Driver behavior evaluation by using smartphones
Authors
Romera Carmena, EduardoDirector
Bergasa Pascual, Luis MiguelDate
2015Keywords
Seguridad vial
Automóviles
Conducción eficiente
Document type
info:eu-repo/semantics/masterThesis
Version
info:eu-repo/semantics/acceptedVersion
Rights
Atribución-NoComercial-SinDerivadas 3.0 España
Access rights
info:eu-repo/semantics/openAccess
Abstract
En la última década, ha habido una creciente tendencia en desarrollar sistemas que ayuden a hacer
la conducción más segura. Aunque estos sistemas se van incluyendo poco a poco en los nuevos vehículos
comerciales, la mayoría tienen un coste alto, relegando estos beneficios a vehículos premium. Por
otro lado, la expansión de los móviles como plataforma de sensado ha facilitado la captura y procesado
asequibles de datos, contribuyendo notablemente a expandir la ciencia del “Data Analytics”, que proporciona
información muy rica a instituciones y empresas en cuanto a la toma de decisiones. En el caso
concreto de los vehículos, los datos relativos a análisis de conducción son de gran interés para gobiernos
y aseguradoras, que intentan introducir el concepto de “Pay-As-You-Drive” como forma de beneficiar
a los conductores que tengan una conducción más eficiente y segura. En este contexto nació DriveSafe
App, una aplicación que evalúa la conducción detectando y puntuando comportamientos de inatención,
dando el feedback correspondiente al conductor. Este trabajo toma como punto de partida la aplicación
original, en desarrollo desde hace dos años, para realizar mejoras que expandan sus capacidades como
plataforma de análisis de la conducción. En primer lugar, se desarrolla un servidor, con el correspondiente
módulo cliente en la aplicación, para gestionar los datos de conducción de todos los usuarios de
una manera unificada, necesario dado que DriveSafe esta enfocada al uso masivo. En segundo lugar, se
desarrolla un módulo de detección y seguimiento de vehículos frontales por visión con el fin de obtener
más información del entorno dinámico durante la conducción. Este módulo se presenta como una contribución
independiente en el campo de visión, que mediante técnicas de multi-escalado consigue reducir
costes computacionales para hacer viable una implementación en “smartphones”, manteniendo resultados
de detección similares al estado del arte. Esta información enriquece el análisis de datos de Drivesafe
frente a otros trabajos relacionados, que no incorporan la detección de vehículos frontales en su análisis
debido a su complejidad y necesidad de sensores costosos (e.g. RADAR, LiDAR) o costes de procesado
altos en el caso de usar visión computacional. En último lugar, se reorganiza y re-analiza la arquitectura
completa de análisis de conducción de DriveSafe para añadir nuevos indicadores, proporcionados por la
detección de vehículos y por la introducción de capacidades comunicativas con APIs online de información
de carreteras. De esta forma se consigue expandir el análisis de DriveSafe a un amplio rango de
variables independientes, de las que se extraen indicadores para proveer un gran conjunto de puntuaciones
de conducción al usuario y ampliar el modelado de comportamiento incluyendo una clasificación en
tres niveles: conducción normal, agresiva o somnolienta junto a la detección de eventos distractores. In the last decade, there has an been active research toward developing systems that make driving
safer. Although these systems are being slowly introduced in the new commercial vehicles, the high associated
cost relieves their benefits to premium vehicles. On the other hand, the advent of mobile sensing
platforms facilitates the cost-effective capturing and processing of data, contributing remarkably to expand
the science of “Data Analytics”, which provides rich information to institutions and companies for
decision making. On the specific case of vehicles, the data relative to driving analysis is of high interest
to governments and insurance companies, that try to introduce the concept of “Pay-As-You-Drive”
as a way of awarding drivers that keep an efficient and safe way of driving. In this context was born
DriveSafe App, an aplication that evaluates driving by detecting and scoring inattentive behaviours, giving
the corresponding feedback to drivers. This work takes as a starting point the original application,
that has been in development for two years, to perform improvements that expand its capabilities as a
platform for driving analysis. Firstly, a server is developed, with the corresponding client module in the
application, in order to manage the driving data from all the users in an unified way, a necessity due to
the aim of DriveSafe to the massive use. Secondly, a module for vision-based ahead vehicle detection
and tracking is developed and integrated in the application, with the aim of obtaining more information
about the dynamical environment during driving. This module is presented as a single contribution in
the vision field, which by applying multi-scale techniques achieves to reduce computational costs and
make viable an implementation for smartphones, keeping detection results that are similar to the state of
the art. This information enriches the data analysis of DriveSafe against other related works, that do not
include ahead vehicle detection in their analysis due to its complexity and necessity of expensive sensors
(e.g. RADAR, LiDAR) or high associated processing costs in the case of computational vision. Finally,
the complete architecture for driving analysis of DriveSafe is rearranged and re-analysed to add new indicators,
provided by the vehicle detection and the introduction of communication capabilities with road
information online APIs. This achieves expanding the analysis of DriveSafe to a broad range of independent
variables, from which indicators are extracted to provide the user a wide group of driving scores
and augment the behaviour modelling including a three-level classification: normal driving, aggressive
or drowsy, together with the detection of distracting events.
Files in this item
Files | Size | Format |
|
---|---|---|---|
TFM-Romera-Carmena-2015.pdf | 9.571Mb |
|
Files | Size | Format |
|
---|---|---|---|
TFM-Romera-Carmena-2015.pdf | 9.571Mb |
|