Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos

Detalhes bibliográficos
Autor(a) principal: Barreto, Cephas Alves da Silveira
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFRN
Texto Completo: https://repositorio.ufrn.br/jspui/handle/123456789/26017
Resumo: A violência no trânsito tem causado grandes prejuízos e, acima de tudo, vitimado muitos cidadãos, usuários ou não de automóveis. Segundo estudos do Observatório Nacional da Segurança Viária (ONSV, 2017), 90% dos acidentes de trânsito são causados por imprudência dos condutores, 5% por defeitos nos automóveis e mais 5% por má condição das rodovias. Uma das alternativas para embasar ações que enfrentam esses problemas é entender como se comportam os condutores de automóveis quando estão ao volante. Usar as informações do veículo para entender o comportamento dos motoristas é uma questão que tem ganhado importância nos últimos anos e, diante dos problemas envolvidos, identificar perfis de utilização de automóveis tem sido, cada vez mais, um tema de pesquisa em todo mundo. Este trabalho apresenta um modelo de utilização de técnicas (descritivas e preditivas) de Aprendizado de Máquina sobre dados de veículos obtidos via On-Board Diagnostics II (OBD-II) para identificação de possíveis perfis de uso automotivo. O modelo criado obteve, após todo o processo de refinamento, mais que 99% de acurácia na identificação de 3 perfis (low, mid e high). Para aplicar o modelo, foi criada uma plataforma baseada numa arquitetura distribuída (Servidor Web, Aplicativo Móvel e API de serviço). Essa plataforma é capaz de capturar os dados de um automóvel e devolver o seu perfil de uso de seu condutor (motorista).
id UFRN_8f749cad8bd36637c14cbdc197d77aa4
oai_identifier_str oai:https://repositorio.ufrn.br:123456789/26017
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Barreto, Cephas Alves da SilveiraSilva, Ivanovitch Medeiros Dantas daSilva Júnior, Carlos NascimentoAraújo, Daniel Sabino Amorim deXavier Júnior, João Carlos2018-10-10T20:40:58Z2018-10-10T20:40:58Z2018-08-24BARRETO, Cephas Alves da Silveira. Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos. 2018. 92f. Dissertação (Mestrado Profissional em Engenharia de Software) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2018.https://repositorio.ufrn.br/jspui/handle/123456789/26017A violência no trânsito tem causado grandes prejuízos e, acima de tudo, vitimado muitos cidadãos, usuários ou não de automóveis. Segundo estudos do Observatório Nacional da Segurança Viária (ONSV, 2017), 90% dos acidentes de trânsito são causados por imprudência dos condutores, 5% por defeitos nos automóveis e mais 5% por má condição das rodovias. Uma das alternativas para embasar ações que enfrentam esses problemas é entender como se comportam os condutores de automóveis quando estão ao volante. Usar as informações do veículo para entender o comportamento dos motoristas é uma questão que tem ganhado importância nos últimos anos e, diante dos problemas envolvidos, identificar perfis de utilização de automóveis tem sido, cada vez mais, um tema de pesquisa em todo mundo. Este trabalho apresenta um modelo de utilização de técnicas (descritivas e preditivas) de Aprendizado de Máquina sobre dados de veículos obtidos via On-Board Diagnostics II (OBD-II) para identificação de possíveis perfis de uso automotivo. O modelo criado obteve, após todo o processo de refinamento, mais que 99% de acurácia na identificação de 3 perfis (low, mid e high). Para aplicar o modelo, foi criada uma plataforma baseada numa arquitetura distribuída (Servidor Web, Aplicativo Móvel e API de serviço). Essa plataforma é capaz de capturar os dados de um automóvel e devolver o seu perfil de uso de seu condutor (motorista).Traffic violence has caused great damage. And above all, victimized many citizens, whether drivers or non drivers. According to studies from brazilian National Road Safety Observatory (ONSV, 2017), 90% of traffic accidents are caused by drivers’ recklessness, 5% by car defects and 5% by poor road conditions. One of the alternatives to support actions that address these problems is to understand how car drivers behave when they are behind the wheel. Using vehicle information to understand drivers is an issue that has gained importance in recent years and, in the face of the problems involved, identifying car use profiles has increasingly been a subject of worldwide research. This work presents a model for the use of Machine Learning techniques (descriptive and predictive) on vehicle data obtained from OBD-II (On Board Diagnostics II) to identify possible profiles of automotive using. After the entire refinement process, the model presented more than 99% accuracy in the identification of 3 profiles (low, mid and high). To implement the model, a platform based on a distributed architecture (Web Server, Mobile Application and Service API) was created. This platform is able to capture data from a car and return its usage profile.porCNPQ::ENGENHARIAS: ENGENHARIA DE SOFTWAREAprendizado de máquinaDados automotivosAplicações inteligentesUso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivosMachine learning using for car usage pattern identification based on car datainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisPROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE SOFTWAREUFRNBrasilinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTUsotécnicasaprendizado_Barreto_2018.pdf.txtUsotécnicasaprendizado_Barreto_2018.pdf.txtExtracted texttext/plain164514https://repositorio.ufrn.br/bitstream/123456789/26017/2/Usot%c3%a9cnicasaprendizado_Barreto_2018.pdf.txteb33965e192fe54ebb10028b7c9f8d23MD52THUMBNAILUsotécnicasaprendizado_Barreto_2018.pdf.jpgUsotécnicasaprendizado_Barreto_2018.pdf.jpgIM Thumbnailimage/jpeg1906https://repositorio.ufrn.br/bitstream/123456789/26017/3/Usot%c3%a9cnicasaprendizado_Barreto_2018.pdf.jpg5de699fdef8cc6696c82b4788744d8aaMD53ORIGINALUsotécnicasaprendizado_Barreto_2018.pdfapplication/pdf4134139https://repositorio.ufrn.br/bitstream/123456789/26017/1/Usot%c3%a9cnicasaprendizado_Barreto_2018.pdfe1e7900d0578d2b99293f03f09a9f733MD51123456789/260172019-01-30 08:32:24.279oai:https://repositorio.ufrn.br:123456789/26017Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2019-01-30T11:32:24Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.pt_BR.fl_str_mv Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos
dc.title.alternative.pt_BR.fl_str_mv Machine learning using for car usage pattern identification based on car data
title Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos
spellingShingle Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos
Barreto, Cephas Alves da Silveira
CNPQ::ENGENHARIAS: ENGENHARIA DE SOFTWARE
Aprendizado de máquina
Dados automotivos
Aplicações inteligentes
title_short Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos
title_full Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos
title_fullStr Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos
title_full_unstemmed Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos
title_sort Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos
author Barreto, Cephas Alves da Silveira
author_facet Barreto, Cephas Alves da Silveira
author_role author
dc.contributor.authorID.pt_BR.fl_str_mv
dc.contributor.advisorID.pt_BR.fl_str_mv
dc.contributor.advisor-co1ID.pt_BR.fl_str_mv
dc.contributor.referees1.none.fl_str_mv Silva Júnior, Carlos Nascimento
dc.contributor.referees1ID.pt_BR.fl_str_mv
dc.contributor.referees2.none.fl_str_mv Araújo, Daniel Sabino Amorim de
dc.contributor.referees2ID.pt_BR.fl_str_mv
dc.contributor.author.fl_str_mv Barreto, Cephas Alves da Silveira
dc.contributor.advisor-co1.fl_str_mv Silva, Ivanovitch Medeiros Dantas da
dc.contributor.advisor1.fl_str_mv Xavier Júnior, João Carlos
contributor_str_mv Silva, Ivanovitch Medeiros Dantas da
Xavier Júnior, João Carlos
dc.subject.cnpq.fl_str_mv CNPQ::ENGENHARIAS: ENGENHARIA DE SOFTWARE
topic CNPQ::ENGENHARIAS: ENGENHARIA DE SOFTWARE
Aprendizado de máquina
Dados automotivos
Aplicações inteligentes
dc.subject.por.fl_str_mv Aprendizado de máquina
Dados automotivos
Aplicações inteligentes
description A violência no trânsito tem causado grandes prejuízos e, acima de tudo, vitimado muitos cidadãos, usuários ou não de automóveis. Segundo estudos do Observatório Nacional da Segurança Viária (ONSV, 2017), 90% dos acidentes de trânsito são causados por imprudência dos condutores, 5% por defeitos nos automóveis e mais 5% por má condição das rodovias. Uma das alternativas para embasar ações que enfrentam esses problemas é entender como se comportam os condutores de automóveis quando estão ao volante. Usar as informações do veículo para entender o comportamento dos motoristas é uma questão que tem ganhado importância nos últimos anos e, diante dos problemas envolvidos, identificar perfis de utilização de automóveis tem sido, cada vez mais, um tema de pesquisa em todo mundo. Este trabalho apresenta um modelo de utilização de técnicas (descritivas e preditivas) de Aprendizado de Máquina sobre dados de veículos obtidos via On-Board Diagnostics II (OBD-II) para identificação de possíveis perfis de uso automotivo. O modelo criado obteve, após todo o processo de refinamento, mais que 99% de acurácia na identificação de 3 perfis (low, mid e high). Para aplicar o modelo, foi criada uma plataforma baseada numa arquitetura distribuída (Servidor Web, Aplicativo Móvel e API de serviço). Essa plataforma é capaz de capturar os dados de um automóvel e devolver o seu perfil de uso de seu condutor (motorista).
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-10-10T20:40:58Z
dc.date.available.fl_str_mv 2018-10-10T20:40:58Z
dc.date.issued.fl_str_mv 2018-08-24
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.citation.fl_str_mv BARRETO, Cephas Alves da Silveira. Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos. 2018. 92f. Dissertação (Mestrado Profissional em Engenharia de Software) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2018.
dc.identifier.uri.fl_str_mv https://repositorio.ufrn.br/jspui/handle/123456789/26017
identifier_str_mv BARRETO, Cephas Alves da Silveira. Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos. 2018. 92f. Dissertação (Mestrado Profissional em Engenharia de Software) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2018.
url https://repositorio.ufrn.br/jspui/handle/123456789/26017
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.program.fl_str_mv PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE SOFTWARE
dc.publisher.initials.fl_str_mv UFRN
dc.publisher.country.fl_str_mv Brasil
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/123456789/26017/2/Usot%c3%a9cnicasaprendizado_Barreto_2018.pdf.txt
https://repositorio.ufrn.br/bitstream/123456789/26017/3/Usot%c3%a9cnicasaprendizado_Barreto_2018.pdf.jpg
https://repositorio.ufrn.br/bitstream/123456789/26017/1/Usot%c3%a9cnicasaprendizado_Barreto_2018.pdf
bitstream.checksum.fl_str_mv eb33965e192fe54ebb10028b7c9f8d23
5de699fdef8cc6696c82b4788744d8aa
e1e7900d0578d2b99293f03f09a9f733
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_ 1802117709246234624

Registros relacionados