Sensing Vehicle Conditions for Detecting Driving Behaviors

ویرایش: [1st ed.] 
نویسندگان: Jiadi Yu,  Yingying Chen,  Xiangyu Xu  
سری: SpringerBriefs in Electrical and Computer Engineering 
ISBN (شابک) : 9783319897691, 9783319897707 
ناشر: Springer International Publishing 
سال نشر: 2018 
تعداد صفحات: VIII, 75
[81] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 4 Mb 

قیمت کتاب (تومان) : 40,000



این SpringerBrief با معرفی مفهوم سنجش گوشی هوشمند و خلاصه کردن وظایف اصلی استفاده از سنجش گوشی هوشمند در وسایل نقلیه آغاز می شود. فصل 2 مدل سنجش دینامیک وسیله نقلیه را توصیف می کند که از داده های خام حسگرهای حرکتی (مانند شتاب سنج و ژیروسکوپ) برای ارائه پویایی وسایل نقلیه، از جمله توقف، چرخش، تغییر خط، رانندگی در جاده ناهموار و غیره استفاده می کند. فصل 3 موارد غیرعادی را تشخیص می دهد. رفتارهای رانندگی بر اساس سنجش دینامیک وسیله نقلیه به طور خاص، این خلاصه یک سیستم تشخیص و شناسایی رفتار غیرعادی رانندگی مبتنی بر یادگیری ماشین، D3، برای انجام نظارت بر رفتارهای رانندگی غیرعادی با دقت بالا در زمان واقعی با استفاده از حسگرهای حرکتی داخلی در گوشی‌های هوشمند پیشنهاد می‌کند.

به عنوان در سال های اخیر بیشتر وسایل نقلیه ای که در سیستم حمل و نقل شرکت می کنند، رانندگی یا سوار کردن وسایل نقلیه به بخشی جدایی ناپذیر از زندگی روزمره ما تبدیل شده است. با این حال، افزایش وسایل نقلیه در جاده ها مشکلات ترافیکی بیشتری از جمله تصادفات و ازدحام را به همراه دارد، که احساس پویایی وسیله نقلیه و تشخیص رفتارهای رانندگی را برای رانندگان ضروری می کند. به عنوان مثال، سنجش اطلاعات خطوط وسایل نقلیه در زمان واقعی می تواند با ناوبرها برای جلوگیری از انحرافات غیرضروری کمک کند، و دستیابی به سرعت فوری وسیله نقلیه برای بسیاری از کاربردهای مهم خودرو مطلوب است. همچنین اگر رفتارهای رانندگی رانندگان مانند راننده بی توجه و مست را بتوان به موقع تشخیص داد و به آن هشدار داد، می توان از بخش بزرگی از تصادفات رانندگی جلوگیری کرد. با این حال، برای سنجش دینامیک وسیله نقلیه و تشخیص رفتارهای رانندگی، رویکردهای سنتی مبتنی بر زیرساخت داخلی در وسایل نقلیه مانند حسگرها و رادارهای مادون قرمز یا سخت‌افزارهای اضافی مانند دستگاه‌های EEG و حسگرهای الکل است که هزینه بالایی را در بر دارد. نویسندگان نشان می‌دهند که فناوری سنجش گوشی‌های هوشمند، که شامل حسگرهای تعبیه‌شده در تلفن‌های هوشمند (شامل شتاب‌سنج، ژیروسکوپ، بلندگو، میکروفون و غیره) است، می‌تواند در سنجش دینامیک خودرو و رفتارهای رانندگی استفاده شود.

فصل 4 از امکان تشخیص رویدادهای رانندگی غیرعادی رانندگان در مراحل اولیه استفاده می کند. به طور خاص، نویسندگان یک سیستم تشخیص زودهنگام، ER، توسعه داده‌اند که رویدادهای رانندگی بی‌توجه را در مراحل اولیه تشخیص می‌دهد و به رانندگان هشدار می‌دهد که به‌موقع از دستگاه‌های صوتی داخلی روی گوشی‌های هوشمند استفاده کنند. مروری بر تحقیقات پیشرفته در فصل 5 ارائه شده است. در نهایت، نتیجه گیری و مسیرهای آینده در فصل 6 ارائه شده است.

This SpringerBrief begins by introducing the concept of smartphone sensing and summarizing the main tasks of applying smartphone sensing in vehicles. Chapter 2 describes the vehicle dynamics sensing model that exploits the raw data of motion sensors (i.e., accelerometer and gyroscope) to give the dynamic of vehicles, including stopping, turning, changing lanes, driving on uneven road, etc. Chapter 3 detects the abnormal driving behaviors based on sensing vehicle dynamics. Specifically, this brief proposes a machine learning-based fine-grained abnormal driving behavior detection and identification system, D3, to perform real-time high-accurate abnormal driving behaviors monitoring using the built-in motion sensors in smartphones.

As more vehicles taking part in the transportation system in recent years, driving or taking vehicles have become an inseparable part of our daily life. However, increasing vehicles on the roads bring more traffic issues including crashes and congestions, which make it necessary to sense vehicle dynamics and detect driving behaviors for drivers. For example, sensing lane information of vehicles in real time can be assisted with the navigators to avoid unnecessary detours, and acquiring instant vehicle speed is desirable to many important vehicular applications. Moreover, if the driving behaviors of drivers, like inattentive and drunk driver, can be detected and warned in time, a large part of traffic accidents can be prevented. However, for sensing vehicle dynamics and detecting driving behaviors, traditional approaches are grounded on the built-in infrastructure in vehicles such as infrared sensors and radars, or additional hardware like EEG devices and alcohol sensors, which involves high cost. The authors illustrate that smartphone sensing technology, which involves sensors embedded in smartphones (including the accelerometer, gyroscope, speaker, microphone, etc.), can be applied in sensing vehicle dynamics and driving behaviors.

Chapter 4 exploits the feasibility to recognize abnormal driving events of drivers at early stage. Specifically, the authors develop an Early Recognition system, ER, which recognize inattentive driving events at an early stage and alert drivers timely leveraging built-in audio devices on smartphones. An overview of the state-of-the-art research is presented in chapter 5. Finally, the conclusions and future directions are provided in Chapter 6.

Front Matter ....Pages i-viii
 Overview  (Jiadi Yu, Yingying Chen, Xiangyu Xu)....Pages 1-5
 Sensing Vehicle Dynamics with Smartphones  (Jiadi Yu, Yingying Chen, Xiangyu Xu)....Pages 7-23
 Sensing Vehicle Dynamics for Abnormal Driving Detection  (Jiadi Yu, Yingying Chen, Xiangyu Xu)....Pages 25-43
 Sensing Driver Behaviors for Early Recognition of Inattentive Driving  (Jiadi Yu, Yingying Chen, Xiangyu Xu)....Pages 45-64
 State-of-Art Researches  (Jiadi Yu, Yingying Chen, Xiangyu Xu)....Pages 65-68
 Summary  (Jiadi Yu, Yingying Chen, Xiangyu Xu)....Pages 69-70
Back Matter ....Pages 71-75