Luận án Tiến sĩ: Mô hình hóa và mô phỏng giao thông đô thị

Xây dựng được tập thuộc tính đặc trưng của người tham gia giao thông dựa trên cảm biến gia tốc gồm 59 thuộc tính trên các miền thời gian, tần số cũng như giá trị Hjorth. • Đề xuất giải pháp nhận dạng hành động giao thông cơ bản. • Đề xuất giải pháp nhận dạng hành vi bất thường dựa trên các hành động cơ bản đã được xây dựng.

ĐẠI HỌC QUỐC GIA HÀ NỘITRƯỜNG 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 – 2019ĐẠI 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

Hà Nội – 2019

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu do tôi thực hiện dưới sựhướng dẫn của PGS.TS Nguyễn Hà Nam và PGS.TS Phan Xuân Hiếu tại Bộ môncác 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 trungthực 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-TrườngĐại 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 giảiquyết 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 họctrong khoa CNTT đã truyền đạt những kiến thức quý báu và đã tạo điều kiện thuậnlợi cho tôi trong quá trình học tập và nghiên cứu Để có được dữ liệu phục vụ chonghiên cứu, tôi xin gửi lời cảm ơn tới Nhóm nghiên cứu của PGS.TS Nguyễn HàNam đã giúp tôi thu thập dữ liệu cũng như tiến hành một số thực nghiệm liên quanđến Luận án

Tôi cũng gửi lời tri ân tới bạn bè, đồng nghiệp, người thân đã giúp đỡ và hỗtrợ 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 vàhai con nhỏ của tôi, những người đã động viên, giành những điều kiện tốt nhất đểtôi có thể hoàn thành chương trình nghiên cứu của mình

Lữ Đăng Nhạc

Hà Nội, 2019

MỤC LỤC

LỜI CAM ĐOAN I LỜI CẢM ƠN 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 6

CHƯƠNG 1 TỔNG QUAN VỀ NHẬN DẠNG HÀNH VI 7

1.1 Giới thiệu 7

1.2 Một số khái niệm cơ bản 8

1.2.1 Hành động giao thông 8

1.2.2 Hành vi giao thông 9

1.3 Sử dụng dữ liệu cảm biến để phân tích hành vi 9

1.4 Một số nghiên cứu liên quan 12

1.5 Phương pháp nhận dạng hành vi giao thông dựa trên cảm biến 19

1.6 Kết luận 23

CHƯƠNG 2 NHẬN DẠNG HÀNH ĐỘNG GIAO THÔNG 24

2.1 Giới thiệu 24

2.2 Sử dụng dữ liệu cảm biến để nhận dạng hành động giao thông 24

2.3 Một số nghiên cứu liên quan 25

2.4 Hệ thống nhận dạng hành động sử dụng cảm biến gia tốc 29

2.4.1 Một số kiến thức cơ sở 29

2.4.2 Tập thuộc tính đặc trưng 48

2.4.3 Đề xuất hệ thống nhận dạng hành động 50

2.5 Thực nghiệm và đánh giá 55

2.5.1 Môi trường thực nghiệm 55

2.5.2 Dữ liệu thực nghiệm 56

2.5.3 Lựa chọn tập thuộc tính 59

2.5.4 Khảo sát thuật toán phân lớp 62

2.5.5 Xây dựng dữ liệu huấn luyện 63

2.5.6 Đánh giá hệ thống đề xuất so với một số nghiên cứu hiện tại[CT4] 67

2.6 Kết luận 69

CHƯƠNG 3 NHẬN DẠNG HÀNH VI BẤT THƯỜNG 70

3.1 Giới thiệu 70

3.2 Bài toán nhận dạng hành vi bất thường 70

3.2.1 Nhận dạng bất thường 70

3.2.2 Sử dụng cảm biến điện thoại để nhận dạng hành vi bất thường 74

3.3 Một số nghiên cứu liên quan 75

3.4 Giải pháp nhận dạng hành vi bất thường dựa trên hệ thống nhận dạng hành động 78 3.4.1 Một số kỹ thuật nhận dạng hành vi bất thường 78

3.4.2 Giải pháp đề xuất nhận dạng hành vi bất thường dựa trên hệ thống nhận dạng hành động 81

3.5 Thực nghiệm và đánh giá 86

3.5.1 Môi trường thực nghiệm 86

3.5.2 Dữ liệu thực nghiệm 86

3.5.3 Kết quả thực nghiệm với DTW 89

3.5.4 Kết quả thực nghiệm với RF và Dl4jMlpClassifier 91

3.5.5 Kết quả thực nghiệm với giải pháp đề xuất 93

3.6 Kết luận 97

KẾT LUẬN 98

DANH MỤC CÔNG TRÌNH KHOA HỌC CỦA TÁC GIẢ LIÊN QUAN ĐẾN LUẬN ÁN 100

TÀI LIỆU THAM KHẢO 101

DANH MỤC KÝ HIỆU VÀ TỪ VIẾT TẮT

ANN Artificial Neural

AUC Area Under Curve Diện tích dưới đường cong ROCCV10 Cross Validation – 10

bị phân lớp sai vào lớp âm)

bị phân lớp sai vào lớp dương) GPS Global Positioning

Là một thuật tốn phân lớp thuộcCART (Classification and RegressionTree)

k- NN k Nearest Neighbor Thuật tốn phân lớp k láng giềng gần

nhất

NB Nạve Bayes Classifier Thuật tốn phân lớp Nạve Bayes

Characteristic Đặc tính hoạt động của bộ thu nhậnSVM Support Vector Machines Véc-tơ tựa

TN True Negative Âm tính thật (mẫu mang nhãn âm

được phân lớp đúng vào lớp âm)

TP True Positive Dương tính thật (mẫu mang nhãn

dương được phân lớp đúng vào lớpdương)

ZCR Zero Crossing Rate Tỷ lệ vượt qua điểm cắt không

DANH MỤC HÌNH ẢNH

Hình 1-1 Hướng nghiên cứu tổng thể của bài toán nhận dạng hành vi 22

Hình 1-2 Hệ thống phân tích hành vi bất thường 23

Hình 2-1 Một số kỹ thuật chuẩn bị dữ liệu [37] 29

Hình 2-2 Phân đoạn chuỗi tín hiệu thành các cửa sổ dữ liệu 32

Hình 2-3 (a) Hướng của điện thoại được xác định bởi hệ tọa độ (X, Y, Z) (b) Hướng di chuyển của phương tiện theo hệ tọa độ trái đất (X’, Y’, Z’) 33

Hình 2-4 Kết hợp biểu diễn thông tin trên miền thời gian và tần số [46] 35

Hình 2-5 Hệ tọa độ và các trục quay trên điện thoại thông minh[48] 40

Hình 2-6 Độ đo AUC[50] 46

Hình 2-7 Hệ thống nhận dạng hành động giao thông 51

Hình 2-8 Thuật toán lựa chọn kích thước cửa sổ và chồng dữ liệu theo AUC 52

Hình 2-9 Nhận dạng hành động với các kích thước cửa sổ lựa chọn 53

Hình 2-10 Hành động dừng và hành động đi thẳng 56

Hình 2-11 (a): Hành động rẽ phải; (b): Hành động rẽ trái 57

Hình 2-12 Mô tả tín hiệu cảm biến gia tốc của các hành động (a): “Dừng”; (b): “Đi thẳng”; (c):”Rẽ trái”; (d): “Rẽ phải” 57

Hình 2-13 Tập dữ liệu đặc trưng sử dụng cho nhận dạng hành động giao thông cơ bản 58

Hình 2-14 Phân bổ của tập dữ liệu đặc trưng được biến đổi với 59 thuộc tính 58

Hình 2-15 Kết quả phân lớp sử dụng các tập thuộc tính H2, T2, F2, TH2, TF2, TFH2 60

Hình 2-16 Kết quả so sánh dữ liệu thô và dữ liệu biến đổi hệ tọa độ 61

Hình 2-17 Kết quả độ đo thực nghiệm với các thuật toán phân lớp 62

Hình 2-18 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 65

Hình 2-19 Kết quả phân lớp với kích thước cửa sổ lựa chọn trên tập TF2 và TFH2 67

Hình 3-1 Khái niệm dữ liệu bất thường[58] 71

Hình 3-2 Độ đo DTW 78

Hình 3-3 Sử dụng DTW để phát hiện hành vi bất thường 79

Hình 3-4 Nhận dạng hành vi bất thường dựa trên hành động cơ bản 81

Hình 3-5.Sơ đồ hệ thống phát hiện hành vi bất thường 83

Hình 3-6 Phát hiện hành vi bất thường dựa trên hành động giao thông cơ bản 84

Hình 3-7 Mẫu dữ liệu cảm biến gia tốc của hành vi bất thường – “lạng lách” 87

Hình 3-8 Mẫu dữ liệu cảm biến gia tốc của hành vi bình thường (đi thẳng) 88

Hình 3-9 Kết quả so khớp với các giá trị ngưỡng khác nhau 90

Hình 3-10 Kết quả nhận dạng hành vi bình thường và bất thường 95

DANH MỤC BẢNG BIỂU

Bảng 2-1 Một số nghiên cứu nhận dạng hành động giao thông 27

Bảng 2-2 Các thuộc tính đặc trưng 45

Bảng 2-3 Ý nghĩa diện tích bên dưới đường cong ROC (AUC) 47

Bảng 2-4 Các tập thuộc tính 48

Bảng 2-5 Tập thuộc tính trong hệ thống nhận dạng hành động giao thông cơ bản 50

Bảng 2-6 Tham số mặc định của thuật toán phân lớp sử dụng cho thực nghiệm 55

Bảng 2-7 Thông tin đối tượng tham gia thực nghiệm 56

Bảng 2-8 Cảnh huống thu thập dữ liệu của các hành động 56

Bảng 2-9 Tập mẫu dữ liệu đặc trưng sử dụng nhận dạng hành động giao thông cơ bản 58

Bảng 2-10 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 60

Bảng 2-12 Kết quả so sánh dữ liệu thô và dữ liệu đã biến đổi hệ tọa độ 61

Bảng 2-13 Kết quả độ đo AUC của hành động dừng 63

Bảng 2-14 Kết quả độ đo AUC của hành động đi thẳng 64

Bảng 2-15 Kết quả độ đo AUC của hành động rẽ trái 64

Bảng 2-16 Kết quả độ đo AUC của hành động rẽ phải 64

Bảng 2-17 Kích thước cửa sổ được lựa chọn theo độ đo AUC 66

Bảng 2-18 Kết quả phân lớp với tham số tối ưu trên hai tập TF2 và TFH2 66

Bảng 2-19 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] 69

Bảng 3-1 Thực nghiệm thu dữ liệu nhận dạng hành vi bất thường 87

Bảng 3-2 Số lượng các mẫu dữ liệu thực nghiệm 88

Bảng 3-3 Tham số mặc định của thuật toán RF 92

Bảng 3-4 Tham số của Dl4jMlpClassifier 92

Bảng 3-5 Kết quả nhận dạng sử dụng CV10 92

Bảng 3-6 Kích thước cửa sổ dữ liệu phát hiện hành vi 94

Bảng 3-7 Lựa chọn ngưỡng sai khác nhằm phát hiện hành vi bất thường 95

Bảng 3-8 Kết quả phát hiện hành vi của giải pháp đề xuất trên tập dữ liệu kiểm tra 95

Bảng 3-9 Kết quả phát hiện hành vi của các phương pháp khác nhau 96

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 đờisống 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 tầnggiao thông, hệ thống quản lý điều khiển giao thông và tình trạng các phương tiệntham gia giao thông Tuy nhiên, một trong những yếu tố quan trọng tác động trựctiếp đến vấn đề an toàn giao thông đó là thái độ và hành vi của người tham gia giaothông Do đó, việc nhận dạng hành vi của người tham gia giao thông bao gồm cảnhận dạng các hành động và hành vi bất thường có một ý nghĩa rất lớn trong việcxây 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 phòngthí nghiệm trên thế giới Hơn thế nữa, những thông tin về hành vi của người thamgia 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 đánhgiá mức độ rủi ro trong các lĩnh vực bảo hiểm cũng như có thể ước tính mức độ tiêuthụ 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 giaothông các thông tin, dữ liệu của người tham gia được thu thập bằng nhiều cách khácnhau Nhờ sự phát triển của công nghệ phần cứng, nhiều loại cảm biến khác nhauđược tích hợp đã cho phép điện thoại thông minh trở thành công cụ hữu ích trongviệc thu thập dữ liệu từ người dùng Chính vì vậy, trong thời gian gần đây, nhiềucông 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 mô hình nhận dạng thì

hầu hết các nghiên cứu được thực hiện với vị trí điện thoại cố định trên phương tiệngiao 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 hiệntrong thực tế Việc nghiên cứu về nhận dạng hành vi của người dùng khi vị trí điệnthoại người dùng không cố định trong quá trình tham gia giao thông là yêu cầu tựnhiên phù hợp với thực tế.

Ngoài ra, những nghiên cứu đã công bố về nhận dạng hành vi giao thôngđược 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 môitrường giao thông tại Việt Nam Do vậy, những mô hình nhận dạng đã được xâydựng gặp nhiều khó khăn khi phát triển và áp dụng trong điều kiện cụ thể của ViệtNam Sự khác biệt này xuất phát từ một số yếu tố quan trọng bao gồm cả yếu tốkhách quan và yếu tố chủ quan Thứ nhất, đó là các nghiên cứu về bài toán nhậndạng thường tập trung vào các phương tiện giao thông phổ biến tại các nước pháttriển với đa số phương tiện sử dụng cho thực nghiệm là xe ô tô, xe buýt và tàu điệnngầm 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, cácphương tiện giao thông được người dân sử dụng chủ yếu vẫn là xe máy và xe đạpcùng một số phương tiện công cộng khác Hơn thế nữa, phần lớn các nghiên cứutrước đây thực hiện trong điều kiện hạ tầng giao thông ổn định hơn so với tính đadạng và điều kiện giao thông như ở Việt Nam Thứ hai, về yếu tố chủ quan đó làvăn hóa và thói quen di chuyển của người dân khi tham gia giao thông Với nhữngphương tiện như ô tô hay xe buýt trong các nghiên cứu, dữ liệu cảm biến được thuthập trong điều kiện phương tiện di chuyển trên các làn đường riêng, hoặc hayđường chạy xác định trước Điều kiện này không thể thực hiện được với hiện trạnggiao thông đô thị của Việt Nam Tất cả những yếu tố cơ bản kể trên là những lý dogiải thích tại sao cần có các nghiên cứu mô hình nhận dạng hành vi giao thông phùhợp với tính chất đặc thù tại Việt Nam

Để hỗ trợ được người tham gia giao thông, một trong những mục đích quantrọng, cấp thiết của mô hình phát hiện hành vi đó là khả năng phát hiện được cáchành vi giao thông bất thường Các nghiên cứu về vấn đề này thường tập trung vàophương 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 cứutrước đây cũng thường sử dụng hướng tiếp cận kết hợp nhiều loại cảm biến để thuthập, phân tích dữ liệu cho quá trình nhận dạng Bên cạnh các cảm biến chuyểnđộng thì các cảm biến khác như GPS, cảm biến hình ảnh và cảm biến âm thanhcũng có thể được sử dụng nhằm nâng cao độ chính xác trong nhận dạng các hành vibất thường khi lái xe Việc sử dụng đồng thời nhiều dữ liệu cảm biến cùng một thờiđiểm dẫn đến tiêu tốn nhiều năng lượng của điện thoại thông minh và khó có thể ápdụng trong thực tế Hướng tiếp cận lựa chọn thu thập, phân tích dữ liệu cảm biếnchuyển động như cảm biến gia tốc sẽ có mức tiêu tốn năng lượng thấp nhất nhưngcần phải xây dựng một mô hình phù hợp để đảm bảo độ chính xác nhận dạng trêncác loại phương tiện giao thông khác nhau Một trong những giải pháp căn cốt chovấn đề này đó là cần xác định, lựa chọn được tập thuộc tính đặc trưng phù hợp chocác loại phương tiện, thể hiện rõ đặc trưng của hành vi sao cho nhận dạng, phát hiệnkhông làm tăng độ phức tạp tính toán của mô hình mà vẫn đảm bảo kết quả pháthiện hành động, hành vi bất thường

Với mong muốn xây dựng mô hình phát hiện và đoán nhận hành vi bấtthường 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 thốngThông 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 thuđược từ điện thoại của người tham gia giao thông nhằm nhận dạng được các hành vigiao thông bất thường

Để giải quyết được mục tiêu của Luận án, chúng tôi tập trung vào giải quyếtcác vấn đề chính sau:

 Khảo sát các kỹ thuật phân tích dữ liệu trong và ngoài nước Tìm hiểu các kỹthuật 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 thấpnhằm tìm ra tập thuộc tính đặc trưng phù hợp cho hệ thống nhận dạng hànhđộng 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 biếngia tốc được biến đổi từ tập thuộc tính lựa chọn

 Dựa trên hệ thống nhận dạng hành động, nghiên cứu, đề xuất giải pháp pháthiện 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, nếuphát hiện thấy có các hành động sai khác xảy ra thì xác định là một hành vibất thường Sự bất thường được đánh giá bằng việc phân đoạn cửa sổ hànhđộng 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 củahành động giao thông cơ bản đó để xác định sự bất thường hay bình thườngdựa 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 vigiao thông bất thường của người điều khiển phương tiện Dựa trên cảm biến gia tốcthu được từ điện thoại thông minh của các đối tượng sử dụng phương tiện để đưa ragiải pháp nhận dạng hành động cơ bản làm cơ sở cho nhận dạng hành vi giao thôngbất 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 tincần thiết; tham khảo, đánh giá các nghiên cứu liên quan để từ đó tìm ra hướng giải

quyết vấn đề Xác định rõ đối tượng và phạm vi nghiên cứu để từ đó xây dựng môhình 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 đặcđiểm của phương tiện, hành động giao thông để từ đó đề xuất giải pháp nhận dạnghành động, hành vi giao thông bất thường dựa trên cảm biến thu được Phương phápphân tích sử dụng lý thuyết và chứng minh bằng thực nghiệm được áp dụng để thựchiện 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 đặctrưng phục vụ cho nhận dạng hành động và hành vi bất thường Kết quả độ đo saukhi 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 tínhphù hợp để biến đổi dữ liệu cảm biến thành dữ liệu đặc trưng Tập thuộc tính đặctrưng phù hợp sẽ sử dụng làm cơ sở cho việc xây dựng hệ thống nhận dạng bằngphương 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 nhậndạng 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 đượccông bố bởi công ty HTC của Đài Loan, kết quả nhận dạng bằng hệ thống đề xuấtcao 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 quảnhận 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 vibất 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 liệunày nhằm so sánh, đánh giá sự sai khác các nhãn hành động nhận được với hànhđộng cơ bản để xác định tính bất thường

Các giải pháp, kết quả thu được của luận án thể hiện trong 4 công trình đãđược công bố Trong đó có 1 bài báo quốc tế có chỉ số SCIE; 3 bài báo hội nghị

quốc tế có phản biện và có chỉ số Scopus được thể hiện ở các công trình [CT1],[CT2], [CT3] và [CT4].

vi giao thông nhằm làm rõ các vấn đề của bài toán đặt ra Từ đó, đề xuất phươngpháp 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 thốngnhận dạng được xây dựng thực hiện nhận dạng các hành động giao thông cơ bảndựa trên hướng tiếp cận sử dụng dữ liệu đặc trưng thu được từ việc biến đổi dữ liệucảm biến bằng tập thuộc tính đề xuất Tập thuộc tính đặc trưng được lựa chọn phùhợp 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 nhậndạng 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 giảipháp nhận dạng hành vi giao thông, hành vi bất thường Thực nghiệm được tiếnhành trên cùng một tập dữ liệu với các phương pháp phổ biến khác như DTW, sửdụng kỹ thuật học sâu Qua đó, làm rõ được ý nghĩa của giải pháp đề xuất

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 ởhầu 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 1.2triệu người mỗi năm, một số nước có tỉ lệ cao tập trung vào các nước có thu nhậpthấp 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 tincảnh báo cho lái xe trong suốt hành trình của họ là một trong những cách làm hiệuquả để tránh tai nạn xảy ra

Có nhiều nghiên cứu đã thực hiện nhằm giải quyết về vấn đề này, các nghiêncứu tập trung vào hệ thống cảnh báo và hỗ trợ lái xe; có thể chia thành các hướngchính 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 xetrong 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 hiệntai nạn [7][8]; phát hiện, nhận dạng chất lượng đường đi và điều kiện, hiện trạnggiao 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 dạnghành động, hành vi giao thông là những bài toán cơ sở, hữu ích nhằm hỗ trợ ngườitham gia cũng như giám sát các hoạt động giao thông Trong hệ thống giao thôngđường bộ với điều kiện hạ tầng giao thông còn nhiều bất cập, các phương tiện chủyếu là xe máy, xe đạp và các phương tiện công cộng phổ biến khác, phân tích vàphát hiện được hành vi giao thông gặp nhiều khó khăn Một số hệ thống chuyêndụng, thiết kế cho môi trường khác sẽ khó triển khai trong điều kiện, môi trường đôthị đặc thù ở Việt Nam Do đó, hướng tiếp cận sử dụng dữ liệu thu từ thiết bị điện

thoại thông minh đang được phổ biến rộng rãi ở các đô thị là một trong những giảipháp khả thi.

Vì điện thoại thông minh được sử dụng cho nhiều mục đích cá nhân khácnhau cũng như có giới hạn về năng lượng, sự đa dạng về chủng loại, chất lượng củathiết 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 giảiquyết

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 tíchnhững 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 hiệnhành vi giao thông bất thường dựa trên cảm biến gia tốc của điện thoại thông minh

1.2 Một số khái niệm cơ bản

dừng, hành động đi thẳng, rẽ trái và rẽ phải Từ đó, phân tích, đánh giá tính chất củamỗi 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 theonhững 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 tínhchất cảu một hành động giao thông hoặc sự lặp đi lặp lại của các hành động mộtcách 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 bấtthường

Sự bất thường của một hành vi có thể được hiểu là những phản ứng hay việcthực hiện điều khiển, sử dụng phương tiện theo những trạng thái không bình thườngkhi có các yếu tố khách quan, chủ quan tác động đến đối tượng trong quá trình thamgia giao thông

Việc nhận biết, phân biệt được loại hành vi giao thông là điều kiện cơ sở chocác 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 nhaunhư 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 vàohành vi giao thông bình thường Do vậy, việc xác định rõ thế nào là hành vi bìnhthường và bất thường trong những điều kiện cụ thể là cần thiết nhằm giảm thiểu sựnhầm lẫn khi phân tích, nhận dạng

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 giatrên thế giới nhằm phân loại được hành vi của người tham gia lưu thông phục vụcho nhiều mục đích trong các lĩnh vực khác nhau như bảo hiểm, y tế, giao thôngcũng 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 làtìm ra những hành vi có nguy cơ tiềm ẩn khi tham gia giao thông như hành vi đi quátốc độ cho phép hoặc quy định của luật giao thông; hành vi thay đổi tốc độ, hướngđiều khiển phương tiện một cách đột ngột; hành vi điều khiển phương tiện trongtrạng thái không tỉnh táo hoặc khi say rượu, cũng như một số hành vi giao thôngkhác 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 củangười điều khiển giao thông khác nhau nên các hệ thống phân tích hành vi đa dạngphụ thuộc vào các yêu cầu cụ thể của từng bài toán nên các cách thức xây dựng hệthống cũng khác nhau Trong đó, thường sử dụng một trong ba cách thức thôngdụng xây dựng hệ thống phân tích hành vi: thứ nhất, tín hiệu từ các thiết bị thu đượcgửi lên xử lý thực hiện phân tích, nhận dạng trên máy chủ sau đó gửi lại thiết bịnhận thông tin thông qua hạ tầng mạng Thứ hai, là các tín hiệu được thu thập vàphân tích, nhận dạng và hiển thị thông tin về hành vi trên chính các thiết bị cá nhânđang sử dụng Thứ ba, đó là dữ liệu được thu thập trên thiết bị sau đó tiến hànhphân tích, nhận dạng, kết quả thu được gửi lên máy chủ để hiển thị, mô phỏng và làthông tin đầu vào cho những ứng dụng, dịch vụ khác

Mỗi dạng hệ thống có những ưu điểm, nhược điểm khác nhau tùy thuộc vàoyêu cầu bài toán cũng như sử dụng loại dữ liệu đầu vào để xây dựng và thiết kế hệthống Hiện nay, một số nguồn dữ liệu phổ biến được sử dụng để phân tích hành vigiao 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 nhiềunghiên 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 trong hệ thống giám sát giao thông.Đối với những hệ thống này, cần những thiết bị thu và gửi hình ảnh có chất lượngtốt và các đáp ứng khác về phần cứng thiết bị

Sự phát triển công nghệ phần cứng hiện nay đã giúp cho điện thoại thôngminh có năng lực xử lý thông tin ngày càng tốt hơn Chất lượng các cảm biến gắnkèm ngày càng cao hơn, tuy nhiên vẫn còn giới hạn về, khả năng lưu trữ và nănglượng của pin điện thoại Bên cạnh đó, những công cụ phân tích dữ liệu ngày càngphát triển đa dạng, tối ưu hơn, đáp ứng được các môi trường thực hiện khác nhau,trong đó có môi trường cung cấp nguồn lực thấp cho hệ thống nên hướng tiếp cậnlựa chọn xây dựng hệ thống phân tích, nhận dạng hành vi giao thông trên điện thoạithông minh đang được cộng đồng nghiên cứu quan tâm thể hiện qua nhiều kết quảnghiên cứu được công bố gần đây

Cảm biến điện thoại thông minh hiện nay ngày càng đa dạng Một số loạicảm biến thông dụng như cảm biến ánh sáng, cảm biến vân tay, cảm biến nhiệt, cảmbiến tiệm cận, cảm biến định vị, cảm biến hình ảnh, cảm biến gia tốc, cảm biến từ

kế, cảm biến con quay hồi chuyển thường được sử dụng kết hợp với nhau trong cácbài toán phát hiện, nhận dạng hành động, hành vi [12][14][15] Khi sử dụng kết hợpnhiều cảm biến sẽ làm tiêu hao năng lượng nên lựa chọn cảm biến gia tốc có ưuđiểm tốn ít tài nguyên của thiết bị để xây dựng hệ thống là một trong hướng tiếp cậnphù hợp đáp ứng được yêu cầu của bài toán phân tích, nhận dạng hành vi giao thôngdựa trên điện thoại thông minh Cảm biến gia tốc thường được dùng để ghi nhậnchuyển động của thiết bị Khi có sự thay đổi về phương hướng, cảm biến sẽ chuyểnthông tin đến thiết bị để thiết bị xử lý và đưa ra phản hồi tương ứng Bên cạnh đó,cảm biến con quay hồi chuyển cũng liên quan đến các chuyển động Thiết bị nàythường dùng để đo đạc hoặc duy trì phương hướng, dựa trên các nguyên tắc bảotoàn mô men động lượng Trong khi đó cảm biến từ kế đảm nhận việc đo đạc từtrường trong không gian

Dữ liệu cảm biến gia tốc thu được là một dạng dữ liệu chuỗi thời gian Tạimột thời điểm, một điểm dữ liệu cảm biến thu được là một véc tơ được xác định bởi

ba số thực tương ứng trên các trục tọa độ X, Y, Z của thiết bị cảm biến; chuỗi dữliệu này được sử dụng làm dữ liệu đầu vào cho các bài toán khác nhau Khi có sựchuyển động, vị trí thiết bị thay đổi, giá trị trên các trục tọa độ cũng thay đổi theo.Mức độ thay đổi này phản ánh các tính chất, mức độ của các chuyển động Do đó,trong bài toán phân tích, nhận dạng hành vi thường sử dụng hai cách thức phổ biến

đó là: Thứ nhất, vị trí điện thoại được cố định so với hướng chuyển động củaphương tiện Thứ hai, vị trí của điện thoại có thể thay đổi trong khi phương tiện dichuyển Nếu cố định vị trí của thiết bị so với hướng chuyển động thì dữ liệu cảmbiến sẽ ít nhiễu hơn đồng thời có thể phân tích hành vi dựa trên giá trị thay đổi củatừng trục tọa độ Ngược lại, khi vị trí điện thoại không cố định sẽ khó xác định đượchướng chuyển động tương ứng với trục thiết bị tại một thời điểm dẫn đến nhiều khókhăn khi thiết kế hệ thống và phương pháp xử lý dữ liệu Tuy nhiên, khi hệ thốngthực hiện với trường hợp điện thoại không cố định vị trí sẽ có được tính tự nhiênhơn, người sử dụng có thể thực hiện các công việc khác cũng như tạo sự thân thiệnvới hệ thống

Hơn nữa, vị trí của thiết bị thay đổi trong quá trình di chuyển dẫn đến dữ liệuchứa nhiều nhiễu Do đó, hướng tiếp cận trích xuất đặc trưng dựa trên tập thuộc tínhđặc trưng được áp dụng để có được tập dữ liệu phù hợp cho hệ thống nhận dạngđược các nghiên cứu quan tâm và sử dụng Trong hướng tiếp cận này, vấn đề đượcquan tâm đó là làm sao lựa chọn được các thuộc tính đặc trưng phù hợp để có thểnhận dạng hiệu quả hành vi giao thông từ dữ liệu cảm biến gia tốc thu được trênđiện thoại của người điều khiển phương tiện mang theo Tiếp đến, đó là xây dựngđược một hệ thống nhận dạng các hành động, hành vi giao thông phù hợp vớinhững điều kiện, môi trường giao thông cụ thể

Từ một số vấn đề ở trên cho thấy, sử dụng tín hiệu cảm biến gia tốc để phântích, nhận dạng hành vi giao thông đặc biệt là nhận dạng hành vi giao thông bấtthường có ý nghĩa thực tiễn và có tính khả thi Kết quả của bài toán có thể hỗ trợngười tham gia giao thông hoặc có thể sử dụng, tích hợp với nhiều bài toán giaothông khác nhau, như bài toán liên quan đến giám sát giao thông, mật độ giao

thông, bài toán liên quan đến tìm đường trong một trạng thái giao thông xác địnhcũng như các bài toán quản lý khác Dựa trên dữ liệu cảm biến được thu thập cácphương pháp phân tích và xử lý được áp dụng để từ đó xây dựng hệ thống nhậndạng hành vi giao thông trong điều kiện, môi trường giao thông đô thị Việt Nam.

1.4 Một số nghiên cứu liên quan

Trong bài toán nhận dạng hành vi giao thông sử dụng cảm biến thu được từđiện thoại của người điều khiển phương tiện Có nhiều yếu tố ảnh hưởng đến hành

vi của người điều khiển phương tiện nên cần xác định, lựa chọn các yếu tố cần thiếtphù hợp với yêu cầu của bài toán nhằm đưa ra giải pháp hiệu quả trong từng điềukiện, hoàn cảnh cụ thể

Vì vậy, một số nghiên cứu về lĩnh vực này đã lựa chọn, thực hiện nhận dạnghành động, hành vi giao thông với các thông tin, dữ liệu đầu vào khác nhau như: Sửdụng số lượng các cảm biến khác nhau, vị trí thiết bị cố định hoặc có thể thay đổi

Sử dụng các kỹ thuật giảm nhiễu, tiền xử lý dữ liệu khác nhau Các kỹ thuật, môhình nhận dạng, phát hiện hành vi khác nhau trong điều kiện hoàn cảnh cụ thể

Sự kết hợp các loại tín hiệu như tín hiệu hình ảnh, GPS với một số tín hiệukhác được tích hợp trong điện thoại làm dữ liệu đầu vào cho các hệ thống nhậndạng đã thu được những kết quả khả quan Tuy nhiên, chỉ sử dụng cảm biến gia tốc

sẽ ít tiêu tốn năng lượng Hơn nữa, cảm biến này được gắn kèm ở hầu hết ở cácchủng loại điện thoại hoặc các thiết bị cá nhân khác Hướng tiếp cận này đã và đangnhận được sự quan tâm của cộng đồng nghiên cứu trong thời kỳ phát triển của cuộccách mạng công nghiệp 4.0 Các nghiên cứu liên quan đến nhận dạng hành động,hành vi giao thông sử dụng cảm biến điện thoại được thể hiện ở một số công bố sau:

Hệ thống phân tích, hỗ trợ giám sát tai nạn giao thông dựa vào ba trục cảmbiến gia tốc và tọa độ GPS kết hợp với cảm biến hình ảnh thu được từ điện thoạithông minh của tác giả Goregaonkar, Roma [16] và cộng sự đã phân tích, phát hiệncác sự kiện giao thông rồi mô phỏng trên hệ thống bản đồ của đô thị cũng như cungcấp một số dịch vụ khác qua hệ thống máy chủ Dữ liệu cảm biến và các loại dữ liệukhác được gửi từ điện thoại về máy chủ để phân tích, tính toán thực hiện yêu cầu

bài toán, sau đó cung cấp kết quả, thông tin đến các đối tượng yêu cầu bằng bởidịch vụ của máy chủ

Trong nghiên cứu của mình, tác giả Johnson, Derick A [17] và cộng sự đãxác định các kiểu lái xe dựa trên các hành vi được xác định từ dữ liệu cảm biến củađiện thoại thông minh; trong đó tọa độ GPS được sử dụng như là một thành phầnkết hợp với các cảm biến của điện thoại nhằm đưa ra những thông tin về các hành vicủa người lái xe Việc kết hợp sử dụng GPS là một trong những yếu tố gây tiêu haonăng lượng của thiết bị di động

Cũng sử dụng cảm biến tọa độ, hệ thống hỗ trợ lái xe an toàn của Liu,Zhenyu [13] đã dựa trên cảm biến của điện thoại kết hợp với GPS, trong đó GPSđược sử dụng kết hợp phát hiện trạng thái của hệ thống đồng thời xác định vị trí củacác đối tượng trong bản đồ mô phỏng

Với trường hợp vị trí điện thoại cố định trên phương tiện hoặc hướng phươngtiện di chuyển, các hành vi có thể xác định dựa trên mẫu dữ liệu tín hiệu của cáctrục tương ứng Do đó, có thể sử dụng kỹ thuật so khớp, đánh giá hành vi dựa vàongưỡng thay đổi cho trước hoặc sử dụng phương pháp phân lớp để phát hiện, nhậndạng hành vi giao thông

Khi điện thoại thay đổi vị trí trong hành trình giao thông dẫn đến các trục tọa

độ của thiết bị không cố định so với hướng chuyển động của phương tiện Việc lấymẫu dữ liệu của các hành vi không thể dựa vào từng trục tọa độ riêng biệt dẫn đếnnhu cầu cần một phương pháp phân tích để làm rõ tính chất, mức độ của hành động,hành vi trên chuỗi dữ liệu thu được Một trong các phương pháp thường được ápdụng cho trường hợp này là sử dụng các thuộc tính đặc trưng Trên mỗi đoạn dữliệu tín hiệu, sử dụng tập thuộc tính đặc trưng này để biến đổi, trích xuất dữ liệucảm biến thành dữ liệu đặc trưng với mong muốn áp dụng các kỹ thuật khác nhautrên dữ liệu mới - dữ liệu đặc trưng nhằm nhận dạng hành động, hành vi giao thông

Dựa trên các mẫu dữ liệu tín hiệu của hành vi đã được thu thập và tiền xử lý,hai phương pháp phổ biến thường được sử dụng nhận dạng hành động, hành vi giaothông đó là so khớp với dữ liệu mẫu và phương pháp phân lớp dữ liệu để tìm ra các

hành động, hành vi theo yêu cầu của bài toán Tùy vào từng yêu cầu, điều kiện cụthể sẽ lựa chọn, áp dụng những phương pháp hợp lý để thu được kết quả khả quanbởi các phương pháp đánh giá kết quả khác nhau.

Phương pháp nhận dạng hành vi bất thường sử dụng cảm biến điện thoạithông minh được đề xuất trong nghiên cứu [18] của tác giả Ali, Aya Hamdy và cáccộng sự thu thập 8 mẫu hành động là rẽ trái, rẽ phải, sang làn bên trái, sang làn bênphải và rẽ trái bất thường, rẽ phải bất thường, sang làn bên trái bất thường, sang lànbên phải bất thường làm dữ liệu mẫu hành vi cho hệ thống nhận dạng Tác giả sửdụng hai kỹ thuật để phát hiện hành vi đó là kỹ thuật phân lớp bởi thuật toán k-NN

và kỹ thuật so khớp sử dụng DTW Thực nghiệm được tiến hành trên phương tiện ô

tô, thu thập dữ liệu trong thành phố Thiết bị thu cảm biến gắn cố định vào phươngtiện trong quá trình thực nghiệm Kỹ thuật lọc thông thấp được áp dụng khi tiền xử

lý dữ liệu giúp hệ thống có dữ liệu giảm nhiễu, ổn định, hiệu quả trong việc đoánnhận Kết quả nhận dạng đối với k-NN đánh giá trên độ đo chính xác là 98.67%;với kỹ thuật DTW, độ chính xác là 96.75% Kết quả nghiên cứu cho thấy, kỹ thuậtphân lớp trong trường hợp này cho thấy kết quả tốt hơn kỹ thuật DTW Nghiên cứu

đã cho thấy, nhận dạng hành vi sử dụng cảm biến dựa trên phương pháp phân lớpcho kết quả cao hơn

Trong nghiên cứu [19] của tác giả Li Liu và các cộng sự dùng cảm biến giatốc sử dụng kỹ thuật trích xuất dữ liệu đặc trưng từ dữ liệu cảm biến thu được trongtrường hợp vị trí điện thoại thu dữ liệu được xác định trước Tác giả đã xây dựng kỹthuật nhận dạng 18 hành động dựa trên từ điển các mẫu tín hiệu “shapeletdictionary”; đồng thời so sánh với các thuật toán phân lớp khác nhau như: J48, LR,ANN, NB, k-NN, DT và SVM Thực nghiệm sử dụng công cụ Weka, áp dụng đánhgiá kết quả bởi kỹ thuật kiểm chứng chéo - CV10 trên tập dữ liệu huấn luyện thuđược Kết quả độ chính xác trung bình của các hành động cao nhất của phươngpháp đề xuất là 96.54%; thuật toán phân lớp cho kết quả độ chính xác cao nhất đốivới ANN là 96.44%; thấp nhất đối với DT 62.46% Tuy nhiên, giới hạn của nghiêncứu là vấn đề thời gian phát hiện khi số lượng mẫu lớn, tăng nhanh cũng như thực

hiện với vị trí điện thoại cố định sẽ không được thân thiện khi ứng dụng vào thựctiễn Nghiên cứu cũng cho thấy, độ chính xác được đánh giá bởi phương pháp kiểmchứng chéo 10 – fold dựa trên các bộ phân lớp thực hiện bởi Weka là khả thi và tincậy được.

Nhận dạng, phát hiện các hành vi an toàn hay không an toàn sử dụng cảmbiến gia tốc của điện thoại trong nghiên cứu [20] được Vavouranakis và các cộng sựthực hiện Tác giả kết hợp cảm biến gia tốc, con quay hồi chuyển và từ kế để xácđịnh giá trị thay đổi trên các trục và các góc xoay của dữ liệu cảm biến gia tốc Kỹthuật cửa sổ phân đoạn dữ liệu cảm biến thành các cửa sổ dữ liệu có kích thước 2giây được sử dụng để tính toán sự thay đổi của đại lượng cần được tính toán Qua

đó, đánh giá, xác định các hành vi bằng phương pháp so các giá trị này với ngưỡnggiá trị được chọn trước nhằm đánh giá các hành vi đó an toàn hay không an toàn.Thực nghiệm nhận dạng 12 hành vi là: tăng tốc nhanh, tăng tốc an toàn, giảm tốcđột ngột, giảm tốc an toàn; rẽ trái, rẽ phải an toàn, rẽ trái, rẽ phải không an toàn,sang đường bên trái, bên phải an toàn và không an toàn

Phương pháp sử dụng ngưỡng giá trị thay đổi của các góc xoay phù hợp vớithực tiễn Tuy nhiên, xác định được các ngưỡng giá trị thay đổi của các hành vi xảy

ra trong một thời gian ngắn là một sự khó khăn, bởi mỗi cá nhân, mỗi điều kiện,hoàn cảnh thực nghiệm có sự khác nhau và dữ liệu cảm biến gia tốc của điện thoạithường có nhiều nhiễu, khó xác định chính xác Việc lựa chọn ngưỡng phù hợpcũng phụ thuộc vào các yếu tố các biệt, gây nhiễu, cần được khảo sát chi tiết, lựachọn chính xác trong từng điều kiện cụ thể

Các hành vi lái xe không bình thường được nhận dạng bằng tín hiệu cảmbiến của điện thoại gắn cố định trên phương tiện được tác giả Yu, Jiadi cùng cộng

sự nghiên cứu trong nghiên cứu [15] nhằm phát hiện 6 hành vi lái xe bất thường.Phương pháp thu thập và trích xuất dữ liệu bởi 152 thuộc tính gồm 16 thuộc tínhgốc và 136 thuộc tính dẫn xuất Các hành vi bất thường sử dụng trong thực nghiệm

là rẽ trái và rẽ phải liên tục (weaving), chuyển hướng đột ngột (swerving), trượtvõng (slidelipping), quay đầu đột ngột (Fast U- turn), rẽ với góc rộng, và phanh đột

ngột Tập dữ liệu trích xuất được sử dụng để xây dựng mô hình đoán nhận các hành

vi bất thường dựa trên hai thuật toán là véc tơ tựa và mạng nơ ron Kết quả độ chínhxác trung bình phát hiện các hành vi bất thường với véc tơ tựa là 95.36% và vớimạng nơ ron là 96.88%

Các hành động rẽ trái, rẽ phải, quay đầu; rẽ trái bất ngờ, rẽ phải bất ngờ,quay đầu bất ngờ, sang làn đường bên trái, sang làn đường bên phải dựa vào cáccảm biến gia tốc, con quay hồi chuyển và từ kế cùng GPS đã được tác giả Derick A.Johnson và cộng sự với nghiên cứu thực hiện trong nghiên cứu [5] Hệ thống nhậndạng các kiểu lái xe này có tên là “MIROAD” sử dụng điện thoại thông minh gắn

cố định ở chính giữa của ô tô để nhận dạng các kiểu hành động Dữ liệu cảm biếnđược thu với tần số 25Hz và GPS được sử dụng cho việc tính toán tốc độ củaphương tiện Nghiên cứu khảo sát dựa trên các tập dữ liệu với các dữ liệu cảm biếnkhác nhau đó là tập dữ liệu biến gia tốc thô; tập dữ liệu có giá trị cảm biến gia tốc

đã được xử lý chuyển hướng được tính từ ma trận chuyển bởi sự kết hợp với dữ liệucon quay hồi chuyển và từ kế; tập mẫu dữ liệu của các hành động được thu thập làm

cơ sở đoán nhận các hành động bằng kỹ thuật so khớp (DTW) Kết quả của nghiêncứu cho thấy, nếu chỉ sử dụng một mình dữ liệu cảm biên gia tốc sẽ thấp hơn (độchính xác 23% với cảm biến gia tốc, 46% với con quay hồi chuyển khi nhận dạnghành vi quay đầu) so với kết hợp với kết hợp cả ba loại dữ liệu cảm biến với nhau(độ chính xác 77% khi nhận dạng hành vi quay đầu) Tác giả đã đưa ra các kháiniệm về các hành động cơ bản của người lái xe trên mỗi phương tiện để từ đó xâydựng nên cách đánh giá kiểu dạng lái xe; và cho thấy kỹ thuật so khớp DTW có kếtquả khả quan trong nhận dạng các hành động Tuy nhiên, nghiên cứu vẫn cần phải

cố định điện thoại thông minh

Một số nghiên cứu nhận dạng các hành vi lái xe nguy hiểm dựa trên điệnthoại có thể thay đổi vị trí khi phương tiện đang di chuyển như nghiên cứu [21] củatác giả Li, Fu và các cộng sự Tuy nhiên, điện thoại vẫn đặt nằm ngang ở các vị tríkhác nhau trên xe taxi ở Bắc Kinh, Trung Quốc khi thu thập dữ liệu cảm biến giatốc và con quan hồi chuyển nhằm phát hiện 4 mẫu dạng hành vi lái xe nguy hiểm

Phương pháp tính các góc xoay của hệ tọa độ phương tiện so với hệ tọa độ của tráiđất được áp dụng, từ đó có thể xác định độ lớn của góc xoay khi phương tiện rẽ trái

và rẽ phải, kết hợp với tốc độ của phương tiện để xác định hành vi nguy hiểm Kếtquả của nghiên cứu khi phát hiện các hành vi bất thường chính xác đến 90%.Nghiên cứu chỉ thực hiện trên phương tiện ô tô trong môi trường cụ thể có độ ổnđịnh nhất định khi thực nghiệm

Qua một số nghiên cứu trên cho thấy, các bài toán phát hiện, nhận dạng hànhđộng, hành vi giao thông phụ thuộc và chịu tác động lớn từ việc xác định, thu thậpcác mẫu dữ liệu tín hiệu cảm biến, sự thay đổi vị trí gây nhiễu dẫn đến sự sai lệchkhi lấy dữ liệu mẫu Kỹ thuật giảm nhiễu của dữ liệu tín hiệu thô thường được tiếnhành theo hai phương pháp cơ bản là sử dụng một đại lượng được biến đổi từ giá trịtrên cả ba trục tọa độ, giá trị này ít chịu ảnh hưởng do các trục tọa độ thay đổi khiphương tiện di chuyển Phương pháp tiếp theo là sử dụng các kỹ thuật chuyển trụcnhằm giảm nhiễu dữ liệu như trong nghiên cứu [14] của tác giả Jing Chen và cáccộng sự đã sử dụng các cảm biến của điện thoại thông minh để xác định một sốhành vi khi người tham gia giao thông điều khiển phương tiện có hành vi nguy hiểmnhư đi nhanh, thay đổi hướng lái xe bất thường và thay đổi tốc độ bất thường vớikết quả trung bình về độ đo chính xác (Precision) là 93.95% và độ đo hồi tưởng(Recall) là 90.54% Tác giả cố định điện thoại trên mặt phẳng nằm ngang với tần số1Hz và dữ liệu được biến đổi hệ tọa độ theo hệ tọa độ của trái đất và sử dụng lọc dữliệu sử dụng hàm lọc trước khi sử dụng nhằm giảm nhiễu dữ liệu

Trong phương pháp biến đổi dữ liệu cảm biến thô thành dữ liệu đặc trưngdựa trên kỹ thuật phân đoạn chuỗi tín hiệu thành các cửa sổ dữ liệu được đề cập ởmột số nghiên cứu nhận dạng các hành động, hành vi cả khi vị trí điện thoại cố địnhhoặc không cố định Dựa trên dữ liệu đặc trưng thu được làm cơ sở phân tích, đánhgiá, xây dựng hệ thống nhận dạng hành vi, từ đó đưa ra các kết luận về các loạihành động, hành vi giao thông

Vấn đề gặp phải của hướng tiếp cận này đó là lựa chọn được kích thước cửa

sổ và chồng dữ liệu phù hợp, chứa đầy đủ thông tin về một hành động, hành vi Dựa

vào các tập thuộc tính để biến đổi thành các giá trị đặc trưng đại diện cho tính chấtcủa các hành động, hành vi đó Một số nghiên cứu đã khảo sát và đưa ra tập thuộctính dựa trên các miền khác nhau đó là miền thời gian, miền tần số Như trongnghiên cứu [22] của tác giả Pham Cuong và cộng sự phát hiện các hoạt động củangười điều khiển phương tiện dựa theo hướng tiếp cận sử dụng trích xuất đặc trưngtrên các cửa sổ dữ liệu cảm biến điện thoại thông minh Thực nghiệm tiến hành trên

12 đối tượng để điện thoại thông minh trong túi, phát hiện 07 hoạt động đi bộ, chạy,

đi xe đạp, dừng, đi ô tô, lái xe và hành động khác Vị trí của điện thoại được xácđịnh nên tập thuộc tính đề xuất là các giá trị về thống kê, năng lượng và có 2 tham

số Hjorth – Mobility và Hjorth Complexity tham gia vào trích xuất các đặc trưngqua đó xây dựng tập dữ liệu huấn luyện cho hệ thống nhận dạng bởi phương phápphân lớp

Một số nghiên cứu cũng áp dụng phương pháp sử dụng thuật toán ANN nhưtrong nghiên cứu [23] của tác giả Ronao, Charissa Ann và cộng sự Tác giả cho thấymột hướng tiếp cận mới khi nhận dạng 6 hành vi của người từ cảm biến gia tốc vàcon quay hồi chuyển của điện thoại thông minh được đặt trong túi của các đối tượngthực nghiệm Kỹ thuật học sâu 4 lớp, véc tơ dữ liệu đầu vào được xây dựng gồm

128 giá trị dữ liệu cảm biến của điện thoại tương ứng với 2.56 giây, tần số 50Hz vàcửa sổ trượt chồng 50% Kết quả trung bình độ chính xác khi thực hiện hệ thốngcao nhất là 94.79% với dữ liệu thô và 95.75% với dữ liệu tín hiệu được xử lý bởicác kỹ thuật áp dụng trong miền tần số

Từ một số nghiên cứu trên cho thấy, các khái niệm về hành động, hành vi,hành vi giao thông bất thường Dữ liệu đầu vào cho hệ thống nhận dạng hành vicũng như các điều kiện thu thập, phân tích dữ liệu và phương pháp nhận dạng tùythuộc vào yêu cầu của bài toán Do đó, vấn đề xây dựng dữ liệu mẫu làm cơ sở chophát hiện, đoán nhận các hành động, hành vi là một yêu cầu quan trọng nhằm xácđịch hướng tiếp cận xây dựng hệ thống nhận dạng

Các nghiên cứu cũng cho thấy hiệu quả của việc kết hợp nhiều loại cảm biếnkhác nhau trong bài toán phân tích hành vi Tuy nhiên, việc chỉ sử dụng dữ liệu cảm

biến gia tốc sẽ phù hợp với các điện thoại phổ biến và ít tiêu hao năng lượng Đồngthời, xác định các lựa chọn thuộc tính đặc trưng sao cho phù hợp với yêu cầu bàitoán là cần thiết tác động trực tiếp đến kết quả thực hiện hệ thống Bên cạnh đó,phương pháp phân lớp là một trong những phương pháp phổ biến được sử dụng chobài toán nhận dạng hành vi giao thông sử dụng cảm biến điện thoại.

1.5 Phương pháp nhận dạng hành vi giao thông dựa trên cảm biến

Dữ liệu tín hiệu cảm biến mang theo trong khi điều khiển phương tiện thamgia giao thông chịu ảnh hưởng bởi nhiều yếu tố nên việc lựa chọn số lượng, chủngloại cảm biến sẽ ảnh hưởng tới phương pháp nhận dạng hành vi Trong bài toánnhận dạng hành vi bất thường, cảm biến hình ảnh, cảm biến khoảng cách, cảm biếngia tốc, GSP và một số cảm biến chuyên dụng khác thường được sử dụng kết hợpvới nhau để thực hiện hệ thống nhận dạng trên các loại phương tiện, thiết bị khácnhau đặc biệt là những phương tiện hiện đại [24][25] Lựa chọn sử dụng chỉ mìnhcảm biến gia tốc để phân tích, nhận dạng hành vi bất thường có ý nghĩa thực tiễnbởi tính phổ biến của điện thoại có gắn cảm biến này cũng như ít tiêu hao nănglượng phù hợp với điều kiện, môi trường giao thông đô thị ở Việt Nam

Ở từng loại phương tiện khác nhau, do kết cấu, đặc thù cũng như quy địnhriêng về cách thức vận hành cũng là một thành tố có thể sử dụng làm điều kiện đểđánh giá các hành vi giao thông Dựa vào các thông tin, trạng thái của phương tiệnnhận dạng được bởi dữ liệu cảm biến có thể xác định, đánh giá hành vi giao thông[11][26]

Trong khuôn khổ của Luận án, chúng tôi tập trung vào phân tích dữ liệu cảmbiến của điện thoại thông minh mang theo khi tham gia lưu thông nhằm nhận dạnghành vi giao thông, trong đó tập trung vào các hành vi bất thường Thông tin vềhành vi chứa trong dữ liệu tín hiệu cảm biến được xử lý, phân tích với các phươngpháp nhận dạng nhằm tìm ra những hành vi có tính bất thường Một số nghiên cứu

đề cập đến vấn đề này trong công bố [27][28][29] Các nghiên cứu theo hướng tiếpcận này cho thấy một số vấn đề nổi lên đó là:

- Việc lựa chọn cảm biến tham gia vào nhận dạng hành vi được quan tâm ở cácnghiên cứu Nếu kết hợp nhiều loại dữ liệu với nhau sẽ có kết quả khả quan Tuynhiên, hệ thống sẽ tiêu hao năng lượng nhiều hơn và cũng cần nguồn tài nguyênphần cứng nhiều hơn Hơn thế nữa, vị trí của thiết bị cảm biến là một điều kiệnquan trọng liên quan tới cách thức xây dựng và thực hiện hệ thống Xác định trước

vị trí có thể xây dựng tập dữ liệu mẫu của hành động, hoạt động, hành vi dựa trêncác trục tọa độ tương ứng với hướng chuyển động chính xác hơn [15] Nếu thiết bịcảm biến thay đổi vị trí tùy ý, hệ trục tọa độ thay đổi dẫn đến việc xác định mẫu gặpkhó khăn cần được hỗ trợ bởi các kỹ thuật tiền xử lý[12][30] Tuy nhiên, lựa chọnnày lại tạo được sự thuận tiện cho người sử dụng khi có thể dùng điện thoại với cácmục đích khác nhau Trong trường hợp này, hướng tiếp cận biến đổi dữ liệu cảmbiến thành dữ liệu đặc trưng cho hệ thống nhận dạng thường được sử dụng

- Hướng tiếp cập trích xuất đặc trưng dựa trên phân đoạn dữ liệu cảm biếnđược nhiều nghiên cứu quan tâm Tuy nhiên, lựa chọn kích thước của đoạn dữ liệutương ứng với các hành vi cũng như xác định tập thuộc tính phù hợp với yêu cầu bàitoán gặp nhiều khó khăn, tác động đến kết quả nhận dạng

- Hành động, hành vi bất thường xảy ra nhanh và khó phát hiện Việc thu mẫu

dữ liệu của các hành vi này gặp nhiều khó khăn Ngoài ra, do những đặc trưng củahành vi bất thường trên từng đối tượng, phương tiện và môi trường tạo ra sự khókhăn cho việc lựa chọn phương pháp đánh giá đâu là hành vi bất thường và ngượclại [15][29] nên cần có những hướng tiếp cận phù hợp để đưa ra giải pháp nhậndạng hành vi bất thường một cách hợp lý và hiệu quả Đặc biệt là ở môi trường giaothông đô thị đa dạng các phương tiện, phổ biến như xe máy, xe đạp và một sốphương tiện công cộng khác Vì vậy, xây dựng hệ thống nhận dạng hành vi giaothông bất thường hiệu quả là nhiệm vụ cần thiết đặt ra khi xây dựng các hệ thốngliên quan

Từ những vấn đề trên cho thấy, phân tích hành vi bất thường của người thamgia giao thông sử dụng cảm biến điện thoại thông minh đang là vấn đề nhận được

nhiều sự quan tâm của cộng đồng nghiên cứu, thể hiện qua các công bố và đã chỉ ramột số vấn đề tồn tại trong việc nhận dạng hành vi bất thường.

Để nhận dạng được hành vi giao thông, một trong những phương phápthường được sử dụng đó là nhận dạng các hành động cơ bản của các đối tượng trêncác phương tiện để lấy làm cơ sở cho nhận dạng hành vi – hành vi giao thông bấtthường của người điều khiển phương tiện tham gia giao thông Tác giả đưa ra cácbước nghiên cứu tổng thể để thực hiện yêu cầu bài toán đặt ra như Hình 1 -1 dướiđây:

Hình 1-1 Hướng nghiên cứu tổng thể của bài toán nhận dạng hành vi

Việc nhận dạng hành vi thường gắn đến một phương tiện nhất định, nhậndạng được phương tiện sẽ dễ dàng xác định được các hành động, hành vi tươngứng, có tính chất đặc thù với phương tiện đó Do vậy, tác giả đã nghiên cứu và nhậndạng các loại phương tiện và được công bố trong công trình [CT4] của mình – phầnđược vẽ nét đứt trong Hình 1 -1 Tuy nhiên, để làm rõ hơn các kỹ thuật nhận dạnghành động, hành vi, tác giả chỉ và tập trung vào phân tích dữ liệu cảm biến, nhậndạng hành động được trình bày trong chương 2 và nhận dạng hành vi – hành vi bấtthường được trình bày trong chương 3

Từ đó, chúng tôi đề xuất phương pháp nhận dạng hành vi giao thông bấtthường dựa trên cảm biến gia tốc như Hình 1 -2 dưới đây:

Hình 1-2 Hệ thống phân tích hành vi bất thường

Hệ thống được chia thành các mô đun gồm thực hiện thu thập dữ liệu cảmbiến Sau đó áp dụng các kỹ thuật tiền xử lý dữ liệu để xây dựng dữ liệu đầu vàocho mô đun nhận dạng hành động giao thông và nhận dạng hành vi bất thường Dựatrên hành động giao thông đã nhận dạng được làm cơ sở sẽ tiến hành nhận dạnghành vi bất thường

Với phương pháp này, việc thu thập, phân tích dữ liệu cảm biến và nhận dạnghành vi giao thông được thực hiện trên điện thoại cá nhân Kết quả nhận dạng sẽđược gửi lên hệ thống máy chủ nhằm kết hợp, thực hiện những dịch vụ, tiện íchkhác nhau Các kết quả của hệ thống được trình bày trong các công bố [CT1],[CT2], [CT3], [CT4]

Trong chương này, chúng tôi đã tìm hiểu, khảo sát các nghiên cứu liên quanđến bài toán nhận dạng hành vi Làm rõ một số khái niệm cơ bản về hành động,hành vi, hành vi bất thường trong lĩnh vực giao thông Tìm hiểu phương pháp, kỹthuật phân tích, nhận dạng hành vi, đặc biệt là hướng tiếp cận sử dụng dữ liệu cảmbiến điện thoại thông minh thu được của người điều khiển phương tiện Từ đó, xâydựng giải pháp nhận dạng hành động, hành vi bất thường dựa trên cảm biến gia tốc.Các kỹ thuật thu thập dữ liệu cảm biến, tiền xử lý dữ liệu, nhận dạng bằng phươngpháp phân lớp được áp dụng để thực yêu cầu của hệ thống nhận dạng Qua đó, dựatrên hành động nhận dạng được để đề xuất giải pháp nhận dạng hành vi giao thôngbất thường [CT1], [CT2], [CT3], [CT4]

Chương 2 NHẬN DẠNG HÀNH ĐỘNG GIAO THÔNG

2.1 Giới thiệu

Trong bài toán phân tích, nhận dạng hành vi giao thông, nhận dạng và pháthiện cử chỉ, hành động của người điều khiển phương tiện là một trong những bàitoán cơ sở Do các cử chỉ, hành động cấu thành nên hành vi của đối tượng đó

Trong chương này, Luận án tập trung vào việc nhận dạng hành động cơ bảncủa các đối tượng điều khiển phương tiện giao thông dựa trên tín hiệu cảm biến thuđược từ điện thoại mang theo Hướng tiếp cận sử dụng biến đổi dữ liệu cảm biếnthô thành dữ liệu đặc trưng áp dụng kỹ thuật cửa sổ dữ liệu với tập thuộc tính đặctrưng được khảo sát và lựa chọn

Với dữ liệu đặc trưng đã được biến đổi, phương pháp phân lớp được áp dụng

để nhận dạng các hành động cơ bản dựa trên sự khảo sát, phân tích kích thước củacác cửa sổ tương ứng Các hành động cơ bản này là: rẽ trái, rẽ phải, đi thẳng vàdừng của đối tượng tham gia giao thông Kết quả hệ thống nhận dạng hành độngđược sử dụng làm cơ sở để đánh giá, nhận dạng hành vi bất thường xảy ra

2.2 Sử dụng dữ liệu cảm biến để nhận dạng hành động giao thông

Sử dụng tín hiệu cảm biến của điện thoại mang theo để phân tích, nhận dạngngày càng được phổ biến và sử dụng với các yêu cầu khác nhau trong nhiều hệthống thông minh Một số hướng nghiên cứu đã sử dụng cảm biến hình ảnh thuđược từ camera hoặc kết hợp nhiều cảm biến khác nhau để nhận dạng hành động.Tuy nhiên, hướng tới sự thuận lợi và tiết kiệm năng lượng của thiết bị Chúng tôichỉ sử dụng thông tin, dữ liệu đầu vào là cảm biến gia tốc thu được từ điện thoạithông minh mang theo của người tham gia giao thông, vị trí của điện thoại có thểthay đổi trong hành trình Hệ thống thực hiện thu thập, xử lý dữ liệu để áp dụng cácphương pháp phân lớp nhằm nhận dạng các hành động giao thông cơ bản [CT2],[CT4]

Xây dựng hệ thống nhận dạng khi vị trí của thiết bị có thể thay đổi trong quátrình di chuyển gặp nhiều đề khó khăn bởi hệ trục tọa độ thay đổi so với hướngchuyển động cũng như yêu cầu cần thu thập xây dựng tập dữ liệu mẫu có độ chínhxác và ổn định Hơn thế nữa, hệ thống chỉ sử dụng mình dữ liệu cảm biến để nhậndạng nên cần phải đưa ra các giải pháp xử lý dữ liệu phù hợp đối với yêu cầu đặt ra.

Dữ liệu cảm biến được thu thập, tiền xử lý, biến đổi dựa trên tập thuộc tính đặctrưng đề xuất dựa trên kỹ thuật cửa sổ dữ liệu Kích thước của cửa sổ dữ liệu là mộttrong những yếu tố tác động trực tiếp đến kết quả nhận dạng Do đó, cần phải khảosát, đánh giá kích thước cửa sổ cũng như các phương pháp làm giảm khả năng mấtmát thông tin khi phân đoạn dữ liệu Đồng thời, lựa chọn phương pháp phân lớpdựa trên tập dữ liệu đặc trưng biến đổi từ cửa sổ dữ liệu đã có nhằm nhận dạng racác hành động giao thông cơ bản Cũng như cần có sự khảo sát, đánh giá lựa chọnthuật toán phân lớp phù hợp với yêu cầu bài toán và dữ liệu thu được nhằm thuđược kết quả nhận dạng tốt hơn

2.3 Một số nghiên cứu liên quan

Để có được những thông tin hữu ích về các phương pháp, kỹ thuật đã thựchiện đối với bài toán nhận dạng hành động giao thông ở các nghiên cứu trước đây.Chúng tôi thống kê một số công bố liên quan được trình bày trong Bảng 2 -1 Qua

đó cho thấy, bài toán nhận dạng hành động giao thông sử dụng các phương pháp, kỹthuật khác nhau dựa trên cảm biến điện thoại đã đạt được kết quả nhất định Các đốitượng nhận dạng, phát hiện được xác định tùy vào yêu cầu của từng hệ thống Trong

đó, đề cập đến một số đối tượng nhận dạng thường được đề cập đến đó là hành độnggiao thông, sự kiện giao thông, hoạt động giao thông xảy ra bình thường và cả bấtthường

Dữ liệu trong các nghiên cứu thường kết hợp từ nhiều tín hiệu cảm biến vớinhau như ở nghiên cứu [31][32][2][33][34] Một số nghiên cứu sử dụng dữ liệu cảmbiến gia tốc để nhận dạng phương tiện và hành động như nghiên cứu [32] của tácgiả Guvesan đề xuất thuật toán Healing để nhận dạng các loại phương tiện khácnhau dựa trên cảm biến gia tốc, con quay hồi chuyển và cảm biến từ; sử dụng các

mô hình phân lớp RF, J48, k-NN, NB để đánh giá và so sánh với kết quả của thuậttoán được đề xuất.

Khi sử dụng chỉ mình cảm biến gia tốc, vấn đề khó khăn đó là lựa chọn đượckích thước của đoạn dữ liệu tương ứng với đối tượng nhận dạng Tiếp đến là khảosát một tập thuộc tính phù hợp để tính toán, biến đổi ra các giá trị đặc trưng trên mộtcửa sổ dữ liệu Hơn nữa, mỗi loại hành động có những đặc điểm khác nhau nên cầnkhảo sát các kích thước cửa sổ dữ liệu khác nhau để tìm ra kích thước cửa sổ phùhợp

Đối với bài toán nhận dạng hành động giao thông, một số sự kiện, hànhđộng, hành vi cơ bản của người điều khiển được thể hiện ở công bố của một sốnghiên cứu liên quan trong Bảng 2 -1 dưới đây

Nghiên

Sử dụng dữ liệu

Phươ ng pháp

Đặc trưng Vị trí

điện thoại

Kết quả đánh giá

DTW

Cảm biếngia tốc trêntrục: x,y,z,con quayhồi chuyển,góc xoay

SVM, k-Mean

Giá trị lớnnhất, bénhất,

Lôgi

c mờ

thời gian thay đổi độ lớn của cảm biến gia tốc, biến tốc, thay đổi hướng, trung bình tần xuất

đi lạng lách,

độ lệch chuẩn của thay đổi bất ngờ

Vị tríthay đổi

TP >90%

Pháthiệntheo

Góc xoay vị trí

thay đổi

TP >90%

lạc tay lái, rê

trượt, quay đầu

nhanh, rẽ vòng

rộng, phanh đột

ngột

Cảm biếngia tốc,Cảm biếnchuyểnhướng

SVM,KNN

152 thuộc tính miền thời gian vị trí

thay đổi

Accuracy:

Pháthiệntheongưỡng

Tính tốc đột

từ gps vàtrục gia tốc,phát hiệnhướng thayđổi dựa trênthay đổi củatrục z củacảm biến từ,bật tín hiệu

âm thanh

vị tríthay đổi

Precision: 93.95%Recall:90.54%

từ, Conquay hồichuyển,Cảm biếngia tốctuyến tính

ANN,SVM, RF,

BN

Miền thờigian: trungbình, trung

vị, độ lệchchuẩn, xuhướng tăng/

giảm

cố định

vị trí

AUC:0.980–0.999

phải bất thường;

sang làntrái/phải bất

thường; đường

xấu

Cảm biếngia tốc,con quayhồichuyển,gps

NN,DTW

k-Cảm biếngia tốc trêncác trục:

Bảng 2-1 Một số nghiên cứu nhận dạng hành động giao thông

Qua các nghiên cứu trong Bảng 2 -1 cho thấy đối tượng nhận dạng của mỗibài toán là khác nhau được khảo sát theo thời gian công bố trong khoảng thời gian

từ năm 2011 đến năm 2017 Các nghiên cứu cũng dựa vào các nguồn cảm biến của

điện thoại, với vị trí điện thoại có thể cố định hoặc thay đổi Sử dụng các độ đođánh giá các giải thuật phân lớp khác nhau cho nhiều nhãn lớp hành vi Tuy nhiên,chúng có một số điểm chung đó là các hành động được lựa chọn dựa trên hai yếu tố

cơ bản: yếu tố thay đổi tốc độ và yếu tố điều khiển phương tiện chuyển hướng theocác hướng khác nhau khi tham gia giao thông Tùy thuộc vào mục đích đặt ra sẽthực hiện nhận dạng, phát hiện tập các hành động theo tính chất, mức độ khác nhau.Hướng tiếp cận kết hợp dữ liệu cảm biến gia tốc với các cảm biến khác như conquay hồi chuyển, GPS, cảm biến từ trường, cảm biến hình ảnh được các nghiên cứutập trung Bởi khi đó, có thêm những nguồn dữ liệu khác nhau sẽ làm giàu thông tincho hệ thống, giúp hệ thống cải thiện hiệu quả thực hiện nhận dạng hành động

Vị trí của các thiết bị thu dữ liệu cũng thường được đặt cố định [5] hoặc nếu

có thay đổi thì góc đặt ban đầu của thiết bị so với hướng chuyển động cũng đượcbiết trước[15] từ đó có thể kết hợp các phương pháp chuyển hệ trục tọa độ để tínhđược sự thay đổi của góc xoay Trong trường hợp vị trí thay đổi và không biết trước.Phương pháp sử dụng kỹ thuật cửa sổ dữ liệu với các thuộc tính đặc trưng thườngđược áp dụng trong nghiên cứu [11][15] Dẫn đến việc cần có một tập thuộc tínhphù hợp với yêu cầu, điều kiện cụ thể và kỹ thuật sử dụng cho từng bài toán

Một số phương pháp, kỹ thuật thông dụng được dùng để nhận dạng, pháthiện hành động như kỹ thuật so khớp DTW, với tập dữ liệu mẫu hành động thuđược sử dụng các giá trị ngưỡng của các góc xoay, vận tốc, gia tốc hoặc những giátrị trích xuất từ các đại lượng khác nhau làm cơ sở so sánh, đánh giá và quyết địnhloại hành động và hành vi giao thông

Để đánh giá, nhận dạng một hành động hay một hành vi cũng có thể dựa theogiá trị ngưỡng đặc trưng nào đó của từng loại để nhận dạng khi hành động xảyra[14][21] Phương pháp này thực hiện đánh giá hành động phù hợp với các hệthống yêu cầu tính toán nhanh Tuy nhiên, điểm mấu chốt đó là lựa chọn và tínhtoán được giá trị nào được dùng để đánh giá và cách lựa chọn ngưỡng giá trị đủ tốt

để phân loại, nhận dạng ra các hành động, hành vi

Tùy thuộc vào yêu cầu và tiêu chí đặt ra của từng bài toán, các hệ thống đượcthiết kế cho các mục đích khác nhau Trong đó, một trong những tiêu chí quan trọngkhi sử dụng điện thoại là việc tiêu hao năng lượng của thiết bị khi thực thi hệ thống.Các giải pháp thiết kế, xây dựng hệ thống hướng đến việc sử dụng ít cảm biến, giảmnhiễu, tiêu hao ít năng lượng mà vẫn đảm bảo kết quả yêu cầu đề ra

Vì vậy, hướng nghiên cứu sử dụng tập thuộc tính đặc trưng được áp dụng đểtrích xuất, biến đổi dữ liệu cảm biến thô thành dữ liệu đặc trưng, tạo thành nguồn

dữ liệu mới hoặc lấy làm tập dữ liệu huấn luyện cho các mô hình phân lớp để nhậndạng, phát hiện hành động Một số nghiên cứu đã sử dụng các giải thuật phân lớpthông dụng để xây dựng hệ thống nhận dạng như trong nghiên cứu [11], tác giả sửdụng các thuật toán NB, RF, ANN, SVM, để phân lớp nhận dạng các hành độngthay đổi bất thường khi cố định điện thoại di động và sử dụng các thuộc tính trênmiền thời gian và đánh giá mô hình phân lớp dựa trên độ đo AUC

Một số kỹ thuật phổ biến được dùng để chuẩn bị đó là: làm sạch dữ liệu(Data Cleaning), chuẩn hóa dữ liệu (Data Normalization), chuyển đổi dữ liệu (DataTransformation), tích hợp dữ liệu (Data Integretion), phát hiện nhiễu (Noise