ЛАБОРАТОРИЯ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА И РОБОТОТЕХНИКИ

Института математики, механики и компьютерных наук ЮФУ им. И.И. Воровича

 
Сайт Южного федерального университета

Анализ индивидуальных параметров водителей автотранспорта

В рамках данного направления исследований планируется рассмотреть подходы к анализу отличительных особенностей характера вождения автомобилей различными людьми. Базовой формулировкой проблемы является анализ некоторых параметров движения автомобиля – ускорения и скорости, полученных для некоторого водителя в процессе управления автомобилем в течение некоторого периода времени. В частности, предполагается рассматривать вектор таких характеристик, элементами которого являются измерения ускорения и скорости, выполненные с интервалом порядка долей секунды и для достаточного временного интервала.

В рамках данного направления исследований планируется рассмотреть набор связанных между собой задач и исследовать применимость многослойных нейронных сетей и методов глубокого обучения для анализа и оценки индивидуальных особенностей и квалификации водителей автотранспортных средств. В качестве исходных данных при решении задач планируется использовать данные, получаемые от акселерометра мобильного устройства (смартфона или планшета). Предполагается наличие некоторого множества автомобилей, оснащенных постоянно работающими мобильными устройствами с возможностью мониторинга скорости и ускорения, и ассоциированных с соответствующими водителями. Основным отслеживаемым параметром является вектор ускорения устройства, но также следует рассмотреть вариацию задачи, в которой отслеживаются два параметра движения – ускорение и скорость (данные о скорости могут быть доступны при возможности использовать навигационную систему). Данные геолокации приоритетными для рассмотрения не являются, однако предполагается наличие доступа к сети Интернет.

Данные о параметрах движения считываются с некоторой периодичностью, в качестве начального приближения рассматривать интервал между измерениями порядка десятой доли секунды. Исходные данными (образами, или треками) считать последовательности измерений некоторой длины (порядка нескольких десятков секунд или меньше – в зависимости от результатов предварительного анализа), полученными в процессе движения. Также для построения обучающей выборки возможно использовать некоторые данные о водителях – стаж вождения, количество и сумма штрафов за последний год, или, возможно, параметр КБМ («коэффициент бонус-малус», страховая характеристика водителя).

Базовой задачей является анализ информативности полученных блоков данных – насколько индивидуальными они являются, сепарабельны ли множества треков, соответствующих различным водителям. В процессе решения этого вопроса возможна коррекция параметров треков – увеличение или уменьшение интервала времени, соответствующего одному треку. После накопления достаточного количества треков и предварительной обработки полученных данных возможно решение различных задач, соответствующих задачам классификации водителей по следующим признакам:

  1. Определение «персонального почерка» водителя, позволяющего классифицировать образы по принадлежности конкретному водителю.
  2. Классификация образов по стилю вождения и анализ корреляции с водительским стажем, законопослушностью (количеством штрафов), или количеством ДТП.
  3. Идентификация водителей при управлении различными ТС (пересели на другой автомобиль – сохранится ли уникальная картина для данного водителя).
  4. Анализ физического и психологического состояния водителя по данным системы – изменятются ли параметры вождения с течением некоторого времени (например, при управлении автомобилем в течение нескольких часов).
  5. Анализ влияния положения устройства на характер показаний – на приборной панели, в креплении, на лобовом стекле.
  6. Анализ возможности классификации при целенаправленном противодействии – ситуации, при которых водитель старается ввести систему в заблуждение и изменить стиль вождения.

Для анализа и тестирования построить выборку по ~10 водителям, с получением достаточного объёма данных, и попытаться решить базовую задачу классификации. Допускается использование магистерской диссертации Д.С. Людовских «Система мониторинга качества дорожного покрытия с помощью мобильных устройств» в части разработки и реализации приложения для мобильных платформ, получающего и обра-батывающего данные с акселерометра мобильного устройства в ОС Android.

Авторизация

Вход

Free Joomla! template by Age Themes