Luận văn thạc sĩ về phát hiện trạng thái người tham gia giao thông và ứng dụng hỗ trợ từ smartphone

• Tác giả: Nguyễn Hoàng Điệp
• Người hướng dẫn: TS. Hoàng Xuân Dậu
• Trường học: Học viện Công nghệ Bưu chính Viễn thông
• Chuyên ngành: Khoa học máy tính
• Đề tài: Phát Hiện Trạng Thái Người Tham Gia Giao Thông Dựa Trên Smartphone Và Xây Dựng Ứng Dụng Hỗ Trợ
• Loại tài liệu: luận văn thạc sĩ kỹ thuật
• Năm xuất bản: 2016
• Địa điểm: Hà Nội

• LỜI CAM ĐOAN
• 1. CHƯƠNG 1: TỔNG QUAN VỀ CẢM BIẾN TRÊN SMARTPHONE VÀ ỨNG DỤNG
• 1.1. Giới thiệu tổng quan về các loại cảm biến trên smartphone
• 1.2. Cảm biến chuyển động
• 1.2.1. Cảm biến gia tốc
• 1.2.2. Con quay hồi chuyển
• 1.2.3. Cảm biến từ trường
• 1.2.4. Cảm biến véc-tơ quay
• 1.3. Cảm biến môi trường
• 1.3.1. Cảm biến độ ẩm
• 1.3.2. Cảm biến ánh sáng
• 1.3.3. Cảm biến áp suất khí quyển
• 1.4. Cảm biến vị trí
• 1.5. Giới thiệu cảm biến gia tốc và cảm biến GPS
• 1.5.1. Cảm biến gia tốc
• 1.5.2. Cấu trúc của cảm biến gia tốc
• 1.5.3. Ứng dụng của cảm biến gia tốc
• 1.6. Cảm biến định vị sử dụng GPS
• 1.6.1. Hoạt động của hệ thống GPS
• 1.6.2. Ứng dụng của GPS
• 1.7. Phát biểu bài toán
• 1.8. Kết chương
• 2. CHƯƠNG 2: PHƯƠNG PHÁP PHÁT HIỆN TRẠNG THÁI NGƯỜI THAM GIA GIAO THÔNG DỰA TRÊN SMARTPHONE
• 2.1. Xây dựng mô hình
• 2.2. Một số phương pháp đã được nghiên cứu
• 2.2.1. Sử dụng cây quyết định và mô hình Markov ẩn
• 2.2.2. Phương pháp so sánh giá trị gia tốc và gia tốc trọng trường
• 2.2.3. Sử dụng máy véc-tơ hỗ trợ và tối ưu đàn kiến
• 2.3. Các đề xuất cải tiến của luận văn
• 2.4. Mô hình hóa phương pháp
• 2.5. Thu thập dữ liệu
• 2.5.1. Phương pháp thu thập dữ liệu
• 2.5.2. Thu thập dữ liệu cảm biến gia tốc
• 2.5.3. Thu thập dữ liệu cảm biến vị trí dựa trên GPS
• 2.5.4. Cài đặt ứng dụng thu thập dữ liệu
• 2.6. Các thuật toán xử lý dữ liệu
• 2.6.1. Mô hình xử lý
• 2.6.2. Huấn luyện mô hình
• 2.6.3. Phát hiện trạng thái
• 2.6.4. Các thuật toán, lựa chọn tham số và tiền điều kiện
• 2.6.4.1. Fast Fourier Transform
• 2.6.4.2. Ant Colony Optimization
• 2.6.4.3. Support Vector Machine
• 2.6.5. Áp dụng phát hiện trạng thái người tham gia giao thông
• 2.6.5.1. Tiền xử lý dữ liệu
• 2.6.5.2. Huấn luyện mô hình
• 2.6.5.3. Phân tích dữ liệu vận tốc
• 2.6.5.4. Phân tích dữ liệu cảm biến gia tốc
• 2.6.5.5. Cài đặt thuật toán phân lớp
• 2.6.5.6. Phát hiện trạng thái người tham gia giao thông
• 2.7. Kết chương
• 3. CHƯƠNG 3: CÀI ĐẶT, THỬ NGHIỆM VÀ ĐÁNH GIÁ KẾT QUẢ
• 3.1. Môi trường cài đặt
• 3.2. Phần cứng và phần mềm
• 3.3. Thiết kế ứng dụng
• 3.3.1. Thiết kế chức năng
• 3.3.2. Thiết kế kiến trúc
• 3.3.3. Thiết kế giao diện
• 3.4. Các kịch bản thử nghiệm
• 3.5. Kết quả thử nghiệm
• 3.5.1. Kết quả mô đun phát hiện trạng thái
• 3.5.2. Kết quả thực nghiệm ứng dụng hỗ trợ người dùng
• 3.6. Kết chương
• TÀI LIỆU THAM KHẢO

I. Tổng quan về ứng dụng phát hiện trạng thái người tham gia giao thông

Trong bối cảnh giao thông hiện đại, việc phát hiện trạng thái của người tham gia giao thông thông qua smartphone đã trở thành một lĩnh vực nghiên cứu quan trọng. Ứng dụng di động không chỉ giúp theo dõi và giám sát trạng thái giao thông mà còn hỗ trợ trong việc nâng cao an toàn giao thông. Việc sử dụng các cảm biến trên smartphone như cảm biến gia tốc và GPS cho phép thu thập dữ liệu chính xác về chuyển động của người dùng. Điều này mở ra cơ hội cho việc phát triển các hệ thống giao thông thông minh và cải thiện trải nghiệm của người dùng trong quá trình tham gia giao thông.

1.1. Tầm quan trọng của việc phát hiện trạng thái

Việc phát hiện trạng thái của người tham gia giao thông có ý nghĩa quan trọng trong việc giảm thiểu tai nạn và nâng cao an toàn giao thông. Các ứng dụng có thể cung cấp thông tin thời gian thực về tình trạng giao thông, giúp người dùng lựa chọn lộ trình an toàn hơn. Hơn nữa, việc phân tích dữ liệu từ các cảm biến trên smartphone có thể giúp các nhà quản lý giao thông đưa ra quyết định kịp thời và hiệu quả hơn. Theo nghiên cứu, việc sử dụng công nghệ giao thông thông minh có thể giảm thiểu 30% số vụ tai nạn giao thông.

II. Các loại cảm biến trên smartphone và ứng dụng của chúng

Smartphone hiện đại được trang bị nhiều loại cảm biến khác nhau, trong đó có cảm biến gia tốc, cảm biến GPS và cảm biến môi trường. Cảm biến gia tốc giúp xác định chuyển động của thiết bị, trong khi GPS cung cấp thông tin về vị trí. Việc kết hợp dữ liệu từ các cảm biến này cho phép phát hiện trạng thái của người tham gia giao thông một cách chính xác. Các ứng dụng có thể sử dụng dữ liệu này để phân tích hành vi di chuyển của người dùng, từ đó đưa ra các cảnh báo và thông tin hữu ích.

2.1. Cảm biến gia tốc và GPS

Cảm biến gia tốc trên smartphone có khả năng đo lường gia tốc theo ba trục, giúp xác định hướng và tốc độ di chuyển của người dùng. Kết hợp với GPS, cảm biến này có thể cung cấp thông tin chi tiết về trạng thái di chuyển, chẳng hạn như đi bộ, chạy, hoặc đứng yên. Việc sử dụng cảm biến này không chỉ giúp phát hiện trạng thái mà còn hỗ trợ trong việc xây dựng các ứng dụng theo dõi sức khỏe cá nhân, như đếm bước đi và theo dõi hoạt động thể chất.

III. Phương pháp phát hiện trạng thái người tham gia giao thông

Luận văn đề xuất một số phương pháp phát hiện trạng thái người tham gia giao thông dựa trên dữ liệu thu thập từ smartphone. Các phương pháp này bao gồm việc sử dụng cây quyết định, máy véc-tơ hỗ trợ và các thuật toán tối ưu như tối ưu đàn kiến. Việc áp dụng các thuật toán này giúp cải thiện độ chính xác trong việc phát hiện trạng thái di chuyển của người dùng. Hơn nữa, việc tối ưu hóa việc sử dụng GPS trong các điều kiện khác nhau cũng là một yếu tố quan trọng trong nghiên cứu này.

3.1. Các thuật toán và mô hình hóa

Các thuật toán như Fast Fourier Transform và Support Vector Machine được sử dụng để phân tích dữ liệu và phát hiện trạng thái. Việc mô hình hóa các phương pháp này cho phép xây dựng một hệ thống có khả năng phát hiện trạng thái người tham gia giao thông một cách tự động và chính xác. Hệ thống này không chỉ giúp người dùng nhận biết trạng thái của mình mà còn cung cấp thông tin cho các ứng dụng giao thông thông minh, từ đó nâng cao hiệu quả quản lý giao thông.

IV. Kết quả thử nghiệm và đánh giá

Quá trình thử nghiệm cho thấy các phương pháp phát hiện trạng thái người tham gia giao thông đạt được độ chính xác cao. Các kịch bản thử nghiệm được thiết kế để kiểm tra khả năng của ứng dụng trong các điều kiện giao thông khác nhau. Kết quả cho thấy ứng dụng có thể phát hiện chính xác trạng thái di chuyển của người dùng, từ đó cung cấp thông tin hữu ích cho người tham gia giao thông. Điều này chứng tỏ giá trị thực tiễn của nghiên cứu trong việc phát triển các ứng dụng hỗ trợ giao thông.

4.1. Đánh giá hiệu quả ứng dụng

Ứng dụng phát hiện trạng thái người tham gia giao thông không chỉ giúp người dùng nhận biết tình trạng của mình mà còn cung cấp thông tin cho các hệ thống giao thông thông minh. Việc sử dụng smartphone làm công cụ phát hiện trạng thái mang lại nhiều lợi ích, từ việc nâng cao an toàn giao thông đến việc cải thiện trải nghiệm của người dùng. Kết quả thử nghiệm cho thấy ứng dụng có thể hoạt động hiệu quả trong nhiều điều kiện khác nhau, từ đó khẳng định tính khả thi và giá trị của nghiên cứu.

Tổng quan nghiên cứu

Trong bối cảnh smartphone ngày càng phổ biến với hơn 3 tỷ người dùng toàn cầu, việc ứng dụng các cảm biến tích hợp trên thiết bị này để phát hiện trạng thái người tham gia giao thông trở thành một hướng nghiên cứu quan trọng. Tại Việt Nam, với đặc thù giao thông đa dạng gồm đi bộ, xe đạp, xe máy, ô tô và xe bus, việc xác định chính xác trạng thái di chuyển của người dùng theo thời gian thực có ý nghĩa thiết thực trong việc nâng cao an toàn giao thông và phát triển các ứng dụng hỗ trợ thông minh. Mục tiêu nghiên cứu của luận văn là phát hiện trạng thái người tham gia giao thông dựa trên dữ liệu cảm biến gia tốc và GPS trên smartphone, đồng thời xây dựng ứng dụng hỗ trợ người dùng trong quá trình tham gia giao thông. Nghiên cứu được thực hiện trong giai đoạn 2015-2017 tại Hà Nội, tập trung vào các phương tiện phổ biến như đi bộ, xe máy (xe số và xe ga) và xe bus. Ý nghĩa của nghiên cứu được thể hiện qua việc cải thiện độ chính xác phát hiện trạng thái, tối ưu hóa sử dụng năng lượng cho cảm biến GPS và cung cấp nền tảng dữ liệu cho các hệ thống giao thông thông minh và theo dõi sức khỏe cá nhân.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Luận văn dựa trên ba lý thuyết và mô hình chính:

• Cảm biến gia tốc và GPS trên smartphone: Cảm biến gia tốc đo gia tốc riêng theo ba trục X, Y, Z, trong khi cảm biến GPS cung cấp tọa độ vị trí và tốc độ di chuyển. Việc kết hợp hai loại cảm biến này giúp nhận diện trạng thái di chuyển chính xác hơn.
• Thuật toán biến đổi Fourier nhanh (FFT): Dữ liệu cảm biến được chuyển từ miền thời gian sang miền tần số để trích xuất đặc trưng tần số, giúp phân biệt các trạng thái di chuyển khác nhau.
• Thuật toán tối ưu đàn kiến (ACO) và máy véc-tơ hỗ trợ (SVM): ACO được sử dụng để chọn lọc các đặc trưng quan trọng từ dữ liệu FFT, giảm thiểu số lượng đặc trưng không cần thiết. SVM là thuật toán phân lớp phi tuyến, phù hợp với việc phân loại nhiều trạng thái di chuyển dựa trên các đặc trưng đã chọn.

Ba khái niệm chuyên ngành quan trọng bao gồm: cảm biến MEMS (vi cơ điện tử), biến đổi Fourier rời rạc (DFT), và mô hình phân lớp đa lớp OVO (One-versus-One) trong SVM.

Phương pháp nghiên cứu

Nguồn dữ liệu chính là các giá trị cảm biến gia tốc và GPS thu thập trực tiếp từ smartphone chạy hệ điều hành Android, sử dụng thiết bị Sony Xperia Z3 Compact. Dữ liệu được thu thập từ 3 người tình nguyện tham gia giao thông với các phương tiện đi bộ, xe máy (xe số và xe ga) và xe bus. Tần số lấy mẫu cảm biến là 50Hz, với khung thời gian phân đoạn dữ liệu thử nghiệm là 3 giây và 5 giây.

Phương pháp phân tích gồm hai giai đoạn:

• Huấn luyện mô hình: Dữ liệu cảm biến được tiền xử lý, chuyển đổi FFT, tối ưu đặc trưng bằng ACO và huấn luyện phân lớp bằng SVM.
• Phát hiện trạng thái theo thời gian thực: Dữ liệu thu thập trực tiếp được xử lý tương tự, sử dụng mô hình huấn luyện để phân loại trạng thái di chuyển hiện tại.

Timeline nghiên cứu kéo dài từ 2015 đến 2017, bao gồm các bước thu thập dữ liệu, phát triển thuật toán, cài đặt ứng dụng và thử nghiệm thực tế.

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

1. Độ chính xác phân loại trạng thái đạt khoảng 96% khi sử dụng kết hợp cảm biến gia tốc và GPS, áp dụng thuật toán ACO-SVM, vượt trội so với các phương pháp trước đó đạt 93.6% và 95%.

2. Phân bố vận tốc theo trạng thái di chuyển cho thấy vận tốc trung bình khi di chuyển chủ yếu nằm trong khoảng 2-4 m/s, trong khi trạng thái đứng yên có vận tốc dưới 0.05 m/s, giúp thiết lập bộ lọc phân biệt hiệu quả.

3. Khung thời gian 3 giây cho kết quả phân lớp tốt hơn so với 5 giây, do khung thời gian ngắn hơn giúp giảm nhiễu và tăng độ nhạy trong phát hiện trạng thái.

4. Tối ưu hóa sử dụng GPS theo ba chế độ (không dùng GPS, GPS dựa trên sóng di động, GPS kết hợp sóng di động và vệ tinh) giúp giảm tiêu hao năng lượng và cải thiện độ chính xác khi tín hiệu GPS bị mất hoặc không ổn định.

Thảo luận kết quả

Nguyên nhân của độ chính xác cao là do việc kết hợp dữ liệu cảm biến gia tốc và GPS, cùng với việc áp dụng các thuật toán xử lý tín hiệu và phân lớp hiện đại như FFT, ACO và SVM. So với các nghiên cứu trước đây, luận văn đã mở rộng phạm vi trạng thái nhận diện, bao gồm chi tiết các trạng thái di chuyển bằng xe máy và xe bus, phù hợp với đặc thù giao thông Việt Nam. Việc tối ưu hóa chế độ thu GPS giúp khắc phục hạn chế về tiêu hao pin và tín hiệu không ổn định trong môi trường đô thị đông đúc. Kết quả có thể được trình bày qua biểu đồ phân bố vận tốc theo trạng thái và bảng ma trận nhầm lẫn thể hiện độ chính xác phân loại từng trạng thái, giúp minh họa rõ ràng hiệu quả của mô hình.

Đề xuất và khuyến nghị

1. Triển khai ứng dụng phát hiện trạng thái giao thông trên smartphone phổ biến nhằm hỗ trợ người dùng trong việc xử lý cuộc gọi và tin nhắn khi đang di chuyển, giảm thiểu nguy cơ mất tập trung. Thời gian thực hiện: 6 tháng; chủ thể: các nhà phát triển phần mềm.

2. Tích hợp mô hình phát hiện trạng thái vào hệ thống giao thông thông minh để cung cấp dữ liệu chính xác về lưu lượng và hành vi người tham gia giao thông, hỗ trợ quản lý và điều phối giao thông hiệu quả. Thời gian thực hiện: 1 năm; chủ thể: cơ quan quản lý giao thông.

3. Nâng cao thuật toán tối ưu sử dụng năng lượng cho cảm biến GPS bằng cách phát triển thêm các chế độ thu thập dữ liệu linh hoạt dựa trên môi trường và trạng thái người dùng. Thời gian thực hiện: 9 tháng; chủ thể: nhóm nghiên cứu công nghệ di động.

4. Mở rộng nghiên cứu với các phương tiện giao thông khác và môi trường địa lý đa dạng nhằm tăng tính ứng dụng và độ chính xác của mô hình trong thực tế. Thời gian thực hiện: 1-2 năm; chủ thể: các viện nghiên cứu và trường đại học.

Đối tượng nên tham khảo luận văn

1. Nhà phát triển ứng dụng di động: Có thể ứng dụng mô hình phát hiện trạng thái để xây dựng các ứng dụng hỗ trợ an toàn giao thông, cải thiện trải nghiệm người dùng khi tham gia giao thông.

2. Cơ quan quản lý giao thông và đô thị thông minh: Sử dụng dữ liệu và mô hình để giám sát, phân tích hành vi giao thông, từ đó đưa ra các chính sách và giải pháp điều phối phù hợp.

3. Nhà nghiên cứu và sinh viên ngành khoa học máy tính, kỹ thuật phần mềm: Tham khảo phương pháp xử lý dữ liệu cảm biến, thuật toán học máy và ứng dụng thực tiễn trong lĩnh vực IoT và giao thông thông minh.

4. Doanh nghiệp phát triển thiết bị di động và cảm biến: Nghiên cứu cải tiến phần cứng và phần mềm cảm biến để nâng cao hiệu quả thu thập và xử lý dữ liệu trong các thiết bị di động.

Câu hỏi thường gặp

1. Phương pháp nào được sử dụng để phát hiện trạng thái người tham gia giao thông?
   Phương pháp kết hợp biến đổi Fourier nhanh (FFT) để trích xuất đặc trưng tần số, thuật toán tối ưu đàn kiến (ACO) để chọn lọc đặc trưng quan trọng, và máy véc-tơ hỗ trợ (SVM) để phân lớp trạng thái di chuyển.

2. Dữ liệu thu thập từ đâu và như thế nào?
   Dữ liệu được thu thập trực tiếp từ cảm biến gia tốc và GPS trên smartphone chạy Android, với tần số lấy mẫu 50Hz, phân đoạn dữ liệu theo khung thời gian 3 và 5 giây.

3. Độ chính xác của mô hình phát hiện trạng thái là bao nhiêu?
   Mô hình đạt độ chính xác khoảng 96% trong việc phân loại các trạng thái di chuyển như đi bộ, đi xe máy, xe bus và đứng yên.

4. Làm thế nào để giảm tiêu hao năng lượng khi sử dụng GPS?
   Nghiên cứu đề xuất tối ưu hóa chế độ thu GPS theo ba cấp độ: không dùng GPS, dùng GPS dựa trên sóng di động, và dùng GPS kết hợp sóng di động và vệ tinh, giúp tiết kiệm pin mà vẫn đảm bảo độ chính xác.

5. Ứng dụng thực tế của nghiên cứu này là gì?
   Ứng dụng hỗ trợ người dùng smartphone trong việc xử lý cuộc gọi, tin nhắn khi đang tham gia giao thông, đồng thời cung cấp dữ liệu cho các hệ thống giao thông thông minh và theo dõi sức khỏe cá nhân.

Kết luận

• Luận văn đã phát triển thành công mô hình phát hiện trạng thái người tham gia giao thông dựa trên cảm biến gia tốc và GPS trên smartphone với độ chính xác khoảng 96%.
• Áp dụng các thuật toán FFT, ACO và SVM giúp tối ưu hóa trích xuất đặc trưng và phân lớp dữ liệu hiệu quả.
• Tối ưu hóa chế độ thu GPS giúp giảm tiêu hao năng lượng và cải thiện độ chính xác trong môi trường đô thị phức tạp.
• Ứng dụng hỗ trợ người dùng trong giao thông được xây dựng và thử nghiệm thành công trên nền tảng Android.
• Các bước tiếp theo bao gồm mở rộng phạm vi nghiên cứu, tích hợp vào hệ thống giao thông thông minh và phát triển thêm các tính năng hỗ trợ người dùng.

Hành động tiếp theo: Khuyến khích các nhà phát triển và cơ quan quản lý giao thông ứng dụng mô hình này để nâng cao an toàn và hiệu quả giao thông đô thị.