{pt_PT=A complete hardware/software application for the characterization of car driving behaviours} {} EVALUATED

Detalhes: {pt=De acordo com a Organização Mundial de Saúde, a segurança na estrada é um problema global. Em 2015, houveram 1.25 milhões de mortes na estrada e, com estes acidentes, biliões de custos em cada país. A principal razão é o comportamento dos condutores, que influenciam a integridade do veículo e as emissões de CO2. Portanto, uma solução de caracterização de condutores poderá trazer valor a seguradores bem como serviços de ”car sharing”, como o proposto pelo CEiiA, incluído na plataforma MOBI.ME, para redução de emissões. Um Sistema Embebido foi desenvolvido para reunir dados do estilo de condução. Um PCB, desenhado com Autodesk® Eagle™, foi projetado para conter um microcontrolador, programado para guardar num cartão µSD a aceleração, de um acelerometro a 40Hz, e a velocidade e posição de um módulo GPS a 1Hz. Usando Python, filtrou-se a aceleração com um filtro Butterworth passa-baixo, e os dados de quatro condutores foram etiquetados em sete manobras diferentes. Foram construídos quatro modelos de classificação usando um SVM Linear e três algoritmos não-lineares, K-NN, Random Forest e SVM com kernel RBF. O SVM, com kernel RBF, obteve a melhor performance com 89% precisão e 75% F1-score. A caracterização de condutores foi completada com um website desenvolvido em Django, com GoogleMapsAPI. Nele observa-se, não apenas o número de deteções de cada manobra, mas também que níveis de acceleração são mais comuns. Baseado nestas métricas é possível observar diferentes comportamentos que, com mais data, conseguirão caracterizar condutores com maior clareza., en=According to the World Health Organization, road safety is a global problem. In 2015, there were 1.25 millions of traffic related deaths and billions of associated costs. One of the main reasons are the behaviours of drivers, which impact the vehicle integrity and the CO2 emissions. A driver characterization solution could bring significant value to insurance companies and car sharing services like the one proposed by CEiiA. An embedded system was developed to collect data from the behaviour of drivers. The PCB, designed with Autodesk® Eagle™, was projected to contain a microcontroller, programmed to save the vehicle acceleration, from an accelerometer at 40Hz and data from a GPS module at 1Hz, to a µSD card. Using Python, the acceleration was filtered by a low-pass Butterworth Filter, and the data from four drivers were labelled into seven different maneuvers. Four maneuver classification models were built using a Linear SVM and three non-linear machine learning algorithms, K-NN, Random Forest and SVM with RBF kernel. The SVM, with RBF kernel, obtained the best performance with 89% accuracy and an F1-score of 75%. The solution for driver characterization was finally presented in the form of a website, developed with Django, with a Google Maps API. It is possible to observe, not only the number of times each maneuver was detected but, as well, which levels of acceleration, were more common. Based on this metrics it is possible to observe different behaviours that, with more data, will give a clearer characterization of each unique driver.}

Discussão: novembro 28, 2017, 16:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

AUTOR

Rodolfo Borges Dutra (ist175210)

ORIENTADOR

Carlos Alberto Fernandes Arantes

ORIENTADOR

Alexandre José Malheiro Bernardino

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Associado