Increase the IQ of your smartphone: road security on mobile platforms

Detalhes bibliográficos
Autor(a) principal: Campos, João Carlos de Lima
Data de Publicação: 2017
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/83082
Resumo: Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
id RCAP_b5fb6bbd9fc697075eaca4b17d52cf95
oai_identifier_str oai:estudogeral.uc.pt:10316/83082
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Increase the IQ of your smartphone: road security on mobile platformsAumente o QI do seu smartphone: mobilidade ao serviço da segurança na estradaDeteção de eventos de conduçãoPerfil do condutorDriving behaviorDriving profilingDriving event detectionDissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e TecnologiaOs acidentes de trânsito ferem cerca de 1,3 milhões de pessoas por ano e o número de mortes tem crescido na última década. As nossas contribuições no campo da detecção de um comportamento de um condutor representam uma tentativa de contribuir positivamente para este problema. O atual estado da arte não é verificado em uso real. Para enfrentar esse problema, desenvolvemos um simulador capaz de replicar o uso dos modelos em situações reais. Esta dissertação é o resultado de um estágio na Sentilant. A empresa está à procura de melhorar o seu algoritmo de detecção de eventos atual incorporando machine learning no sistema existente para melhorar o feedback dado aos utilizadores. Os nossos resultados sugerem que, em vez de classificar uma sample assim que ela chega, podemos colocar algumas em um buffer de maneira a classificar uma amostra com base nas amostras que estão colocadas à frente. Este procedimento resulta num aumento da performance dos algoritmos supervisionados. Uma técnica para balancear os dados que é aqui apresentada demonstra capacidade de rivalizar com oversampling, sem aumentar o tamanho do dataset, conseguindo assim menores tempos de treino. O nosso melhor modelo é capaz de atingir uma precisão de 74% para aceleração, 49% de precisão para travagens e 18% de precisão para curvas. Em viagens de validação reais efetuadas o modelo comportou-se como esperado quando o telemóvel ia colocado na vertical, apesar de demonstrar uma sensibilidade maior que o esperado nas curvas.Traffic incidents kill about 1.3 million people per year and the number of deaths has been rising for the past decade. Our contributions in the field of detecting and profiling a driver behavior represent an attempt to positively impact this problem.Current state of the art is untested in real usage. To tackle this problem, we developed a simulator that is capable of replicating real usage. This dissertation is the result of an internship at Sentilant. They are looking to improve their current driving behavior detection algorithm by incorporating machine learning into the existing system in order to improve the feedback given to the users. Our findings suggest that taking into consideration not only past samples but also look ahead samples results in an increased performance on supervised algorithms. A set of well engineered samples was all it took to go from mediocre results to having the model behaving as expected when oriented vertically. A novel balancing technique is here presented and demonstrated to rival oversampling but without increasing the size of the dataset, achieving lower training times. Our best model is capable of achieving 74% precision for acceleration, 49% precision for brakes and 18% precision for turns. In real validation trips, the algorithm behaved as expected when the phone was placed vertically, despite the sensibility it demonstrated to turns. This was only possible because we devised a new post-processing mechanism that only allows a model to classify a sample as aggressive behavior after the same event has appeared consecutively a pre-defined amount of times.2017-07-11info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/83082http://hdl.handle.net/10316/83082TID:202123367engCampos, João Carlos de Limainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2019-06-02T14:35:57Zoai:estudogeral.uc.pt:10316/83082Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:04:53.988140Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Increase the IQ of your smartphone: road security on mobile platforms
Aumente o QI do seu smartphone: mobilidade ao serviço da segurança na estrada
title Increase the IQ of your smartphone: road security on mobile platforms
spellingShingle Increase the IQ of your smartphone: road security on mobile platforms
Campos, João Carlos de Lima
Deteção de eventos de condução
Perfil do condutor
Driving behavior
Driving profiling
Driving event detection
title_short Increase the IQ of your smartphone: road security on mobile platforms
title_full Increase the IQ of your smartphone: road security on mobile platforms
title_fullStr Increase the IQ of your smartphone: road security on mobile platforms
title_full_unstemmed Increase the IQ of your smartphone: road security on mobile platforms
title_sort Increase the IQ of your smartphone: road security on mobile platforms
author Campos, João Carlos de Lima
author_facet Campos, João Carlos de Lima
author_role author
dc.contributor.author.fl_str_mv Campos, João Carlos de Lima
dc.subject.por.fl_str_mv Deteção de eventos de condução
Perfil do condutor
Driving behavior
Driving profiling
Driving event detection
topic Deteção de eventos de condução
Perfil do condutor
Driving behavior
Driving profiling
Driving event detection
description Dissertação de Mestrado em Engenharia Informática apresentada à Faculdade de Ciências e Tecnologia
publishDate 2017
dc.date.none.fl_str_mv 2017-07-11
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/83082
http://hdl.handle.net/10316/83082
TID:202123367
url http://hdl.handle.net/10316/83082
identifier_str_mv TID:202123367
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133940618887168

Registros relacionados