پایش و ارزیابی رفتار رانندگی هدف اصلی این مجموعه‌داده است که ما را به توسعهٔ سامانه‌ای جدید مبتنی بر حسگرهای واحد اندازه‌گیری اینرسی (IMU) تلفن‌های هوشمند ترغیب کرده است. در این سامانه، از ترکیب تبدیل موجک گسسته (DWT) و سامانهٔ استنتاج عصبی‌فازی تطبیقی (ANFIS) برای تشخیص کلی رفتارهای رانندگی استفاده می‌شود. رفتارها در سه کلاس ایمن، نیمه‌تهاجمی و تهاجمی طبقه‌بندی می‌شوند که با نتایج پرسش‌نامهٔ خودگزارشی مقیاس خشم راننده (DAS) مطابقت دارند. سامانهٔ پیشنهادی چهار ویژگی را از حسگرهای IMU به شکل سری زمانی استخراج می‌کند. این ویژگی‌ها با DWT در دو سطح تجزیه می‌شوند و انرژی آن‌ها به شش ANFIS فرستاده می‌شود. هر ANFIS برداشت متفاوتی از رفتار رانندگی را تحت دانش نامطمئن مدل می‌کند و شباهت یا عدم‌شباهت میان رفتارهای رانندگی را برمی‌گرداند. نتایج این شش ANFIS با سه رویکرد متفاوت همجوشی تصمیم ترکیب می‌شوند. نتایج نشان می‌دهند که Coiflet-2 مناسب‌ترین موجک مادر برای تحلیل رفتار رانندگی است. افزون بر این، سامانهٔ پیشنهادی الگوهای کلی رفتار رانندگی را با صحت 92% و بدون نیاز به ارزیابی تک‌تک مانورها تشخیص می‌دهد. نشان می‌دهیم که بدون داده‌های شتاب طولی، رفتار راننده را نمی‌توان با موفقیت تشخیص داد؛ درحالی‌که نبود ژیروسکوپ تغییر چشمگیری در نتایج ایجاد نمی‌کند.
اگر علاقه‌مند به استفاده از این مجموعه‌دادهٔ تلفن هوشمند برای تشخیص کلی رفتار رانندگی هستید (اینجا)، به منابع زیر استناد کنید:
Hamid Reza Eftekhari، Mehdi Ghatee، «ترکیب تبدیل موجک گسسته و سامانهٔ استنتاج عصبی‌فازی تطبیقی برای تشخیص کلی رفتار رانندگی»، Transportation Research Part F: Psychology and Behaviour، 58 (2018)، 782–796.
https://doi.org/10.1016/j.trf.2018.06.044
و
Hamid Reza Eftekhari، Mehdi Ghatee، «مدل‌سازی عصبی‌فازی مبتنی بر شباهت برای تشخیص رفتار رانندگی با به‌کارگیری همجوشی حسگرهای تلفن هوشمند»، Journal of Intelligent Transportation Systems: Technology, Planning, and Operations، 23 (1)، (2019)، 72–83.
DOI: 10.1080/15472450.2018.1506338