ترکیب تبدیل موجک گسسته و سامانهٔ استنتاج عصبی–فازی تطبیقی برای تشخیص رفتار کلی رانندگی

نویسندگان:

منتشرشده در: Transportation Research Part F: Traffic Psychology and Behaviour، جلد 58، اکتبر 2018، صفحات 782–796.

چکیده:

پایش و ارزیابی رفتار رانندگی، هدف اصلی این مقاله است که ما را به توسعهٔ سامانه‌ای جدید بر پایهٔ حسگرهای واحد اندازه‌گیری اینرسی (IMU) گوشی‌های هوشمند ترغیب کرده است. در این سامانه، ترکیبی از تبدیل موجک گسسته (DWT) و سامانهٔ استنتاج عصبی–فازی تطبیقی (ANFIS) برای تشخیص رفتارهای کلی رانندگی استفاده می‌شود. رفتارها در رده‌های ایمن، نیمه‌پرخاشگرانه و پرخاشگرانه طبقه‌بندی می‌شوند که با نتایج پرسش‌نامهٔ خودگزارشی مقیاس خشم راننده (DAS) مطابقت دارند. سامانهٔ پیشنهادی، چهار ویژگی را از حسگرهای IMU در قالب سری‌های زمانی استخراج می‌کند. این ویژگی‌ها به‌وسیلهٔ DWT در دو سطح تجزیه می‌شوند و انرژی آن‌ها به شش ANFIS فرستاده می‌شود. هر ANFIS، درکی متفاوت از رفتار رانندگی را در شرایط دانش نامطمئن مدل می‌کند و شباهت یا عدم‌شباهت میان رفتارهای رانندگی را برمی‌گرداند. نتایج این شش ANFIS با سه رویکرد مختلف تلفیق تصمیم ترکیب می‌شوند. نتایج نشان می‌دهند که Coiflet-2 مناسب‌ترین موجک مادر برای تحلیل رفتار رانندگی است. افزون بر این، سامانهٔ پیشنهادی الگوهای رفتار کلی رانندگی را با دقت 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 در دسترس نبودن ژیروسکوپ، نتایج را به‌طور اساسی مختل نمی‌کند.

نکات برجسته

• تشخیص رفتار کلی رانندگی با گوشی هوشمند با دقت 92%.
• تعریف چهار ویژگی جدید به‌صورت سری زمانی از حسگرهای IMU.
• تجزیهٔ ویژگی‌ها با تبدیل موجک گسسته (DTW).
• استفاده از سامانهٔ استنتاج عصبی–فازی تطبیقی (ANFIS) بر انرژی ویژگی‌های استخراج‌شده از DTW.
• طبقه‌بندی رفتارهای کلی رانندگی بر پایهٔ پرسش‌نامهٔ DAS با تلفیق تصمیم بر خروجی‌های ANFISها.