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

ĐẠI HỌC QUỐC GIA HÀ NỘI TRƯỜNG 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

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG 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

Hà Nội – 2015

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

ĐẠI HỌC QUỐC GIA HÀ NỘI

TRƯỜNG 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 : Công nghệ thông tin

Chuyên ngành : Hệ thống thông tin

Mã số : 60.48.05

LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN

NGƯỜI HƯỚNG DẪN KHOA HỌC: PGS.TS NGUYỄN HÀ NAM

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi, với sự hỗ trợ từ người hướng dẫn khoa học PGS.TS Nguyễn Hà Nam

Các số liệu, kết quả nêu trong luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác Việc sử dụng những dữ liệu có trong luận văn được thu thập từ các nguồn thông tin khác nhau có ghi trong phần tài liệu tham khảo

Nếu phát hiện bất kỳ sự gian lận nào, tôi xin chịu trách nhiệm trước Hộiđồng, cũng như kết quả luận văn của mình

Hà Nội, tháng 11 năm 2015

Học viên

Vũ Văn Vỹ

LỜI CẢM ƠN Tôi muốn bày tỏ lòng biết ơn sâu sắc tới những người đã giúp đỡ tôi trong quá trình làm luận văn, đặc biệt tôi xin cám ơn PGS.TS Nguyễn Hà Nam, với lòng kiên trì, thầy đã chỉ bảo tôi chi tiết và cho tôi những định hướng quí báu trong quá trình từng bước làm luận văn Đồng thời tôi cũng xin gửi lời cảm ơn tới các thầy cô giáo khoa Công nghệ thông tin – Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội đã truyền đạt các kiến thức cho tôi trong suốt thời gian học tập và nghiên cứu vừa qua

Tôi cũng xin chân thành cảm ơn cơ quan, bạn bè, đồng nghiệp, gia đình và những người thân đã cùng chia sẻ, giúp đỡ, động viên, tạo mọi điều kiện thuận lợi

để tôi hoàn thành nhiệm vụ học tập và cuốn luận văn này

Hà Nội, tháng 11 năm 2015

MỤC LỤC

MỤC LỤC iii

DANH MỤC HÌNH VẼ iv

DANH MỤC BẢNG BIỂU v

DANH MỤC CHỮ VIẾT TẮT vi

PHẦN MỞ ĐẦU 1

CHƯƠNG 1 - TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU PHÁT HIỆN HÀNH VI THAM GIA GIAO THÔNG 2

1.1 Hành vi tham gia giao thông và phát hiện hành vi tham gia giao thông 2

1.2 Các nghiên cứu liên quan Error! Bookmark not defined 1.3 Một số thách thức trong nghiên cứu Error! Bookmark not defined 1.4 Đề xuất phương pháp tiếp cận Error! Bookmark not defined CHƯƠNG 2 - 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 về khai phá dữ liệu (Data Mining) Error! Bookmark not defined 2.2 Phân lớp Error! Bookmark not defined 2.3 Giới thiệu về WEKA Error! Bookmark not defined CHƯƠNG 3 - PHƯƠNG 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 hiện 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 trong không gian Error! Bookmark not defined 3.5 Trích chọn đặc trưng Error! Bookmark not defined CHƯƠNG 4 - THỰC NGHIỆM VÀ ĐÁNH GIÁ Error! Bookmark not defined 4.1 Thu thập dữ liệu huấn luyện mô hình Error! Bookmark not defined 4.2 Xây dựng bộ dữ liệu huấn luyện Error! Bookmark not defined 4.4 Thực nghiệm phát hiện hành vi tham gia giao thông thời gian thực Error! Bookmark not defined 4.5 Phân tích, đánh giá quá trình thực nghiệm Error! Bookmark not defined KẾT LUẬN Error! Bookmark not defined TÀI LIỆU THAM KHẢO 3

DANH MỤC HÌNH VẼ

Hình 1.1: Xu hướng dùng điện thoại di động 2 Hình 1.2: Sự bùng nổ của smartphone và máy tính bảng trong những năm gần đây 2 Hình 2.1: Quá trình khám phá tri thức Error! Bookmark not defined Hình 2.2: (a) Bước xây dựng mơ hình phân lớp Error! Bookmark not defined Hình 2.3: (b1)Ước lượng độ chính xác của mơ hình Error! Bookmark not defined Hình 2.4: (b2) Phân lớp dữ liệu mới Error! Bookmark not defined Hình 2.5: Phương pháp phân lớp Random Rorest Error! Bookmark not defined Hình 3.1: Sơ đồ hệ thống phát hiện hành vi giao thơng từ dữ 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 trường 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 bộ lọc thơng thấp Error! Bookmark not

defined

Hình 3.6: Dữ liệu gia tốc đã qua lọc nhiễu(trên) và chưa qua lọc nhiễu(dưới) Error! Bookmark not defined Hình 3.7: Sự khác nhau giữa cảm biến gia tốc của 2 điện thoại khác nhau Error!

Bookmark not defined

Hình 3.8: Hệ trục tọa độ điện thoại và 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 nhau giữa đổi trục và khơng đổi trục Error! Bookmark not

defined

Hình 3.11 Chuyển từ trục điện thoại về trục Trái Đất Error! Bookmark not

defined

Hình 3.12: Hệ tọa độ khơng gian Error! Bookmark not defined Hình 4.1: Quá trình thực nghiệm phát hiện hành vi tham gia giao thơng Error!

Bookmark not defined

Hình 4.2: Giao diện thu dữ liệu mẫu Error! Bookmark not defined Hình 4.3: Dữ liệu lưu trữ trong điện thoại Error! Bookmark not defined Hình 4.4: Mẫu dữ liệu của hành vi Tăng tốc Error! Bookmark not defined Hình 4.5: Mơ tả quá trình tính tốn 6 thơng số đặc trưng Error! Bookmark not

defined

Hình 4.6: Các tham số huấn luyện mơ hình k-NN Error! Bookmark not defined Hình 4.7: Các tham số huấn luyện mơ hình Nạve Bayes Error! Bookmark not

defined

Hình 4.8: Các tham số huấn luyện mơ hình Random forest Error! Bookmark not

defined

Hình 4.9: Giao diện chương trình phát hiện hành vi thời gian thực Error!

Bookmark not defined

DANH MỤC BẢNG BIỂU

Bảng 2.1: Ma trận thống kê Error! Bookmark not defined Bảng 3.1: Các loại cảm biến trên các phiên bản hệ điều hành Android Error!

Bookmark not defined

Bảng 3.2: Các thơng số gia tốc kế Error! Bookmark not defined Bảng 3.3: Các thơng số từ trường kế Error! Bookmark not defined Bảng 3.4: Các thơng số gia tốc trọng lực Error! Bookmark not defined Bảng 4.1: Kết quả huấn luyện của mơ hình k-NN Error! Bookmark not defined Bảng 4.2: Kết quả huấn luyện của mơ hình Nạve Bayes Error! Bookmark not

defined

Bảng 4.3: Kết quả huấn luyện của mơ hình Random forest Error! Bookmark not

defined

Bảng 4.4: Kết quả thực nghiệm phát hiện hành vi bằng k-NN Error! Bookmark

not defined

Bảng 4.5 : Kết quả thực nghiệm phát hiện hành vi bằng Nạve Bayes Error!

Bookmark not defined

Bảng 4.6: Kết quả huấn luyện phát hiện hành vi bằng Random forest Error!

Bookmark not defined

DANH MỤC CHỮ VIẾT TẮT

PHẦN MỞ ĐẦU

Trong thập kỷ gân đây, sự phát triển vượt bậc của khoa học công nghệ đã đem lại cho con người những tiện ích thiết thực thông qua các thiết bị di động Thiết bị di động giờ đây đã trở thành công cụ hỗ trợ đắc lực cho con người trong mọi hoạt động trong cuộc sống ngày nay Cùng với những ứng dụng hỗ trợ công việc hàng ngày thì các ứng dụng mang tính tiên đoán, nhắc nhở, điều hướng người dùng ngày càng trở nên phổ biến

Bên cạnh đó việc tham gia giao thông của con người là một hoạt động tất yếu hàng ngày Việc tham gia giao thông luôn tiềm ẩn nhiều rủi ro do các tác nhân có ý thức hoặc vô thức của con người Việc có một ứng dụng có thể nhắc nhở, điều hướng người tham gia giao thông sao cho an toàn trở thành nhu cầu thiết thực, cần có trong một xã hội các thiết bị di động đã trở nên phổ dụng với mỗi người

Nội dung của luận văn tập trung nghiên cứu về mặt thuật toán, kết hợp giữa lý thuyết và áp dụng thực tiến để đánh giá các phương pháp nhận diện hành vi của người tham gia giao thông bằng xe gắn máy, từ đó chọn ra phương pháp tối ưu nhất gắn liền với thực tế của người sử dụng điện thoại thông minh Đề tài có tính ứng dụng cao trong cuộc sống, làm tiền đề cho sự phát triển, nghiên cứu sâu về các hành vi của con người khi tham gia giao thông ở nhiều khía cạnh khác nhau Từ đó, nghiên cứu luận văn hướng tới các mục tiêu sau:

- Phát hiện được một số hành vi giao thông cơ bản của người tham gia giao thông bằng xe gắn máy: Dừng, Đang di chuyển, Tăng tốc, giảm tốc và đưa ra cảnh báo

- So sánh một số kỹ thuật học máy nhằm đưa ra kỹ thuật tối ưu nhất

Cấu trúc luận văn như sau:

Chương 1: Tổng quan về lĩnh vực nghiên cứu phát hiện hành vi tham gia giao

thông dựa trên những điều kiện khác nhau, các phương pháp nghiên cứu trước đó và

đề xuất phương pháp tiếp cận vấn đề tối ưu nhất trong thực tiễn

Chương 2: Khái quát về khai phá dữ liệu và giới thiệu một số kỹ thuật áp dụng

trong đề tài

Chương 3: Phương pháp phát hiện hành vi tham gia giao thông dựa vào dữ liệu

cảm biến của điện thoại di động với các mô hình học máy

Chương 4: Thực nghiệm và đánh giá

Kết luận

CHƯƠNG 1 - TỔNG QUAN VỀ LĨNH VỰC NGHIÊN CỨU 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 thiết bị di động với các tính năng hiện đại Chúng có khả năng 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 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, việc phát triển ứng dụng trên điện thoại di động là xu hướng nóng hiện nay và

có khả năng áp dụng cao vào đời sống

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 2 (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