU CHƢƠNG - TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU PHÁT HIỆN HÀNH VI THAM GIA GIAO THÔNG 1.1 Hành vi tham gia giao thông phát hành vi tham gia giao thông 1.2 Các nghiên cứu liên quan Error! Bookmark not defined 1.3 Một số thách thức nghiên cứu Error! Bookmark not defined 1.4 Đề xuất phƣơng pháp tiếp cận Error! Bookmark not defined CHƢƠNG - KHÁI QUÁT VỀ KHAI PHÁ DỮ LIỆU VÀ GIỚI THIỆU MỘT SỐ KỸ THUẬT ÁP DỤNG TRONG ĐỀ TÀI Error! Bookmark not defined 2.1 Giới thiệu khai phá liệu (Data Mining) Error! Bookmark not defined 2.2 Phân lớp Error! Bookmark not defined 2.3 Giới thiệu WEKA Error! Bookmark not defined CHƢƠNG - PHƢƠNG PHÁP PHÁT HIỆN HÀNH VI THAM GIA GIAO THÔNG DỰA TRÊN DỮ LIỆU CẢM BIẾN ĐIỆN THOẠI DI ĐỘNG Error! Bookmark not defined 3.1 Sơ đồ hệ thống phát hành vi tham gia giao thông Error! Bookmark not defined 3.2 Dữ liệu cảm biến Error! Bookmark not defined 3.3 Lọc nhiễu Error! Bookmark not defined 3.4 Chuyển hệ trục tọa độ không gian Error! Bookmark not defined 3.5 Trích chọn đặc trƣng Error! Bookmark not defined CHƢƠNG - THỰC NGHIỆM VÀ ĐÁNH GIÁ Error! Bookmark not defined 4.1 Thu thập liệu huấn luyện mô hình Error! Bookmark not defined 4.2 Xây dựng liệu huấn luyện Error! Bookmark not defined 4.4 Thực nghiệm phát hành vi tham gia giao thông thời gian thực Error! Bookmark not defined 4.5 Phân tích, đánh giá trình thực nghiệm Error! Bookmark not defined KẾT LUẬN Error! Bookmark not defined TÀI LIỆU THAM KHẢO iii DANH MỤC HÌNH VẼ Hình 1.1: Xu hƣớng dùng điện thoại di động Hình 1.2: Sự bùng nổ smartphone máy tính bảng năm gần .2 Hình 2.1: Quá trình khám phá tri thức Error! Bookmark not defined Hình 2.2: (a) Bƣớc xây dựng mô hình phân lớp Error! Bookmark not defined Hình 2.3: (b1)Ƣớc lƣợng độ xác mô hình Error! Bookmark not defined Hình 2.4: (b2) Phân lớp liệu Error! Bookmark not defined Hình 2.5: Phƣơng pháp phân lớp Random Rorest Error! Bookmark not defined Hình 3.1: Sơ đồ hệ thống phát hành vi giao thông từ liệu cảm biến Error! Bookmark not defined Hình 3.2 : Cảm biến gia tốc kế Error! Bookmark not defined Hình 3.3: Cảm biến từ trƣờng Error! Bookmark not defined Hình 3.4: Cảm biến trọng lực Error! Bookmark not defined Hình 3.5: Dữ liệu gia tốc trục X qua lọc thông thấp Error! Bookmark not defined Hình 3.6: Dữ liệu gia tốc qua lọc nhiễu(trên) chƣa qua lọc nhiễu(dƣới) Error! Bookmark not defined Hình 3.7: Sự khác cảm biến gia tốc điện thoại khác Error! Bookmark not defined Hình 3.8: Hệ trục tọa độ điện thoại Hệ trục tọa độ Trái Đất Error! Bookmark not defined Hình 3.9: Các trạng thái xoay điện thoại Error! Bookmark not defined Hình 3.10: Sự khác đổi trục không đổi trục Error! Bookmark not defined Hình 3.11 Chuyển từ trục điện thoại trục Trái Đất Error! Bookmark not defined Hình 3.12: Hệ tọa độ không gian Error! Bookmark not defined Hình 4.1: Quá trình thực nghiệm phát hành vi tham gia giao thông Error! Bookmark not defined Hình 4.2: Giao diện thu liệu mẫu Error! Bookmark not defined Hình 4.3: Dữ liệu lƣu trữ điện thoại Error! Bookmark not defined Hình 4.4: Mẫu liệu hành vi Tăng tốc Error! Bookmark not defined Hình 4.5: Mô tả trình tính toán thông số đặc trƣng Error! Bookmark not defined Hình 4.6: Các tham số huấn luyện mô hình k-NN Error! Bookmark not defined Hình 4.7: Các tham số huấn luyện mô hình Naïve Bayes Error! Bookmark not defined Hình 4.8: Các tham số huấn luyện mô hình Random forest Error! Bookmark not defined iv Hình 4.9: Giao diện chƣơng trình phát hành vi thời gian thực Error! Bookmark not defined v DANH MỤC BẢNG BIỂU Bảng 2.1: Ma trận thống kê Error! Bookmark not defined Bảng 3.1: Các loại cảm biến phiên hệ điều hành Android Error! Bookmark not defined Bảng 3.2: Các thông số gia tốc kế Error! Bookmark not defined Bảng 3.3: Các thông số từ trƣờng kế Error! Bookmark not defined Bảng 3.4: Các thông số gia tốc trọng lực Error! Bookmark not defined Bảng 4.1: Kết huấn luyện mô hình k-NN Error! Bookmark not defined Bảng 4.2: Kết huấn luyện mô hình Naïve Bayes Error! Bookmark not defined Bảng 4.3: Kết huấn luyện mô hình Random forest Error! Bookmark not defined Bảng 4.4: Kết thực nghiệm phát hành vi k-NN Error! Bookmark not defined Bảng 4.5 : Kết thực nghiệm phát hành vi Naïve Bayes Error! Bookmark not defined Bảng 4.6: Kết huấn luyện phát hành vi Random forest Error! Bookmark not defined vi DANH MỤC CHỮ VIẾT TẮT ANN Artificial Neural Network FN False Negatives FP False Positives HAR Human Activity Recognition HMM Hidden Markov Model k-NN k - Nearest Neighbor TN True Negatives TP True Positives CSDL Cơ sở liệu KDD Knowledge Discovery in Database vii PHẦN MỞ ĐẦU Trong thập kỷ gân đây, phát triển vượt bậc khoa học công nghệ đem lại cho người tiện ích thiết thực thông qua thiết bị di động Thiết bị di động trở thành công cụ hỗ trợ đắc lực cho người hoạt động sống ngày Cùng với ứng dụng hỗ trợ công việc hàng ngày ứng dụng mang tính tiên đoán, nhắc nhở, điều hướng người dùng ngày trở nên phổ biến Bên cạnh việc tham gia giao thông người hoạt động tất yếu hàng ngày Việc tham gia giao thông tiềm ẩn nhiều rủi ro tác nhân có ý thức vô thức người Việc có ứng dụng nhắc nhở, điều hướng người tham gia giao thông cho an toàn trở thành nhu cầu thiết thực, cần có xã hội thiết bị di động trở nên phổ dụng với người Nội dung luận văn tập trung nghiên cứu mặt thuật toán, kết hợp lý thuyết áp dụng thực tiến để đánh giá phương pháp nhận diện hành vi người tham gia giao thông xe gắn máy, từ chọn phương pháp tối ưu gắn liền với thực tế người sử dụng điện thoại thông minh Đề tài có tính ứng dụng cao sống, làm tiền đề cho phát triển, nghiên cứu sâu hành vi người tham gia giao thông nhiều khía cạnh khác Từ đó, nghiên cứu luận văn hướng tới mục tiêu sau: - - Phát số hành vi giao thông người tham gia giao thông xe gắn máy: Dừng, Đang di chuyển, Tăng tốc, giảm tốc đưa cảnh báo So sánh số kỹ thuật học máy nhằm đưa kỹ thuật tối ưu Cấu trúc luận văn nhƣ sau: Chƣơng 1: Tổng quan lĩnh vực nghiên cứu phát hành vi tham gia giao thông dựa điều kiện khác nhau, phương pháp nghiên cứu trước đề xuất phương pháp tiếp cận vấn đề tối ưu thực tiễn Chƣơng 2: Khái quát khai phá liệu giới thiệu số kỹ thuật áp dụng đề tài Chƣơng 3: Phương pháp phát hành vi tham gia giao thông dựa vào liệu cảm biến điện thoại di động với mô hình học máy Chƣơng 4: Thực nghiệm đánh giá Kết luận CHƢƠNG - TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU PHÁT HIỆN HÀNH VI THAM GIA GIAO THÔNG Trong chương trình bày mục đích phát hành vi tham gia giao thông, nghiên cứu trước cách tiếp cận giải toán phát hành vi tham gia giao thông 1.1 Hành vi tham gia giao thông phát hành vi tham gia giao thông Trong suốt thập kỷ vừa qua có phát triển vượt bậc hệ thống vi điện tử máy tính, cảm biến thiết bị di động với tính đại Chúng có khả tính toán cao, kích thước nhỏ chi phí thấp, cho phép người tương tác với thiết bị phần sống hàng ngày Hình 1.1 cho thấy kết đáng kinh ngạc, dân số giới ước tính khoảng tỷ người, tỷ người sử dụng điện thoại di động Số lượng người dùng điện thoại thông minh cao so với số lượng người dùng điện thoại di động (1.5 tỷ người sử dụng điện thoại thông minh) Hình 1.1: Xu hướng dùng điện thoại di động Sự bùng nổ người sử dụng điện thoại thông minh năm gần dẫn đến bùng nổ ứng dụng cho điện thoại thông minh Hình 1.2 cho thấy số lượng đáng kinh ngạc thiết bị di động thông minh tăng nhanh qua năm Vì vậy, việc phát triển ứng dụng điện thoại di động xu hướng nóng có khả áp dụng cao vào đời sống Hình 1.2: Sự bùng nổ smartphone máy tính bảng năm gần TÀI LIỆU THAM KHẢO Tiếng Anh [1] Singh, P., Juneja, N., Kapoor, S.: Using mobile phone sensors to detect driving behavior In: Proceedings of the 3rd ACM Symposium on Computing for Development, ACM (2013) [2] Fazeen, M., Gozick, B., Dantu, R., Bhukhiya, M., Gonzalez, M.C.: SafeDrivingUsing Mobile Phones In:IEEE Transactions on Intelligent Transportation Systems (2012) [3] Chigurupa, S., Polavarap, S., Kancherla,Y., Nikhath, K.A.:Integrated Computing System for measuring Driver Safety Index In: International Journalof Emerging Technology and Advanced Engineering, ISSN 2250-2459,Volume (2012) [4] Johnson, D.A., Trivedi, M.M.:Driving Style Recognition using a smartphone as a sensor platform In: IEEE 14th International Conference on IntelligentTransportation system, October(2011) [5] Dai, J., Tang, J., Bai, X., Shen, Z., Xuan, D.:Mobile phone based drunk driving detection In: Proc 4th Int Conf Pervasive Health NO PERMISSIONS, pp.18 (2010) [6] Zhang, Y., Lin, W., Chin, Y.K.:A pattern-recognition approach for driving skill characterization In: IEEE Trans Intell Transp Syst., vol 11, no.4, pp.905916 (2010) [7] Gazali, H: Monitoring Erratic Driving Behavior caused by Vehicle Overtaking Using Off-theshelfTechnologies [8] Nguyen Thang Ngoc, “Real-Time human activity recognition using, mobile phone”, Posts and telecommunications institute of technology, 2013 [9] C W Han, S J Kang and N S Kim, “Implementation of HMM-BasedHuman Activity Recognition Using Single Triaxial Accelerometer,” IEICETransactions Fundamentals, Vol E93-A, No 7, July 2010 [10] Y Fujiki, “iPhone as a Physical Activity Measurement Platform,” in Proceedings of ACM CHI 2010 [11] Z He, Z Liu, L Jin, L.-X Zhen, and J.-C Huang, “Weightlessness feature; a novel feature for single tri-axial accelerometer based activity recognition,” in 19th International Conference on Pattern Recognition, pp 1–4, 2008 [12] Z He and L Jin, “Activity recognition from acceleration data based on discrete consine transform and svm,” in IEEE International Conference on Systems, Man and Cybernetics, pp 5041–5044, 2009 [13] Y.-P Chen, J.-Y Yang, S.-N Liou, Gwo-Yun=Lee, and J.-S Wang, “Online classifier construction algorithm for human activity detection using a triaxial accelerometer,” Applied Mathematics and Computation, vol 205, no 2, pp 849–860, 2008 [...]... PHÁT HIỆN HÀNH VI THAM GIA GIAO THÔNG Trong chương này trình bày về mục đích của phát hiện hành vi tham gia giao thông, các nghiên cứu trước đây về cách tiếp cận giải quyết bài toán phát hiện hành vi tham gia giao thông 1.1 Hành vi tham gia giao thông và phát hiện hành vi tham gia giao thông Trong suốt thập kỷ vừa qua đã có sự phát triển vượt bậc của hệ thống vi điện tử và máy tính, các cảm biến và các... thông minh) Hình 1.1: Xu hướng dùng điện thoại di động Sự bùng nổ của người sử dụng điện thoại thông minh trong những năm gần đây đã dẫn đến sự bùng nổ của các ứng dụng cho điện thoại thông minh Hình 1.2 cho thấy số lượng đáng kinh ngạc của các thiết bị di động thông minh tăng nhanh qua các năm Vì vậy, vi c phát triển ứng dụng trên điện thoại di động là xu hướng nóng hiện nay và có khả năng áp dụng cao... tính toán cao, kích thước nhỏ và chi phí thấp, cho phép con người tương tác với các thiết bị như một phần của cuộc sống hàng ngày Hình 1.1 cho thấy một kết quả đáng kinh ngạc, dân số thế giới ước tính khoảng 7 tỷ người, thì hơn 5 tỷ người sử dụng điện thoại di động Số lượng người dùng điện thoại thông minh cũng rất cao so với số lượng người dùng điện thoại di động (1.5 tỷ người sử dụng điện thoại thông. .. dụng cao vào đời sống Hình 1.2: Sự bùng nổ của smartphone và máy tính bảng trong những năm gần đây 2 TÀI LIỆU THAM KHẢO Tiếng Anh [1] Singh, P., Juneja, N., Kapoor, S.: Using mobile phone sensors to detect driving behavior In: Proceedings of the 3rd ACM Symposium on Computing for Development, ACM (2013) [2] Fazeen, M., Gozick, B., Dantu, R., Bhukhiya, M., Gonzalez, M.C.: SafeDrivingUsing Mobile Phones... no.4, pp.905916 (2010) [7] Gazali, H: Monitoring Erratic Driving Behavior caused by Vehicle Overtaking Using Off-theshelfTechnologies [8] Nguyen Thang Ngoc, “Real-Time human activity recognition using, mobile phone”, Posts and telecommunications institute of technology, 2013 [9] C W Han, S J Kang and N S Kim, “Implementation of HMM-BasedHuman Activity Recognition Using Single Triaxial Accelerometer,” IEICETransactions... M.M.:Driving Style Recognition using a smartphone as a sensor platform In: IEEE 14th International Conference on IntelligentTransportation system, October(2011) [5] Dai, J., Tang, J., Bai, X., Shen, Z., Xuan, D.:Mobile phone based drunk driving detection In: Proc 4th Int Conf Pervasive Health NO PERMISSIONS, pp.18 (2010) [6] Zhang, Y., Lin, W., Chin, Y.K.:A pattern-recognition approach for driving skill... 2010 [10] Y Fujiki, “iPhone as a Physical Activity Measurement Platform,” in Proceedings of ACM CHI 2010 [11] Z He, Z Liu, L Jin, L.-X Zhen, and J.-C Huang, “Weightlessness feature; a novel feature for single tri-axial accelerometer based activity recognition,” in 19th International Conference on Pattern Recognition, pp 1–4, 2008 [12] Z He and L Jin, “Activity recognition from acceleration data based... IEEE International Conference on Systems, Man and Cybernetics, pp 5041–5044, 2009 [13] Y.-P Chen, J.-Y Yang, S.-N Liou, Gwo-Yun=Lee, and J.-S Wang, “Online classifier construction algorithm for human activity detection using a triaxial accelerometer,” Applied Mathematics and Computation, vol 205, no 2, pp 849–860, 2008 3