Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes

Detalhes bibliográficos
Autor(a) principal: Silva, Mateus Mendelson Esteves da
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: http://repositorio.unb.br/handle/10482/32660
Resumo: Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2018.
id UNB_4cf1511ab0e549d1c5d03bd8085b6721
oai_identifier_str oai:repositorio.unb.br:10482/32660
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentesUsing artificial neural networks and smartphone accelerometers for accident preventionSmartphoneRedes neurais (Computação)Acidentes - fatores de riscoDissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2018.Aparelhos celulares estão se tornando cada dia mais sofisticados. As gerações mais recentes são denominadas smartphones, deixando de ser apenas dispositivos de telecomunicação verbal e tornando-se computadores portáteis com considerável capacidade de processamento e memória. Atualmente, eles são compostos por diversos e poderosos sensores, dentre eles o acelerômetro. Este trabalho apresenta um método baseado em Redes Neurais Artificiais e no descritor de texturas GLCM que, utilizando sinais capturados apenas a partir de acelerômetros de telefones celulares convencionais, é capaz de identificar situações de risco de acidentes. O método é capaz de identificar 3 modos de transporte: carro, bicicleta e a pé. Dependendo do modo de transporte, é possível identificar se o smartphone está sendo transportado em mãos, em um painel ou no bolso do usuário, identificando se ele está em movimento ou parado. Por fim, também identifica o modo de interação com o dispositivo: em ligação, olhando/digitando ou sem interação. Os testes mostram que o método proposto é capaz de identificar uma entre 18 possíveis classes de transporte com uma taxa de acerto de 94; 31% com uma janela de 14 segundos.Mobile phones are increasingly sophisticated. The most recent generations are called smartphones. They are no longer merely communication devices; they became portable computers with significant processing power and memory. Nowadays, they are composed of several powerful sensors, among them the accelerometer. This work presents a method based in Artificial Neural Networks and in GLCM texture descriptor that, using signals captured only from the accelerometer of conventional mobile phones, is able to identify accident risk situations. This method is able to identify 3 transport modes: car, bicicle and foot. Depending on the mode of transportation, it is possible to identify whether the smartphone is being transported in the hand, in a dashboard or in the user’s pocket, and whether they are moving or stopped. Finally, it also identifies the mode of interaction with the device: in a phone call, looking/typing or with no interaction. Tests showed that the proposed method is able to identify one among 18 transport classes with a success rate of 94:31% with a window of 14 seconds.Faculdade de Tecnologia (FT)Departamento de Engenharia Mecânica (FT ENM)Programa de Pós-Graduação em Sistemas MecatrônicosZaghetto, AlexandreSilva, Mateus Mendelson Esteves da2018-09-21T20:11:51Z2018-09-21T20:11:51Z2018-09-182018-04-09info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfSILVA, Mateus Mendelson Esteves da. Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes. 2018. 69 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2018.http://repositorio.unb.br/handle/10482/32660A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-03-08T19:01:58Zoai:repositorio.unb.br:10482/32660Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-03-08T19:01:58Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes
Using artificial neural networks and smartphone accelerometers for accident prevention
title Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes
spellingShingle Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes
Silva, Mateus Mendelson Esteves da
Smartphone
Redes neurais (Computação)
Acidentes - fatores de risco
title_short Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes
title_full Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes
title_fullStr Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes
title_full_unstemmed Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes
title_sort Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes
author Silva, Mateus Mendelson Esteves da
author_facet Silva, Mateus Mendelson Esteves da
author_role author
dc.contributor.none.fl_str_mv Zaghetto, Alexandre
dc.contributor.author.fl_str_mv Silva, Mateus Mendelson Esteves da
dc.subject.por.fl_str_mv Smartphone
Redes neurais (Computação)
Acidentes - fatores de risco
topic Smartphone
Redes neurais (Computação)
Acidentes - fatores de risco
description Dissertação (mestrado)—Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Mecânica, 2018.
publishDate 2018
dc.date.none.fl_str_mv 2018-09-21T20:11:51Z
2018-09-21T20:11:51Z
2018-09-18
2018-04-09
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 SILVA, Mateus Mendelson Esteves da. Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes. 2018. 69 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2018.
http://repositorio.unb.br/handle/10482/32660
identifier_str_mv SILVA, Mateus Mendelson Esteves da. Detecção de modo de transporte utilizando smartphones e redes neurais artificiais para prevenção de acidentes. 2018. 69 f., il. Dissertação (Mestrado em Sistemas Mecatrônicos)—Universidade de Brasília, Brasília, 2018.
url http://repositorio.unb.br/handle/10482/32660
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.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1810580682027565056

Registros relacionados