Abordagem para avaliar o comportamento do motorista em tempo real com TinyML

Detalhes bibliográficos
Autor(a) principal: Medeiros, Morsinaldo de Azevedo
Data de Publicação: 2023
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/handle/123456789/55853
Resumo: O expressivo aumento no número de sensores veiculares tem como resultado uma crescente quantidade de dados, aproveitando-se da convergência com as tecnologias de Internet das Coisas (IoT) para possibilitar análises em tempo real na borda da rede, por meio de um dispositivo OBD-II Edge. Nesse contexto, este estudo consiste em desenvolver, embarcar e validar uma solução de processamento de dados veiculares em tempo real para determinar o comportamento do motorista. Para isso, criou-se uma abordagem de três camadas, na qual utilizou-se soft-sensors e integrou o framework Typicality and Eccentricity Data Analytics (TEDA) e o algortimo Autocloud Adaptativo em um hardware de baixo custo energético, focando na aplicação de técnicas de TinyML. Deste modo, um estudo de caso foi conduzido na cidade de Natal-RN, Brasil, em cenário real, envolvendo dois participantes e incorporando a abordagem proposta ao Freematics One+. Os resultados analisados foram promissores na classificação do comportamento do motorista, capturando nuances significativas ao longo do trajeto. Por fim, concluiu que esse estudo contribuiu para a análise em tempo real do comportamento de condução de motoristas.
id UFRN_742ecfad1a0aea7ead960fc5fb8e69d7
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/55853
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Medeiros, Morsinaldo de Azevedohttps://orcid.org/0000-0001-7624-5301http://lattes.cnpq.br/2910614991697297https://orcid.org/0000-0002-0116-6489http://lattes.cnpq.br/3608440944832201Silva, Marianne Batista Diniz dahttps://orcid.org/0000-0002-8277-7571http://lattes.cnpq.br/6470261020797104Andrade, Pedro Henrique Meira dehttps://orcid.org/0000-0002-7729-9085http://lattes.cnpq.br/6695123583643731Flores, Thommas Kevin Saleshttp://lattes.cnpq.br/0630479458408181Nunes, Tomaz Filgueirahttp://lattes.cnpq.br/2130997198434189Silva, Ivanovitch Medeiros Dantas da2023-12-13T12:53:12Z2023-12-13T12:53:12Z2023-12-05MEDEIROS, Morsinaldo de Azevedo. Abordagem para avaliar o comportamento do motorista em tempo real com TinyML. 2023. 59 f. TCC (Graduação em Engenharia da Computação) - Departamento de Engenharia da Computação, Universidade Federal do Rio Grande do Norte, Natal, 2023https://repositorio.ufrn.br/handle/123456789/55853O expressivo aumento no número de sensores veiculares tem como resultado uma crescente quantidade de dados, aproveitando-se da convergência com as tecnologias de Internet das Coisas (IoT) para possibilitar análises em tempo real na borda da rede, por meio de um dispositivo OBD-II Edge. Nesse contexto, este estudo consiste em desenvolver, embarcar e validar uma solução de processamento de dados veiculares em tempo real para determinar o comportamento do motorista. Para isso, criou-se uma abordagem de três camadas, na qual utilizou-se soft-sensors e integrou o framework Typicality and Eccentricity Data Analytics (TEDA) e o algortimo Autocloud Adaptativo em um hardware de baixo custo energético, focando na aplicação de técnicas de TinyML. Deste modo, um estudo de caso foi conduzido na cidade de Natal-RN, Brasil, em cenário real, envolvendo dois participantes e incorporando a abordagem proposta ao Freematics One+. Os resultados analisados foram promissores na classificação do comportamento do motorista, capturando nuances significativas ao longo do trajeto. Por fim, concluiu que esse estudo contribuiu para a análise em tempo real do comportamento de condução de motoristas.The significant increase in the number of vehicular sensors results in a growing volume of data, leveraging the convergence with Internet of Things (IoT) technologies to enable real-time edge analytics through an OBD-II Edge device. In this context, this study aims to develop, embed, and validate a real-time vehicular data processing solution for determining driver behavior. To achieve this, a three-layered approach was devised, utilizing soft sensors and integrating the Typicality and Eccentricity Data Analytics (TEDA) framework and the Adaptive Autocloud algorithm into a low-power hardware, with a focus on TinyML techniques. A case study was conducted in Natal-RN, Brazil, in a real-world scenario involving two participants and incorporating the proposed approach into the Freematics One+. The analyzed results were promising in classifying driver behavior, capturing significant nuances throughout the journey. In conclusion, this study contributes to real-time analysis of driver behavior during driving.Universidade Federal do Rio Grande do NorteEngenharia de ComputaçãoUFRNBrasilEngenharia da ComputaçãoCC0 1.0 Universalhttp://creativecommons.org/publicdomain/zero/1.0/info:eu-repo/semantics/openAccessVeículos InteligentesSoft-SensorsTEDAAutocloud AdaptativoTinyMLAbordagem para avaliar o comportamento do motorista em tempo real com TinyMLApproach to evaluating driver behavior in real-time with TinyMLinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALtcc_morsinaldo_final.pdftcc_morsinaldo_final.pdfapplication/pdf7269582https://repositorio.ufrn.br/bitstream/123456789/55853/1/tcc_morsinaldo_final.pdfa8742f62f795e740f64b0c100680e002MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8701https://repositorio.ufrn.br/bitstream/123456789/55853/2/license_rdf42fd4ad1e89814f5e4a476b409eb708cMD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81484https://repositorio.ufrn.br/bitstream/123456789/55853/3/license.txte9597aa2854d128fd968be5edc8a28d9MD53123456789/558532023-12-13 09:53:12.911oai:https://repositorio.ufrn.br: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Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2023-12-13T12:53:12Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Abordagem para avaliar o comportamento do motorista em tempo real com TinyML
dc.title.alternative.pt_BR.fl_str_mv Approach to evaluating driver behavior in real-time with TinyML
title Abordagem para avaliar o comportamento do motorista em tempo real com TinyML
spellingShingle Abordagem para avaliar o comportamento do motorista em tempo real com TinyML
Medeiros, Morsinaldo de Azevedo
Veículos Inteligentes
Soft-Sensors
TEDA
Autocloud Adaptativo
TinyML
title_short Abordagem para avaliar o comportamento do motorista em tempo real com TinyML
title_full Abordagem para avaliar o comportamento do motorista em tempo real com TinyML
title_fullStr Abordagem para avaliar o comportamento do motorista em tempo real com TinyML
title_full_unstemmed Abordagem para avaliar o comportamento do motorista em tempo real com TinyML
title_sort Abordagem para avaliar o comportamento do motorista em tempo real com TinyML
author Medeiros, Morsinaldo de Azevedo
author_facet Medeiros, Morsinaldo de Azevedo
author_role author
dc.contributor.authorID.pt_BR.fl_str_mv https://orcid.org/0000-0001-7624-5301
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/2910614991697297
dc.contributor.advisorID.pt_BR.fl_str_mv https://orcid.org/0000-0002-0116-6489
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3608440944832201
dc.contributor.referees1.none.fl_str_mv Andrade, Pedro Henrique Meira de
dc.contributor.referees1ID.pt_BR.fl_str_mv https://orcid.org/0000-0002-7729-9085
dc.contributor.referees1Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6695123583643731
dc.contributor.referees2.none.fl_str_mv Flores, Thommas Kevin Sales
dc.contributor.referees2Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/0630479458408181
dc.contributor.referees3.none.fl_str_mv Nunes, Tomaz Filgueira
dc.contributor.referees3Lattes.pt_BR.fl_str_mv http://lattes.cnpq.br/2130997198434189
dc.contributor.author.fl_str_mv Medeiros, Morsinaldo de Azevedo
dc.contributor.advisor-co1.fl_str_mv Silva, Marianne Batista Diniz da
dc.contributor.advisor-co1ID.fl_str_mv https://orcid.org/0000-0002-8277-7571
dc.contributor.advisor-co1Lattes.fl_str_mv http://lattes.cnpq.br/6470261020797104
dc.contributor.advisor1.fl_str_mv Silva, Ivanovitch Medeiros Dantas da
contributor_str_mv Silva, Marianne Batista Diniz da
Silva, Ivanovitch Medeiros Dantas da
dc.subject.por.fl_str_mv Veículos Inteligentes
Soft-Sensors
TEDA
Autocloud Adaptativo
TinyML
topic Veículos Inteligentes
Soft-Sensors
TEDA
Autocloud Adaptativo
TinyML
description O expressivo aumento no número de sensores veiculares tem como resultado uma crescente quantidade de dados, aproveitando-se da convergência com as tecnologias de Internet das Coisas (IoT) para possibilitar análises em tempo real na borda da rede, por meio de um dispositivo OBD-II Edge. Nesse contexto, este estudo consiste em desenvolver, embarcar e validar uma solução de processamento de dados veiculares em tempo real para determinar o comportamento do motorista. Para isso, criou-se uma abordagem de três camadas, na qual utilizou-se soft-sensors e integrou o framework Typicality and Eccentricity Data Analytics (TEDA) e o algortimo Autocloud Adaptativo em um hardware de baixo custo energético, focando na aplicação de técnicas de TinyML. Deste modo, um estudo de caso foi conduzido na cidade de Natal-RN, Brasil, em cenário real, envolvendo dois participantes e incorporando a abordagem proposta ao Freematics One+. Os resultados analisados foram promissores na classificação do comportamento do motorista, capturando nuances significativas ao longo do trajeto. Por fim, concluiu que esse estudo contribuiu para a análise em tempo real do comportamento de condução de motoristas.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-12-13T12:53:12Z
dc.date.available.fl_str_mv 2023-12-13T12:53:12Z
dc.date.issued.fl_str_mv 2023-12-05
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MEDEIROS, Morsinaldo de Azevedo. Abordagem para avaliar o comportamento do motorista em tempo real com TinyML. 2023. 59 f. TCC (Graduação em Engenharia da Computação) - Departamento de Engenharia da Computação, Universidade Federal do Rio Grande do Norte, Natal, 2023
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/handle/123456789/55853
identifier_str_mv MEDEIROS, Morsinaldo de Azevedo. Abordagem para avaliar o comportamento do motorista em tempo real com TinyML. 2023. 59 f. TCC (Graduação em Engenharia da Computação) - Departamento de Engenharia da Computação, Universidade Federal do Rio Grande do Norte, Natal, 2023
url https://repositorio.ufrn.br/handle/123456789/55853
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv CC0 1.0 Universal
http://creativecommons.org/publicdomain/zero/1.0/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.publisher.program.fl_str_mv Engenharia de Computação
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Engenharia da Computação
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
bitstream.url.fl_str_mv https://repositorio.ufrn.br/bitstream/123456789/55853/1/tcc_morsinaldo_final.pdf
https://repositorio.ufrn.br/bitstream/123456789/55853/2/license_rdf
https://repositorio.ufrn.br/bitstream/123456789/55853/3/license.txt
bitstream.checksum.fl_str_mv a8742f62f795e740f64b0c100680e002
42fd4ad1e89814f5e4a476b409eb708c
e9597aa2854d128fd968be5edc8a28d9
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv
_version_ 1802117857381711872

Registros relacionados