Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)

Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)Phát hiện trạng thái người tham gia giao thông dựa trên smartphone và xây dựng ứng dụng hỗ trợ (tt)

-

NGUYỄN HOÀNG ĐIỆP

PHÁT HIỆN TRẠNG THÁI NGƯỜI THAM GIA GIAO THÔNG DỰA TRÊN SMARTPHONE

Luận văn được hoàn thành tại:

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG

Người hướng dẫn khoa học: Tiến sĩ Hoàng Xuân Dậu

Phản biện 1: PGS TS Trần Đăng Hưng

Phản biện 2: TS Nguyễn Thanh Tuyên

Luận văn sẽ được bảo vệ trước Hội đồng chấm luận văn thạc sĩ tại Học viện Công nghệ Bưu chính Viễn thông

Vào lúc: giờ ngày 11 tháng 3 năm 2017

Có thể tìm hiểu luận văn tại:

- Thư viện của Học viện Công nghệ Bưu chính Viễn thông

MỞ ĐẦU

Trong những năm gần đây điện thoại di động thông minh (smartphone) đã được sử dụng phổ biến và trở thành phương tiện giao tiếp và giải trí của đông đảo người dùng nhờ giá smartphone ngày càng rẻ, cung cấp nhiều tính năng phong phú và dễ sử dụng Ở Việt Nam, người tham gia giao thông sử dụng nhiều loại phương tiện khác nhau như đi bộ, xe đạp, xe máy, ô tô hay xe bus, mỗi loại phương tiện có đặc trưng riêng

Năm 2014, nhóm tác giả H Xia đề xuất giải pháp phát hiện trạng thái di chuyển dựa vào cảm biến smartphone trong bài báo “Using Smart Phone Sensors to Detect Transportation Modes” [1] Trong đó nghiên cứu này đã kết hợp sử dụng dữ liệu từ cảm biến chuyển động và cảm biến vị trí GPS để xác định một số loại phương tiện di chuyển, bao gồm: xe đạp, mô tô, đi bộ hoặc đứng yên Tuy nhiên việc sử dụng thêm cảm biến vị trí GPS sẽ khiến smartphone tiêu thụ nhiều điện năng hơn, dẫn đến tính thực tiễn chưa cao Thêm vào đó, tại Việt Nam, với mật độ giao thông dày đặc, giá trị GPS không phải lúc nào cũng cho kết quả chính xác Luận văn này sẽ tối ưu hóa việc sử dụng GPS theo các chế độ (không có GPS, GPS chỉ dựa vào Wi-Fi – mạng di động, GPS sử dụng cảm biến), thêm vào đó, tại thời điểm giá trị GPS không hợp lệ (như khi người dùng đi vào hầm, nơi khuất, ), luận văn đề xuất kết hợp phương pháp nội suy để tính toán lại giá trị GPS dựa vào dịch vụ cung cấp từ Google kết hợp với cảm biến chuyển động để xác định người dùng đang dừng hay đang

di chuyển, trạng thái dừng – di chuyển kèm phương tiện là gì, từ đó hỗ trợ việc xử lý các sự kiện trên smartphone của người dùng

Luận văn được chia làm 3 phần:

Chương 1 trình bày tổng quan về các loại cảm biến trên điện thoại thông minh và ứng dụng,

đi sâu vào cảm biến gia tốc và cảm biến GPS Từ đó nêu ra bài toán ứng dụng cảm biến gia tốc, cảm biến GPS, sử dụng thuật toán phân tích để đưa ra mô hình phát hiện trạng thái người dùng theo loại phương tiện giao thông khác nhau

Chương 2 trình bày phương pháp phát hiện trạng thái người tham gia giao thông dựa trên điện thoại thông minh Luận văn đưa ra một số phương pháp đã được xây dựng, đề xuất cải tiến có thể và mô hình hóa phương pháp, từ đó lựa chọn các thuật toán cần thiết, tiến hành tiền xử lý dữ liệu, huấn luyện mô hình và ứng dụng phát hiện trạng thái người tham gia giao thông

Chương 3 trình bày quá trình cài đặt, thử nghiệm và đánh giá kết quả của phương pháp được lựa chọn Luận văn mô tả môi trường thử nghiệm, đưa ra các kịch bản, nêu ra kết quả và nhận xét

CHƯƠNG 1: TỔNG QUAN VỀ CẢM BIẾN TRÊN SMARTPHONE

VÀ ỨNG DỤNG 1.1 Giới thiệu tổng quan về các loại cảm biến trên smartphone

Các cảm biến được sử dụng trên smartphone hiện nay phổ biến nhất là 3 loại: cảm biến chuyển động, cảm biến môi trường và cảm biến vị trí Ngoài ra còn có một số loại cảm biến đặc biệt khác như cảm biến sinh trắc học hay cảm biến số bước chân của người dùng Các tiểu mục dưới đây

sẽ lần lượt giới thiệu các dạng cảm biến này

1.1.1 Cảm biến chuyển động

Cảm biến chuyển động trên smartphone là tên gọi chung của nhóm các cảm biến có mục đích thu thập dữ liệu về chuyển động của thiết bị Một số cảm biến chuyển động tiêu biểu đó là cảm biến gia tốc (accelerometer sensor), con quay hồi chuyển (gyroscope sensor), cảm biến véc-tơ quay (rotational vector sensor), cảm biến từ trường (magnetic sensor),…

1.1.1.1 Cảm biến gia tốc

1.1.1.2 Con quay hồi chuyển

1.1.1.3 Cảm biến từ trường

1.1.1.4 Cảm biến véc-tơ quay

1.1.2 Cảm biến môi trường

Cảm biến môi trường trên smartphone cho phép thiết bị có khả năng ghi nhận các thuộc tính của môi trường xung quanh như độ ẩm, ánh sáng, áp suất hay nhiệt độ

1.2 Giới thiệu cảm biến gia tốc và cảm biến GPS

Ở mục này, luận văn đi sâu vào giới thiệu chi tiết cấu tạo và hoạt động của hai dạng cảm biến, là cảm biến gia tốc và cảm biến định vị sử dụng GPS

1.2.1 Cảm biến gia tốc

Tương tự như con quay hồi chuyển, cảm biến gia tốc trên smartphone là một vi cơ điện tử MEMS thay vì cơ cấu cơ khí thông thường Cảm biến này được sử dụng để đo độ lớn của gia tốc trọng trường với đơn vị là m/s2

1.2.1.1 Cấu trúc của cảm biến gia tốc

Về cơ bản, một cảm biến gia tốc có cấu trúc gồm hai thành phần: một khung gắn vào thiết bị cần thu thập gia tốc và một quả nặng gắn với khung này có thể di chuyển tự do [13] Khi thiết bị di chuyển, phần khung sẽ di chuyển theo và quả nặng sẽ di chuyển cùng nhưng chậm hơn phần khung Bằng cách ước lượng mức độ chậm hơn của quả nặng so với khung, ta có thể tính toán được giá trị gia tốc của phần khung khi chuyển động

1.2.1.2 Ứng dụng của cảm biến gia tốc

Cảm biến gia tốc có ứng dụng trong rất nhiều lĩnh vực khác nhau Nhờ việc theo dõi giá trị gia tốc theo các phương khác nhau, cảm biến gia tốc cho phép tối ưu hóa các phép đo bị ảnh hưởng bởi gia tốc trọng trường [15]

1.2.2 Cảm biến định vị sử dụng GPS

Như ở mục 1.1.3.1 đã đề cập, các cảm biến định vị vị trí tuy có thể truy cập nhiều hệ thống định vị toàn cầu khác nhau (GPS, GLONASS,…) nhưng đều được gọi chung là cảm biến GPS Bộ phận thu sóng GPS còn gọi là GPS Receiver, có trách nhiệm thu sóng từ các vệ tinh nằm trong vùng quỹ đạo tương ứng với vị trí hiện tại của thiết bị

1.2.2.1 Hoạt động của hệ thống GPS

Các vệ tinh thuộc hệ thống định vị toàn cầu bay vòng quanh Trái Đất hai lần một ngày và liên tục phát sóng tín hiệu xuống bề mặt Trái Đất Các máy thu GPS thu nhận tín hiệu này, so sánh chênh lệch thời gian phát tín hiệu và thời gian nhận tín hiệu từ đó tính ra khoảng cách từ thiết bị tới

vệ tinh Khi có đủ số lượng vệ tinh để tính toán cùng lúc, cụ thể là với ít nhất ba vệ tinh, thiết bị có thể tính ra kinh độ và vĩ độ của vị trí, với ít nhất bốn vệ tinh, thiết bị có thể tính ra thêm cao độ tại địa điểm đang đứng nhờ các phép tính lượng giác

1.2.2.2 Ứng dụng của GPS

Nhờ việc xác định vị trí của thiết bị trên bề mặt địa cầu, các thiết bị thu GPS có ứng dụng trong nhiều lĩnh vực khác nhau trong dân dụng và quân sự

1.3 Phát biểu bài toán

Bài toán đặt ra là ứng dụng cần có khả năng nhận diện trạng thái người dùng là đang di chuyển bằng phương tiện nào (đi xe máy (xe ga hoặc xe số), đi bộ, và thử nghiệm với xe bus – là các phương tiện phổ biến tại Việt Nam) và đang ở trạng thái di chuyển, dừng, rẽ trái hay rẽ phải

Mô hình nhận diện các trạng thái được xây dựng dựa vào dữ liệu thu thập từ cảm biến gia tốc và cảm biến vị trí Dựa trên trạng thái nhận diện được, ứng dụng sẽ có thể thay mặt người dùng đưa ra các phản hồi trợ giúp khi người dùng nhận được tin nhắn hay cuộc gọi đến trong lúc đang di chuyển

và thông báo cho người dùng khi dừng lại

Để giải quyết bài toán này, luận văn tập trung vào hai vấn đề: nhận diện trạng thái và xử lý

sự kiện theo trạng thái đã được nhận diện Chương 2 của luận văn sẽ đi sâu mô tả chi tiết quá trình thu thập, xử lý dữ liệu, huấn luyện mô hình, nhận diện trạng thái và xây dựng ứng dụng

1.4 Kết chương

Chương 1 của luận văn đã trình bày khái quát về một số loại cảm biến phổ biến thường hiện hữu trong smartphone cũng như một số loại cảm biến đặc biệt khác cùng ứng dụng của chúng Chương này cũng đi sâu vào giới thiệu hai loại cảm biến là cảm biến gia tốc và cảm biến định vị sử dụng GPS, qua đó nêu bài toán nhận diện trạng thái tham gia giao thông và xây dựng ứng dụng trên smartphone nhằm hỗ trợ cho người tham gia giao thông

Trong chương 2, luận văn sẽ trình bày về hai vấn đề của bài toán đã được nêu ra, thứ nhất là phương pháp thu thập dữ liệu, xử lý dữ liệu, phát hiện trạng thái, từ đó giải quyết vấn đề thứ hai là quá trình phân tích, thiết kế ứng dụng hỗ trợ người dùng trên smartphone

CHƯƠNG 2: PHƯƠNG PHÁP PHÁT HIỆN TRẠNG THÁI NGƯỜI

THAM GIA GIAO THÔNG DỰA TRÊN SMARTPHONE

2.1 Xây dựng mô hình

2.1.1 Một số phương pháp đã được nghiên cứu

Trong mục này, luận văn sẽ giới thiệu một số phương pháp đã được xây dựng, gồm: Phương pháp sử dụng cây quyết định ứng dụng mô hình Markov ẩn dựa vào dữ liệu cảm biến gia tốc và cảm biến GPS; phương pháp sử dụng giá trị gia tốc so sánh với gia tốc trọng trường phát hiện trạng thái người đi xe đạp; và phương pháp sử dụng máy véc-tơ hỗ trợ cùng kỹ thuật tối ưu đàn kiến để phân lớp dữ liệu cảm biến gia tốc và cảm biến GPS

2.1.1.1 Sử dụng cây quyết định và mô hình Markov ẩn

Phương pháp này được Sasank Reddy và cộng sự giới thiệu năm 2010 [8] Nhóm tác giả đưa

ra hệ thống phân lớp sử dụng cảm biến gia tốc và GPS của smartphone, nhằm mục đích nhận diện các trạng thái đứng yên, đi bộ, chạy, đạp xe hoặc di chuyển bằng xe máy Cách tiếp cận của nhóm

sử dụng cây quyết định và mô hình Markov ẩn với độ chính xác đạt được là 93.6% trên tập dữ liệu cho trước

2.1.1.2 Phương pháp so sánh giá trị gia tốc và gia tốc trọng trường

Phương pháp này được Jeong-Jin Yeo và cộng sự đưa ra nhằm mục đích phát hiện trạng thái của người đi xe đạp [2] Nhóm tác giả đưa ra một phương pháp đơn giản ứng dụng smartphone cùng cảm biến gia tốc gắn cố định lên xe với độ chính xác khoảng 95%

2.1.1.3 Sử dụng máy véc-tơ hỗ trợ và tối ưu đàn kiến

Năm 2014, Hao Xia và cộng sự đưa ra một phương pháp sử dụng cả dữ liệu GPS và giá trị gia tốc từ smartphone nhằm phân loại các trạng thái giao thông ngoài trời của người dùng [1] Các trạng thái này bao gồm đi bộ, đi xe đạp và xe cơ giới cũng như trạng thái đứng yên của người dùng Nhóm tác giả đề xuất sử dụng phương pháp tối ưu đàn kiến để giảm kích thước của các đặc trưng cũng như phân tích mức độ quan trọng tương đối của các đặc trưng này Sau đó, sử dụng máy véc-

tơ hỗ trợ để huấn luyện tập dữ liệu thu được để tạo bộ phân lớp Phương pháp này đạt mức độ chính xác khoảng 96.31%

2.1.2 Đề xuất các cải tiến có thể

Từ các phương pháp đã nêu ra ở mục trước, nhận thấy phương pháp thứ ba của nhóm Hao Xia và cộng sự có một số nhược điểm, đó là:

- Chưa phù hợp với tình hình giao thông tại Việt Nam với xe máy là phương tiện chính Ngoài ra sinh viên, học sinh tại Việt Nam cũng thường xuyên sử dụng xe bus làm phương tiện đi lại

- Dữ liệu GPS vẫn có khả năng bị mất hoặc không chính xác khi người dùng đi vào vùng bị cản Việc sử dụng thu GPS liên tục một cách thông thường sẽ gây tổn hao năng lượng cho thiết bị smartphone, do vậy giảm khả năng ứng dụng thực tế

Để khắc phục các nhược điểm trên, luận văn đưa ra một số đề xuất cải tiến và bổ sung cho phương pháp này, như sau:

- Bổ sung thêm các trạng thái chi tiết người tham gia giao thông với xe máy và xe bus

- Tối ưu hóa phương pháp thu nhận tín hiệu GPS với các chế độ: không dùng GPS, dùng GPS với sóng di động, và dùng GPS với cả sóng di động và tín hiệu GPS Với cách tối ưu như vậy, việc phát hiện trạng thái người tham gia giao thông có thể thực hiện ngay trên smartphone theo thời gian thực

Trên cơ sở các đề xuất cải tiến trên, luận văn sẽ xây dựng ứng dụng trên smartphone nhằm

hỗ trợ cho người dùng với các tác vụ cơ bản như gọi điện, trả lời cuộc gọi, tin nhắn khi đang tham gia giao thông

2.1.3 Mô hình hóa phương pháp

Từ đề xuất cải tiến trên phương pháp đã nêu tại mục 2.1.1.3, luận văn đề xuất mô hình phát hiện trạng thái người tham gia giao thông như biểu diễn trên hình 2.3

Hình 2.3: Mô hình hóa phương pháp phát hiện trạng thái

Phương pháp sẽ được thực hiện theo hai giai đoạn:

- Giai đoạn Huấn luyện mô hình: thu thập dữ liệu mẫu, thực hiện các thuật toán lọc, trích chọn đặc trưng và phân lớp cần thiết để xác định các đặc trưng và các lớp dữ liệu đầu ra, đại diện cho các trạng thái di chuyển khác nhau của người tham gia giao thông

- Giai đoạn Xác định trạng thái theo thời gian thực: tiến hành thu thập dữ liệu trong khi người dùng đang tham gia giao thông, sử dụng kết quả ở giai đoạn Huấn luyện làm tham số đầu vào cho các thuật toán trích chọn đặc trưng và phân lớp, từ đó đưa ra kết luận về trạng thái

di chuyển của người dùng hiện tại

2.2 Thu thập dữ liệu

2.2.1 Phương pháp thu thập dữ liệu

Trong mục này, luận văn sẽ trình bày phương pháp thu thập dữ liệu Dữ liệu đầu vào sẽ gồm

có dữ liệu cảm biến gia tốc và dữ liệu cảm biến GPS, cụ thể hơn là dữ liệu về tọa độ GPS hiện tại của người dùng và tốc độ di chuyển hiện tại của người dùng

2.2.1.1 Thu thập dữ liệu cảm biến gia tốc

Hệ điều hành Android cho phép lập trình viên truy cập vào dữ liệu cảm biến gia tốc của thiết

bị thông qua dịch vụ của hệ điều hành Như đã trình bày ở mục 1.2.1, giá trị cảm biến gia tốc mà hệ điều hành cung cấp gồm ba số thực tương ứng với gia tốc theo các phương X, Y, Z Sử dụng thư viện và công cụ mà hệ điều hành Android cung cấp, luận văn sẽ xây dựng một ứng dụng trên Android với chức năng tự động lấy giá trị của cảm biến gia tốc sau một khoảng thời gian nhất định

2.2.1.2 Thu thập dữ liệu cảm biến vị trí dựa trên GPS

Hệ điều hành Android cũng hỗ trợ việc truy cập dữ liệu trả về từ cảm biến vị trí dựa trên GPS Dữ liệu này bao gồm nhiều giá trị khác nhau, bao gồm kinh độ, vĩ độ, độ chính xác,… nhưng trong phạm vi của luận văn sẽ chỉ quan tâm tới giá trị kinh độ, vĩ độ và tốc độ di chuyển của người dùng Luận văn đề xuất sử dụng chính ứng dụng thu thập dữ liệu cảm biến gia tốc, bổ sung thêm việc truy cập tới dịch vụ vị trí của hệ điều hành để lấy tọa độ người dùng

2.2.2 Cài đặt ứng dụng thu thập dữ liệu

Về cảm biến vị trí GPS, khuyến cáo của nhà phát hành Android là Google cho biết rằng, giá trị cảm biến vị trí gốc của Android là không tin cậy, thay vì thế, khi cài đặt ứng dụng, luận văn sẽ ứng dụng dịch vụ Fused Location API do Google cung cấp thông qua thư viện Google Play Services cài sẵn trong smartphone [16]

- Khung thời gian: mỗi mẫu dữ liệu sẽ được lấy sau một khung thời gian cố định Ứng dụng thu thập dữ liệu sẽ cho phép cấu hình giá trị khung thời gian này theo đơn vị là giây Luận văn sẽ thử nghiệm với khung thời gian 3 giây và 5 giây để tìm ra khung thời gian tối ưu

- Tần số lấy mẫu: luận văn lựa chọn tần số lấy mẫu là 50Hz Đây là giá trị vừa phải, không cao quá để tránh lượng dữ liệu quá lớn khiến thiết bị smartphone tiêu tốn nhiều năng lượng, cũng như không thấp quá để không làm mất các giá trị ở tần số cao Đối với các trạng thái mục tiêu là đi bộ, đi xe máy và đi xe bus thì tần số 50Hz là lựa chọn hợp lý [1]

2.3 Các thuật toán xử lý dữ liệu

2.3.1 Mô hình xử lý

Trong mục này, luận văn sẽ đi sâu trình bày các thuật toán được sử dụng trong hai giai đoạn của quá trình phát hiện trạng thái người tham gia gia thông là giai đoạn Huấn luyện mô hình và giai đoạn Phát hiện trạng thái

2.3.1.1 Huấn luyện mô hình

Hình 2.7 mô tả các thuật toán sử dụng trong giai đoạn Huấn luyện mô hình

Hình 2.7: Thuật toán trong giai đoạn Huấn luyện mô hình

Giai đoạn huấn luyện gồm 3 bước như trên hình, với 3 thuật toán dưới đây:

- Fast Fourier Transform: dữ liệu đầu vào gồm dữ liệu GPS và dữ liệu cảm biến gia tốc được đưa vào biến đổi Fourier rời rạc nhằm chuyển dạng dữ liệu từ miền thời gian sang miền tần

số, từ đó rút ra các đặc trưng theo tần số nhất định

- Ant Colony Optimization: thuật toán tối ưu đàn kiến được sử dụng để loại bỏ các đặc trưng không cần thiết từ kết quả của biến đổi Fourier Kết quả của thuật toán là tập con các đặc trưng quan trọng Tập này cũng sẽ được sử dụng làm tiền đề cho giai đoạn tối ưu của pha Phát hiện trạng thái

- Support Vector Machine: máy véc-tơ hỗ trợ được sử dụng để phân lớp các đặc trưng sau khi

đã tối ưu

2.3.1.2 Phát hiện trạng thái

Hình 2.8 mô tả các thuật toán sử dụng trong giai đoạn Phát hiện trạng thái:

Hình 2.8: Thuật toán trong giai đoạn Phát hiện trạng thái

Cũng gồm ba bước như giai đoạn Huấn luyện, tuy nhiên ở giai đoạn Phát hiện trạng thái, các thuật toán sẽ dùng lại kết quả từ giai đoạn Huấn luyện, cụ thể là:

- Fast Fourier Transform: tương tự giai đoạn Huấn luyện, FFT sẽ được sử dụng để biến đổi dữ liệu GPS và dữ liệu cảm biến gia tốc

- Ant Colony Optimization: sử dụng các đặc trưng rút ra từ FFT và tập các đặc trưng trong kết quả của giai đoạn Huấn luyện để đưa ra tập đặc trưng con tối ưu nhất

Support Vector Machine: máy véc-tơ hỗ trợ dựa trên kết quả phân lớp của pha Huấn luyện

sẽ đưa ra kết quả là trạng thái người tham gia giao thông

2.3.2 Các thuật toán, lựa chọn tham số và tiền điều kiện

2.3.2.1 Fast Fourier Transform

Tuy dữ liệu cảm biến gia tốc và cảm biến GPS mà hệ điều hành Android xử lý là liên tục, việc lấy mẫu theo khoảng thời gian của phương pháp đã đề xuất khiến các mẫu dữ liệu trở thành dạng rời rạc Để trích xuất đặc trưng của dữ liệu rời rạc, ta áp dụng biến đổi Fourier để chuyển dữ liệu từ miền thời gian sang miền tần số Các đặc trưng cần tìm tương ứng với biên độ của tần số Biến đổi Fourier nhanh (FFT – Fast Fourier Transform) là nhóm các thuật toán áp dụng tính biến đổi Fourier rời rạc của hàm số cho trước một cách hiệu quả [17]

Do việc tính toán DFT trực tiếp đòi hỏi thời gian tính toán lâu và không hiệu quả, đặc biệt khi số lượng mẫu là lớn, các nhóm thuật toán biến đổi Fourier nhanh ra đời nhằm giảm độ phức tạp

bài toán này Áp dụng FFT sẽ giảm độ phức tạp từ O(n2) xuống còn O(nlogn) Một trong các thuật

toán biến đổi Fourier nhanh và hiệu quả là thuật toán Cooley – Tukey [18]

Trong phạm vi của luận văn, để cài đặt thuật toán FFT, ta sử dụng phần cài đặt trong thư viện Apache Common Math với ngôn ngữ cài đặt là Java

2.3.2.2 Ant Colony Optimization

Thuật toán tối ưu đàn kiến thường được áp dụng trong các bài toán về tối ưu tổ hợp Thuật toán tối ưu đàn kiến cũng như các mở rộng của thuật toán mô phỏng hành vi của loài kiến bằng cách giả lập các con kiến di chuyển xung quanh một đồ thị thể hiện cho bài toán cần được giải quyết Các lớp bài toán như vậy có thể kể đến là bài toán tìm đường đi, lập lịch, xác định tuyến đường tối ưu, các bài toán tổ hợp và xử lý ảnh,…

Với yêu cầu tối ưu các đặc trưng rút ra từ biến đổi Fourier trong bài toán phát hiện trạng thái người tham gia giao thông, ta thiết lập giải thuật như sau:

Đầu tiên, ta lựa chọn num f là số lượng các đặc trưng từ tất cả N đặc trưng rút ra từ biến đổi Fourier N đặc trưng này lập thành đồ thị vô hướng khép kín trong đó mỗi đặc trưng có thể coi như

một đỉnh của đồ thị với độ dài các cạnh là bằng nhau Một con kiến sẽ di chuyển qua num f đỉnh giữa điểm xuất phát và đích đến Thời gian di chuyển giữa 2 đỉnh của các con kiến là bằng nhau do độ dài cạnh đồ thị là bằng nhau Nếu con kiến xuất phát tại thời gian t = 0 thì nó sẽ tới đích sau thời

gian t = num f – 1 Tổng số kiến lựa chọn sẽ là m Mục tiêu của bài toán là tìm ra các đỉnh đối lập để

có đường đi tốt nhất Đường đi càng tốt thì việc phân lớp sẽ có độ chính xác càng cao Thay vì xét lượng chất hóa học rải trên đường, ta sẽ xem xét lượng chất hóa học mỗi con kiến để lại tại mỗi

đỉnh của đồ thị, kí hiệu u j (t) là lượng chất hóa học để lại tại đỉnh j tại thời điểm t Khởi đầu, giá trị

u j (0) = C trong đó C là hằng số dương bất kì p là tốc độ bay hơi của chất hóa học u j là lượng tăng chất hóa học:

𝑢𝑗(𝑡 + 1) = (1 − 𝑝)𝑢𝑗(𝑡) + ∆𝑢𝑗 (2.1) Quy ước:

∆𝑢𝑗 = 𝑟𝑏𝑒𝑠𝑡

là hàm cập nhật lượng chất hóa học r best là kết quả phân lớp tốt nhất tại thời điểm này Kết quả phân lớp càng tốt thì lượng chất hóa học tại đỉnh j càng nhiều Số lượng các đỉnh càng lớn thì

lượng chất hóa học tại mỗi đỉnh càng ít Tại mỗi đỉnh, ta định nghĩa n j là tham số khám phá cho

đỉnh j Từ đó xây dựng công thức n j =F-score j để đánh giá khả năng phân biệt giữa các đỉnh với nhau Công thức 2.3 chỉ ra giá trị F-score tại đỉnh j, trong đó tử số đại diện cho sự sai khác giữa các lớp của đặc trưng mục tiêu, mẫu số đại diện cho sự sai khác trong mỗi lớp F-score càng lớn thì sự khác biệt tại đỉnh này càng lớn