การใชขอมลจากเซนเซอรหลายตวส าหรบอลกอรทมการตรวจจบพฤตกรรม การขบขบนสมารทโฟน

ธญสทธ ผลประสทธ

วทยานพนธนเปนสวนหนงของการศกษาตามหลกสตรวทยาศาสตรมหาบณฑต สาขาวชาวศวกรรมเวบ คณะเทคโนโลยสารสนเทศ มหาวทยาลยธรกจบณฑตย

พ.ศ. 2558

DPU

A Comparison of Multi-Sensory Data for Driving Behaviour Prediction Algorithm on a Smartphone

Thunyasit Pholprasit

Thesis Submitted in Partial Fulfillment of the Requirements for the Degree of Master of Science in Web Engineering Faculty

of Information Technology, Dhurakij Pundit University 2015

DPU

ฆ

หวขอวทยานพนธ การใชขอมลจากเซนเซอรหลายตวส าหรบอลกอรทมการตรวจจบพฤตกรรมการขบขบนสมารทโฟน

ชอผเขยน ธญสทธ ผลประสทธ อาจารยทปรกษา ผชวยศาสตราจารย ดร.วรสทธ ชชยวฒนา อาจารยทปรกษารวม ดร.เฉลมพล สายประเสรฐ สาขาวชา วศวกรรมเวบ ปการศกษา 2557

บทคดยอ สาเหตของการเกดอบตเหตบนทองถนนของประเทศตาง ๆ นน สาเหตเกดจาก 3 สาเหตหหลก คอ รถยนต พฤตกรรมของผขบข และลกษณะทางกายภาพของทองถนน จากสถตการเกดอบตเหตทางทองถนนในประเทศไทย สาเหตสวนใหญมาจากพฤตกรรมการขบขรถยนตทเสยงอนตราย ดงนนวธทจะชวยการลดอบตเหตบนทองถนนได คอ การใหขอมลการขบขรถยนตทอาจจะเกดอนตรายระหวางขบรถ เชน การแจงเตอนและใหค าแนะน าผขบขระหวางขบรถ ในปจจบนคนสวนใหญมโทรศพทเคลอนทอจฉรยะใชกนอยางแพรหลายเปนจ านวนมากและกลายเปนสงของพนฐานทใชในชวตประจ าวน ดงนนบทความนจงน าเสนอขนตอนวธการตรวจจบพฤตกรรมการขบขของผ ข บข ทอนตรายจากโทรศพทเคลอนทอจฉรยะ โดยแจงเตอนแบบทนททนใดจากการประมวลผลขอมลเซนเซอรหลายชนดทไดมาจากโทรศพทเคลอนทอจฉรยะ พรอมทงใหค าแนะน าการขบขทปลอดภยแบบทนทระหวางผขบขขบรถ โทรศพทเคลอนทอจฉรยะในปจจบนมความหลากหลายของประสทธภาพการท างาน ดงนนขนตอนวธการตรวจจบพฤตกรรมการขบขดวยโทรศพทเคลอนทอจฉรยะทพฒนาขนจงอนญาตใหผใชงานไดปรบแตงกระบวนการขนตอนวธตรวจจบพฤตกรรมการขบขใหเหมาะสมกบอปกรณทใชงานในแตละเครองได โดยขนตอนวธจะน าวธการเปรยบเทยบรปแบบของกราฟขอมลระหวาง ตนแบบการเกดเหตการณการขบขแบบตาง ๆ ของขอมลเซนเซอรทไดประเมนเอาไวกบขอมลเซนเซอรบนโทรศพทเคลอนทอจฉรยะทไดระหวางการขบขจรงเพอน ามาหาพฤตกรรมการขบข โดยขนตอนวธทพฒนาขนนผลการทดสอบไดแสดงใหเหนถงความถกตองในการท านายพฤตกรรมการขบขไดถง 71 – 80%

DPU

ฆ

Thesis Title A Comparison of Multi-Sensory Data for Driving Behaviour Prediction Algorithm on a Smartphone

Author Thunyasit Pholprasit Thesis Advisor Asst.Prof.Dr. Worasit Choochaiwattana Co-Thesis Advisor Dr. Chalearmpol Saiprasert Department Web Engineering Academic Year 2015

ABSTRACT

The causes of accidents on highway in any countries come from vehicle condition, human error, and highway physical conditions. From the accident statistic on the highway in Thailand, the major cause of the accidents is from aggressive driving behaviour. One way to decrease highway traffic accidents is to provide some information, such as alerts and warnings to the car drivers. Currently, people all around the world use smartphones on a daily basis. Many useful applications can be installed on the smart phones. Thus, this paper presents driver’s behaviour detection algorithm using multi-sensory data on a smartphone to detect driving events and provide real-time feedback to drivers while driving. From variation in hardware of device available, the algorithm allows user to customize the algorithm according to the device configuration. Pattern matching of different sensory data was applied to find driving event. The algorithm demonstrates 71 – 80% accuracy in correct prediction of driving events.

ง

DPU

จ

กตตกรรมประกาศ

ขอขอบคณ ทาน ผชวยศาสตราจารย ดร.วรสทธ ชชยวฒนา และ ดร.เฉลมพล สายประเสรฐ ทไดใหค าแนะน า และวธการแกปญหาส าหรบการท าวทยานพนธและเขยนบทความวชาการระดบนานาชาตใหสามารถลลวงไดเปนอยางด ขอขอบคณ ดร.นวพร สรสวด ทรวมเปนผประเมนพฤตกรรมการขบขทอนตรายจากการขบขจรง เพอใชเปนขอมลตนแบบของพฤตกรรมการขบขทอนตรายและใชเปนผลการทดลองในวทยานพนธฉบบน ขอขอบคณ ดร.ชยกฤต เจรญศรวฒน, ดร.สทธพงศ ธชยพงษ, ดร.สพร พงษนมกล และดร.พมพวด เชาวลต ทชวยตรวจสอบ จดการเรองเวลาในการท าวทยานพนธ และใหค าแนะน าในการท าวทยานพนธฉบบนใหสามารถลลวงไดเปนอยางด

ธญสทธ ผลประสทธ

DPU

ฉ

สารบญ

หนา บทคดยอภาษาไทย..................................................................................................................... ฆ บทคดยอภาษาองกฤษ................................................................................................................ ง กตตกรรมประกาศ..................................................................................................................... จ สารบญตาราง............................................................................................................................. ซ สารบญภาพ................................................................................................................................ ฌ บทท

1. บทน า............................................................................................................................ 1 1.1 ทมาและความส าคญของปญหา.............................................................................. 1 1.2 วตถประสงคของการวจย....................................................................................... 3 1.3 สมมตฐานของการวจย........................................................................................... 4 1.4 ประโยชนทคาดวาจะไดรบ.................................................................................... 4 1.5 ระยะเวลาในการด าเนนงาน.................................................................................... 4

2. ทฤษฎทเกยวของ........................................................................................................... 7 2.1 เซนเซอร Accelerometer......................................................................................... 7 2.2 เซนเซอร Magnetic.................................................................................................. 8 2.3 เซนเซอร Gyroscope............................................................................................... 9 2.4 จพเอส..................................................................................................................... 9 2.5 การใชงานเซนเซอรกบพฤตกรรมการขบข............................................................. 10 2.6 ลกษณะขอมลเซนเซอรกบพฤตกรรมการขบข........................................................ 11 2.7 งานวจยทมความเกยวของ....................................................................................... 13

3. ระเบยบวธวจย............................................................................................................... 16 3.1 การวางแผนการทดสอบ.......................................................................................... 16 3.2 พฒนาเครองมอทใชเกบขอมลและวเคราะหขอมลส าหรบงานวจย........................ 23 3.3 ทดสอบเกบขอมลเพอทดสอบความเปนไปไดของงานวจย.................................... 36 3.4 ทดสอบเกบขอมลดวยการขบขเพอพฒนาอลกอรทมท านายพฤตกรรมการขบข.... 45 3.5 วเคราะหขอมลเซนเซอรและขอมลพฤตกรรมการขบข........................................... 49

DPU

ช

สารบญ (ตอ)

บทท หนา 3.6 การพฒนาอลกอรทมท านายพฤตกรรมการขบข..................................................... 56 3.7 การพฒนาโปรแกรมท านายพฤตกรรมการขบข...................................................... 71

4. ผลการศกษา.................................................................................................................. 73 4.1 ความถกตองของอลกอรทมท านายพฤตกรรมการขบข........................................... 73 4.2 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบทศทาง longitudinal...... 75 4.3 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการเลยว........................ 76 4.4 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการเปลยนเลน.............. 77 4.5 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบเหตการณทอนตราย...... 78

5. บทสรปและขอเสนอแนะ............................................................................................. 79 5.1 สรปผลงานวจย....................................................................................................... 79 5.2 ขอเสนอแนะของงานวจย........................................................................................ 80

บรรณานกรม............................................................................................................................. 83 ภาคผนวก................................................................................................................................... 85

ก บทความประชมวชาการระดบนานาชาต 16th IEEE/ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and Parallel/ Distributed Computing ประจ าป 2558 ในวนพธท 3 มถนายน 2558 ณ Sunport Hall Takamatsu เมองทะกะมทซ ประเทศญปน................................................................. 86

ประวตผเขยน............................................................................................................................. 93

DPU

ซ

สารบญตาราง

ตารางท หนา

1.1 ระยะเวลาในการด าเนนงานวจย.............................................................. 5

2.1 แสดงความสมพนธระหวางเซนเซอรและทศทางการเคลอนท.............................. 10 2.2 แสดงตวยอและเหตการณการขบข......................................................................... 11 2.3 งานวจยกบการใชขอมลเซนเซอรเพอวเคราะหพฤตกรรมการขบข........................ 14 3.1 แสดงตวยอของเหตการณการขบขทใชในแอพพลเคชน behaviour collector........ 30 3.2 ความสมพนธของเซนเซอรกบพฤตกรรมการขบข................................................. 37 3.3 ความสมพนธของคาของเซนเซอรกบพฤตกรรมการขบข...................................... 44 3.4 แสดงความสมพนธของแกนขอมล accelerometer sensor กบเหตการณการขบข.. 59 3.5 ความสมพนธของทศทางการเคลอนทกบเหตการณการขบข................................. 60 3.6 คาของเซนเซอรกบพฤตกรรมการขบขจากการทดลองขบจรง............................... 67 3.7 น าหนกของเซนเซอรแตละชนดในการท านายพฤตกรรมการขบข........................ 69 4.1 ความถกตองของอลกอรทมท านายพฤตกรรมการขบข.......................................... 73 4.2 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบทศทาง longitudinal..... 75 4.3 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการเลยว....................... 76 4.4 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการเปลยนเลน............. 77 4.5 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการขบขทอนตราย....... 78

DPU

ฌ

สารบญภาพ ภาพท หนา

2.1 ลกษณะการท างานของแกนทศทางในเซนเซอร accelerometer................................ 8 2.2 ลกษณะการท างานของแกนทศทางในเซนเซอร gyroscope...................................... 9 2.3 ลกษณะของขอมลเซนเซอรกบเหตการณการขบข.................................................... 12 3.1 แผนการทดสอบการขบขส าหรบคนขบรถ............................................................... 17 3.2 รถยนต Honda ทใชในการทดสอบ........................................................................... 18 3.3 สมารทโฟนทใชในงานวจย....................................................................................... 19 3.4 แผนททดสอบการขบขบรเวณ มหาวทยาลยธรรมศาสตร รงสต............................... 20 3.5 แผนทภายในมหาวทยาลยธรรมศาสตร รงสต........................................................... 21 3.6 แผนทถนนรอบนอกของมหาวทยาลยธรรมศาสตร รงสต........................................ 22 3.7 เสนทางถนนเชยงรากใหญ........................................................................................ 22 3.8 แอพพลเคชนส าหรบเกบขอมลเซนเซอร (sensor logger)......................................... 24 3.9 แผนภาพการเกบขอมลแอพพลเคชน sensor logger.................................................. 25 3.10 ขอมลของเซนเซอรทเกบจากแอพพลเคชน sensor logger...................................... 26 3.11 แอพพลเคชนส าหรบบนทกพฤตกรรมการขบข (behaviour collector)................... 27 3.12 แผนภาพการเกบขอมลแอพพลเคชน behaviour collector...................................... 29 3.13 ขอมลพฤตกรรมการขบขทเกบจากแอพพลเคชน behaviour collector.................... 30 3.14 แอพพลเคชนวเคราะหขอมล (data analyser) ......................................................... 32 3.15 แผนภาพการเกบขอมลแอพพลเคชน data analyser................................................ 34 3.16 ขอมลเซนเซอรทวเคราะหจากแอพพลเคชน data analyser..................................... 36 3.17 ความไมสอดคลองของขอมล magnetic sensor กบการเรง...................................... 38 3.18 ความสอดคลองของขอมล accelerometer sensor กบการเรง................................... 39 3.19 ความสมพนธของเซนเซอรกบการเบรก.................................................................. 40 3.20 ความสมพนธของเซนเซอรกบการเรง..................................................................... 41 3.21 ความสมพนธของเซนเซอรกบการเปลยนเลนซาย.................................................. 42 3.22 ความสมพนธของเซนเซอรกบการเปลยนเลนขวา.................................................. 43 3.23 ความสมพนธของเซนเซอรกบการเลยวซาย............................................................ 43

DPU

ญ

สารบญภาพ (ตอ) ภาพท หนา

3.24 ความสมพนธของเซนเซอรกบการเลยวขวา............................................................ 44 3.25 ต าแหนงผเขารวมทดสอบ และอปกรณในการทดสอบการขบข............................. 46 3.26 การวางสมารทโฟนส าหรบเกบขอมลเซนเซอร...................................................... 47 3.27 การตงคาเวลาของสมารทโฟนในการทดสอบ......................................................... 47 3.28 การตงความถของแอพพลเคชน sensor logger........................................................ 48 3.29 กราฟแสดงจ านวนพฤตกรรมการขบขทบนทกจากผสงเกตการณ.......................... 49 3.30 การเลอกชดขอมลทตองการวเคราะห ผานแอพพลเคชน data analyser.................. 51 3.31 การวเคราะหขอมลพฤตกรรมการขบขจากแอพพลเคชน data analyser.................. 52 3.32 การบนทกขอมลพฤตกรรมการขบขทเลอกผานแอพพลเคชน data analyser.......... 53 3.33 ขอมลการเบรกทบนทกหลงจากการวเคราะหขอมล............................................... 54 3.34 กราฟแสดงจ านวนผสงเกตการณบนทกเหตการณการขบขแตละเหตการณ........... 55 3.35 อลกอรทมท านายพฤตกรรมการขบข...................................................................... 57 3.36 เปรยบเทยบขอมลกอนและหลงท าเทคนค simple moving average........................ 61 3.37 ตรวจสอบการเกดเหตการณการขบขในขอมลดวย standard deviation................... 63 3.38 ผลลพธ matrix จากการค านวณระหวาง reference pattern กบ raw data................. 64 3.39 การเลอกเสนทางทมคานอยทสดในตาราง matrix................................................... 65 3.40 การเลอกเหตการณการขบขดวย Dynamic time warping........................................ 66 3.41 เปรยบเทยบเหตการณการขบขทท านายไมเทากน................................................... 68 3.42 เปรยบเทยบเหตการณการขบขทท านายเทากน....................................................... 70 3.43 โปรแกรมท านายพฤตกรรมการขบข....................................................................... 71

DPU

1

บทท 1 บทน ำ

1.1 ทมำและควำมส ำคญของปญหำ

การเดนทางจากทหนงไปยงปลายทางอกทหนงนน ขอมลทมความส าคญในการเดนทางทผเดนทางนนสวนใหญนนมกจะนกถงคอ วธการเดนทาง (travel mode) เวลาทใชในการเดนทาง (travel time) หรอเวลาทคาดการณทจะถงทหมายตามก าหนดทวางไว (arrival time) แตมสงหนงทมความส าคญเปนอนดบแรกนอกจากขอมลตาง ๆ ในการเดนทางตามขางตนทกลาวไวนนกคอ ความปลอดภยในการเดนทาง (safety)

จากการรายงานขาว หรอสอตาง ๆ ทมการน าเสนอถงการเกดอบตเหตบนทองถนนเปนประจ า และขาวเกยวกบอบตเหตจะยงเพมมากขนในชวงเทศกาลหยดยาวส าคญ ๆ ของประเทศไทย เชน วนสงกรานต วนขนปใหม จากรายงานสถตการเกดอบตเหตบนทองถนนชวงสงกรานตป พ.ศ. 2558 มจ านวนอบตเหตบนทองถนนจ านวน 3,373 ครง ผบาดเจบจ านวน 3,559 ราย และเสยชวต 364 ราย (ศนยอ านวยการความปลอดภยทางถนน , 2015) และจากการจดอนดบประเทศทมจ านวนผเสยชวตจากอบตเหตบนทองถนนป พ.ศ. 2557 ประเทศไทยถกจดอนดบเปนอนดบท 2 ของโลก โดยมจ านวนผเสยชวตจ านวน 44 คนจากประชากร 100,000 คน (มหาวทยาลยมชแกน, 2014) จากบทความวชาการไดมการศกษาและน าเสนอสาเหตหลกของการเกดอบตเหตซงมกมาจาก 3 ปจจย คอ สภาพของรถ พฤตกรรมของผขบข และสภาพแวดลอมทางกายภาพของทองถนน (Schagen, 2006) แตหากดขอมลของการเกดอบตเหตแตละเหตการณ สวนใหญแลวเกดจากการขบขรถดวยพฤตกรรมการขบขทอนตรายของผขบขเอง ไดแก การเมาสราระหวางขบข การขบรถเรวเกนกวากฎหมายก าหนดไว หรอการแซงกนในทางกระชนชด ซงเปนสาเหตทสอดคลองกบขอมลสถตจากอบตเหตทางทองถนนของส านกงานต ารวจแหงชาต ในปพ.ศ. 2556 ไดแสดงใหเหนวา สาเหตหลกของการเกดอบตเหตในประเทศไทยนนลวนมาจากพฤตกรรมการขบขเปนสวนมาก เชน การขบรถเรวเกนกวากฎหมายก าหนด การขบรถกระชนชดคนหนา การแซงในทหามแซง หรอการกลบรถในทหามกลบ ซงเมอน าจ านวนการเกดอบตเหตบนถนนเหลานมารวมกนพบวามอตราการเกดอบตเหตทงหมด 75% ของการเกดอบตเหตบนทองถนนทงหมดทท าใหผขบขและผโดยสารไดรบบาดเจบและเสยชวตจ านวนมาก การเสยชวตของคนไทยจากอบตเหตบนทองถนนจากการรายงานของ

DPU

2

ศนยวจยอบตเหตของประเทศไทย ( TARC ) กลาววามผเสยชวตบนทองถนนเกนกวา 1,000 คนตอป และในชวงวนหยดยาวของประเทศไทยไมวาจะเปนวนสนปตอเนองวนขนปใหมหรอชวงวนสงกรานตจะมยอดผบาดเจบและเสยชวตเพมมากขนกวาปกตหลายเทาตว จากการเกดอบตเหตบนทองถนนเหลานท าใหรฐบาลไทยตองสญเสยงบประมาณ 340,000 ลานบาทตอป

ส าหรบวธการลดจ านวนอบตเหตบนทองถนนลงนนนอกจากการรณรงคการขบขตามสอตาง ๆ การเดนรณรงค หรอแมกระทงการตดปายแจงเตอนและอปกรณแจงเตอนส าหรบผขบขบรเวณทอาจจะเกดอบตเหตไดงาย เชน เขตชมชน เขตโรงเรยน ทางโคง หรอทางลาดชนตามหบเขา นคอเครองมอทชวยใหค าแนะน ากบผข บขโดยทว ๆ ไป แตหากเปนมมมองส าหรบบรษททใหบรการดานการขนสง ปจจบนนนยมใชอปกรณตดตามรถมาตดต งไวในรถขนสงเพอใชตรวจสอบพฤตกรรมการขบขของคนขบรถ เชน การตดตงจพเอส (GPS) เพอระบต าแหนงและความเรวของรถ หรอการตดตงกลองเพอคอยดการขบขของผขบข แตการตดตงอปกรณตาง ๆ เหลานนนจะมคาใชจายทมาก และเพมขนตามจ านวนรถขนสงทมอยในระบบตามไปดวย รวมทงการดแลรกษาคอนขางยากตองใหบรษทผตดตงเปนผดแล จากเหตผลนเองทางบรษทขนสงตาง ๆ จงไมสามารถทจะตดตงอปกรณเพอตรวจสอบพฤตกรรมการขบขของคนขบรถไดในทก ๆ บรษท

ปจจบนน คนสวนใหญลวนแตมการใชสมารทโฟนส าหรบใชงานในชวตประจ าวนกนอยางแพรหลาย เนองจากเหตผลทสมารทโฟนในปจจบนนผใชงานสามารถตดตงแอพพลเคชนเพมเตมในอปกรณเพอใหเหมาะสมกบการใชงานในชวตประจ าวนและความสนใจของแตละคนไดอยางงาย จากสถตการใชงานสมารทโฟนป พ.ศ. 2556 ของประเทศไทยพบวามการใชงานสมารทโฟนกวา 32.4% ของประชากรทงหมดของประเทศ และมแนวโนมจะเพมขนเรอย ๆ ในทก ๆ ป ส าหรบสมารทโฟนนนมความฉลาดของอปกรณพนฐานแลวมาจากการทผผลตตดตงฮารดแวรทเรยกวา เซนเซอรลงในอปกรณหลากหลายชนด ทรจกกนเปนอยางด เชน จพเอส เพอระบต าแหนงปจจบนของผใชงานบนแผนท แตนอกจาก จพเอส แลวนนยงมเซนเซอรอน ๆ ทตดตงไวและใชงานมากกวาจพเอส เชน เซนเซอร accelerometer และเซนเซอร magnetic ซงเปนเซนเซอรพนฐานทมอยในสมารทโฟนในทกรน ส าหรบสมารทโฟนทมราคาสงขนนนยงมการตดตงเซนเซอรตาง ๆ เขาไปเพมเตมเพอเพมความฉลาดของอปกรณและใชงานไดอยางหลากหลายมากขน เชน เซนเซอร gyroscope

การท างานของเซนเซอร accelerometer นนจะวดความเรวของแกนการเคลอนไหวของสมารทโฟน เมอมการเคลอนทของอปกรณ เชน การเขยา หรอ การเอยงของอปกรณ จากลกษณะการท างานของเซนเซอรน จงมงานวจยน าเซนเซอร accelerometer ไปใชส าหรบตรวจสอบพฤตกรรมการขบขของคนขบรถดวยการใชเทคนค pattern matching และงานวจยไดน าขอมลจากเซนเซอร magnetic มาวดการเปลยนสนามแมเหลกในขณะทรถมการเลยวหรอเปลยนเลน (Trevidi, 2011) และ

DPU

3

น าเซนเซอร gyroscope มาวดการเลยวและเปลยนเลนจากการเปลยนแปลงความเรวเชงมมของสมารทโฟนในระหวางการขบข และในสวนของจพเอสทใชในการระบต าแหนงปจจบนของผใชงาน ยงมการน ามาประยกตเพอใชตรวจจบพฤตกรรมการขบขจากขอมลของความเรว และทศทางการเคลอนทของรถไดอกดวย จากทกลาวมาทงหมดนแสดงใหเหนถงความสามารถทซอนอยภายในสมารทโฟนทใชอยในปจจบน และหากจะน ามาชวยเรองการขบขทปลอดภยขนกไมเสยคาใชจายส าหรบซออปกรณใหมมาตดตง ท าใหลดคาใชจายในการซออปกรณมาตดตงเพมเตม จากงานวจย (C. Saiprasert, October 2013) แสดงใหเหนถงผลการทดลองทดในการน าสมารทโฟนมาใชตรวจสอบพฤตกรรมการขบข และพฒนาแอพพลเคชนจากผลลพธของวธการตรวจจบพฤตกรรมการขบขมาใชแนะน าในการขบขของผใชงานแบบทนททนใด จดประสงคเพอเปนเครองมอทางเลอกหนงของการลดความเสยงของการเกดอบตเหตทางทองถนน จากทกลาวมาทมการน าเซนเซอรตาง ๆ มาใชงานดานความปลอดภยในการขบขบนสมารทโฟนดวยความหลากหลายของอปกรณในทองตลาดปจจบน สงผลท าใหประสทธภาพของอปกรณในแตละรนแตกตางกนไปดวย เชน จ านวนเซนเซอรทตดตงในอปกรณ หรอพลงงานทมของเครอง ซงความหลากหลายนถอเปนความทาทายในเชงวจยอยางมาก ดงนนงานวจยในงานวทยานพนธฉบบนจงไดคดวธแกปญหานดวยการอนญาตใหผใชงานปรบแตงอลกอรทมเพอใหเหมาะสมกบอปกรณทใชงานของแตละคน

วทยานพนธฉบบนน าเสนอวธการตรวจจบพฤตกรรมการขบขดวยการใชขอมลเซนเซอรจากสมารทโฟนโดยไมจ าเปนตองใชขอมลจากเซนเซอรทก ๆ เซนเซอรทมในอปกรณ แตจะเลอกใชขอมลตามประสทธภาพของอปกรณแตละเครอง โดยอลกอรทมทพฒนาขนนสามารถตรวจจบพฤตกรรมการขบขไดทงหมด 6 รปแบบเหตการณ ไดแก การเบรค การเรง การเลยวซาย การเลยวขวา การเปลยนเลนซาย และการเปลยนเลนขวา จากรปแบบ 6 เหตการณพนฐานของการขบขนยงสามารถจ าแนกออกไดอก 2 ชนด คอ แบบอนตรายและไมอนตราย ส าหรบวธการทน าเสนอในโครงงานนจะใชขอมลจากเซนเซอร accelerometer มาท า pattern matching เพอหาเหตการณการขบขทเกดขน หลงจากไดเหตการณทเกดขนแลวจะน าไปวเคราะหกบเซนเซอรทมความเกยวของกบเหตการณนนเพอหาผลลพธทเปน รปแบบของเหตการณการขบข พรอมดวยเปอรเซนตของความมนใจในการท านายเหตการณเพอเปนขอมลเพมในการน าไปใชงานจรง

1.2 วตถประสงคของกำรวจย 1. เพอศกษาแนวทางในการน าเอาขอมลจากเซนเซอรหลายตวบนสมารทโฟนเพอท านายพฤตกรรมการขบขของคนขบรถ 2. พฒนาอลกอรทมส าหรบท านายพฤตกรรมการขบข

DPU

4

3. พฒนาแอพพลเคชนส าหรบบนทกขอมลเซนเซอรและพฤตกรรมการขบข เพอใหวเคราะหพฤตกรรมการขบขผานแอพพลเคชนทพฒนาขน

1.3 สมมตฐำนของกำรวจย

ผวจยไดตงสมมตฐานส าหรบงานวจยในครงนไวดงตอไปน 1. การใชเซนเซอรแตละชนดในการท านายพฤตกรรมการขบข จะมคาความถกตองของแตละเหตการณมผลลพธทดไมเทากน 2. ความถกตองจากการใชเซนเซอรจ านวนทแตกตางกน จะมความถกตองในการท านายพฤตกรรมการขบขเกนกวา 70% ขนไป โดยอางองงานวจยทมการใชงาน accelerometer sensor เพยงเซนเซอรเดยว (C. Saiprasert, October 2013)

1.4 ประโยชนทคำดวำจะไดรบ 1. สามารถชวยใหค าแนะน าการขบขทอนตรายแบบทนททนใดจากขอมลเซนเซอรบนสมารทโฟน 2. สามารถใหผใชงานปรบเปลยนวธการตรวจจบพฤตกรรมการขบขเพอใหเหมาะสมกบ สมารทโฟนทใชงานแตละเครองได โดยการปรบเปลยนวธการตามจ านวนเซนเซอรทตดตงสมารทโฟนแตละเครอง 3. สามารถลดตนทนการตดตงอปกรณเพอวเคราะหพฤตกรรมการขบขได 4. สามารถน าหลกการท านายพฤตกรรมการขบข ไปใชในเชงพาณชยได เชน บรษทประกนภย สามารถใหลกคาใชเพอวดคะแนนการขบข เพอชกชวนใหลกคาลดพฤตกรรมการขบรถทเสยงโดยการน าคะแนนมาชวยลดเบยประกนภย การน าไปใชงานกบรถรบ-สงนกเรยนเพอชวยควบคมพนกงานขบรถระหวางการสงนกเรยน เพอจดคะแนนและมการมอบรางวลกบผทขบรถไดคะแนนทด

1.5 ระยะเวลำในกำรด ำเนนงำน การด าเนนงานวจยใชระยะเวลาตงแตเดอนสงหาคม พ.ศ. 2557 ถงเดอนมนาคม พ.ศ.

2558 แสดงดงตารางท 1.1

DPU

5

ตำรำงท 1.1 ระยะเวลาในการด าเนนงานวจย

ขนตอนกำร

ท ำงำน ส.ค. ก.ย. ต.ค. พ.ย. ธ.ค. ม.ค. ก.พ. ม.ค. เม.ย. พ.ค.

1. ศกษา

ปญหา และ

ขนตอนการ

ปฏบตงาน

2. ศกษางาน

ทเกยวของ

3. พฒนา

เครองมอท

ใชในการ

เกบขอมล

และ

วเคราะห

ขอมล

4. เกบขอมล

การขบขครง

ท 1

5. วเคราะห

ความเปนไป

ไดของ

ขอมล

DPU

6

ตำรำงท 1.1 (ตอ)

ขนตอนกำร

ท ำงำน ส.ค. ก.ย. ต.ค. พ.ย. ธ.ค. ม.ค. ก.พ. ม.ค. เม.ย. พ.ค.

6. พฒนา

อลกอรทม

ตรวจจบ

พฤตกรรม

การขบข

7. ทดสอบ

การขบขครง

ท 2

8. สรปผล

การ

ด าเนนงาน

วจย และ

ขอเสนอแนะ

9. เรยบเรยง

วทยานพนธ

10. เผยแพร

งานวจย

DPU

7

บทท 2 ทฤษฎทเกยวของ

บทนเปนการน าเสนอเกยวกบทฤษฎตาง ๆ ทมความเกยวของกบการน าเทคนคและองค

ความรมาใชงานส าหรบการตรวจจบพฤตกรรมการขบขดวยขอมลเซนเซอรบนสมารทโฟน โดยเรมจากการเสนอลกษณะการท างานในเซนเซอรตาง ๆ รวมถงลกษณะของขอมลทน ามาใชงานวเคราะหพฤตกรรมการขบขในรปแบบตาง ๆ ทอลกอรทมนสามารถวเคราะหพฤตกรรมไดทงหมด 6 แบบ คอ การเบรค การเรง การเลยวซาย การเลยวขวา การเปลยนเลนซาย และการเปลยนเลนขวา และการจ านวนเหตการณเหลานออกเปน 2 ชนด คอ เหตการณทมความอนตรายและเหตการณทปลอดภย จากขอมลพนฐานทน ามาใชงานในงานวจยนแลวนนไดมการน าเสนองานวจยทเกยวของกบงานวจยนทมการน าเซนเซอรมาใชวเคราะหพฤตกรรมการขบขเชนกน (C. Saiprasert, October 2013), (Trevidi, 2011)

จากการวเคราะหขอมลเพอหาพฤตกรรมการขบขน นขอมลทมความส าคญในการน ามาใชงาน คอ ขอมลจากเซนเซอรบนสมารทโฟน งานวจยนมการน าขอมลเซนเซอรพนฐานมาใชงานดงนคอ

เซนเซอร Accelerometer เซนเซอร Magnetic เซนเซอร Gyroscope GPS

2.1 เซนเซอร Accelerometer การท างานของเซนเซอร Accelerometer น น คอ เซนเซอรทว ดความเรวในการ

เปลยนแปลงของแกนสมารทโฟนในทศทางตาง ๆ ตวอยางการเปลยนแปลงขอมลของแกน คอ การเขยาโทรศพท หรอการเอยงโทรศพท เมอเกดเหตการณเหลานขน เซนเซอร accelerometer จะมการเปลยนแปลงคาแกนตาง ๆ ทมอยท งหมด 3 แกนตามภาพท 2.1

DPU

8

ภาพท 2.1 ลกษณะการท างานของแกนทศทางในเซนเซอร accelerometer จากภาพท 2.1 แสดงใหเหนทศทางของการเปลยนแปลงคาของสมารทโฟน อางองจาก

ทศทางในภาพท 2.1 แกน X จะมคาเปน ลบ เมออปกรณเคลอนทไปทางซาย และเปนบวก เมอไปทางขวา แกน Y จะมคาเปน บวก เมอเคลอนทไปดานหนา และเปนลบเมอมการเคลอนทไปทางดานหลง และแกน Z จะวดการเคลอนททางดานบน และดานลางซงใหคาเปน บวก และลบตามล าดบ

การใชงานขอมลจากเซนเซอร accelerometer เพอประยกตใชงานตาง ๆ เชน การใชแกน Z เพอชวยวเคราะหสภาพถนนเมอรถวงผานผวถนนนนวาตองซอมแซมตรงจดใดบาง (Schagen, 2006) หรอการน าขอมลเซนเซอรนมาพฒนาแอพพลเคชนบนอปกรณมอถอ เชน การเขยาลกเตา ขอมลการท างานของเซนเซอร accelerometer น ามาประยกตใชงานในเรองการตรวจสอบพฤตกรรมการขบขไดดงน หากน าสมารทโฟนวางไวโดยใชดานบนของอปกรณหนไปทศทางเดยวกนรถแลวนน หากรถมการเคลอนทดวยการเบรคและเรง จะท าใหแกน Y เกดการเปลยนแปลง ซงการเปลยนแปลงขอมลในชวงเวลาตาง ๆ ดงทกลาวมาขางตนสามารถน ามาใชหาพฤตกรรมการขบขแบบตาง ๆ จากลกษณะของขอมลไดดวยวธเปรยบเทยบความเหมอนของรปแบบขอมลหรอ pattern matching

2.2 เซนเซอร Magnetic

การท างานของเซนเซอร magnetic คอการวดการเปลยนแปลงคาของสนามแมเหลกโลก ซงในทก ๆ ทของโลกจะมคาทแตกตางกนออกไป ตวอยางการน าไปใชงานไดแก การท าแอพพลเคชนของเขมทศ และมผพฒนาบางบรษทไดน าไปใชงานท าแผนทในอาคาร ส าหรบงานวจยนนนจะ

DPU

9

น าลกษณะการเปลยนแปลงของขอมลมาชวยในการตรวจจบพฤตกรรมการขบขจากการเลยวและเปลยนเลนของรถ

2.3 เซนเซอร Gyroscope

เซนเซอร Gyroscope มความสามารถในการวดความเรวเชงมมของสมารทโฟน ปจจบนนจะถกตดตงในสมารทโฟนรนใหม ๆ มากขนซงมลกษณะการท างานของแกนตาง ๆ ดงภาพท 2.2

ภาพท 2.2 ลกษณะการท างานของแกนทศทางในเซนเซอร gyroscope จากภาพท 2.2 แสดงใหเหนการท างานของการเปลยนแปลงแกนตาง ๆ เมออปกรณมการ

เคลอนท โดยเมออปกรณหมนบนลงลางจะท าใหคาแกน Y มการเปลยนแปลง เมออปกรณมการพลกจะท าใหแกน X มการเปลยนแปลง และแกน Z มการเปลยนแปลงเมอมการหมนอปกรณ จากการท างานการหมนของแกน X นนมลกษณะการท างานคลายพฤตกรรมการขบขของรถในสวนของการเบรคและการเรงของรถ โดยสงเกตไดจากการเบรคดานหนาของรถจะกมต าลง และการเบรคท าใหดานหนาของรถจะสงขนท าใหสามารถใชลกษณะการท างานเชนนมาชวยวเคราะหพฤตกรรมการขบขดวยการเบรคและเรงได

2.4 จพเอส

เซนเซอรนเปนทคนเคยกบคนทว ๆ ไปมากกวาเซนเซอรอนทกลาวในงานวจยน โดยสวนใหญแลวมกจะน ามาใชงานในการระบต าแหนงของผใชงานบนแผนท รวมทงการน าทาง แต

DPU

10

นอกเหนอจากการระบต าแหนงจากการใชขอมลละตจด และลองจจดของเซนเซอรนแลว ขอมลทไดมา คอ ความเรว และทศทางทมการเคลอนทของรถ จากขอมลเหลานเราสามารถน ามาใชบอกพฤตกรรมการขบขได คอ หากตองการจะตรวจสอบการ เบรคและเรง สามารถเลอกใชการเปลยนแปลงคาความเรว สวนการเลยวและเปลยนเลนนนจะใชการเปลยนแปลงคาของทศทางทรถเคลอนทไป (heading) นอกจากนนแลวความเรวของจพเอสเองยงน ามาใชตรวจสอบการขบรถเรวเกนกวากฎหมายก าหนดไดอกดวย

2.5 การใชงานเซนเซอรกบพฤตกรรมการขบข

จากลกษณะการท างานของเซนเซอรในแตละชนดนน ท าใหเหนวาเซนเซอรบางอยางมความสามารถตรวจจบพฤตกรรมการขบขในกลมเดยวกน โดยสรปเปนตารางท 2.1

ตารางท 2.1 แสดงความสมพนธระหวางเซนเซอรและทศทางการเคลอนท

Sensor name Lateral movement Longitudinal movement

accelerometer magnetic gyroscope GPS

จากตารางท 2.1 สรปการใชงานของเซนเซอรได คอ เซนเซอรทงหมดทใชในงานวจยน

สามารถตรวจจบพฤตกรรมการขบขสวนของการเลยวและเปลยนเลนได สวนการตรวจสอบการเบรคและเรงนนมเซนเซอร accelerometer และ จพเอสทสามารถท าได กรณนจะท าไดตามตารางเมอผใชงานวางสมารทโฟนหนดานบนของอปกรณไปในทศทางเดยวกบทรถเคลอนทไปขางหนา แตลกษณะการท างานของเซนเซอรทกลาวมานนยงมความแตกตางในเรองของความถในการรบขอมลมาจากอปกรณ ปจจบนจพเอสสามารถรบคาความถไดสงสดอยท 1 วนาท สวนเซนเซอรอน ๆ สามารถรบความถไดสงสดตงแต 100 millisecond ซงขนอยกบประสทธภาพของแตละอปกรณดวย ท าใหการน ามาใชวเคราะหขอมลพฤตกรรมการขบขจะชาหรอเรวขนอยกบความถและเซนเซอรทเลอกน ามาใชงานดวย ส าหรบเหตการณการขบขภายในการวจยนมทงหมด 12 เหตการณการขบขตามตารางท 2.2

DPU

11

ตารางท 2.2 แสดงตวยอและเหตการณการขบข

ตวยอในงานวจย ความหมาย a การเรง แบบปกต (accelerate) sa การเรง แบบอนตราย (sudden accelerate) b การเบรค แบบปกต (brake) sb การเบรค แบบอนตราย (sudden brake) cl การเปลยนเลนซาย แบบปกต (lane change left) scl การเปลยนเลนซาย แบบอนตราย (sudden lane change left) cr การเปลยนเลนขวา แบบปกต (lane change right) scr การเปลยนเลนขวา แบบอนตราย (sudden lane change right) l การเลยวซาย แบบปกต (turn left) sl การเลยวซาย แบบอนตราย (sudden turn left) r การเลยวขวา แบบปกต (turn right) sr การเลยวขวา แบบอนตราย (sudden turn right)

จากตารางท 2.2 แสดงเหตการณการขบขทงหมด 12 เหตการณ และตวยอทใชส าหรบ

งานวจยน โดยเหตการณการขบขจะสามารถแบงตามทศทางทง 2 ประเภทไดดงน การเบรคและการเรงแบบอนตรายและไมอนตราย คอ การเคลอนทไปในทศทาง longitudinal และการเปลยนเลนหรอการเลยว ไปในทศทางซายหรอขวา แบบอนตรายและไมอนตรายจะเปนทศทาง lateral

2.6 ลกษณะขอมลเซนเซอรกบพฤตกรรมการขบข

การท างานของเซนเซอรแมจะมการท างานเหมอนกนและตรวจจบพฤตกรรมไดเหมอนกน แตลกษณะขอมลเชงลกนนมความแตกตางกนตามภาพท 2.3

DPU

12

ภาพท 2.3 ลกษณะของขอมลเซนเซอรกบเหตการณการขบข ภาพท 2.3 แสดงขอมลกลมของทศทางการเคลอนทออกเปน 2 กลมคอ lateral movement

และ longitudinal movement ในแตละกลมทศทางการเคลอนทจะประกอบดวยเหตการณการขบขรปแบบตาง ๆ ไดแก lateral movement จะมเหตการณ เบรคและการเรง สวน longitudinal movement จะมเหตการณ เลยวและการเปลยนเลน จากขอมลทแสดงในตาราง จะสงเกตไดดงน การเบรค ขอมลของเซนเซอร accelerometer จะมทศทางคลายกบกราฟพาราโบลาระฆงหงาย สวนการเรงจะมทศทางตรงขามกนแบบพาราโบราระฆงคว า หากมองในสวนของความเรวของจพเอส จะเพมขนเมอม

DPU

13

การเรง และลดลงเมอมการเบรค เมอสงเกตการเปลยนแปลงในสวนของการเลยวและเปลยนเลนพบวาขอมลทศทางในการเคลอนทในทศทางตรงขามกนจะท าใหขอมลลกษณะกราฟของเซนเซอร magnetic มคาเหมอนกนกลาวคอการเปลยนแปลงของกราฟเซนเซอรนไมสามารถบงบอกไดวารถเคลอนทไปทศทางใด แตหากจ าแนกวาเปนการเลยวหรอเปลยนเลนจะสามารถระบได ซงเมอสงเกตการเปลยนแปลงคาทศทางการเคลอนทของจพเอสจะมลกษณะคลายของกราฟทไมสามารถบอกทศทางไดเชนกน สวนเซนเซอร gyroscope นนจะสามารถบงบอกทศทางการเลยวหรอเปลยนเลนได

ความแตกตางระหวางเหตการณอนตรายและไมอนตรายนน สามารถดไดจากเซนเซอร accelerometer ลกษณะของกราฟทแสดงนนแกน Y แทนดวยคาของขอมลทมาจากเซนเซอรและแกน X จะถกแสดงดวยเวลา ในการเปลยนแปลงเหตการณอนตรายและไมอนตรายของเหตการณเดยวกนลกษณะกราฟจะมทศทางเดยวกน แตความกวางของชวงเวลาการเปลยนแปลงของกราฟจะสนกวาเหตการณปกตเมอเกดเหตการณทอนตราย

2.7 งานวจยทมความเกยวของ

งานวจยทมความเกยวของกบงานวจยนส าหรบการน าขอมลเซนเซอรบนสมารทโฟนมาใชงานตรวจจบพฤตกรรมการขบขทไดรวบรวมและศกษามามดงน

งานวจยของ ปรศนา (K. Yamphean, 2012) มการวเคราะหหาทศทางการเคลอนทของรถในทศทาง Lateral และ Longitudinal จากการค านวณหาคาความแตกตางขอมลจากจพเอสของจดสองจด โดยสามารถระบถงเหตการณการขบขได 6 เหตการณ คอ การเบรค การเรง การเปลยนเลนซาย การเปลยนเลนขวา การเลยวซาย และการเลยวขวา ส าหรบขนตอนนเนองจากมการน าจพเอสมาใชงานแตความถของจพเอสนนมความถนอยกวาเซนเซอรอน ๆ และใชพลงงานในการค านวณมากกวาเมอใชความถสง

งานวจยของ เฉลมพล (C. Saiprasert, October 2013) ไดน าเสนอผลงานทใชขอมลของเซนเซอร accelerometer มาใชเทคนค pattern matching เพอหาความเหมอนของลกษณะขอมลในรปแบบ time series โดยเลอกใช Dynamic Time Warping ในการค านวณ และใชเซนเซอรเพยงอยางเดยวในการตรวจจบพฤตกรรมการขบขและสามารถหาจ านวนเหตการณไดเทากบงานวจยของ ปรศนา

Johnson และ Trevidi (Trevidi, 2011) น าเสนองานวจยทใชเซนเซอรมากกวา 1 อยางมาใชวเคราะหหาพฤตกรรมการขบข โดยเลอกใชขอมลของเซนเซอร accelerometer มาใชเทคนค pattern matching เพอหาความคลายของกราฟเชนเดยวกนงานของ เฉลมพล เพอมาวเคราะหหาทศ

DPU

14

ทางการเคลอนทในทศ lateral และน าขอมลของเซนเซอร magnetic และขอมลของเซนเซอร gyroscope มาวเคราะหหาทหศทาง longitudinal

Dai (J. Dai,2010) ได น าเสนองานวจยทแตกตางจากงานวจยทกลาวมาขางตน โดยใหความสนใจกบการตรวจจบพฤตกรรมการดมแอลกอฮอลขณะขบรถ โดยใชขอมลจากเซนเซอร accelerometer รวมกบการใชขอมลจากเซนเซอร orientation มาชวยตรวจจบการเลยวของรถ เพอแยกความแตกตางระหวางการขบรถปกต กบผทดมแอลกอฮอลแลวขบรถ

นอกจากเรองของการตรวจจบพฤตกรรมการขบขจากขอมลเซนเซอรจากสมารทโฟนแลว งานวจยของ Fazeen (M. Fazeen, 2012) ไดน าเสนองานทน าไปใหตรวจจบการเกดหลมบอบนผวถนน และต าแหนงของเนนชะลอความเรวรถ จากการใชขอมลของเซนเซอร accelerometer และจพเอสเพอระบต าแหนงทเกดขน

จากงานวจยทเกยวของทงหมดสามารถสรปการใชงานเซนเซอรของแตละงานวจยไดตามตารางท 2.3

ตารางท 2.3 งานวจยกบการใชขอมลเซนเซอรเพอวเคราะหพฤตกรรมการขบข

งานวจย Sensor name

accelerometer magnetic gyroscope GPS orientation Driving Events Detection and Classification using GPS Data from Smartphone. (K. Yamphean, 2012)

Detecting Driving Events Using Smartphone (C. Saiprasert, October 2013)

DPU

15

ตารางท 2.3 (ตอ)

งานวจย Sensor name

accelerometer magnetic gyroscope GPS orientation Driving Style Recognition Using a Smartphone as a Sensor Platform (Trevidi, 2011)

Safe Driving Using Mobile Phones (M. Fazeen, 2012)

Mobile Phone Based Drunk Driving Detection (J. Dai, 2010)

งานวจยน

ตารางท 2.3 แสดงถงการน าขอมลจากเซนเซอรมาชวยวเคราะหพฤตกรรมการขบขจากสมารทโฟน โดยงานวจยสวนใหญเลอกใชขอมลเซนเซอร accelerometer มาใชงานเนองจากเปนเซนเซอรพนฐานทมอยในสมารทโฟน และลกษณะของเซนเซอรนสามารถวดทศทางการเปลยนแปลงได 3 ทศทาง เพอหาทศทางการเคลอนททศ lateral และ longitudinal ของการเคลอนทของรถ งานวจยทน าเซนเซอร gyroscope มาใชงานวตถประสงคเพอชวยเพมประสทธภาพการตรวจจบพฤตกรรมการขบขในทศทาง longitudinal แตเซนเซอรนการน ามาใชงานไมไดมอยในทกอปกรณ ส าหรบจพเอสคอเซนเซอรทเขาถงไดงายและมขนตอนการใชงานทงายทสดและยงสามารถหาพฤตกรรมการขบขไดทง lateral และ longitudinal ไดเชนกน แตขอเสยของเซนเซอรนคอ การใชพลงงานของสมารทโฟนคอนขางมาก จากความแตกตางขอดและขอเสยของการใชงานเซนเซอรตาง ๆ งานวจยนจงไดน าเสนอความถกตองของแตละเซนเซอรเมอถกน ามาใชหาพฤตกรรมการขบขวามความแตกตางกนอยางไร เพอใหเปนการอางองการน าไปใชงานจรง

DPU

16

บทท 3 ระเบยบวธวจย

งานวจยนน าเสนอเกยวกบการวเคราะหพฤตกรรมการขบขจากขอมลเซนเซอรบน

สมารทโฟน โดยมขนตอนด าเนนงานดงน 3.1 การวางแผนการทดสอบ 3.2 พฒนาเครองมอทใชเกบขอมลและวเคราะหขอมลส าหรบงานวจย 3.3 ทดสอบเกบขอมลเพอทดสอบความเปนไปไดของงานวจย 3.4 ทดสอบเกบขอมลดวยการขบขเพอพฒนาอลกอรทมท านายพฤตกรรมการขบข 3.5 วเคราะหขอมลเซนเซอรและขอมลพฤตกรรมการขบข 3.6 การพฒนาอลกอรทมท านายพฤตกรรมการขบข 3.7 การพฒนาโปรแกรมท านายพฤตกรรมการขบข

3.1 การวางแผนการทดสอบ

กอนการเรมพฒนาอลกอรทมท านายพฤตกรรมการขบขของวทยานพนธฉบบน ไดการวางแผนการทดลอง และวเคราะหหาปจจยทท าใหงานวจยนมความนาเชอถอมากทสด และไดผลลพธทใกลเคยงกบการน าไปใชงานจรงทสด จากการประเมนเพอหาปจจยทเปนตวแปรส าคญส าหรบการทดสอบการขบขส าหรบงานวจยน ไดแก คนขบรถ จ านวนผสงเกตการณ รถยนต สมารทโฟน และเสนทางทใชในการทดสอบ 3.1.1 การเลอกผเขารวมการทดสอบ

ผเขารวมการทดสอบมความส าคญมากทสดในเรองของขอมลทจะไดรบจากการทดสอบการขบข โดยขอมลทจะไดรบจากการทดสอบการขบขจากผเขารวมทดสอบ ไดแก ขอมลจากเซนเซอรจากสมารทโฟนทเกบระหวางการทดสอบการขบข และขอมลพฤตกรรมการขบขจากการประเมนโดยผสงเกตการณ จากขอมลทตองการจากการทดสอบการขบขจงแบงประเภทของผเขารวมการทดสอบ 2 ประเภท คอ ผขบขรถส าหรบการทดสอบ และผสงเกตการณส าหรบบนทกขอมลพฤตกรรมการขบขระหวางการขบข

DPU

17

1. คนขบรถส าหรบทดสอบ

คนขบรถส าหรบการทดสอบ งานวจยคดเลอกผทมประสบการณขบขเปนประจ าทกวน และมประสบการณการขบขรถแบบอนตรายบนทองถนนจรง เพอน าประสบการณนมาทดสอบการขบขแบบอนตรายตามประเภทตาง ๆ ตามทในงานวจยนก าหนดไว เพอใหไดขอมลของเซนเซอรบนสมารทโฟนเปนรปแบบการเกดเหตการณขบขแบบอนตรายทเหมอนกบเหตการณทเกดขนจรงบนทองถนน ผขบขมหนาทขบรถตามเสนทางทดสอบทถกก าหนดไว และมแผนทการขบขส าหรบการท าเหตการณตาง ๆ ระหวางทดสอบการขบขตาม ภาพท 3.1

ภาพท 3.1 แผนการทดสอบการขบขส าหรบคนขบรถ ภาพท 3.1 แสดงแผนการทดสอบทเตรยมไวใหส าหรบคนขบรถส าหรบการทดสอบ

เพยงคนเดยว เพอใหทราบถงเสนทางการทดสอบ และเหตการณการขบขทตองการจากการทดสอบในแตละเสนทาง โดยในใบงานทมอบใหกบผขบขนนจะแบงเสนทางททดสอบเปนเสนทางยอย ๆ โดยมขอมลของจดเรมตน เสนทาง ทศทางการเคลอนท จดสนสด พรอมทงบอกต าแหนงทใหผขบข

DPU

18

ท าเหตการณอนตรายตาง ๆ ตามใบงาน จากภาพมเหตการณขบขทตองการจากใบงาน คอ การเลยวขวาอนตราย และการเลยวซายอนตราย อยางละ 2 ครง แตในระหวางนนผขบขอาจจะเกดเหตการณการขบขเพมเตมขนไดนอกเหนอจากใบงานซงขนอยกบผสงเกตการณทจะเปนคนประเมนวาเกดเหตการณเหลานน 2. ผสงเกตการณส าหรบเกบขอมลเหตการณในการขบข

ส าหรบผสงเกตการณและบนทกพฤตกรรมการขบขระหวางการทดสอบ จากงานวทยานพนธนเลอกตวอยางผทดสอบเปนจ านวนทเปนเลขค เพราะหลงจากการเกบขอมลการทดสอบแลว งานวจยนมการคดเลอกขอมลเหตการณในการขบขจากผสงเกตการณทประเมนเหตการณเดยวกนในเวลาใกลเคยงกนดวยจ านวนคนททายมากกวาครงหนงของจ านวนผ สงเกตการณทงหมด (majority vote) เชน การเบรค การเรง การเลยว หรอการเปลยนเลน ส าหรบงานวจยนไดเลอกผสงเกตการณทงหมด 3 คน โดยแบงเปนเพศชาย 2 คน และเพศหญง 1 คน โดยมประสบการณการขบขรถยนตสวนบคคลเปนประจ า เพอน ามาใชเปนขอมลอางอง (Ground Truth) ในงานวจยตอไป 3. รถยนตส าหรบการทดสอบ

รถยนตทเลอกใชในงานวจยน คอรถยนตสวนบคคลยหอ ฮอนดา จากภาพท 3.2 เปนรถยนตทผขบขใชงานเปนประจ า เพอใหเกดความคนเคยกบรถยนต ท าใหการขบขระหวางการทดสอบผขบขจะไมมความกงวลในเรองของรถยนตทใชในการทดสอบ

ภาพท 3.2 รถยนต Honda ทใชในการทดสอบ

DPU

19

4. สมารทโฟนทใชส าหรบการทดสอบ

เครองมอทใชส าหรบเกบขอมลเซนเซอร และพฤตกรรมการขบขจากผสงเกตการณของงานวจยน คอ สมารทโฟนระบบปฏบตการแอนดรอยด ทมความฉลาด สามารถตดตงโปรแกรมทพฒนาขนเองลงในอปกรณ และการใชงานของระบบปฏบตการแอนดรอยดในปจจบนมจ านวนมากกวาระบบปฏบตการอน ๆ เพอชวยเรองความถกตองของเวลาในการเกบขอมล และความยงยากในการเกบขอมลจากผสงเกตการณระหวางการทดสอบได จากงานวจยนไดแบงหนาทการท างานของสมารทโฟนออกเปน 3 หนาท คอ เกบขอมลเซนเซอรตาง ๆ ของสมารทโฟน เกบขอมลพฤตกรรมการขบข และวเคราะหขอมล จากความแตกตางกนของแตละหนาทงานวจยจงตองเลอกอปกรณใหเหมาะสมกบงานตาง ๆ ภาพท 3.3 แสดงสมารทโฟนทงานวจยนเลอกมาใชงาน

ภาพท 3.3 สมารทโฟนทใชในงานวจย จาก ภาพท 3.3 แสดงสมารทโฟนยหอ HTC One Max, HTC One X, Samsung Galaxy

S4 mini และ Samsung Duos 2 โดยประสทธภาพการท างานของโทรศพททงหมดทกลาวมานมความแตกตางกน โดยรน HTC One Max จะมประสทธภาพการท างานสงทสดในเรองของหนวยประมวลผล 1.7 GHz และมจ านวนเซนเซอรในอปกรณทครอบคลมส าหรบงานวจยทสนใจทงหมด คอ accelerometer sensor, magnetic sensor, gyroscope sensor และ GPS ส าหรบรนอน ๆ ทใชงานไมมเซนเซอร gyroscope ตดตงในอปกรณ ดงนนจากความแตกตางและความเหมาะสมของสมารทโฟนทใชในงานวจยนจงแบงหนาทการท างานทง 3 หนาทตามอปกรณ ดงน สมารทโฟนส าหรบเกบขอมลการเคลอนไหวของรถจากเซนเซอรตาง ๆ เลอกสมารทโฟนรน HTC One Max ส าหรบเกบ

DPU

20

ขอมลเนองจากมเซนเซอรครบตามทงานวจยนตองการ และเนองจากมประสทธภาพในการประมวลผลสงและมขนาดหนาจอทมขนาดใหญ 5.5 นวท าใหถกน ามาใชงานเรองการวเคราะหขอมลหลงจากการขบขทดสอบอกหนงหนาท สวนสมารทโฟน 3 รนทเหลอ ไดแก HTC One X, Samsung Galaxy S4 mini และ Samsung Duos 2 น ามาใชงานส าหรบเกบขอมลเหตการณในการขบขจากผสงเกตการณ โดยมหนาทหลกคอ บนทกเวลา และเหตการณการขบขลงใน text file เทานน 5. เสนทางส าหรบการทดสอบ

ตวแปรทมความส าคญในการทดสอบการขบขอกตวแปรหนง คอ เสนทางส าหรบการทดสอบการขบข เนองจากตองเลอกเสนทางทมความหลากหลายในการทดสอบ และเปนเสนทางทใ ช ง า น จ ร ง ข อ ง คน ใ ช ร ถ ใ ช ถ นนท ว ไ ปขบ ข จ า ก ง าน ว จ ย น เ ล อ ก เ ส นท า งบ ร เ วณมหาวทยาลยธรรมศาสตร ศนยรงสต เปนพนทส าหรบการขบขรถส าหรบการทดสอบ จากสถตการเกดอบตเหตบนทองถนนของพนทบรเวณทท าการทดสอบพบวา ตงแตป พ.ศ. 2553 ถงปพ.ศ. 2555 มอบตเหตบนทองถนนเฉลยประมาณ 400 ครงตอป จ านวนอบตเหตทงหมดนมจ านวนครงทท าใหเกดการบาดเจบ 390 ครง และเสยชวต 10 ครง (บรษทกลางคมครองผประสบภยจากรถ, 2015)

ภาพท 3.4 แผนททดสอบการขบขบรเวณ มหาวทยาลยธรรมศาสตร รงสต

DPU

21

จากภาพท 3.4 แสดงแผนทใชส าหรบการทดสอบ สามารถแบงลกษณะพนทใชส าหรบท าการทดลองได 3 แบบ คอ

พนทสเหลองหรอหมายเลข 1 คอ พนททมสแยก และแยกตาง ๆ จ านวนมากเนองจากเปนพนในมหาวทยาลย โดยมถนน 2 เลน และถนน 4 เลนในพนทน

พนทสฟาหรอหมายเลข 2 คอ พนทมปรมาณรถหนาแนน เปนเสนทางมาจากถนนพหลโยธนสายหลก เพอขนทางดวนเชยงรากใหญ มถนนดานละ 4 เลน

พนทสเขยวหรอหมายเลข 3 คอ พนทมปรมาณรถนอย เปนถนนทเสนทางยาว และมจ านวนของเลนดานละ 8 เลน โดยแบงเปนเลนดานใน และเลนดานนอก อยางละ 4 เลน

จากขอมลประเภทของถนนทมความแตกตางกนทง 3 แบบ งานวจยนจงวางแผนการขบขเพอเกบขอมลส าหรบงานวจยแตกตางกนตามของสภาพถนนทใชส าหรบการทดสอบ โดยสามารถแบงออกไดดงน

ภาพท 3.5 แผนทภายในมหาวทยาลยธรรมศาสตร รงสต จากภาพท 3.5 แสดงเสนทางการทดสอบภายในมหาวทยาลยธรรมศาสตร รงสต จาก

ลกษณะทางกายภาพของถนนบรเวณน จะมจดตดของแยกตาง ๆ จากภาพคอจดวงกลมสแดง ท าใหในงานวจยนจะเนนใหผขบขขบรถทอนตราย และปกต ดวยการเลยวเปนสวนใหญของงานวจย โดยจะเกบขอมลโดยรอบจ านวน 3 รอบมระยะทางโดยรวมประมาณ 29.2 กโลเมตร

DPU

22

ภาพท 3.6 แผนทถนนรอบนอกของมหาวทยาลยธรรมศาสตร รงสต ภ า พ ท 3. 6 แ ส ด ง ล ก ษ ณ ะ ท า ง ก า ย ภ า พ ข อ ง ถ น น ท อ ย ร อ บ น อ ก ข อ ง

มหาวทยาลยธรรมศาสตร รงสต เปนถนนเชอมตอกบถนนพหลโยธนทเปนเสนทางหลกในการเดนทางไปทางภาคเหนอ กบเสนทางขนทางดวนเชยงราก ท าใหบรเวณนมจ านวนรถหนาแนน งานวจยนจงเนนการเปลยนเลน การเบรค และการเรงเปนหลกส าหรบถนนเสนนตามสภาพแวดลอมจรงของถนน โดยทดสอบขบขบนเสนทางนจ านวน 3 รอบ ระยะรวมประมาณ 11.2 กโลเมตร

ภาพท 3.7 เสนทางถนนเชยงรากใหญ ถนนเสนนมลกษณะทางกายภาพทมเลนจ านวนมาก คอ ฝงละ 8 เลน และในแตละฝงม

เลนดานในและดานนอกอยางละ 2 เลน มปรมาณรถนอยและสามารถใชความเรวไดสง จากภาพท 3.7 แสดงเสนสแดงทเปนเสนทางส าหรบการทดสอบการขบขเพอเกบขอมล จากลกษณะของถนนทกลาวมา ถนนเสนนมความเหมาะสมกบการท าเหตการณการขบขทอนตรายได โดยปลอดภยกบคนใชรถใชถนนทว ๆ ไปไดแก การเปลยนเลนแบบอนตราย การเบรค และการเรงแบบอนตราย รวมถง

DPU

23

การใชความเรวในการทดสอบไดมาก ส าหรบถนนเสนนมการทดสอบจ านวน 3 รอบ โดยมระยะทางรวมประมาณ 20.9 กโลเมตร

จากเสนทางการทดสอบทงหมดทกลาวมา งานวจยนจะเนนเกบขอมลกบถนนทมผใชรถใชถนนจรง เพอใหไดขอมลกบความเปนจรงทใกลเคยงในการขบขของคนทวไปมากทสด โดยใชระยะทางรวมทงหมดในการเกบขอมลทงหมด 71.3 กโลเมตร โดยใชเวลาในการเกบขอมลประมาณ 2 ชวโมง

3.2 พฒนาเครองมอทใชเกบขอมลและวเคราะหขอมลส าหรบงานวจย

วทยานพนธนมขนตอนหลายขนตอนในการท างานวจยเพอใหไดผลลพธออกมา เพอน าไปใชงานจรงไมวาจะเปน การเกบขอมลจากเซนเซอร เกบขอมลจากผสงเกตการณมากกวา 1 คน และการวเคราะหขอมลหลงจากการเกบขอมลมาแลว ดงนนเพอไมใหเกดขอผดพลาดในการท างานกบขอมลตาง ๆ ทมาจากหลากหลายอปกรณ จงพฒนาแอพพลเคชนบนสมารทโฟนขนมาเพอชวยเพมความถกตองของขอมลเมอน ามารวมกน รปแบบของการเกบขอมลตาง ๆ รวมทงการลดเวลาในการท างานในขนตอนตาง ๆ ทใชเวลามาก อยางเชน การจดบนทกเหตการณการขบขดวยกระดาษในการทดสอบการขบข หรอการรวมขอมลของเซนเซอรบนสมารทโฟนกบขอมลเหตการณในการขบขจากผสงเกตการณทง 3 คนมาวเคราะหขอมล ดงนนจงไดพฒนาแอพพลเคชนบนสมารทโฟนเพอตอบโจทยการท างานตาง ๆ ในงานวจยนขนทงหมด 3 แอพพลเคชน คอ แอพพลเคชน sensor logger, แอพพลเคชน behaviour collector และแอพพลเคชน data analyser โดยมรายละเอยดของแตละ แอพพลเคชนดงน 3.2.1 แอพพลเคชนส าหรบเกบขอมลเซนเซอรบนอปกรณมอถอ (sensor logger application)

แอพพลเคชน sensor logger ทพฒนาขนมหนาทส าคญ คอ การเกบขอมลดบทเกดขน จากการเคลอนไหวของรถจากเซนเซอรตาง ๆ บนสมารทโฟนทใชเปนขอมลรปแบบอางองการเกดเหตการณการขบข และเปนขอมลส าหรบใชในการทดลองและหาผลการทดลองของอลกอรทมท านายพฤตกรรมการขบข แอพพลเคชนนทพฒนาขนสามารถแสดงรายชอของเซนเซอรทงหมดทอปกรณมเพอเลอกเกบขอมลตามทผใชงานสนใจ และบนทกลงใน text file ในรปแบบทเปนมาตรฐานเดยวกนกบแอพพลเคชนทงหมดในงานวจยน ความแตกตางแอพพลเคชนทพฒนาขนกบแอพพลเคชนทมอยทวไปทสามารถ download ไดจาก Play store นน คอ ความสามารถทยงไมสามารถตอบโจทยงานวจยน ไดแก การตงคาความถทตองการเกบขอมลเซนเซอรแตละตว รวมทงการตงเวลาส าหรบการเรมเกบขอมล ซง 2 สงนมความส าคญในงานวจยทท านมาก เรองความถ แอพพลเคชนทว ๆ ไปจะไมสามารถก าหนดเวลาการรบขอมลระดบ millisecond ท าไดเพยงเลอกระดบ

DPU

24

ความถ สง กลาง ต า ในการเกบขอมล ท าใหเวลาทขอมลเขามานนมระยะหางของเวลาทไมเทากน และอกเรองหนงคอเวลาในการเกบขอมล เวลาในการเกบขอมลมความส าคญในงานวจยนเนองจากการเกบขอมลมจ านวนอปกรณจ านวน 4 เครองและมหนาท 2 หนาท คอ เกบขอมลเซนเซอร และเกบขอมลเหตการณการขบข ท าใหขนตอนวเคราะหขอมลตองน าเวลาของทก ๆ อปกรณมา synchronize กนเพอเทยบชวงการเกดเหตการณตาง ๆ ของการขบขไดอยางถกตอง แตแอพพลเคชนทว ๆ ไปจะไมสามารถท าได แตปญหาทงหมดทกลาวมาสามารถแกไขไดดวยแอพพลเคชน sensor logger ทพฒนาส าหรบงานวจยน

ภาพท 3.8 แอพพลเคชนส าหรบเกบขอมลเซนเซอร (sensor logger) จากภาพท 3.8 แสดงหนาจอของแอพพลเคชน sensor logger โดยแอพพลเคชนม

สวนประกอบทงหมด 4 สวน คอ หมายเลข 1 คอ ปมตงคา ผใชงานสามารถปรบตงคาความถของเซนเซอรทตองการเกบ

ขอมลได โดยมหนวยเปน millisecond

DPU

25

หมายเลข 2 คอ ปมแสดงเวลา ขณะก าลงเกบขอมล ตวอยางทแสดงคอเวลาปจจบนขณะก าลงเกบขอมลจากเซนเซอรเปนเวลา 13:44:42 น. โดยเมอผใชงานกดทเวลาจะสามารถปรบเวลาใหชาและเรวขนในระดบวนาทไดเพอใหเวลาเหมอนกบกบอปกรณทเกบขอมลอน ๆ

หมายเลข 3 คอ รายชอของเซนเซอรทตดตงอยในอปกรณทงหมด โดยผใชงานสามารถกดท checkbox เพอเลอกเซนเซอรทตองการเกบขอมล ตวอยางทแสดงจะเลอกเกบขอมลจากเซนเซอร 3 ชนด คอ accelerometer sensor, orientation sensor และ linear accelerometer sensor

หมายเลข 4 คอ ปมบนทกขอมลจากเซนเซอรทเลอกไว เมอผใชงานกดปมบนทกแอพพลเคชนจะแสดงทอย directory ทเกบไฟลของเซนเซอรตาง ๆ ขนมาใหผใชงานทราบ

การเกบขอมลของแอพพลเคชน sensor logger เมอผใชงานเรมบนทกขอมล ขอมลของเซนเซอรตาง ๆ จะถกบนทกลงใน directory ตามแผนภาพท 3.9

ภาพท 3.9 แผนภาพการเกบขอมลแอพพลเคชน sensor logger

จากแผนภาพท 3.9 แสดงระดบการจดเกบของขอมลเซนเซอรของสมารทโฟนหลงจาก

การบนทก แผนภาพแสดงระดบการจดเกบขอมลทงหมด 4 ระดบ ระดบแรกคอ directory ทเกบ

DPU

26

ขอมลจากงานวจยทงหมด ชอ “Record sensor” มหนาทรวบรวมขอมลเซนเซอรของงานวจยทงหมดเอาไว รวมถงขอมลพฤตกรรมการขบขจากผสงเกตการณ และขอมลหลงจากการวเคราะห ระดบท 2 คอ directory ส าหรบจดเกบขอมลตาง ๆ ในแตละครงของการทดลอง โดยแยกออกเปน directory ทใชชอตามเวลาการเกบขอมลจากตวอยาง 20141103_101113 มาจากวนท 3 พฤศจกายน พ.ศ. 2557 เวลา 10:11:13 น. ระดบท 3 คอ directory ส าหรบเกบขอมลเซนเซอรตาง ๆ ทผใชงานเลอกไวโดยแยกตามชอของเซนเซอรทบนทก และระดบสดทาย คอ ไฟลทเกบขอมลของเซนเซอรแตละชนดเอาไวในรปแบบ csv ภายในของไฟล csv นมลกษณะตามภาพท 3.10

ภาพท 3.10 ขอมลของเซนเซอรทเกบจากแอพพลเคชน sensor logger จากภาพท 3.10 แสดงขอมลทเกบไวหลงจากการบนทกขอมลเซนเซอร โดยลกษณะของ

ขอมลม 2 สวน คอ เวลา (timestamp) และ ขอมลของเซนเซอร สวนของเวลา (timestamp) เปนเวลาทมหนวยเปน millisecond ทเรมนบตงแต วนท 1 มกราคม 1970 (Wikipedia, 2015) เพอใหไดเวลาทมความละเอยดทสดของการเกบขอมลจากเซนเซอร ทใชความถในการเกบขอมล 5 Hz หรอมเวลานอยกวาหนงวนาทในการรบขอมลในแตละคา ตวอยางเชน 1417144283039 คอ วนศกรท 28 พฤศจกายน พ.ศ. 2557 เวลา 10:11:23 น. ขอมลทตอจากขอมลของเวลา คอ ขอมลของเซนเซอรทมาจาก accelerometer sensor โดยขอมลของเซนเซอรนมคาจากการเปลยนแปลงของเซนเซอรทง 3 แกน คอ x, y, z ดงนนการก าหนดการเกบขอมลจงคนดวย “,” ในแตละคาของขอมลไวเพอน าไปแยกขอมลส าหรบการวเคราะหไดสะดวกมากขน 3.2.2 แอพพลเคชนส าหรบเกบขอมลพฤตกรรมการขบข (behaviour collector application)

แอพพลเคชน behaviour collector เปนแอพพลเคชนทพฒนาขนเพอบนทกขอมลพฤตกรรมการขบขจากผสงเกตการณทง 3 คน โดยจะบนทกเวลา และเหตการณการขบขทเกดขนระหวางการขบข แอพพลเคชนทพฒนาขนมานเพอชวยเรองการจดบนทกเหตการณทเกดขนลงใน

DPU

27

กระดาษ ท าใหขอมลทไดจากการจดมความคลาดเคลอนของเวลาจากขอมลทเกดขนจรง เนองจากการเกดเหตการณการขบขนนเปนการเกดชวงเวลาสน ๆ ดวยหนวยเปนวนาท ดงนนแอพพลเคชนนจงตอบโจทยการบนทกขอมลของงานวจยนดวยการเพยงกดปมเพยง 1 ครงตอเหตการณ และแอพพลเคชนสามารถก าหนดเวลาในการเรมบนทกขอมลเพอใหอปกรณทกเครองทใชเกบขอมลมเวลาเรมตนทเปนเวลาเดยวกน ท าใหการวเคราะหขอมลหลงจากการทดลองทตองใชขอมลเรองของเวลาเปนหลกในการ synchronize ระหวางขอมลพฤตกรรมการขบขจากผสงเกตการณทง 3 คน และขอมลเซนเซอรจากมอถอ เพอวเคราะหชวงทท านายเหตการณการเดยวกนในชวงเวลาทใกลเคยงกนเปนขอมลอางองในอลกอรทมท านายพฤตกรรมการขบข

ส าหรบสวนประกอบของแอพพลเคชน behaviour collector นมลกษณะตามภาพท 3.11

ภาพท 3.11 แอพพลเคชนส าหรบบนทกพฤตกรรมการขบข (behaviour collector) จากภาพท 3.11 แสดงหนาจอการท างานของแอพพลเคชน behaviour collector โดยการ

ท างานหลก คอ ผใชงานตงชอไฟลทตองการบนทก กดบนทก หลงจากนนเมอเกดเหตการณการขบขขนระหวางการทดสอบผใชงานสามารถกดเลอกเหตการณนน ๆ ผานทางหนาจอของแอพพลเคชน

DPU

28

ไดทนท และจะบนทกเวลาและเหตการณนนลงใน text file ส าหรบสวนประกอบหลกของแอพพลเคชนแยกตามหมายเลขดงน

หมายเลข 1 คอ ชองส าหรบตงชอไฟลทตองการเกบ ใชส าหรบแยกขอมลผสงเกตการณแตละคนออกจากกน เพอใชในขนตอนการวเคราะหขอมล

หมายเลข 2 คอ เวลาทก าลงเกบขอมล ณ เวลาขณะนน จากภาพตวอยางคอ 13:46:07 น. สามารถตงเวลาเพมหรอลดลงจากเวลาปกตของเครองไดโดยกดทเวลา ผใชงานสามารถปรบเวลาโดยใชหนวย วนาท

หมายเลข 3 คอ แสดงปมส าหรบกดเลอกเหตการณการขบขส าหรบผสงเกตการณทนงอยในรถระหวางการขบรถทดสอบ โดยแบงออกเปน 6 เหตการณทงานวจยนสนใจ คอ การเรง (accelerate), การเบรค (brake), การเปลยนเลนขวา (lane change right), การเปลยนเลนซาย (lane change left), การเลยวขวา (turn right) และการเลยวซาย (turn left) จากพฤตกรรมการขบขท ง 6 เหตการณงานวจยนมความสนใจ 2 ชนด คอ เหตการณทปกต และเหตการณการขบขทอนตราย แอพพลเคชนจะแสดงรายชอเหตการณการขบขปกต ดานซาย และดานขวาคอเหตการณทอนตราย โดยค าวา “sudden” น าหนาประโยคนน ๆ เชน การเบรคทอนตรายจะใช sudden brake หรอ การเปลยนเลนขวาอนตราย จะใชค าวา sudden lane change right เชนกน

หมายเลข 4 คอ ปมบนทกขอมลจากเซนเซอรทเลอกไว เมอผใชงานกดปมบนทกแอพพลเคชนจะแสดงทอย directory ทเกบไฟลของเซนเซอรตาง ๆ ขนมาใหผใชงานทราบ

การเกบขอมลของแอพพลเคชน behaviour collector เมอผใชงานเรมบนทกขอมล ขอมลของเซนเซอรตาง ๆ จะถกบนทกลงใน directory ตามแผนภาพท 3.12

DPU

29

ภาพท 3.12 แผนภาพการเกบขอมลแอพพลเคชน behaviour collector จากแผนภาพท 3.12 แสดงระดบการจดเกบของขอมลพฤตกรรมการขบขจากผ

สงเกตการณประเมนหลงจากการบนทก แผนภาพแสดงระดบการจดเกบขอมลทงหมด 4 ระดบ ระดบแรกคอ directory ทเกบขอมลจากงานวจยทงหมด ชอ “Record sensor” มหนาทรวบรวมขอมลพฤตกรรมการขบขจากผสงเกตการณทงหมดเอาไว รวมถงขอมลเซนเซอร และขอมลหลงจากการวเคราะห ระดบท 2 คอ directory ส าหรบจดเกบขอมลตาง ๆ ในแตละครงของการทดลอง โดยแยกออกเปน directory ทใชชอตามเวลาการเกบขอมลจากตวอยาง 20141103_101113 มาจากวนท 3 พฤศจกายน พ.ศ. 2557 เวลา 10:11:13 น. ระดบท 3 คอ directory ส าหรบเกบขอมลทผประเมนบนทกเหตการณการขบขไว และระดบสดทาย คอ ไฟลทเกบขอมลของพฤตกรรมการขบขในรปแบบ csv ภายในของไฟล csv นมลกษณะตามภาพท 3.13

DPU

30

ภาพท 3.13 ขอมลพฤตกรรมการขบขทเกบจากแอพพลเคชน behaviour collector ภาพท 3.13 แสดงตวอยางของขอมลทถกเกบไวหลงจากผสงเกตการณเลอกระหวางการ

ขบรถทดสอบ รปแบบการเกบขอมล คอ เวลา และเหตการณการขบขทถกคนดวย “,” ตวอยางขอมลทแสดงในภาพท 3.13

บรรทดท 1 แสดงเวลาทผสงเกตการณกดเลอก 10:12:39 และเลอกเหตการณ a หมายถง การเรง (accelerate) ส าหรบตวยอทใชในแอพพลเคชนนแสดงตามตารางท 3.1 ตารางท 3.1 แสดงตวยอของเหตการณการขบขทใชในแอพพลเคชน behaviour collector

ตวยอในแอพพลเคชน ความหมาย

a การเรง แบบปกต (accelerate) sa การเรง แบบอนตราย (sudden accelerate) b การเบรค แบบปกต (brake) sb การเบรค แบบอนตราย (sudden brake) cl การเปลยนเลนซาย แบบปกต (lane change left) scl การเปลยนเลนซาย แบบอนตราย (sudden lane change left) cr การเปลยนเลนขวา แบบปกต (lane change right) scr การเปลยนเลนขวา แบบอนตราย (sudden lane change right) l การเลยวซาย แบบปกต (turn left) sl การเลยวซาย แบบอนตราย (sudden turn left) r การเลยวขวา แบบปกต (turn right) sr การเลยวขวา แบบอนตราย (sudden turn right)

DPU

31

3.2.3 แอพพลเคชนส าหรบวเคราะหขอมล (data analyser application) แอพพลเคชน data analyser ทพฒนาขนเพองานวจยน มหนาทส าหรบวเคราะหขอมล

เซนเซอรของสมารทโฟนในการทดสอบการขบข และขอมลเหตการณการขบขจากผสงเกตการณ เพอหาชวงการเกดเหตการณการขบขวาเกดในชวงขอมลเซนเซอรตรงสวนใดของขอมลเซนเซอรสมารทโฟน เพอเลอกชวงการเกดเหตการณการขบขทมผสงเกตการณบนทกเหตการณเดยวกนในชวงเดยวกนมากกวาครงหนงของจ านวนผสงเกตการณทงหมด (majority vote) โดยแอพพลเคชนทพฒนาขนนมประโยชนในการลดขนตอนการท างาน เวลาในการท างาน และเพมความถกตองในการวเคราะหขอมล เพอน าไปใชงานในอลกอรทมท านายพฤตกรรมการขบข งานวจยเดมทผานมานนใชวธการน าขอมลจากเซนเซอรทเกบไวสรางกราฟในโปรแกรม excel เพอดลกษณะการเปลยนแปลงของขอมลจากนนจะน าขอมลจากผสงเกตการณบนทกมาวาดเสนลงในกราฟของขอมลเซนเซอรตามเวลาทเกดขนจรง และบนทกชวงขอมลเซนเซอรเฉพาะทมการเปลยนแปลงของกราฟตามเหตการณการขบขนน ๆ ขนตอนเหลานใชเวลาในการท างานเปนเวลาหลายวนเนองจากขอมลทใชวเคราะหมจ านวนมากกวา 10,000 จด และขอมลจากพฤตกรรมทบนทกจากผสงเกตการณแตละคนจะมมากกวา 200 จดขนไป ดงนนการพฒนาแอพพลเคชน data analyser นขนจะชวยลดปญหาทกลาวมา โดยสามารถลดเวลาในการวเคราะหจากเดม 10 วนเปนเวลา 2 ชวโมง

แอพพลเคชน data analyser จะท าหนาทรวบรวมขอมลจากแอพพลเคชน sensor logger และ แอพพลเคชน behaviour collector จากผสงเกตการณทกคนประเมนไว เพอวาดกราฟขอมลเซนเซอรแตละชนด และวาดเสนพฤตกรรมการขบขของผสงเกตการณแตละคนตดกบขอมลเซนเซอรโดยใชเวลาในการระบต าแหนง จากนนผใชงานจะวเคราะหชวงขอมลจากจดตดของกราฟเซนเซอรวาในชวงใดมผสงเกตการณบนทกเหตการณเดยวกนในชวงเดยวกนบาง จะเลอกขอมลชวงนนผานการ touch screen ทหนาจอเพอ export ออกมาเปนขอมลเหตการณการขบขทตองการในรปแบบ csv และน าไปใชงานในอลกอรทมท านายพฤตกรรมการขบขตอไป ส าหรบสวนประกอบของแอพพลเคชน data analyser แสดงดงภาพท 3.14

DPU

32

ภาพท 3.14 แอพพลเคชนวเคราะหขอมล (data analyser)

จากภาพท 3.14 แสดงหนาจอของแอพพลเคชน data analyser มสวนประกอบหลก

ทงหมด 7 สวนคอ หมายเลข 1 คอ สวนทใชส าหรบแสดงผลแกนตาง ๆ ของกราฟขอมลเซนเซอร สามารถ

เลอกแสดงกราฟขอมลของแกน x, y หรอ z ได เมอเลอกแลวกราฟทแสดงผลอยจะเปลยนแปลงและ

DPU

33

แสดงผลเสนกราฟเฉพาะทเลอกแสดงไวเทานน เพอเลอกเฉพาะเสนขอมลของเซนเซอรทเกยวของกบพฤตกรรมการขบขนน ๆ

หมายเลข 2 คอ สวนแสดงขอมลพฤตกรรมการขบขทบนทกเอาไวจากแอพพลเคชน data analyser ขอมลทแสดง คอ รปแบบของกราฟขอมลในแตละเซนเซอร จ านวนจดของขอมลของเหตการณน คาสงสดคาต าสด คาความแตกตางระหวางคาสงสดและคาต าสด คาเฉลยของขอมล คาเบยงเบนมาตรฐาน และจ านวนผสงเกตการณทเลอกเหตการณนในชวงเวลานน เพอน าขอมลนไปใชเปนขอมลอางอง และทดสอบอลกอรทมท านายพฤตกรรมการขบข

หมายเลข 3 คอ ปมส าหรบเกบขอมลเซนเซอร และพฤตกรรมการขบข ทเลอกจากหนาจอแอพพลเคชนวเคราะหขอมล โดยแอพพลเคชนจะดงขอมลเซนเซอรแตละเซนเซอรทเลอกไวมาแสดงขอมลตาง ๆ แบบเดยวกบหมายเลข 2 จากนนผใชงานสามารถเลอกชอของเหตการณทตองการบนทกไดทง 12 เหตการณ และสามารถเลอกบนทกเฉพาะขอมลเซนเซอรของแกนตาง ๆ ของแตละเซนเซอรทมความเกยวของกบเหตการณการขบขนนได

หมายเลข 4 คอ สวนเลอกชดขอมลส าหรบวเคราะหขอมล มหนาทเลอก directory ของขอมลเซนเซอรและขอมลพฤตกรรมการขบขทตองการวเคราะหจาก directory ในหนวยความจ าเครองทชอ “Record sensor” โดย directory จะแบงเปนวนและเวลาทบนทกขอมลไว เมอเลอกเสรจแลวหนาจอจะท าการวาดกราฟและ plot เสนของการเกดเหตการณการขบขตามขอมลทบนทกมา

หมายเลข 5 คอ สวนต งคาการแสดงผลบนกราฟในแอพพลเคชน data analyser ซงผใชงานสามารถปรบการแสดงผลเสนจดตดบนกราฟขอมลเซนเซอรของเหตการณการขบขทง 12 เหตการณทมาจากขอมลผสงเกตการณบนทกเวลาไว สามารถปรบขนาดของจ านวนจดของขอมลทตองการแสดงผลในหนาจอเพอท าใหเหนขอมลไดละเอยดขนในการวเคราะหขอมล และสามารถปรบจ านวนจดทตองการเลอนในแตละครงไดกรณทมขอมลจ านวนมาก

หมายเลข 6 คอ สวนแสดงผลของขอมลเซนเซอร และพฤตกรรมการขบขจากผ สง เกตการณ หนาจอของแอพพลเคชนจะแยกเปนกราฟของขอมลเซนเซอรตาง ๆ ดง น accelerometer sensor, magnetic sensor, GPS และ gyroscope sensor โดยขอมลมาทแสดงผลมาจาก text file ทอยใน directory ชอ accelerometer, magnetic, gps และ gyroscope ตามล าดบ ภายใน directory ชอ “Record sensor” นอกจากนมการแสดงเสนต าแหนงของเวลาทผสงเกตการณเลอกเหตการณการขบขไว โดยแยกขอมลของแตละคนดวยสทแตกตางกน และก ากบดวยชอของเหตการณการขบขไวทดานบนของเสน ตวอยางเชน เสนสแดง คอ observation1, เสนสน าเงน คอ observation2 และเสนสด า คอ observation3 นอกจากนแอพพลเคชนยงสามารถ export ชวงของขอมลทมผสงเกตการณประเมนเหตการณเดยวกนในชวงเดยวกนโดยการวเคราะหจากวธ Majority

DPU

34

vote โดยเลอกชวงของเหตการณเรมตนและสนสดทตองการ export ขอมลออกมาผานทางหนาจอแอพพลเคชนตามตวอยาง คอสวนทเปนพนทสฟาทเลอกไว

หมายเลข 7 คอ ปมส าหรบการเลอกชวงขอมลทสนใจและเลอนขอมลส าหรบวเคราะหชดขอมล โดยผใชงานสามารถก าหนดต าแหนงเรมตนของขอมลและสนสดของขอมลได โดยกราฟของขอมลเซนเซอรแตละเซนเซอร และเสนแสดงจดทผสงเกตการณเลอกพฤตกรรมการขบขจะเลอนตามไปดวย

การจดเกบขอมลของแอพพลเคชน data analyser มหนาทรวบรวมขอมลมาจากแอพพลเคชน sensor logger และแอพพลเคชน behaviour collector ทงหมด เพอมาแสดงผลวเคราะหขอมล และบนทกขอมลทสนใจลงใน text file เพอเกบไวใชงานในอลกอรทมท านายพฤตกรรมการขบข ดงน นการทวางโครงสรางการเกบขอมลของแอพพลเคชนตาง ๆ ท งหมดทมโครงสรางเหมอนกนจะชวยลดขนตอนการรวมขอมลเพอใชวเคราะหขอมลในขนตอนน จากภาพท 3.15 คอตวอยางการเกบขอมลระดบตาง ๆ ของแอพพลเคชน data analyser

ภาพท 3.15 แผนภาพการเกบขอมลแอพพลเคชน data analyser

DPU

35

ภาพท 3.15 แสดงแผนภาพการจดเกบขอมลของแอพพลเคชน data analyser มทงหมด 9

ระดบ ดงน ระดบท 1 คอ directory ทเกบขอมลจากงานวจยทงหมด ชอ “Record sensor” มหนาท

รวบรวมขอมลเซนเซอรของงานวจยท งหมดเอาไว รวมถงขอมลพฤตกรรมการขบขจากผ สงเกตการณ และขอมลหลงจากการวเคราะห

ระดบท 2 คอ directory ส าหรบจดเกบขอมลตาง ๆ ในแตละครงของการทดลอง โดยแยกออกเปน directory ทใชชอตามเวลาการเกบขอมลจากตวอยาง 20141103_101113 มาจากวนท 3 พฤศจกายน พ.ศ. 2557 เวลา 10:11:13 น.

ระดบท 3 คอ directory ส าหรบเกบขอมลเซนเซอรตาง ๆ ทผใชงานเลอกไวโดยแยกตามชอของเซนเซอรทบนทกไวมาจากแอพพลเคชน sensor logger ส าหรบในกรอบสแดง คอ สวนทแอพพลเคชน data analyser เพมเตมเขามา โดยมชอ behaviour ส าหรบเกบขอมลพฤตกรรมการขบขจากแอพพลเคชน behaviour collector จากภาพจะมการรวมไฟล csv ของผสงเกตการณทง 3 คนไว ชอ observation1.csv, observation2.csv และ observation3.csv สวน data analyser จะมความส าคญทสดของแอพพลเคชน data analyser จะรวบรวมขอมลทผใชงานวเคราะหเกบไวในสวน directory น

ระดบท 4 คอ directory ชอ “pattern” จะเกบรวบรวมขอมลพฤตกรรมการขบขโดยแยกทศทางการเคลอนทออกเปน 2 สวน คอ “lateral” และ “longitudinal” เนองจากขอมลเซนเซอรของทง 2 ทศทางนมการใชขอมลจากชนดของเซนเซอรแตกตางกนชดเจน

ระดบท 5 คอ สวนทเกบขอมลพฤตกรรมการขบขตาง ๆ แยกทศทางการเคลอนทไว 2 สวนคอ “lateral” และ “longitudinal”

ระดบท 6 คอ สวน directory แยกตามชอของเหตการณทง 12 เหตการณ ระดบท 7 คอ สวนเกบล าดบของเหตการณการขบขของแตละประเภทเหตการณ ระดบท 8 คอ สวนเกบขอมลเซนเซอรตาง ๆ ทมความเกยวของกบพฤตกรรมการขบข

นน ๆ ระดบท 9 คอ ไฟลทเกบขอมลของเซนเซอร และขอมลของผสงเกตการณแตละชนด

เอาไวในรปแบบ csv จากภาพจะเกบไวทงหมด 3 ไฟล คอ data.csv คอ ไฟลทเกบขอมลเซนเซอรชวงทเกดเหตการณการขบขนน ไฟล oberservation.csv คอ ไฟลทเกบชวงเวลาทผสงเกตการณแตละคนกดเหตการณการขบขน และไฟล overview.csv คอ ไฟลทเกบขอมลสรปของเหตการณการขบขทเลอก เชน จ านวนจดขอมล คาสงสด คาต าสด หรอจ านวนผสงเกตการณทเลอกเหตการณน

จากขอมลทเกบหลงจากการวเคราะหขอมลตาม ภาพท 3.16 แสดงตวอยางของขอมลทเกบจากเซนเซอรทเลอกไว

DPU

36

ภาพท 3.16 ขอมลเซนเซอรทวเคราะหจากแอพพลเคชน data analyser ภาพท 3.16 แสดงตวอยางขอมล accelerometer sensor ของเหตการณการขบขดวยการ

เรง จากภาพขอมลท เกบจะม คาของขอมล จดเ รมตนของขอมลมาจากจดของขอมลของ accelerometer sensor ทงหมดทมาจากแอพพลเคชน sensor logger และเวลาทเกดขอมล ตวอยางบรรทดท 2 แสดงขอมลจาก accelerometer sensor แกน y มคา 3.0226645 ต าแหนงของขอมลท 48 เกดเมอวนท 28 พฤศจกายน 2557 เวลา 10:18:54 น.

3.3 ทดสอบเกบขอมลเพอทดสอบความเปนไปไดของงานวจย

การทดสอบเกบขอมลเพอทดสอบความเปนไปไดของงานวจย จดประสงคเพอหาความสมพนธของขอมลทมาจากเซนเซอรบนสมารทโฟนกบพฤตกรรมการขบขแบบตาง ๆ คอ การเบรค การเรง การเลยวซาย การเลยวขวา การเปลยนเลนซาย และการเปลยนเลนขวา จากการทดสอบนเลอกผสงเกตการณเพอบนทกเหตการณการขบข 3 คน ผานแอพพลเคชน behaviour collector เพอทดสอบกอนการทดลองจรง โดยมสมารทโฟนเกบขอมลผานแอพพลเคชน sensor logger เสนทางทใชส าหรบการทดสอบเปนเสนทางเดยวกบการทดลองจรง คอ เสนทางมหาวทยาลยธรรมศาสตร ศนยรงสต และบรเวณโดยรอบ ทดสอบเสนทางละ 1 รอบ เปนเวลาประมาณ 1 ชวโมง

หลงจากการเกบขอมลจากเซนเซอรบนอปกรณมอถอ ไดแก accelerometer sensor, magnetic sensor, gyroscope sensor และ GPS และขอมล เวลา และเหตการณการขบ ข จากผ สงเกตการณทง 3 คนมาวเคราะหผานแอพพลเคชน data analyser โดยเลอกชวงขอมลของการเกดเหตการณการขบขโดยเงอนไขวา เหตการณทเกดขนตองมผสงเกตการณบนทกเปนเหตการณเดยวกนในชวงเวลาเดยวกนมากกวาครงหนงของจ านวนผสงเกตการณทงหมด (majority vote) ขอมลทไดหลงจากการวเคราะหขอมลสามารถสรปความสมพนธของขอมลดงตารางท 3.2

DPU

37

ตารางท 3.2 ความสมพนธของเซนเซอรกบพฤตกรรมการขบข

เหตการณการขบข Accelerometer

sensor Magnetic

sensor GPS

Gyroscope sensor

การเรง การเบรค การเปลยนเลนซาย การเปลยนเลนขวา การเลยวซาย การเลยวขวา

ตารางท 3.2 แสดงความสมพนธของขอมลหลงจากการวเคราะหรปแบบของขอมล

เซนเซอรตาง ๆ กบพฤตกรรมการขบขแตละแบบ สรปไดคอ การเปลยนเลนและการเลยว สามารถใชขอมลจากเซนเซอรทง 4 ชนดไดทงหมด เนองจากมรปแบบการเปลยนแปลงของขอมลสอดคลองกน สวนการเรง และการเบรคสามารถใชงานไดเฉพาะ accelerometer sensor และ GPS เทาน นเนองจากขอมลทแสดงผลออกมานนเหตการณเหลานไมมรปแบบทไปในทศทางเดยวกนดงภาพท 3.17

DPU

38

ภาพท 3.17 ความไมสอดคลองของขอมล magnetic sensor กบการเรง จากภาพท 3.17 แสดงรปแบบของขอมลทไมสอดคลองกบขอมลเซนเซอร ตวอยางท

แสดง คอ การเรง กบ magnetic sensor โดยเปรยบเทยบขอมลของการเกดเหตการณการขบขหลงจากการเลอกมาจากผสงเกตการณทงหมดดวยวธ majority vote รปแบบหนงจากขอมลทงหมดของเหตการณการเรงทยกมา ภาดานซาย แสดงใหเหนวาขอมลของเซนเซอรมลกษณะการเปลยนแปลงของกราฟอยางชดเจน แตส าหรบขอมลจากเซนเซอรเดยวกนในภาพตอมาอกสองภาพจะเหนวากราฟมลกษณะเหมอนเสนตรงท าใหสรปผลไดวาขอมลทไดมาของ magnetic sensor ไมสามารถใชงานไดกบการเรงน เนองจากขอมลทไดมาจาก magnetic sensor เปนขอมลทวดคาของสนามแมเหลกโดยรอบของ sensor ทเปรยบเทยบกบแกนแมเหลกของขวเหนอ และใต คาทออกมาจาก magnetic sensor นนจงเปนการบงบอกถงองศาทเบยงเบนจากทศเหนอของแกนโลก แตกลบกนหากขอมลมความสอดคลองกนรปแบบของขอมลทก ๆ ครงทแสดงออกมาของขอมลชดนนจะมลกษณะเหมอนกนดงภาพท 3.18

DPU

39

ภาพท 3.18 ความสอดคลองของขอมล accelerometer sensor กบการเรง จากภาพท 3.18 แสดงรปแบบการเปลยนแปลงของ accelerometer sensor กบการเรงจะ

เหนไดชดเจนวาขอมลการเรงทง 3 ขอมลนนมลกษณะกราฟทไปในทางเดยวกน คอ ลกษณะคลายกบ พาราโบลาคว า ท าใหสรปไดวาขอมลจาก accelerometer sensor สามารถเลอกมาใชงานกบพฤตกรรมการเรงได เนองจากขอมลทมาจาก accelerometer sensor จะเปนความเรงทเกดขนจากการเคลอนทไปในทศทางตาง ๆ ของรถทม sensor นวางอย 3.3.1 ขอมลพฤตกรรมการขบขกบความสมพนธของเซนเซอร

จากขอมลทวเคราะหออกมาสามารถแยกรปแบบของขอมลกบความสมพนธตาง ๆ กบพฤตกรรมการขบขได โดยการเลอกใชขอมลของแกนขอมลจากเซนเซอรตาง ๆ โดยดจากการเปลยนแปลงรปแบบใหมความสอดคลองกนเปนแกนขอมลทใชอางอง 1. การเบรค

การเบรคจากการสรปของตารางท 3.2 ความสมพนธของเซนเซอรกบพฤตกรรมการขบข พบวาสามารถใชงานเซนเซอรได 2 ชนดคอ แกน y ของ accelerometer sensor และ ความเรว ของ GPS โดยมลกษณะดงภาพท 3.19

DPU

40

ภาพท 3.19 ความสมพนธของเซนเซอรกบการเบรค จากภาพท 3.19 แสดงลกษณะขอมลจากเซนเซอร GPS และ accelerometer sensor โดย

สงเกตความเปลยนแปลงของขอมลจากเสนขอมลสแดง เพอใหงายตอการสงเกตรปแบบของขอมล สามารถดรปแบบการเกดเหตการณตาง ๆ ไดดวยเสนประสด า จากขอมลการเบรค จะพบวาขอมล GPS เมอรถมการเบรคความเรวจะลดลง ซงสอดคลองกบความเปนจรง และในสวนของแกน y จาก accelerometer sensor มการเปลยนแปลงลกษณะคลายกราฟพาราโบลาหงาย เนองจากการเบรคจะท าใหแกน accelerometer sensor ของสมารทโฟน ทตรวจจบความเรงกบทศทางทเคลอนทไปดานหนาท างาน เมอรถเบรคจงท าใหความเรงแกน y มคาลดลง 2. การเรง

การเรงมความสมพนธของเซนเซอร โดยดจากการเปลยนแปลงของขอมลเซนเซอรเมอเกดเหตการณการเรงขน จากการวเคราะหพบวาขอมลเซนเซอรทใช คอ ขอมลแกน x ของ accelerometer sensor และความเรวของ GPS โดยดไดจากลกษณะของขอมลตามภาพท 3.20

DPU

41

ภาพท 3.20 ความสมพนธของเซนเซอรกบการเรง จากภาพท 3.20 แสดงลกษณะของขอมลเซนเซอรเมอเกดเหตการณการเรง จากภาพ

แสดงใหเหนวาการเปลยนแปลงความเรวของ GPS นนเพมขน ซงสอดคลองกบความเปนจรงทความเรวจะเพมขนเมอรถมความเรวเพมขน และสวนของแกน x ของ accelerometer sensor นนมลกษณะคลายกบกราฟพาราโบลาคว า เนองจากแกน y ของ accelerometer sensor นนโดยปกตจะท าหนาทวดคาความเรงของแกนสมารทโฟนทเคลอนทไปทางดานหนาและหลง เมอรถมความเรวเพอขนความเรงในการเคลอนทจะเพมขนท าใหคาทไดจากขอมล accelerometer sensor มคาสงขนตามภาพท 3.20 3. การเปลยนเลน และการเลยว

การเปลยนเลนนนขอมลเซนเซอรมการเปลยนแปลงสอดคลองเมอเกดเหตการณการเปลยนเลนขน โดยใชขอมลจากเซนเซอรไดท ง 4 ชนด คอ แกน x ของ accelerometer sensor, magnetic sensor, ทศทางการเคลอนท (heading) ของ GPS และ แกน z ของ gyroscope sensor โดยลกษณะของขอมลตามภาพท 3.21 และภาพท 3.22

DPU

42

ภาพท 3.21 ความสมพนธของเซนเซอรกบการเปลยนเลนซาย จากภาพท 3.21 แสดงลกษณะการเปลยนแปลงของขอมลเซนเซอรตาง ๆ ท ม

ความสมพนธกบการเปลยนเลนซาย ภาพดานซายแรก คอ ภาพขอมลของ ทศทางการเคลอนท (heading) จาก GPS เมอรถมการเปลยนแปลงทศทางการเคลอนทคาของ heading จะเปลยนแปลง โดยการเปลยนแปลงนนนไมสามารถระบไดวาคาลง หรอเพมขน คอ การเปลยนเลนซาย หรอขวา เพราะคาของทศทางการเคลอนทนนมคาเทากบ 360 องศา โดยท 0 องศา คอทศเหนอเสมอ ตอมา คอภาพของ แกน x ของ accelerometer sensor โดยมลกษณะของขอมลคลาย พาราโบลาหงาย เนองจากลกษณะการท างานของแกน x ในสมารทโฟนจะวดคาความเรงในทศทางเคลอนทไปดานขาง ดงนนเมอรถมการเปลยนเลนคาของแกน x จะสามารถวดความเปลยนแปลงได ตอมาคอคาของ magnetic sensor คอคาทวดจากการเปลยนแปลงของสนามแมเหลกโลก เมอรถเคลอนทเปลยนแปลงทศทางคาของสนามแมเหลกทมอยทก ๆ ทจะมคาไมเทากน ดงนนเมอรถเปลยนทศทางไปคาของ magnetic sensor จะเปลยนแปลงตามไปดวย แตไมสามารถระบไดวารถเคลอนทไปทางซายหรอทางดานขวา และสดทายคอ ขอมลจาก gyroscope sensor ดวยแกน z ลกษณะการท างานของแกน z ของ gyroscope sensor ในสมารทโฟน มหนาทวดแรงเหวยงของมอถอทมจดศนยกลางการหมนอยกลางของอปกรณ ดงนนหากรถเคลอนทโดยการหมนไปทศทางใดทศทางหนง เสนจดกงกลางการหมนของรถจะเรมจากหลงคารถพงลงไปยงใตทองรถเปนเสนตรง เหมอนการท างานของ gyroscope sensor ส าหรบการเปลยนเลนซายคาของแกน z จะมลกษณะแบบ กราฟพาราโบลาคว า

DPU

43

ภาพท 3.22 ความสมพนธของเซนเซอรกบการเปลยนเลนขวา ภาพท 3.22 แสดงการเปลยนแปลงของรปแบบขอมลเซนเซอรกบพฤตกรรมการขบข

ดวยการเปลยนเลนทางขวา จะมลกษณะการท างานคลายกบการเปลยนเลนทางซาย แตมขอมลทมลกษณะทแตกตางกนในสวนของเซนเซอร 2 ชนด คอ accelerometer sensor และ gyroscope sensor กลาวคอ เมอเกดเหตการณการเปลยนเลนดานขวาความเรงทกระท ากบแกน x ของ accelerometer sensor เมอเปลยนเลนทางขวาจะมคาตรงขามกบการเปลยนเลนทางดานซาย จากภาพจะมลกษณะเปน กราฟพาราโบลาคว า และส าหรบขอมลของแกน z ใน gyroscope sensor จะมลกษณะเปนกราฟพาราโบลาหงาย เนองจากมทศทางการหมนทตรงกนขามกบการเปลยนเลนทางดานซาย

ส าหรบพฤตกรรมการขบขการเลยวมลกษณะของขอมลตามขอมลการเปลยนเลน คอ การเปลยนเลนทางดานซายลกษณะกราฟและรปแบบของขอมลจะเหมอนกบเลยวซาย และการเปลยนเลนขวาจะเหมอนกบการเลยวขวา ความแตกตางของทงสองประเภทน คอ ระยะเวลาในการเกดของเหตการณการเลยวจะใชเวลานานกวาการเปลยนเลนปกต ตามภาพท 3.23 และภาพท 3.24 โดยการเลยวจะใชเวลาประมาณ 5 วนาท สวนการเปลยนเลนนนจะอยประมาณ 2 วนาท

ภาพท 3.23 ความสมพนธของเซนเซอรกบการเลยวซาย

DPU

44

ภาพท 3.24 ความสมพนธของเซนเซอรกบการเลยวขวา

3.3.2 ตารางสรปความสมพนธ จากลกษณะของขอมลเซนเซอรแตละชนดกบพฤตกรรมการขบขรปแบบทง 12 รปแบบ

ในหวขอนจงสรปออกมาเปนตารางความสมพนธของขอมลไดตามตารางท 3.3

ตารางท 3.3 ความสมพนธของคาของเซนเซอรกบพฤตกรรมการขบข

เหตการณการขบข Accelerometer

sensor Magnetic

sensor GPS

Gyroscope sensor

การเรง แกน y ความเรวเพมขน การเบรค แกน y ความเรวลดลง การเปลยนเลนซาย แกน x แกน x ทศทาง แกน z การเปลยนเลนขวา แกน x แกน x ทศทาง แกน z การเลยวซาย แกน x แกน x ทศทาง แกน z การเลยวขวา แกน x แกน x ทศทาง แกน z

จากตารางท 3.3 แสดงความสมพนธของขอมลเซนเซอรทง 4 ชนด คอ accelerometer

sensor, magnetic sensor, GPS และ Gyroscope sensor การเรงและการเบรค จะใชขอมลเฉพาะแกน y ของ accelerometer sensor และคาความเรวของ GPS ส าหรบการเปลยนเลนและการเลยว จะใชเซนเซอรทง 4 ชนด คอ ใช แกน x ของ accelerometer sensor โดยความแตกตางของทศทางซายและขวา ดจากลกษณะรปแบบของกราฟถาไปทศทางซายจะเปนกราฟพาราโบลาคว า และถาไปทศทางขวาจะเปนกราฟพาราโบลาหงาย ซงจะมลกษณะแบบเดยวกนทงการเลยวและการเปลยนเลน สวนขอมลทศทางการเคลอนท (heading) จาก GPS และ แกน x ของ magnetic sensor จะมการ

DPU

45

เปลยนแปลงของขอมลทไมสามารถบอกไดวาเคลอนทไปทศดานซาย หรอขวา เพยงแตจะแยกการเลยวและการเปลยนเลนไดเทานนจากระยะเวลาการเกดเหตการณโดยการเลยวจะเกดขนโดยเวลาทนานกวาการเปลยนเลน

3.4 ทดสอบเกบขอมลดวยการขบขเพอพฒนาอลกอรทมท านายพฤตกรรมการขบข

การทดสอบเกบขอมลจากการขบขส าหรบขนตอนนเปนการเกบขอมลเซนเซอรบนสมารทโฟนและขอมลพฤตกรรมการขบขจากผสงเกตการณ เพอน าขอมลไปใชในอลกอรทมท านายพฤตกรรมการขบข เพอหาความถกตองของการน าอลกอรทมไปใชงานส าหรบท านายเหตการณระหวางการขบขจากขอมลเซนเซอรบนสมารทโฟน โดยกอนท าการทดสอบมการวางแผนการทดสอบส าหรบผเขารวมทดสอบ สมารทโฟน เสนทางการทดสอบ และแอพพลเคชนส าหรบการใชงานในการเกบขอมล 3.4.1 ต าแหนงของผเขารวมการทดสอบและอปกรณ

ผเขารวมทดสอบแบงเปน 2 ประเภท คอ คนขบข และผสงเกตการณ โดยจ านวนของผ สงเกตการณในการทดสอบนจะใชจ านวน 3 คน เพอใชส าหรบเลอกขอมลการขบขทมจ านวนผ สงเกตการณบนทกเหตการณเดยวกนในชวงเวลาเดยวกนดวยวธ majority vote ส าหรบอปกรณทใชในการทดสอบ คอ สมารทโฟนระบบปฏบตการแอนดรอยด แบงการท างานเปน 2 แบบ คอ ส าหรบเกบขอมลเซนเซอรจากสมารทโฟน และส าหรบเกบขอมลจากผสงเกตการณ จากผทดสอบและอปกรณทงหมดถกวางต าแหนงตามภาพท 3.25

DPU

46

ภาพท 3.25 ต าแหนงผเขารวมทดสอบ และอปกรณในกาทดสอบการขบข จากภาพท 3.25 แสดงต าแหนงการนงของผเขารวมทดสอบ และอปกรณทใชส าหรบการ

ทดสอบ โดยคนขบรถจะนงอยทางดานหนาทางขวาในรถ ผสงเกตการณทง 3 คนจะนงดานหนา 1 คนขางคนขบและดานหลง 2 คน ส าหรบผสงเกตการณแตละคนจะมสมารทโฟนระบบปฏบตการแอนดรอยดทลงแอพพลเคชน behaviour collector ส าหรบบนทกเหตการณการขบขระหวางการทดสอบไว สวนสมารทโฟนทตดตงแอพพลเคชน sensor logger จะวางไวบนคอนโซลของรถยนตโดยมแผนกนลนตดไวปองกนอปกรณส าหรบเกบขอมลเซนเซอรเคลอนท โดยหนหวไปทศทางเดยวกบรถเคลอนทไปทางดานหนาตามภาพท 3.26 เพอท าใหขอมลเซนเซอรทไดมาใกลเคยงกบการเคลอนทของรถมากทสด

DPU

47

ภาพท 3.26 การวางสมารทโฟนส าหรบเกบขอมลเซนเซอร

3.4.2 การตงคาแอพพลเคชนส าหรบการทดสอบ สมารทโฟนทใชส าหรบการทดสอบนมทงหมด 4 เครองแบงเปน เกบขอมลเซนเซอร

จากอปกรณ 1 เครอง และส าหรบบนทกเหตการณจากผสงเกตการณ 3 เครอง ในงานทดสอบนเรองของเวลาเปนเรองทมความส าคญเพอน าขอมลจากเครองทงหมดนมารวมกนตองเปนเวลาเดยวกนดงนนจงมการตงคาเวลาทแอพพลเคชนกอนการทดสอบตามภาพท 3.27

ภาพท 3.27 การตงคาเวลาของสมารทโฟนในการทดสอบ

DPU

48

จากภาพท 3.27 แสดงการตงเวลาของแอพพลเคชน sensor logger และแอพพลเคชน behaviour collector จากภาพทางดานซายคอแอพพลเคชน sensor logger มเวลาปจจบน 15:59:25 น. สวนดานขวาคอแอพพลเคชน behaviour collector มเวลาปจจบน 15:59:07 น. ดงนนเวลาทเรมเกบขอมลมความคลาดเคลอนกนอย 18 วนาท หากเกบขอมลจะท าใหตอนวเคราะหขอมลเกดความผดพลาดในการระบเวลาของพฤตกรรมการขบขจากผสงเกตการณกบขอมลรปแบบการเกดเหตการณผดไปจากเดม ดงนนจากภาพจงตองเพมเวลาในกบแอพพลเคชน behaviour collector อก 18 วนาท เพอใหเทากบแอพพลเคชน sensor logger กอนการทดสอบ

นอกจากการตงคาเวลาแลว แอพพลเคชน sensor logger จะก าหนดความถทใชในการเกบขอมลของเซนเซอร โดยงานวจยนจะใชความถของในการรบขอมลแตละครงส าหรบ accelerometer sensor, magnetic sensor และ gyroscope sensor มความ ถ เท ากบ 5Hz หรอ 200 millisecond ตอขอมล และใชความถ 1 Hz หรอ 1,000 millisecond ตอขอมล โดยตงคาแอพพลเคชน sensor logger ตามภาพท 3.28 เพอใหไดความถทถกตอง

ภาพท 3.28 การตงความถของแอพพลเคชน sensor logger เมอต งคาเวลา และความถของแอพพลเคชน sensor logger และ behaviour collector

เรยบรอยแลว พรอมทงการวางต าแหนงของผเขารวมทดสอบทงหมดในรถเพอท าการทดสอบ หลงจากนนมการแจกใบแผนการทดสอบเสนทางการวงรถท าการทดสอบใหกบผขบขรถยนต โดย

DPU

49

เสนทางทไดรบจะไมบอกใหผสงเกตการณทราบวาจะท าเหตการณใดบาง เพอใหไดขอมลทมาจากความรสกของผสงเกตการณแตละคนเอง จากนนเรมการวงทดสอบตามเสนทางทก าหนดไวพรอมใหผเขารวมทดสอบกดปมเรมบนทกทแอพพลเคชนแตละคน และหากมเหตการณการขบขตาง ๆ ขนผสงเกตการณจะบนทกโดยกดปมบนแอพพลเคชน behaviour collector

3.5 วเคราะหขอมลเซนเซอรและขอมลพฤตกรรมการขบข

หลงจากการเกบขอมลเซนเซอรจากสมารทโฟน และขอมลพฤตกรรมการขบขจากผ สงเกตการณแลว ขอมลตาง ๆ เหลานจะถกน ามาวเคราะหเพอหารปแบบการเปลยนแปลงของขอมลเซนเซอรทง 4 ชนด ไดแก accelerometer sensor, magnetic sensor, gyroscope sensor และ GPS กบพฤตกรรมการขบขจากผสงเกตการณ ในชวงเวลาเดยวกนทผสงกตการณบนทกดวยวธ majority vote ส าหรบขอมลพฤตกรรมการขบขจากผสงเกตการณแตละคนทบนทกไวสามารถดไดจากภาพท 3.29 กราฟแสดงจ านวนพฤตกรรมการขบขทบนทกจากผสงเกตการณ

ภาพท 3.29 กราฟแสดงจ านวนพฤตกรรมการขบขทบนทกจากผสงเกตการณ

DPU

50

จากภาพท 3.29 แสดงจ านวนเหตการณการขบขทผสงเกตการณบนทกในการทดสอบการขบขบนเสนทางทดสอบทเปนสภาพแวดลอมจรง เพอใหไดขอมลการขบขใกลเคยงกบการใชงานจรงมากทสด จากขอมลพบวาเหตการณการขบขดวยการเรง และการเบรคมจ านวนสงกวาเหตการณอน ๆ ซงในความเปนจรงการขบขรถยนตบนถนนนนเหตการณเหลานควรจะมากกวาเหตการณอน ๆ เปนปกต เนองจากสภาพแวดลอมและองคประกอบของถนนทจะมรถคนอนวงรวมเสนทาง มการเบรคและเรงตามจงหวะจราจร อกทงวธการวเคราะหขอมลของอลกอรทมท านายพฤตกรรมการขบขทพฒนาขนนจ านวนเหตการณแตละเหตการณไมจ าเปนตองมจ านวนทเทากน เนองจากความส าคญของอลกอรทมนตองใช reference pattern ของเหตการณนนในการท านายพฤตกรรมการขบขของเหตการณนนจากขอมลจรงใหถกตอง จากขอมลของผสงเกตการณทง 3 คนนผสงเกตการณบนทกเหตการณทงหมดเปนจ านวน 412 ครง 508 ครง และ 495 ครง เหตการณทถกเลอกมากทสด คอ การเรง ล าดบท 2 คอ การเบรค และรองลงมา คอ การเลยวซาย จากขอมลพบวาผ สงเกตการณทงหมดเลอก การเปลยนเลนไปทางขวากะทนหน จ านวนเทากน คอ 18 ครง เมอแยกเหตการณการขบขทอนตรายออกจากเหตการณการขบขปกตพบวามจ านวนเหตการณทผ สงเกตการณเลอกคอ 65 ครง หรอคดเปนเปอรเซนตของเหตการณทงคอ 13% ของเหตการณทงหมด 3.5.1 ขนตอนการใชงานแอพพลเคชนวเคราะหขอมล (data analyser application)

จากเหตการณการขบขทงหมดจากผสงเกตการณ และขอมลจากเซนเซอรจากสมารทโฟน ขนตอนตอไป คอ การน าขอมลเหลานมาเลอกเหตการณการขบขทผสงเกตการณเลอกเหตการณเดยวกนในชวงเดยวกนดวยวธ majority vote ผานแอพพลเคชน data analyser ทพฒนาขนมา โดยขนตอนแรก คอ การรวบรวมไฟลขอมลทงหมดมารวมกนท directory ชอ “record sensor” จากนนเมอเปดแอพพลเคชนจงเลอกขอมลทวเคราะหตามภาพท 3.30

DPU

51

ภาพท 3.30 การเลอกชดขอมลทตองการวเคราะห ผานแอพพลเคชน data analyser ภาพท 3.30 แสดงการเลอกชดขอมล “20141128_101122” เปนขอมลวนและเวลาทเกบ

ขอมลการขบข เ มอเลอกขอมลแลวแอพพลเคชนจะแสดงขอมลเซนเซอรแตละชนด คอ accelerometer sensor, magnetic sensor, GPS และ gyroscope sensor โดย plot เปนจดกราฟบนแอพพลเคชน พรอมทงวาดเสนจดตดของเหตการณทบนทกจากผสงเกตการณแตละคนลงในเสนกราฟของเซนเซอรแตละชนด โดยใชเวลาเปนขอมล synchronize กน โดยแยกสของขอมลทบนทกพฤตกรรมของผสงเกตการณทง 3 คนออกจากกน คอ สแดง สด า และสน าเงน เพอใชวเคราะหจ านวนผเลอกเหตการณในชวงเวลาการเกดเหตการณเดยวกน โดยมลกษณะตามภาพท 3.31

DPU

52

ภาพท 3.31 การวเคราะหขอมลพฤตกรรมการขบขจากแอพพลเคชน data analyser จากภาพท 3.31 แสดงชวงของขอมลระหวางจดท 1,000 ถง 1,200 ของขอมลเซนเซอร

โดยวเคราะหขอมลโดยเลอกจดเรมตน และจดสนสดของการเกดเหตการณตามหมายเลข 1 จากภาพจะเหนไดวาในพนทสฟาทเลอกโดยการใช touch screen บนหนาจอนนมผสงเกตการณเลอกขอมลการเบรคเหมอนกน 2 คน คอ เสนสด า และเสนสน าเงน เปนไปตามวธ majority vote ทเลอกน ามาใชงาน จากนนเมอกดปม “OK” แอพพลเคชน data analyser จะเลอกพนทสฟาของเซนเซอรตาง ๆ โดยอางองจากเวลาทเลอกเหตการณนน ๆ จากภาพจะเหนไดวาพนทสฟาของแตละเซนเซอรไมตรงกน เนองจากขอมลของเซอเซอรบางครงมโอกาสทขาดหายไประหวางการเกบขอมลขนอยกบการท างานของเซนเซอรทตดตงในสมารทโฟน แตเปนชวงเวลาสน ๆ ทขาดหายไปไมเกน 1 วนาท ในทก ๆ ชวงเวลาทท างานตดตอกน 10 นาท ท าใหไมมผลกระทบกบการวเคราะหขอมลมากนกเนองจากแอพพลเคชน analyser แกปญหานดวยการเลอกชวงเวลาทเกดเหตการณเดยวกนออกมา ตอจากนนเลอก export ขอมลตามหมายเลข 2

DPU

53

ภาพท 3.32 การบนทกขอมลพฤตกรรมการขบขทเลอกผานแอพพลเคชน data analyser ภาพท 3.32 แสดงขอมลของเซนเซอรแตละชนดทเลอก export ออกมาตามผสงเกตการณ

ทเลอกเหตการณเดยวกนในชวงเวลานน จากภาพผใชงานจะเลอกเหตการณการขบขทจะบนทกตามหมายเลข 1 จากตวอยาง คอ เลอก B หมายถง การเบรคส าหรบการบนทกในเหตการณน ทงหมดสามารถเลอกได 12 เหตการณ เปนเหตการณทปกต และเหตการณอนตราย กอนบนทกขอมลงานวจยนจะตรวจสอบจ านวนผสงเกตการณทเลอกชวงเหตการณนมมากกวาครงหนงของผ สงเกตการณทงหมดทวเคราะหมาจากแอพพลเคชน data analyser โดยดจากหมายเลข 2 ตวอยางมผ สงเกตการณเลอกทงหมด 2 ตามขอมลทเลอกไว หลงจากนนจะเลอกแกนเซนเซอรตาง ๆ ทตองการบนทกซงแกนของเซนเซอรนนมความสมพนธแตกตางกนออกไปตามทศทางการเคลอนท โดยเหตการณการขบขดวยการเบรค จะเลอกแกน y ของ accelerometer sensor ส าหรบบนทก โดยเลอกจากหมายเลข 4 และยงสามารถเลอกแกนของเซนเซอรอน ๆ ไดโดยกดปมลกศรถดไปตามหมายเลข 3 เมอเลอกขอมลตาง ๆ เสรจสมบรณแลวสามารถบนทกขอมลตาง ๆ ของเหตการณการขบขนลงในรปแบบ csv ทก าหนดไว โดยขอมลการเบรคทบนทกสามารถแสดงไดตามภาพท 3.33 เพอน าไปใชส าหรบอลกอรทมท านายพฤตกรรมการขบขตอไป

DPU

54

ภาพท 3.33 ขอมลการเบรกทบนทกหลงจากการวเคราะหขอมล

3.5.2 ขอมลจากการวเคราะหขอมลผานแอพพลเคชน data analyser จากขอมลเซนเซอร และขอมลพฤตกรรมการขบขจากผสงเกตการณหลงวเคราะหผาน

แอพพลเคชน data analyser โดยเลอกเหตการณการขบขจากผสงเกตการณทบนทกเหตการณเดยวกนในชวงเวลาเดยวกนโดยใชวธ majority vote ขอมลทไดจากการวเคราะหตามภาพท 3.34

DPU

55

ภาพท 3.34 กราฟแสดงจ านวนผสงเกตการณบนทกเหตการณการขบขแตละเหตการณ จากภาพท 3.34 แสดงจ านวนเหตการณทผสงเกตการณเลอกเหตการณเดยวกนใน

ชวงเวลาเดยวกน โดยแยกเปน 2 แบบ คอ ผสงเกตการณเลอกเหตการณเดยวกน 2 ใน 3 คน และผ สงเกตการณการเลอกเหตการณทงหมดเหมอนกน โดยแยกเหตการณการขบขออกเปน 12 เหตการณ คอ B (การเบรค) SB (เบรคอนตราย) A (การเรง) SA (การเรงอนตราย) L (เลยวซาย) SL (เลยวซายอนตราย) R (เลยวขวา) SR (เลยวขวาอนตราย) CL (เปลยนเลนซาย) SCL (เปลยนเลนซายอนตราย) CR (เปลยนเลนขวา) และ SCR (เปลยนเลนขวาอนตราย) จากขอมลพบวามเหตการณการขบขทผ สงเกตการณเลอกเหตการณเดยวกนมากกวาครงหนงของจ านวนผสงเกตการณทงหมดจ านวน 335 ครง คดเปน 66% จากเหตการณทบนทกทงหมดจากผสงเกตการณทบนทกขอมลมากทสด 508 ครง เมอน ามาแยกเหตการณการขบขบนเสนทางทดสอบจรงบรเวณมหาวทยาลยธรรมศาสตร ศนยรงสต พบวา 3 อนดบแรกของการเกดเหตการณการขบข คอ การเรง การเบรค และการเลยวซาย โดยมจ านวน 125 ครง 106 ครง และ 36 ครงตามล าดบ และเมอน าขอมลแยกจ านวนของผบนทกเหตการณระหวางผสงเกตการณเลอกเหตการณเดยวกน 2 ใน 3 คน และผสงเกตการณเลอกเหตการณทงหมดเหมอนกนในชวงเวลาเดยวกนพบวา ผสงเกตการณทเลอกเหตการณเหมอนกนในเวลาเดยวกนมจ านวนมากกวาดวยจ านวน 209 ครงตอ 126 ครง สรปไดวาเมอเกดเหตการณการขบขขนผ สงเกตการณทงหมดจะคดวานนคอเหตการณการขบขทเกดขนจรง เมอดจ านวนของเหตการณทมผ บนทกเหตการณการขบขพบวา การเลยวซายอนตราย และเลยวขวา ผสงเกตการณทกคนบนทก

DPU

56

เหมอนกนทกครงทเกดเหตการณ คอ ไมมผสงเกตการณคนใดไมบนทกเหตการณการขบขเมอเกดเหตการณเหลานขน 3.5.3 การแบงขอมลเพอทดสอบ และส าหรบผลการทดลอง

หลงจากวเคราะหขอมลพฤตกรรมการขบขจากผสงเกตการณ ขอมลเซนเซอรแตละชนดทมความเกยวของกบเหตการณนน ๆ จะถกบนทกลงใน csv ไฟลใน directory “record sensor” เพอน าไปใชส าหรบอลกอรทมท านายพฤตกรรมการขบข เนองจากการทดสอบการขบขทดสอบครงเดยว ดงนนเพอใหไดผลการทดลองทนาเชอถอขนจงแบงขอมลเซนเซอรแตละชนด และขอมลพฤตกรรมการขบขออกเปน 2 ชด คอ ชดแรกเพอพฒนาอลกอรทมท านายพฤตกรรมการขบขเพอหาวธการต งคา และตวแปรตาง ๆ ทมผลกบอลกอรทมเพอใหไดผลลพธดทสด โดยเลอกขอมลเซนเซอร 1 ใน 3 ของขอมลเซนเซอรทงหมด 19,758 จด และเลอกประเภทของเหตการณการขบขโดยการสม 1 ใน 3 ของขอมลเหตการณการขบขแตละประเภททวเคราะหผานแอพพลเคชน data analyser เพอใหไดขอมลทสภาพแวดลอมของเสนทางททดสอบแตกตางกนทง 3 แบบ คอ บรเวณภายในมหาวทยาลย บรเวณถนนทมจ านวนรถบนทองถนนหนาแนน และบรเวณทมจ านวนรถบนทองถนนนอย น ามาใชเปน reference pattern ในอลกอรทมท านายพฤตกรรมการขบข

ส าหรบชดขอมล 2 ใน 3 ทเหลอจะใชส าหรบประมวลผลการทดสอบของงานวจยโดยใชการตงคาตวแปรตาง ๆ ตามขอมลทดสอบในชดแรกเพอใหไดขอมลทไมเหมอนกนในการหาผลการทดลอง

3.6 การพฒนาอลกอรทมท านายพฤตกรรมการขบข

อลกอรทมส าหรบท านายพฤตกรรมการขบขพฒนาขนเพอท านายพฤตกรรมการขบขจากขอมลเซนเซอรบนสมารทโฟน เพอน าไปใชพฒนาแอพพลเคชนรณรงคการขบขทปลอดภย โดยอลกอรทมท านายพฤตกรรมการขบขนสามารถเลอกเซนเซอรทตองการน ามาใชงานไดตามประสทธภาพของสมารทโฟนแตละเครองทมความหลากหลาย ในเรองของเซนเซอรทตดตงไว และพลงงานทมอยางจ ากด โดยภาพท 3.35 แสดงการท างานของอลกอรทมท านายพฤตกรรมการขบข

DPU

57

ภาพท 3.35 อลกอรทมท านายพฤตกรรมการขบข จากภาพท 3.35 แสดงอลกอรทมท านายพฤตกรรมการขบขโดยอลกอรทมทพฒนาขนม

ขนตอนการท างานหลก ๆ ทงหมด 5 ขนตอน คอ

DPU

58

ขนตอนท 1 คอ การรบขอมลเซนเซอรตาง ๆ ไดแก accelerometer sensor, magnetic sensor, GPS และ gyroscope sensor จากสมารทโฟนมาเกบไวเปน buffer ตามทก าหนด และรบขอมล reference pattern จากพฤตกรรมการขบขทไดจากผสงเกตการณเขามา ส าหรบท า pattern matching ระหวางขอมลทงสองชนด

ขนตอนท 2 คอ การลดสญญาณรบกวน ของขอมลเซนเซอรทรบเขามา เนองจากขอมลทรบเขามาระหวางการขบขรถยนตนนจะมขอมลการสนสะเทอนของเครองยนตของรถทขบข และสภาพของผวถนนระหวางการขบข ท าใหเมอน าไปใชงานอาจจะท าใหรปแบบของเซนเซอรเมอน ามาเปรยบเทยบกบ reference pattern มความผดพลาดได โดยการใชเทคนค simple moving average

ขนตอนท 3 คอ การตรวจสอบโอกาสการเกดเหตการณในชวงของขอมลเซนเซอร เพอชวยลดการประมวลผลของสมารทโฟนไมใหท างานในขนตอน pattern matching ตลอดเวลาทรบขอมลเขามา โดยขนตอนนจะตรวจสอบคา standard deviation ของชวงขอมลปจจบนทรบเขามากบคา standard deviation โดยรวมทผานมาตลอดการขบข หากคา standard deviation สงกวาคาโดยรวมอลกอรทมท านายพฤตกรรมการขบขจะน าไปท าขนตอน pattern matching ตอไป

ขนตอนท 4 คอ การท า pattern matching ระหวางชวงของขอมลเซนเซอรทรบเขามากบขอมลของ reference pattern ของเหตการณการขบขตาง ๆ ทไดมาจากผสงเกตการณสวนใหญบนทกไว เปรยบเทยบความคลายของรปแบบของขอมลโดยใช เทคนค Dynamic Time warping วาใกลเคยงเหตการณใดมากทสด เพอหาค าตอบทเปนประเภทของเหตการณทไดจากขอมล

ขนตอนท 5 คอ การเปรยบเทยบเหตการณการขบขทไดจากขนตอน pattern matching โดยพจารณาตามความสมพนธของเซนเซอรกบพฤตกรรมการขบข และวเคราะหดวยคาความแตกตางของเซนเซอรแตละชนดกบคาความแตกตางของเซนเซอรทมาจากขอมลเซนเซอรทมาจากผ สงเกตการณสวนใหญบนทก โดยขนตอนนจะมค าตอบพฤตกรรมการขบขจากแตละเซนเซอรจากนนจะเลอกเหตการณการขบขจากเหตการณทเซนเซอรทายมากทสดเปนค าตอบของอลกอรทม 3.6.1 การรบขอมลเซนเซอรจากสมารทโฟน และขอมล reference pattern

เรมตนการท างานของอลกอรทมท านายพฤตกรรมการขบข จะรบขอมล reference pattern ทไดมาจากการบนทกของผสงเกตการณระหวางการทดสอบการขบขโดยเลอกเหตการณเฉพาะขอมลทผสงเกตการเลอกเหตการณการขบขเดยวกนในชวงเวลาเดยวกนโดยวธ majority vote ขอมล reference pattern เขามานเปนรปแบบขอมลการเกดเหตการณตาง ๆ จากขอมล accelerometer sensor ทมความสมพนธกบเหตการณการขบข ตามตารางท 3.4

DPU

59

ตารางท 3.4 แสดงความสมพนธของแกนขอมล accelerometer sensor กบเหตการณการขบข

แกนขอมลของ accelerometer sensor เหตการณการขบข แกน y การเบรค แกน y การเรง แกน x การเลยว แกน x การเปลยนเลน

จากตารางท 3.4 ขอมลจากแกนของ accelerometer sensor ทใชเปน reference pattern จะ

แบงเปน 2 แกน คอ แกน y จะใชส าหรบการเบรคและการเรง สวนแกน x ใชส าหรบการเลยวและการเปลยนเลน โดยขอมลความสมพนธทแสดงเปนการวางสมารทโฟนหนดานบนไปทศทางเดยวกบรถเคลอนทไปดานหนา ส าหรบขอมล reference pattern ใชในการเปรยบเทยบกบขอมล accelerometer sensor ทรบเขามาในขนตอน pattern matching นอกจากขอมล reference pattern ทรบเขามาแลวอลกอรทมท านายพฤตกรรมการขบขจะรบขอมลจากเซนเซอรสมารทโฟนเขามาไดแก accelerometer sensor, magnetic sensor, gyroscope sensor และ GPS ส าหรบขอมลท ง 4 เซนเซอรอลกอรทมตองการขอมลจากเซนเซอรอยางนอย 1 เซนเซอร คอ accelerometer sensor เพอน ามาใชหาพฤตกรรมการขบข และชวงเวลาของการเกดพฤตกรรมการขบขดวยเทคนค pattern matching ความถทงานวจยนเลอกใชม 2 ความถ คอ 5 Hz ส าหรบ accelerometer sensor, magnetic sensor และ gyroscope sensor และ 1 Hz ส าหรบ GPS เหตผลทใชความถแตกตางกนนนเนองจากปจจบนนสมารทโฟนความถสงสดท GPS สามารถรบขอมลไดจะอยท 1 Hz ซงเพยงพอกบการตรวจจบพฤตกรรมการขบขทมชวงเวลาเกดส นทสดอยางการเปลยนเลนประมาณ 1,250 ms หรอ 1.2 Hz ขอมลมาจากการบนทกพฤตกรรมการขบขจากผสงเกตการณ

หลงจากรบขอมลจากเซนเซอรแตละชนดเขามาแลวขอมลจะตองถกแยกพจารณาเปน 2 ทศทางการเคลอนท คอ ทศทาง lateral และทศทาง longitudinal เนองจาก 2 ทศทางนมเหตการณการขบขและขอมลเซนเซอรทใชพจารณาเหตการณการขบขแตกตางกน โดยแสดงตารางท 3.5

DPU

60

ตารางท 3.5 ความสมพนธของทศทางการเคลอนทกบเหตการณการขบข ทศทาง longitudinal ทศทาง lateral

การเบรค การเลยว การเรง การเปลยนเลน

จากตารางท 3.5 แสดงทศทางทมความสมพนธกบเหตการณการขบขเมอวางสมารทโฟน

โดยหนดานบนไปทศทางเดยวกบรถเคลอนทไปดานหนา ทศทาง longitudinal จะประกอบไปดวย การเบรคและการเรง รวมถงเหตการณทอนตรายของการเบรคและการเรงเชนกน และส าหรบทศทาง lateral เปนเหตการณการเลยวและการเปลยนเลน ซงรวมทงไปทศทางซาย และทางดานขวา รวมถงเหตการณทอนตรายดวย

ขอมลทรบเขามานนจะถกจดเกบในรปแบบ buffer เพอท าใหเกดเปนรปแบบของขอมลเพอใชเปรยบเทยบในขนตอน pattern matching ส าหรบขนาดของ buffer หรอ window ทเลอกใชในอลกอรทมนมาจากการหาคาทดทสดจากการประมวลผลอลกอรทม โดยพจารณาจาก 3 คา คอ คาเฉลยของขนาดขอมลของพฤตกรรมการขบขทบนทกโดยผสงเกตการณทงหมดในแตละแกนทศทาง ขนาดของขอมลทมากทสดของแตละแกนทศทางการเคลอนท และขนาดขอมลทนอยทสดของทศทางการเคลอนท คาตาง ๆ ทเลอกมาพจารณา คอ เวลาของการเกดเหตการณการตาง ๆ จากการทดลองน าคาของทง 3 แบบมาใชงานในอลกอรทมท านายพฤตกรรมการขบข พบวาคาเฉลยทไดจากขนาดของขอมลแตละทศทางการเคลอนทไดค าตอบทดทสดในการน ามาใชงานส าหรบอลกอรทมท านายพฤตกรรมการขบข เนองจากเมอน าเอาเฉพาะคาของจ านวนจดขอมลทนอยทสดหรอคาของจ านวนจดขอมลทมากทสดมาใชงานนน คาของขอมลยงไมไดเปนคาทการเกดเหตการณสวนใหญเกดขน ตวอยางเชน จ านวนจดของขอมลเลอกใชตามจ านวนจดของการเปลยนเลนทนอยทสด จะพบวาเมอน าไปใชเปรยบเทยบขอมล pattern matching กบ reference pattern เหตการณการเปลยนเลนจะไดคาทด แตการเลยวจะไมไดค าตอบทดเนองจากชวงเวลาในการเปรยบเทยบนนส นเกนไป กลบกนหากน าจดขอมลทมากทสดมาใช คอ การเลอกจ านวนจดเทากบการเกดเหตการณเลยวทมากทสด การท านายการเลยวจะไดด แตการเปลยนเลนกลบไดผลลพธทแย การเลอกนนเราไมสามารถทราบไดวาเหตการณใดจะเกดขนในขอมลทรบเขามาดงนนวธการทดทสดในการเลอกขนาดของ window คอ คาเฉลยของจ านวนจดของขอมลแตละทศทางการเคลอนท

DPU

61

3.6.2 การลดสญญาณรบกวน หลงจากทขอมลทรบเขามาจาก accelerometer sensor ถกเกบไวเทากบจ านวน window ท

ก าหนดของแตละแกนทศทางการเคลอนท ขอมลใน window นนจะถกน ามาลดสญญาณรบกวนทเกดการการสนสะเทอนของเครองยนต และพนผวของถนนทรถยนตวง เพอใหเหลอแตขอมลเฉพาะทเกดการจากขบขเพยงอยางเดยว จะไดรปแบบการเปลยนแปลงของขอมล accelerometer sensor ขณะเกดเหตการณตาง ๆ ไดชดเจนมากขน โดยเทคนคทเลอกน ามาใชงาน คอ Simple moving average

𝑆𝑀𝐴 = 𝑃1 + 𝑃2 + 𝑃3 + ⋯ 𝑃𝑛−1

𝑛 (1)

สตรการค านวณหา simple moving average ของขอมลใน window โดการหาคาเฉลยของ

ขอมลทงหมดใน window นน P หมายถง คาของขอมลแตละต าแหนง และ n หมายถง จ านวนจดขอมลทงหมด จากสตรการค านวณนจะไดลกษณะของรปแบบขอมลใหมตามภาพท 3.36

ภาพท 3.36 เปรยบเทยบขอมลกอนและหลงท าเทคนค simple moving average จากภาพท 3.36 แสดงการเปรยบของขอมลกอนและหลงท าการลดสญญาณรบกวนดวย

วธ Simple moving average เสนสขาว คอ raw data ของขอมล accelerometer sensor ทไดรบมาจาก

DPU

62

สมารทโฟน และเสนสแดง คอ การน า raw data ชดเดยวกนท าการลดสญญาณรบกวน จากภาพจะเหนวาเสนกราฟสขาวจะมลกษณะของขอมลเปลยนแปลงทไมนง ท าการหากน าไปใชงานในขนตอน pattern matching ค าตอบทไดรบจะผดพลาดได สวนเสนสแดง คอ กราฟทลดสญญาณรบกวนแลวจะพบวามองเหน trend การเกดของขอมลไดชดเจนมากขนวาขอมลเปลยนแปลงไปในทศทางใด แตการท า simple moving average จะท าใหขอมลหายไปจากเดมบาง แตไมมผลมากนกหากขอมลทไดออกมานนเปนลกษณะการเปลยนแปลงของขอมลทชดเจนในการเกดเหตการณการขบข 3.6.3 ตรวจสอบการเกดเหตการณการขบขในขอมล

จากความหลากหลายของสมารทโฟนในปจจบนนทมความส าคญกบการใชงานอลกอรทมท านายพฤตกรรมการขบข ไดแก จ านวนเซนเซอรทตดต ง เชน บางรนมการตดตง gyroscope sensor ซงมประโยชนในงานวจยนเพอชวยตรวจสอบการขบขในการเลยวและเปลยนเลน หรอพลงงานทมอยอยางจ ากดของอปกรณ เพอไมใหอลกอรทมท านายพฤตกรรมการขบขท างานตลอดเวลาทขอมล accelerometer sensor เขามาดวยความถ 250 ms จงใชการตรวจสอบคา standard deviation ของขอมล เพอตรวจสอบการเปลยนแปลงของขอมลใน window ปจจบน กบคา standard deviation ของขอมลทผานมาตงแตเรมการขบข โดยใชสตรการค านวณดงน

𝜎 = √1

𝑁∑(𝑥𝑖 − ��)2

𝑁

𝑖=1

(2)

จากสตร 2 สญลกษณ 𝑥𝑖 คอ คาของขอมลต าแหนงนน �� คอ คาเฉลยของขอมลใน window นน 𝑁 คอ จ านวนขอมลทงหมด จากเทคนคนจะท าใหเหนการเปลยนแปลงของขอมลทเกดเหตการณการขบข และไมเกดการขบขในขอมลตามภาพท 3.37

DPU

63

ภาพท 3.37 ตรวจสอบการเกดเหตการณการขบขในขอมลดวย standard deviation

จากภาพท 3.37 แสดงขอมลของ accelerometer sensor ทรบมาจากสมารทโฟน โดยมคา

standard deviation รวมทผานมาต งแตเรมการขบขเทากบหรอเทากบคา threshold |2.5| จากภาพหมายเลข 1 แสดงการเปลยนแปลงของขอมลโดยมคา standard deviation ใน window นนเกนคา |2.5| แสดงวาชวงของขอมลใน window นมโอกาสเกดเหตการณการขบขขน สวนหมายเลข 2 นนแสดงใหเหนคาขอมลจาก accelerometer sensor ทไมเกน standard deviation รวมทผานมานนแสดงใหเหนวา ขอมลชวงนนอาจจะเปนเพยงการเคลอนทของรถยนตปกตโดยไมเกดเหตการณการขบขขนและอลกอรทมจะกลบไปรบขอมลจากเซนเซอรเขามาใหมตงแตขนตอนท 1 จากผลลพธทมความนาจะเปนทเกดเหตการณการขบขขนจะสงขอมลใน window หมายเลข 1 ไปยงขนตอน pattern matching ตอไป ประโยชนทไดจากการตรวจสอบ standard deviation น คอ อลกอรทมท านายพฤตกรรมการขบขไมจ าเปนตองท างานตลอดเวลา ท าใหประหยดแบตเตอรของสมารทโฟนทมอยอยางจ ากด 3.6.4 Pattern matching

ขนตอนนเปนขนตอนทน าขอมลดบทรบมาจากขอมลเซนเซอร accelerometer ของสมารทโฟนทเกบไวในรปแบบของ window มาเปรยบเทยบ reference pattern ของเหตการณการขบขทบนทกมาจากผสงเกตการณททดลอง ผานการวเคราะหขอมลโดยการใชแอพพลเคชน data analyser ดวยการเลอกชวงเวลาทผสงเกตการณบนทกเหตการณเดยวกนในชวงเวลาเดยวกนดวยวธ majority vote ขอมล accelerometer sensor ทน ามาเปรยบเทยบขอมล reference pattern นนจะแยกการเปรยบเทยบตามทศทางการเคลอนท 2 ทศทาง คอ แกน y ของ accelerometer sensor จะเปรยบเทยบกบการเบรคและการเรง แบบอนตรายและไมอนตราย สวนแกน x ของ accelerometer

DPU

64

sensor จะน าไปเปรยบเทยบกบ การเลยวซาย การเลยวขวา การเปลยนเลนซาย และการเปลยนเลนขวา แบบอนตรายและไมอนตราย เพอหาความคลายของขอมลทสดเปนค าตอบประเภทพฤตกรรมการขบข และชวงเวลาเรมตนและสนสดของเหตการณการขบขจาก accelerometer sensor โดยการใชเทคนค Dynamic time warping

เทคนค Dynamic time warping คอการน าขอมล accelerometer sensor ท รบมาจากสมารทโฟน และขอมล pattern matching ทเกยวของกบทศทางการเคลอนทของแกนขอมลมาหาคาความแตกตางระหวางจดหนงจดขอมลกบทกจดของ reference pattern โดยใชสตรกาค านวณดงน (C. Saiprasert, October 2013)

𝑧𝑖𝑗 = (𝑥𝑖 − 𝑦𝑗)2 (3)

จากสตร 3 สญลกษณ 𝑥𝑖 คอขอมลทรบมาจาก accelerometer sensor 𝑦𝑗 คอขอมลจาก reference pattern เมอน าขอมลแตละต าแหนงมาคาความแตกแตกและก าลงสองแลวจะไดผลลพธของทงสองขอมลเปน ตาราง matrix 2 มตมขนาดของ matrix คอ ขนาดของ window × ขนาดของ reference pattern ตามภาพท 3.38 ส าหรบขอดของการใช dynamic time warping คอ ความยาวของชดขอมลทจะน ามาเปรยบเทยบกบชดขอมลอางอง ไมจ าเปนตองเทากน ท าใหมความยดหยนในการรองรบขอมลดบไดในหลายกรณการใชงาน

ภาพท 3.38 ผลลพธ matrix จากการค านวณระหวาง reference pattern กบ raw data

DPU

65

จากภาพท 3.38 เปนการค านวณหาความแตกตางระหวาง reference pattern และ raw data จากภาพคอการน าขอมลของจดหนงจดของ raw data ค านวณหาความแตกตางจากทกจดของ reference pattern โดยการค านวณนจะมตาราง matrix เทากบจ านวน reference pattern ทใชงานในแตละทศทางการเคลอนท หลงจากนนจะใชหาเสนทางทมคานอยทสดในการเลอนจากมมลางซายของตารางไปยงมมบนขวาของตาราง โดยททศทางการเลอนม 3 ทศทางคอ ดานบน ดานขวา และดานบนขวาตามภาพท 3.39

ภาพท 3.39 การเลอกเสนทางทมคานอยทสดในตาราง matrix จากภาพท 3.39 แสดงการเลอกเสนทางทมคานอยทสดจากมมซายลางไปยงมมขวาบน

โดยมทศทาง 3 ทศทาง คอ ดานบน ดานขวา และดานบนขวา จากภาพเสนทางสน าเงนคอเสนทางทมคานอยทสดของตาราง matrix นเมอน า raw data เปรยบเทยบกบ reference pattern จากเสนทางทเลอกมาจากตาราง matrix จะถกค านวณคาน าหนกของเสนทางแตละ reference pattern ดวยสตร 4

𝑣𝑎𝑙𝑢𝑒 = ∑ (𝑥𝑖)𝑁

𝑖=1

𝑁 (4)

จากสตร (4) คอการหาคารวมของความแตกตางทนอยทสดของแตละจดขอมลหารดวยจ านวนครงทใชในการเลอนจากมมซายลางไปยงมมขวาบนของเสนทางทเลอกของตาราง matrix โดย N หมายถงจ านวนจดทเสนทางเลอกผาน และ 𝑥𝑖 คอคาของขอมลทจดเลอกผาน ซงอลกอรทม

DPU

66

ท านายพฤตกรรมการขบขจะค านวณหาเสนทางทมคานอยทสดโดยน าขอมลของแกนขอมล accelerometer sensor เปรยบเทยบกบ reference pattern ทมความสมพนธกน จากนนจะเลอกค าตอบเหตการณการขบขจากคาทนอยท ตามตวอยางภาพท 3.40

ภาพท 3.40 การเลอกเหตการณการขบขดวย Dynamic time warping ภาพท 3.40 แสดงตวอยางการเลอกเหตการณการขบขระหวาง L (เลยวซาย) R (เลยวขวา)

และ CL (การเปลยนเลนซาย) โดยเทยบกบ raw data ทมาจาก accelerometer sensor แกน x ทมความสมพนธกบทศทางน โดยตวอยางแสดงตาราง matrix ของแตละเหตการณ เสนสน าเงน คอ เสนทางทมคานอยทสดในการเลอกจากมมซายลางไปยงมมขวาบนของตาราง matrix โดยมการค านวณคาเสนทางออกมาแตละ reference pattern ดงน เลยวซายมคา 0.755 เลยวขวา 1.515 และเปลยนเลนซาย 0.811 จากคาทงหมดนอลกอรทมท านายพฤตกรรมการขบขจะเลอก การเลยวซายเปนค าตอบของอลกอรทมส าหรบ window น และจะท าขนตอนตาง ๆ เหลานทกครงถาม window ใดผานขนตอน standard deviation ผลลพธจากขนตอนน คอ เหตการณการขบข เวลาเรมตนและสนสดของเหตการณนน ๆ เพอน าผลลพธไปหาคาความแตกตางของเซนเซอรอน ๆ เพอเทยบพฤตกรรมการขบขตอไป 3.6.5 ขนตอนการตรวจสอบความแปรผนของขอมล

หลงจากการท าขนตอน pattern matching แลวผลลพธทไดจากขนตอน pattern matching คอ เหตการณการขบข เวลาเรมตน และสนสดของการเกดเหตการณจากขอมล accelerometer sensor จากนนหากตองการเปรยบเทยบกบขอมลจากเซนเซอรชนดอน ไดแก magnetic sensor, GPS และ gyroscope sensor โดยหาคาสงสดและต าสดของแตละเซนเซอรน ามาเปรยบเทยบกบคาความแตกตางแตละเหตการณทมความสมพนธกบเซนเซอรแตละชนด โดยดจากตารางท 3.6

DPU

67

ตารางท 3.6 คาของเซนเซอรกบพฤตกรรมการขบขจากการทดลองขบจรง

เหตการณการขบข Magnetic sensor Gyroscope sensor GPS การเบรค - - ความเรว การเรง - - ความเรว การเลยวซาย 5.06 - 6.3

𝜇𝑚/𝑠 0.39 – 0.55

rad/s 16.36 – 28.33

degree/s การเลยวขวา การเปลยนเลนซาย 0.36 – 12.66

𝜇𝑚/𝑠 0.27 - 0.39

rad/s 18.35- 40.89

degree/s การเปลยนเลนขวา ตารางท 3.6 แสดงคาความแตกตางของคาทมากทสดกบคาทนอยทสดของขอมล

เซนเซอรชนดตาง ๆ ทมความสมพนธกบเหตการณการขบขแตละชนด เพอใชเปน upper และ lower bound เพอตรวจสอบการเกดเหตการณในการขบขตาง ๆ คาอางองในตารางทแสดงมาจากขอมลจากผสงเกตการณทบนทกขอมลการขบขโดยเลอกเฉพาะขอมลทผสงเกตการณเลอกเหตการณเดยวกนในชวงเวลาเดยวกนดวยวธ majority vote และเลอกสมขอมลจากขนตอนนออกมาอกครงดวยจ านวน 1 ใน 3 ของเหตการณการแตละชนดส าหรบเปนขอมลอางองในตารางน

จากขอมลในตารางการเบรคและการเรงจะใชขอมลจาก GPS ทมคาความเรว เมอความเรวเพมขน คอการเรง และหากคาความเรวลดลงคอการเบรค ส าหรบเหตการณการเลยว และการเปลยนเลน ขอมลจากเซนเซอรจะใชเหมอนกนแตจะแตกตางกนตรงคาความแตกตางของขอมลจากเซนเซอร โดยคาของการเปลยนเลนจะมคานอยกวา เชน การเลยวคาการเปลยนแปลงของทศทางการเคลอนทอยระหวาง 16.36 – 28.33 องศาตอวนาท แตการเปลยนเลนจะนอยกวาท 18.35- 40.89 องศาตอวนาท ส าหรบคาการเปลยนแปลงของ magnetic sensor ส าหรบการเลยวอยระหวาง 5.06 - 6.3 𝜇𝑚/𝑠 และการเปลยนเลนจะนอยกวาอยระหวาง 0.36 – 12.66 𝜇𝑚/𝑠 และส าหรบขอมลจาก gyroscope sensor การเลยวจะอยระหวาง 0.39 – 0.55 rad/s และการเปลยนเลนจะอยระหวาง 0.27 - 0.39 rad/s จากขอมลของตารางนสามารถน าชวงของเวลาเรมตนและสนสดจากขนตอน pattern matching ทใชขอมล accelerometer sensor ในการวเคราะหมาใชหาค าตอบของพฤตกรรมการขบขจากเซนเซอรอน ๆ ได โดยน าคาของเซนเซอรแตละชนดทอยระหวางชวงเวลาเดยวกบผลลพธทไดจากขนตอน pattern matching มาหาความแตกตางระหวางคามากทและคานอยทสดเพอเปรยบเทยบกบตารางท 3.6 ตามแตละชนดของเซนเซอรเพอแสดงผลลพธของพฤตกรรม

DPU

68

การขบขออกมา และเลอกค าตอบของอลกอรทมท านายพฤตกรรมการขบขจากจ านวนเหตการณทเซนเซอรทงหมดท านายมากทสดเปนค าตอบสดทาย 1. การเลอกค าตอบของอลกอรทมทจ านวนเหตการณไมเทากน

หากการเปรยบเทยบจ านวนของเหตการณแตละชนดมคาไม เทากนค าตอบของอลกอรทมท านายพฤตกรรมการขบขจะเลอกเหตการณทมผท านายมากทสดเปนค าตอบตามภาพท 3.41

ภาพท 3.41 เปรยบเทยบเหตการณการขบขทท านายไมเทากน ภาพท 3.41 แสดงค าตอบจากเซนเซอรตาง ๆ ทไดหลงจากท าอลกอรทมท านาย

พฤตกรรมการขบข โดยจ านวนของเหตการณทท านายแตละเซนเซอรมจ านวนไมเทากน จากภาพจะพบวา accelerometer sensor ใหค าตอบเปนเหตการณการเลยว จากขนตอน pattern matching และเมอท าขนตอน pattern matching เสรจแลวค าตอบจากขนตอนนคอ เวลาเรมตน เวลาสนสดของเหตการณ และพฤตกรรมการขบข หลงจากนนน าชวงเวลาเรมตนและสนสดทเกดเหตการณการขบข น าขอมลจากเซนเซอรแตละชนดในชวงเวลาน นไปหาคาความแตกตางและเปรยบเทยบคาความสมพนธของขอมลกบตารางท 3.6 จากตวอยาง magnetic sensor ไดค าตอบเปน การเลยวซาย GPS ไดค าตอบเปนการเลยวซาย แตส าหรบ gyroscope sensor ท านายวาเปนการเปลยนเลนซาย ท าใหผลลพธทไดมค าตอบไมเหมอนกนทงหมด ดงนนอลกอรทมท านายพฤตกรรมการขบขจะเลอกเหตการณทเซนเซอรสวนใหญท านาย คอ การเลยวซายเปนค าตอบ

DPU

69

2. การเลอกค าตอบของอลกอรทมทจ านวนเหตการณเทากน กรณการเปรยบเทยบเหตการณการขบขจากเซนเซอรแตละชนดทมเหตการณเทากน ท า

ใหการหาผลลพธของอลกอรทมจ าเปนตองใชน าหนกเขามาเกยวของ โดยคาน าหนกของแตละเซนเซอรทไดมานนน ามาจากการหาคาความถกตองของขอมลเซนเซอรส าหรบใชในการทดสอบเปนจ านวน 1 ใน 3 ของขอมลจ านวน 19,758 จด โดยเมอท าการประมวลผลอลกอรทมท านายพฤตกรรมการขบขแลวจะเลอกคาน าหนกของแตละเซนเซอรดวยคาความถกตองในการท านายพฤตกรรมการขบขจากขอมลการทดสอบน โดยมคาความถกตองดงน

ตารางท 3.7 น าหนกของเซนเซอรแตละชนดในการท านายพฤตกรรมการขบข

เซนเซอร น าหนก

Accelerometer sensor 0.271 Accelerometer sensor และ magnetic sensor 0.252 Accelerometer sensor และ GPS 0.246 Accelerometer sensor และ gyroscope sensor 0.231

จากตารางท 3.7 แสดงคาน าหนกของเซนเซอรแตละชนดในการท านายพฤตกรรมการ

ขบขในกรณทมค าตอบของจ านวนพฤตกรรมการขบขทเทากน จากตารางพบวาเซนเซอรแตละชนดจะม accelerometer sensor เขามาเกยวของดวย เนองจาก accelerometer sensor จะเปนขอมลทบอกวาเกดเหตการณการขบขขนหรอไม และเกดขนในชวงเวลาใด จากขอมลเซนเซอรทรบเขามา จากขนตอน pattern matching ขอมลตารางสรปไดวาการใช accelerometer sensor เพยงอยางเดยวมคาน าหนกมากทสด คอ 0.271 มาจากคาความถกตองของอลกอรทมท านายพฤตกรรมการขบขทท านายเหตการณโดยรวมทงหมด ส าหรบน าหนกทดทสดรองลงมา คอ magnetic sensor มคาน าหนก 0.252 ล าดบตอมาคอ GPS และ gyroscope sensor มคา 0.246 และ 0.231 ตามล าดบ

จากขอมลน าหนกทกลาวมาน วธการท านายพฤตกรรกมารขบขจากเซนเซอรแตละชนดจะมการรวมน าน าหนกเขามาเกยวของดวยตาม

DPU

70

ภาพท 3.42 เปรยบเทยบเหตการณการขบขทท านายเทากน ภาพท 3.42 แสดงการท านายเหตการณการขบขทเทากน โดยขนตอน pattern matching

โดยการใช accelerometer sensor ไดค าตอบ คอ การเลยวซาย เชนเดยวกบ magnetic sensor เมอน าขอมลความแตกตางของคาทมากทสดและคาต าทสดในชวงเวลาเดยวกนมาเปรยบเทยบไดค าตอบเปนการเลยวซายเชนกน แตส าหรบขอมลในชวงเวลาเดยวกนของ GPS และ gyroscope sensor กลบใหค าตอบเปนการเปลยนเลนซาย จากค าตอบนมจ านวนทท านายเทากน คอ การเลยวซายและการเปลยนเลนซาย เปนจ านวน 2 เซนเซอร ท าใหไมสามารถหาค าตอบไดจากการพจารณาจ านวนทท านายมากกวากนได ดงนนจงน าขอมลของน าหนกความถกตองของเซนเซอรจากตารางท 3.7 มาพจารณาประกอบจะไดวา ขอมลการเลยวซายมคาน าหนกความถกตองเทากบ 0.523 โดยการน าน าหนกของ accelerometer sensor และ magnetic sensor มารวมกน สวนการเปลยนเลนซาย มคาน าหนกเทากบ 0.477 โดยน าคาน าหนกของ GPS และ gyroscope sensor มารวมกน ท าใหค าตอบสดทายของอลกอรทมท านายพฤตกรรมการขบขท านายวา การเลยวซายคอค าตอบส าหรบขอมลน โดยดจากคาน าหนกของเหตการณทมากทสด

โดยสรปไดวา วธการน าเสนอของวทยานพนธนมการจดล าดบความนาเชอถอของเซนเซอรตาง ๆ เพอใชบงบอกถงเหตการณในการขบข โดยอางองจากขอมลสดสวนความถกตองในการท านายเหตการณในการขบขจากขอมลการทดสอบการขบข

DPU

71

3.7 การพฒนาโปรแกรมท านายพฤตกรรมการขบข การพฒนาโปรแกรมส าหรบท านายพฤตกรรมการขบข โปรแกรมถกพฒนาขนดวยภาษา

JAVA โดยใชอลกอรทมทพฒนาขนเปน library ในการเรยกใชงาน โดยรบขอมลจากเซนเซอรทเกบมาจากแอพพลเคชน sensor logger เปนขอมล input และใชขอมลจากแอพพลเคชน behaviour collector ทผานการวเคราะหขอมลจากแอพพลเคชน data analyser เปนขอมล reference pattern ในการเปรยบเทยบในขนตอน pattern matching โดยลกษณะการท างานขอโปรแกรมมลกษณะดงภาพท 3.43

ภาพท 3.43 โปรแกรมท านายพฤตกรรมการขบข ภาพท 3.43 แสดงการท านายของโปรแกรมท านายพฤตกรรมการขบข หลงจากกด

ประมวลผล โปรแกรมจะแสดงขนตอนการท างานของอลกอรทมท านายพฤตกรรมการขบขออกมาทางหนาจอ จากตวอยาง แสดงผลลพธของอลกอรทมเมอเปรยบเทยบกบผสงเกตการณบนทก โดยบรรทดท 1 แสดง 0 หมายถง ขอมลต าแหนงท 0 ของผสงเกตการณ บนทกวาเปนเหตการณ A หมายถงการเรง แตอลกอรทมท านายวา null หมายถงชวงเวลาทผสงเกตการณกดนนอลกอรทมทท านายพฤตกรรมการขบขไมมเหตการณการขบขทท านายออกมา อาจจะเกดจาก standard deviation ไมเกนกวา standard deviation โดยรวม หรอขอมลชวงนนไมมความคลายกบ reference pattern ทก าหนดไว ส าหรบบรรทดท 3 พบวาหนาจอแสดง 2 หมายถง ขอมลต าแหนงท 2 ผสงเกตการณ

DPU

72

บนทกวาเปน B หมายถงการเบรค และอลกอรทมท านายวา B คอการบรกเชนกน แสดงวาการท านายของอลกอรทมท านายถกตอง DPU

73

บทท 4 ผลการศกษา

จากการทดลองอลกอรทมท านายพฤตกรรมการขบขเปรยบเทยบกบผสงเกตการณ โดย

เปรยบเทยบชวงเวลาทผสงเกตการณบนทกเหตการณ กบชวงเวลาทอลกอรทมท านายเหตการณการขบขจากขอมลเซนเซอรของสมารทโฟน จากผลการทดลองนอาจจะเกดการผดพลาดของผลการทดลองของการท านายพฤตกรรมการขบขไดเนองจาก reference pattern ทน ามาเปรยบเทยบนนขนอยกบผสงเกตการณบนทกในแตละคนในชวงการเกดเหตการณการขบขเดยวกน ดงนนระยะเวลาของการเกดเหตการณอาจจะมโอกาสคลาดเคลอนจากความเปนจรงบาง เพราะการทดสอบการขบขขณะเกบขอมลไมไดก าหนดชวงเวลาใหผสงเกตการณบนทกวาใหกดทนททเกดเหตการณ หรอกดบนทกหลงจากเกดเหตการณ เนองจากตองการใหบนทกตามความรสกของผสงเกตการณแตละคนทรสกวาเกดเหตการณนน โดยสามารถสรปผลการทดลองจากการพฒนาอลกอรทมไดดงน

4.1 ความถกตองของอลกอรทมท านายพฤตกรรมการขบข

ตารางท 4.1 ความถกตองของอลกอรทมท านายพฤตกรรมการขบข

จากตารางท 4.1 แสดงการเปรยบผลลพธจากอลกอรทมท านายพฤตกรรมการขบข กบ

ขอมลเหตการณทประเมนโดยผสงเกตการณ จากตารางดานซาย แสดงจ านวนเซนเซอรตาง ๆ ทใชในการท านายพฤตกรรมการขบข โดยมขอมลจาก accelerometer sensor, magnetic sensor, GPS และ

DPU

74

gyroscope sensor โดยเครองหมายถกแสดงถงการเลอกใชขอมลจากเซนเซอรนน ๆ และดานขวาแสดงจ านวนของเหตการณทอลกอรทมท านายถกตอง โดยมแถวสแดงแสดงจ านวนเหตการณแตละเหตการณทผสงเกตการณประเมน (Ground Truth) จากขอมลการจ านวนเหตการณการขบขทมความแตกตางกนมากเรองของจ านวนเหตการณของแตละเหตการณทบนทกมาจากผสงเกตการณ เนองจากเสนทางทเราไดเกบขอมลนนเปนเสนทางการทดสอบทมสภาพจราจร และสงแวดลอมตามความเปนจรง ประกอบกบเหตการณทงหมดทเกดขนนนเปนความรสกของผสงเกตการณเอง โดยไมไดมขอบงคบในการบนทกเหตการณเพอใหไดขอมลเหมอนการใชงานจรงมากทสด เสนทางสวนใหญในการเกดเหตการณการขบขนนมกจะเกดการเบรค การเรงมากกวาการเลยว หรอการเปลยนเลน เชน การเลยวตามแยกตาง ๆ นน กอนจะเลยวผขบขมกจะชะลอความเรวกอนทจะเลยวและจะเรงความเรวหลงจากเลยวแลว ท าใหหากเกดเหตการณเลยวหรอการเปลยนเลนขนเหตการณทมกจะเกดขนพรอมกนกจะมการเบรคและการเรงเกยวของดวยเสมอ สงใหจ านวนเหตการณการเลยวมนอยกวาการเบรคและเรง

จากผลการทดลองนสามารถสรปผลลพธไดดงน เมอใชขอมลจาก accelerometer meter เพยงเซนเซอรเดยวใหผลลพธทมความถกตองมากทสด คอ 81% โดยสามารถท านาย การเลยวซายปกต การเลยวซายอนตราย และการเลยวขวาอนตรายไดมากกวาเงอนไขอน ๆ เมอพจารณาการท านายการเบรคและเรงทกเงอนไขสามารถท านายพฤตกรรมการขบขไดความถกตองเทากน 82% แตหากพจารณาเหตการณทเฉพาะการเปลยนเลน การท านายโดยใช accelerometer sensor เพยงอยางเดยวไมเพยงพอกบการท านาย โดยการท านายไดผลดทสด คอ การรวบน าเซนเซอร อน ๆ มาใชในการท านายพฤตกรรมนดวย โดยมความถกตองการท านายการเปลยนเลนท 74%

DPU

75

4.2 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบทศทาง longitudinal

ตารางท 4.2 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบทศทาง longitudinal

จากตารางท 4.2 แสดงเหตการณการขบขแยกความถกตองของอลกอรทมท านาย

พฤตกรรมการขบขเฉพาะทศทาง longitudinal ไดแก การเบรค การเรง แบบอนตรายและไมอนตราย จากผลการทดลองพบวาความถกตองของการใชเซนเซอรในทกเงอนไขของ accelerometer sensor, magnetic sensor, GPS และ gyroscope sensor มคาเทากนท 82% เนองจากเซนเซอรทมความเกยวของกบทศทางการเคลอนท longitudinal จะมเพยง accelerometer sensor และ คาทศทางการเคลอนท (heading) ของ GPS เทาน น ดงน นจะสรปขอมลนไดวาเมอเกดพฤตกรรมการขบขในทศทาง longitudinal สามารถเลอกใชขอมลจาก accelerometer sensor แกน y อยางเดยวได และเนองจากขอมลเซนเซอรตาง ๆ มความถกตองเทากน ขณะน าไปใชงานสามารถใชเซนเซอรทกนพลงงานนอยทสดไดเชนกน เพอชวยประหยดการใชพลงงานจากแบตเตอรของสมารทโฟน

DPU

76

4.3 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการเลยว ตารางท 4.3 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการเลยว

จากตารางท 4.3 แสดงความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการเลยว

ไดแก L (การเลยวซาย) SL (การเลยวซายอนตราย) R (การเลยวขวา) และSR (เลยวขวาแบบอนตราย) จากผลการทดลองจะเหนไดวาการใช accelerometer sensor จากขอมลแกน x เพยงอยางเดยวนนมคาความถกตองมากกวาการใชขอมลจากเซนเซอรอน ๆ เขามาประกอบในขอมลดวยคอนขางมาก โดยมคาความถกตองเทากบ 92.3% คาความถกตองทมคาความถกตองรองลงมา คอ magnetic sensor กบ accelerometer sensor มคาความถกตอง 65.38% จากผลการทดลองจะเหนไดชดวาคาความถกตองคอนขางแตกตางกนมาก

DPU

77

4.4 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการเปลยนเลน

ตารางท 4.4 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการเปลยนเลน

จากตารางท 4.4 แสดงความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบทศทาง lateral ไดแก CL (การเปลยนเลนซาย) SCL (การเปลยนเลนซายอนตราย) CR (กรเปลยนเลนขวา) และSCR (การเปลยนเลนขวาอนตราย) จากผลการทดลองจะเหนไดวาการใช accelerometer sensor จากขอมลแกน x เพยงอยางเดยวนนมคาความถกตองทนอยกวาการน าขอมลจากเซนเซอรอน ๆ มาประกอบดวย จากผลการทดลองพบวา การรวมขอมลจาก accelerometer sensor แกน x และเซนเซอรอน ๆ ทไมนบรวมกบ magnetic sensor จะใช magnetic sensor ดวยจ าเปนตองมเซนเซอรอน ๆ เขามาประกอบดวยผลลพธจะมค าตอบดทสดคอ 74.07%

DPU

78

4.5 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบเหตการณการขบขทอนตราย

ตารางท 4.5 ความถกตองของอลกอรทมท านายพฤตกรรมการขบขกบการขบขทอนตราย

จากผลการทดลองตารางท 4.5 แสดงคาความถกตองของการท านายพฤตกรรมการขบข

กบเหตการณการขบขทอนตราย ไดแก SB (การเบรคอนตราย) SA (การเรงอนตราย) SL (การเลยวซายอนตราย) SR (เลยวขวาแบบอนตราย) SCL (การเปลยนเลนซายอนตราย) และ SCR (การเปลยนเลนขวาอนตราย) คาความถกตองทมากทสด คอการใช accelerometer sensor เพยงอยางเดยว 72%

DPU

79

บทท 5 บทสรปและขอเสนอแนะ

5.1 สรปผลงานวจย

จากการทดลองอลกอรทมท านายพฤตกรรมการขบขจากการใชขอมลจากเซนเซอรหลายตว ผลลพธโดยรวมแสดงใหเหนถงการใชขอมลจาก accelerometer sensor เพยงอยางเดยวมความถกตองมากทสด 81% แตหากตองการตรวจจบพฤตกรรมการขบขโดยการเปลยนเลนตองน าเซนเซอรอน ๆ มาประกอบการท านายดวยจะไดผลลพธ เพยง 74% ส าหรบเหตการณน แตเมอพจารณาแยกออกเปนทศทาง longitudinal การเลอกใชเซนเซอรนนจะไมมผลการทดลองทแตกตางกน เนองจากเซนเซอรทมความสมพนธกบทศทางนมเพยง 2 เซนเซอร คอ accelerometer sensor และ GPS และมผลการทดลองท 2 เซนเซอรบอกเหตการณการขบขเปนค าตอบเดยวกนทความถกตอง 82% ส าหรบทศทาง longitudinal ผลลพธทมคาความถกตองมากทสด คอ accelerometer sensor แตหากพจารณาแยกเหตการณการเลยว และการเปลยนเลนออกจากกนพบวา หากตองการท านายการเปลยนเลนอยางเดยวนนการใชขอมลจาก accelerometer sensor เพยงอยางเดยวนนมผลการทดลองทมคาความถกตองนอยกวาการรวมกนของหลาย ๆ เซนเซอร เนองจากระยะเวลาของการเกดเหตการณของทงสองเหตการณมทรปแบบคลายกน แตเวลาการเกดนนแตกตางกน หากท านายการเลยวไดด แตการเปลยนเลนจะท านายไดไมด

งานวทยานพนธนมการรวมการเสนอวธการท านายพฤตกรรมการขบขจากเซนเซอรตาง ๆ โดยการใชคาความถกตองของการท านายเหตการณการขบขจากขอมลทดสอบจรง มาแปลงเปนน าหนกความนาเชอถอในการท านายเหตการณการขบข และคาน าหนกนยงสามารถใชเปนขอมลอางองเพอเลอกใชเซนเซอรตาง ๆ ในอนาคตได

นอกจากนนอลกอรทมท านายพฤตกรรมการขบขทน าเสนอในวทยานพนธฉบบนสามารถปรบเปลยนการใชขอมลเซนเซอรตาง ๆ ไดตามความเหมาะสมของการใชตามทผใชตองการ และยงสามารถปรบใหเหมาะสมกบประสทธภาพของสมารทโฟนแตละรนได แตประสทธภาพและความถกตองจะมคาแตกตางกนตามขอมลทไดจากแตละเซนเซอรตามทกลาวไวในขางตน

จากการทดลองนเนองจากการใชขอมลเวลาเรมตน และสนสดทมาจากขนตอน pattern matching จากขอมล accelerometer sensor เปนหลก หากการท านายเหตการณการขบขผดพลาดหรอ

DPU

80

ขอมลของเวลาคลาดเคลอนกจะท าใหการน ามาหาเวลาเรมตนและสนสดของขอมลเพอวเคราะหคาความแตกตางในแตละเซนเซอรกจะมขอผดพลาดไดเชนกน และชวงเวลาทผสงเกตการณบนทกส าหรบการท า pattern matching อาจจะมเวลาของการเกดเหตการณนานเกนไปจากเหตการณการขบขจรง เนองจากงานวจยนไมไดควบคมผสงเกตการณใหเลอกบนทกเหตการณในชวงเวลาใดของการทดสอบ โดยใชความรสกของผสงเกตการณแตละคนแทน ท าใหขอมลทใชใน reference pattern อาจจะมเวลานานเกนไปในการเปรยบเทยบ

สวนเรองของจ านวนเหตการณทมาใชในการเปรยบเทยบทมความแตกตางกนมาก เนองจากการขบรถเพอเกบขอมลเซนเซอร และพฤตกรรมการขบขของผสงเกตการณ วทยานพนธนใชเสนทางทดสอบการขบขจรง สภาพจราจรจรง และใชความรสกจากผสงเกตการณแตละคนทรสกถงเหตการณนน ท าใหเหตการณทเกดขนไมไดถกควบคมดวยจ านวนเหตการณ ประกอบกบจ านวนเหตการณการเบรคและเรงทมจ านวนมากกวาการเลยวเยอะ เกดจากลกษณะกายภาพ และพฤตกรรมการขบขรถจรงนน เมอเกดการเลยวเกดขนผขบขจะตองเบรคหรอชะลอรถกอนเลยว และหลงจากเลยวจะเรงเครองอกครง ดงนนการเกดเหตการณการเลยวมกจะเกดการเรงและเบรคดวย ซงไมรวมเหตการณเรงและเบรคระหวางการขบขเสนทางตรงปกตในการทดสอบ และหลกการวเคราะหขอมลทใชหาผลการทดลองนนเปนการเปรยบเทยบดวยวธ pattern matching ทจ านวนเหตการณการขบขแตละเหตการณไมจ าเปนตองมจ านวนเทากนในการเปรยบเทยบ เพราะความส าคญของการท านายจะอยทการใช reference pattern ของเหตการณแตละเหตการณทมท านายเหตการณนนทเกดขนจรงใหถกตอง ท าใหจ านวนความแตกตางของแตละเหตการณไมมผลกบการทดลอง

5.2 ขอเสนอแนะของงานวจย

งานวจยนสามารถพฒนาตอยอดใหมผลลพธของอลกอรทมใหดมากขน โดยในครงตอไปอาจจะปรบเปลยนขนตอนการท าอลกอรทมท านายพฤตกรรมการขบขในขนตอนตาง ๆ ใหดมากขน ดงน 1. ขนตอน pattern matching ระหวางขอมล accelerometer sensor กบขอมล reference pattern ตรงสวนนเปนสวนทมความสมพนธกบงานวจยมากทสด เพอบอกผลลพธ และชวงเวลาของการเกดเหตการณการขบขในขอมล เพอน าผลลพธทไดไปใชในการเปรยบเทยบคาความแตกตางกบเซนเซอรแตละชนด หากเกดขอผดพลาดตงแตขนตอนนผลลพธทไดจะมโอกาสผดพลาดไปดวย ดงนนหากจะปรบปรงสามารถท าไดโดยการเปลยนวธการใชเทยบ pattern matching ดวยวธการอน ๆ เชน วธการใช wavelet วธการเทยบขอมลจดตอจด หรอการแปลงขอมลเซนเซอรเปนลกษณะของ

DPU

81

กราฟ analog เพอใหทราบวาวธใดจะมผลทดทสดส าหรบการท านายเหตการณการขบขจากขอมลเซนเซอร 2. การใชจ านวน reference pattern ส าหรบเหตการณการขบขแตละเหตการณ ขอมล reference pattern ในอนาคตอาจจะมการรวมขอมลของหลาย reference pattern ของการเกดเหตการณนน ๆ รวมกนกลายเปน pattern เดยวกบเหตการณนน เพอลดขนตอนการประมวลผลส าหรบ pattern matching

DPU

82

บรรณานกรม

DPU

83

บรรณานกรม

ภาษาไทย

เวบไซตบรษทกลางคมครองผประสบภยจากรถ. สบคน 13 กรกฎาคม 2558,

จาก http://ts2.thairsc.com/th-version เวบไซตศนยอ านวยการความปลอดภยทางถนน. สบคน 13 กรกฎาคม 2558,

http://www.roadsafetythailand.com/main/index.php/data-statistics-h/statsongkranday

ภาษาตางประเทศ

C. Saiprasert, T. P.A. (2013). Detecting Driving Events Using Smartphone. Tokyo: 20th World Congress Intelligent Transport Systems.

J. Dai, J. T. (2010). Mobile Phone Based Drunk Driving Detection, Munich: 4th International ICST Conference on Pervasive Computing Technologies for Healthcare.

K. Yamphean, W. S. (2012). Driving Events Detection and Classification using GPS Data from Smartphone. Nakhonnayok: 35th Electrical Engineering Conference.

M. Fazeen, B. G. (2012. Safe Driving Using Mobile Phones. IEEE Transaction on Intelligent Transportation Systems.

Schagen, L. A. (2006). Driving speed and therisk of road crashes. Los Angle List: Accident Data analyser & Prevention.

Trevidi, D. A. (2011). Driving Style Recognition Using a Smartphone as a Sensor Platform. Washington:14th International IEEE Conference on Intelligent Transportation Systems.

DPU

92

ภาคผนวก

DPU

92

ภาคผนวก ก บทความประชมวชาการระดบนานาชาต

16th IEEE/ACIS International Conference on Software Engineering, Artificial Intelligence, Networking and

Parallel/Distributed Computing ประจ าป 2558

ในวนพธท 3 มถนายน 2558 ณ Sunport Hall Takamatsu เมองทะกะมทซ ประเทศญปน

DPU

92

A comparision of driving behaviour

prediction algorithm using multi sensory

data on smartphone

Thunyasit Pholprasit,

Worasit Choochaiwattana

Dhurakij Pundit University

110/1-4 Prachachuen Road, Laksi

Bangkok 10210, Thailand

thunyasit.pho@nectec.or.th,

worasit.cha@dpu.ac.th

Chalermpol Saiprasert

National Electronics and Computer

Technology Center

112 Phahonyothin Road, Klong Luang District

Pathumthani 12120, Thailand

chalermpol.sai@nectec.or.th

Abstract— The cause of accident on the road is

vehicle, human error and road physical

conditions. From the statistic of accident on the

road in Thailand, the major cause of road traffic

accidents is from aggressive driving behaviour.

One way to reduce road traffic accidents is to alert

and warn drivers. At present, smartphone are

used widely because many useful applications can

be installed on them and it is very easy for

everyone to own one. So this paper presents

driver’s behaviour detection algorithm on

application in smartphone to detect driving events

and provide real-time feedback to drivers while

driving. From variation in hardware of device

available in the market the algorithm allows user

customize the algorithm to suit with the device and

usage of the algorithm in real-world application.

The operation of algorithm uses pattern matching

and difference sensory data to find driving event.

The algorithm demonstrates a good accuracy of

prediction of driving events which is 71-80%.

Keywords—smartphone;driving event detection;

sensory data; (key words)

I. INTRODUCTION

Traveling from place to another place, it is important for us to know information about how to get there, arrival time or travel time to plan the journey. Other than putting travel time first in the priority we have to also consider our safety on the road.

The cause of accident on the road is vehicle, human error and road physical conditions [1]. In 2013 the statistics of National Police Agency (Thailand) have shown that the major cause of road traffic accidents is from driving behaviour such as excessive speeding, improper following, erratic lane changing and making improper turns,

which is approximately 75% of total accident [2]. The direct impact is injury or death of drivers and passengers while the indirect impact is traffic jams. As a result, the number of death from road traffic accidents in Thailand is 1,000 per year as reported by the Thai Accident Research Center [3]. The Thai government spends 70,000 million dollars per year for all accidents [3].

One way to reduce road traffic accidents is to install warning signs or signals to warn passengers and drivers of accident-prone area [4]. In logistic companies, tracking hardware devices are installed for monitoring driver’s behaviour [12]. However, the cost of operation is high per year per vehicle. Therefore, it is not appropriate for general users because it is expensive and difficult to maintenance by self.

At present, smartphones are used widely because many useful applications can be installed on them and it is very easy for everyone to own one. In 2013, the number of smartphone users in Thailand is approximately 32.4% of total population [5]. Smartphone can get sensory data such as GPS, accelerometer and magnetic for basic device. More sensors such as gyroscope can be found on highend devices. Accelerometer sensor is a sensor that measures the acceleration of a smartphone when there is movement on the device such as shake or tilt. The paper in [6] uses accelerometer to detect longitudinal movement of driver’s behaviour by pattern matching technique. For lateral movement of driver’s behaviour, the authors in [7] use magnetic sensor to measure change in magnetic field of earth and gyroscope sensor to measure angular velocity of smartphone. In [8] the author use GPS sensor to detect longitudinal and lateral movement from location, speed and heading by analysing the

86

DPU

92

difference in data values. Therefore, it has been proven that sensory data on smartphone is able to detect driver’s behaviour and inexpensive than GPS tracking device. The information mentioned previously about driver’s behaviour detection algorithm uses sensory data from multiple sensors to find the answer of driving events. Although the paper in [9] has shown good result of prediction of driving events but the implementation for suggestion of safety drive to reduce accident on the road is not widely accessible on all smartphones because most of smartphones currently available in the market are not equipped with gyroscope sensor. Variation in hardware of device in real-use includes number of sensor, resource or battery of smartphone so the solution of this problem is developing algorithm which is able to choose existing sensors on device and allow user to customize the algorithm appropriately to suit the device in use.

This paper presents driver’s behaviour detection algorithm based on sensory data on smartphone without the need to use all sensors. The system deploys sensor based on performance of each device. This algorithm can detect 6 events which are brake, acceleration, turn left, turn right, lane change left and lane change right. These events can be divided 2 type which are non-aggressive and aggressive. Moreover, these events are basic events occur while driving. The principle of this system is that the algorithm deploys raw data from accelerometer sensor to from driving patterns which are analysed using pattern matching technique for finding driving events. Then the result is to be analysed with related sensors to find driving event and percentage of confident of prediction to increase the efficiency of prediction of actual driving event.

This paper is organized as follows. Section II related research in the areas of driving pattern classification Section III overview. Section IV describe the detection and recognition driving behaviour algorithm. Section V show evaluation of algorithm, and conclude with section VI.

II. RELATED WORK

Recent techniques presents driver’s behaviour detection algorithm on smartphone which is [8] is used difference values from GPS sensor to detect lateral movement and longitudinal movement of driving event. In the [6] is used pattern matching technique by Dynamic Time Warping with accelerometer sensor to detect driving event and [7] is used accelerometer sensor to detect longitudinal movement by pattern matching technique and Magnetic sensor with Gyroscope senor to detect lateral movement. This paper presents the

algorithm allows customize the algorithm to suitable with the device.

III. BACKGROUND

This section presents sensors on smartphone use in algorithm in this paper. This algorithm uses sensory data from accelerometer sensor, magnetic sensor, gyroscope sensor and GPS sensor to detect driving events. These sensory data can detect 6 events which are brake, acceleration, turn left, turn right, lane change left and lane change right. These events can be divided 2 type which are non-aggressive and aggressive. These events are basic events occur while driving. Objective of the system to real-time suggest for driver when risk driving.

Accelerometer sensor is a sensor that measures the acceleration of a smartphone when there is movement on the device. This sensor is divided into 3 acceleration of axis which are x, y and z.

Figure 1 axis of accelerometer sensor on smartphone

Figure 1 shows values of axis of accelerometer sensor on smartphone that has 3 axis which are x, y and z. The value of y axis changes when the smartphone moves to forward or backward direction. When turn the device to the direction of vehicle. The y axis in this paper can be used to detect longitudinal movement of vehicle. This paper uses the x axis to detect longitudinal movement because value of x axis changes value when moving the smartphone to left or right. And z axis uses to detect vibration of vehicle during driving. This algorithm uses these sensory data of accelerometer sensor to detect driving events from nature of immediate change raw data by pattern matching technique.

Magnetic sensor is a sensor to measure change in magnetic field of earth. From nature of this sensor that the algorithm uses to detect difference values of each axis during changing direction in longitudinal movement.

87

DPU

92

Gyroscope sensor to measure angular velocity of smartphone. This sensor has 3 axis which are x, y and z.

Figure 2 Gyroscope sensor on smartphone

Figure 2 shows angular velocity of axis of gyroscope sensor. In paper [7] the author uses the z axis of gyroscope sensor to detect lateral movement when vehicle is turning or changing lane.

GPS sensor is a sensor to measure change values from satellites includes speed, heading and location. These data the algorithm can use to detect longitudinal movement from difference of speed values and use to detect lateral movement from heading values. From sensory data and driving event when placing the device to the direction of vehicle that this algorithm can summary of related between sensors and movement of vehicle in Table 1.

Sensor name Movement

Longitudinal Lateral

Accelerometer Yes Yes

Magnetic No Yes

Gyroscope No Yes

GPS Yes Yes

Table 1 related movement of vehicle with sensor

Table 1 shows relationship between sensors and movement of vehicle. The longitudinal movement using accelerometer sensor and GPS sensor. These sensors use for acceleration and braking. The lateral movement using all sensors to detect driving events which are turn and lane change. The nature of sensory data with driving event that divided into group in Figure 3.

Figure 3 relationship between sensory data and driving events

Figure 3 shows the relationship between

sensory data and driving events. When the

vehicle brakes, y axis values of accelerometer

sensor is decreased from nature of method in

accelerometer sensor in Figure 1 and when

vehicle brakes that speed also decreases.

Acceleration events uses the same sensor as

brake but the changing values of axis is opposite

to brake that is the values is increased. Turn and

lane change use all sensor to detect these events

when vehicle move to longitudinal direction that

changing x axis values of accelerometer sensor other than also the change values of magnetic

sensor and the z axis values of gyroscope sensor.

Turn and lane change events are divide into 2

directions which are left and right direction. The

value of left direction value is lower than normal

and right direction value is higher than normal value. The values of normal that from the

vehicle stop or driving normally. These driving

event are divided into 2 type which are non-

aggressive and aggressive that difference of

these types are duration and change of axis

values of the driving event beginning to the end.

Next section presents sensory data from the

information mentioned in this section with

driving’s behaviour detection algorithm.

IV. ALGORITHM

This section presents driver’s behaviour

detection algorithm using sensory data on

smartphone. The sensory data uses in the

algorithm which are accelerometer sensor,

88

DPU

92

magnetic sensor, gyroscope sensor and GPS

sensor. This algorithm allows user to customize

appropriately to suit the device from variation in

hardware of the smartphone. The overview of

this algorithm is shown in Figure 4.

Figure 4 flowchart of driver’s behaviour detection algorithm

Figure 4 shows the flowchart of driver’s

behaviour algorithm. The principle of the

algorithm is as follows, first the algorithm gets

real-time sensory data from the smartphone

which are accelerometer sensor, magnetic

sensor, gyroscope sensor and GPS sensor. These

sensors send the data to the algorithm that

depends on user requirement. The algorithm

allows user customise number of sensor to use

to detect driving events. After that the algorithm

reduces noise in raw data to optimize the pattern

matching step by Simple Moving Average

technique. Then the algorithm uses standard

deviation values of the current data window to

check values that may be driving events. This

step can reduce operation of algorithm and

reducing resources of the device. Then the

algorithm uses pattern matching technique by

Dynamic Time Warping to find similarity

between the raw data and reference pattern of

driving events. The result of the algorithm is

driving event and duration of the event.

Next this section will be presents each step

in driver’s behaviour detection algorithm.

A. Get sensory data from smartphone and

refference pattern

This algorithm uses two sampling frequencies which are 5 Hz and 1 Hz. The 5 Hz is used for accelerometer sensor, gyroscope sensor and magnetic sensor. The 1 Hz is used for GPS sensor. The lane change event is minimal time of driving event. The occurred duration of lane change event is approximately 1.5 second that is reason of choosing these frequency for this algorithm. B. Reduce noise from raw data

When the algorithm gets sensory data during driving noise is often generated which is caused by vibration of the vehicle or the roughness of the road. The algorithm reduces the noise within the raw data before processing the data. This algorithm uses Simple Moving Average technique for solving this problem.

𝑆𝑀𝐴 = 𝑃1 + 𝑃2 + 𝑃3 + ⋯ 𝑃𝑛−1

𝑛 (1)

In (1) Simple Moving Average (SMA) is the mean of the previous 𝑛 data. This technique can be used to identify the direction of trend in the data. In Equation (1), 𝑃 represents value of the data and 𝑛 represents length of the data.

C. Detect driving event in raw data

The smartphone currently available in the market has variation of hardware so the algorithm does not necessarily have to process all the sensory data to detect real-time driving events. This algorithm will only work when there is a sufficient change in raw data to trigger the algorithm.

𝜎 = √1

𝑁∑(𝑥𝑖 − ��)2

𝑁

𝑖=1

(2)

Equation (2) shows the standard deviation values from the raw data of accelerometer sensor. If the result of this formula is more than the pre-defined threshold then the algorithm will start. Then the algorithm sends the data to pattern matching step. If the result is not more than the threshold then the algorithm receives new data. The standard deviation values of normal event is approximately 0.78 g.

89

DPU

92

Figure 5 standard deviation of raw data

Figure 5 shows the standard deviation of the raw data from smartphone. When the standard deviation of data in window 1 is more than the threshold then the algorithm sends the data to detect driving event in pattern matching technique. In window 2 the standard deviation value is less than the threshold so the algorithm gets new sensory data.

D. Pattern maching

This algorithm detects driving event after receiving the data and reference pattern of driving event using pattern matching technique by the Dynamic Time Warping. This step specific length of window is average of the number of data points of driving events to determine the size of data to compare each in each step.

Figure 6 pattern matching by Dynamic Time Warping

Figure 6 shows the method of Dynamic Time Warping to find driving event. The raw data and reference pattern of driving event compare similarity of shape of graph. The reference driving pattern is the data from real driving event collected in an experiment. This technique calculates a point of the raw data with all point of reference pattern because this technique does not depend on points of the data of driving event [10].

𝑧𝑖𝑗 = (𝑥𝑖 − 𝑦𝑗)2 (3)

𝑣𝑎𝑙𝑢𝑒 = ∑ (𝑥𝑖)𝑁

𝑖=1

𝑁 (4)

Equation (3) can be used to calculate matrix element between the raw data and the reference pattern of driving events. Then Dynamic Time Warping choose path from bottom left to top

right. This technique chooses path from minimum value of previous index. When choosing the final index Equation (4) shows sum values of path and divide total by number of chosen path. Finally the technique chooses minimum value of these pattern matching for using the result of driving event.

E. Check difference data with related sensor

From previous step the result which are driving event and duration of event. The result can be used to analyse difference sensory data derived from related sensors in duration of the driving event.

Figure 7 relationship sensor of driving event

Figure 7 shows the relationship sensor of driving event. This step uses driving event from pattern matching step of the algorithm to choose related sensor. Then the algorithm gets the sensory data in duration of the driving event. After that the algorithm calculates the difference between maximum values of the data and minimum value of the data to compare the result with standard value of the driving event in each sensor. The result after comparison is driving event.

F. Comparison driving event from sensors

Finally this algorithm chooses the driving event each sensors from the most of number of driving event of the sensors. If number of driving events are equal then the algorithm chooses the result from percentage of accuracy of each sensors. The result of the algorithm is driving event and duration of driving event to use develop in application.

Next section presents experiment of the algorithm. The section shows accurate of the

90

DPU

92

algorithm and usage of application after use the algorithm for information on the actual use.

V. EXPERIMENT

This section presents real use driver’s

behaviour detection algorithm to find accuracy

of prediction of algorithm between one sensor

and multiple sensors.

A. Setup

This section presents the experiment setup used for real-world data collection.

Figure 8 setup device and assessor

Figure 8 shows the setup devices and

assessors. This experiment to begin with use 5

variables to collect data of driving event which

are driver, vehicle, assessors, smartphone and

route. The experiment use one driver and one

vehicle. The vehicle is Honda Civic. The

assessors has smartphone for collect driving

events and timestamp. The smartphone to

collect sensory data on smartphone is placed in

the direction of vehicle on console of vehicle.

These smartphone are synchronize date and time

of the device to refer the data and the driving

event. In this paper, a driving event is considered

to take place when two or more assessors have

marked it as the same event.

Figure 9 Thammasat Rangsit University to Chiangrakyai road

Figure 9 shows the route for collect the data

from Thammasat Rangsit University to

Chiangrakyai road in Pathum Thani province

north of Bankok. The total distance of the route

is 71.3 kilometers that is divided into 3 road

sections which are urban area, traffic jam area

and Highway. The reference in [11] shows the

statistic of accident of this route is average about

400 times per year but in 2011 the number of

accident is increased because flood in Thailand.

B. Analysis of data

This step analyses the multiple sensory data

and the driving events to find reference pattern

of driving event when two or more assessors

have marked it as the same event via application

is shown n Figure 10. After that the reference

pattern have use to answer of algorithm and

some pattern is used for reference pattern of

driving event in pattern matching step in the

algorithm.

Figure 10 application to analysis data between sensory data and driving event

C. Result of algorithm

Figure 11 accuracy of algorithm

91

DPU

92

Figure 11 shows the accuracy of algorithm,

the four columns on the left represent the sensors

used in the algorithm and the following columns

on the right represent number of driving events

detected. The last column on the right is the

overall accuracy of the prediction algorithm for

all events. From the table, it can be seen that the

highest accuracy is using accelerometer only

which gives approximately 80% accuracy.

Using accelerometer with magnetic sensor

produces accuracy of 76% followed by

accelerometer with GPS sensor which gives

72% accuracy.

Figure 12 accuracy of sudden driving events of

algorithm

If only sudden driving events are

considered, the highest accuracy values is 72%

from using accelerometer only which is shown

in Figure 12.

VI. CONCLUSION

This driver’s behaviour detection algorithm

allows user customize the algorithm to suit the

device and usage. The algorithm has difference

of accuracy of the prediction driving events

depends on sensors usage which is the highest

accuracy values was using accelerometer sensor

only approximately 80% accuracy. Using

accelerometer sensor with magnetic sensor

produces accuracy of 75% follows by

accelerometer sensor and GPS sensor which

gives 72% accuracy. When only sudden driving

events are considered, the highest accuracy

value was 72% from using accelerometer sensor

only. From the experiment is showed the highest

accuracy of the algorithm for developing

application in smartphone in real-world.

References

[1] L. Aart and I. Van Schagen, “Driving speed and therisk of road crashes: A review”, Accident Analysis & Prevention, vol. 38, no. 2, pp. 215-224, 2006.

[2] “The cause of accident of road in Thailand” Available at < http://service.nso.go.th/nso/web/statseries/statseries21.html> (October 8, 2014)

[3] “The damed of accident in Thailand” Available at <http://go.worldbank.org/BQBFDFYY00> (8 October 8, 2014)

[4] “Signalized Intersection Safety Strategies” Available at <http://safety.fhwa.dot.gov/intersection/signalized/presentations/nchrp500_v12/> (October 8, 2014)

[5] “The use of smartphones in Thailand 2013” Available at <http://www.veedvil.com/news/thailand-mobile-in-review-q3-2013> (October 8, 2014)

[6] C. Saiprasert, T. Pholprasit and W. Pattara ­ Atikom, “Detecting Driving Events Using Smartphone”, in Proceedings 20th World Congress Intelligent Transport Systems, October 2013

[7] D. A. Johnson and M. M. Trevidi, “Driving Style Recognition Using a Smartphone as a Sensor Platform," in Proceedings 14th International IEEE Conference on Intelligent Transportation Systems, pp. 1609 ­ 1615, 2011.

[8] K. Yamphean, W. Saekang, T. Pholprasit, C. Saiprasert, “Driving Events Detection and Classification using GPS Data from Smartphone.”, in Proceedings 35th Electrical Engineering Conference, December 2012

[9] H. Eren, S.Makinist, E. Akin, A. Yilmaz, “Estimating Driving Behaviour by a Smartphone.”, in Intelligent Vehicles Conference, June 2012

[10] D.J. Berndt and J. Clifford, "Using Dynamic Time Warping to Find Patterns in Time Series," in AAA1-94 Workshop on Knowledge Discovery in Databases, pp 359–370, 1994.

[11] “The statistic of accident in thailand” Avaliable at <http://www.thairsc.com/ReportAccidentGMapV3.aspx> (October 8, 2014)

[12] “Driver Behaviour Monitoring” Avaliable at <http://www.verilocation.com/driver-behaviour-monitoring/> (October 8, 2014)

DPU

93

ประวตผเขยน

ชอ-นามสกล ธญสทธ ผลประสทธ ประวตการศกษา ปการศกษา 2555

ส าเรจการศกษาระดบหลกสตรวศวกรรมศาสตรบณฑต สาขาวศวกรรมคอมพวเตอร มหาวทยาลยธรกจบณฑตย ปการศกษา 2558 ส าเรจการศกษาระดบประกาศนยบตรบณฑต สาขาพฒนาแอพพลเคชนบนอปกรณมอถอ มหาวทยาลยธรกจบณฑตย

ต าแหนงและสถานทท างานปจจบน ผชวยนกวจย ศนยเทคโนโลยอเลกทรอนกสและคอมพวเตอรแหงชาต

DPU