Please use this identifier to cite or link to this item: https://repositorio.ufrn.br/jspui/handle/123456789/26017
Title: Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos
Other Titles: Machine learning using for car usage pattern identification based on car data
Authors: Barreto, Cephas Alves da Silveira
Keywords: Aprendizado de máquina;Dados automotivos;Aplicações inteligentes
Issue Date: 24-Aug-2018
Citation: BARRETO, Cephas Alves da Silveira. Uso de técnicas de aprendizado de máquina para identificação de perfis de uso de automóveis baseado em dados automotivos. 2018. 92f. Dissertação (Mestrado Profissional em Engenharia de Software) - Instituto Metrópole Digital, Universidade Federal do Rio Grande do Norte, Natal, 2018.
Abstract: Traffic violence has caused great damage. And above all, victimized many citizens, whether drivers or non drivers. According to studies from brazilian National Road Safety Observatory (ONSV, 2017), 90% of traffic accidents are caused by drivers’ recklessness, 5% by car defects and 5% by poor road conditions. One of the alternatives to support actions that address these problems is to understand how car drivers behave when they are behind the wheel. Using vehicle information to understand drivers is an issue that has gained importance in recent years and, in the face of the problems involved, identifying car use profiles has increasingly been a subject of worldwide research. This work presents a model for the use of Machine Learning techniques (descriptive and predictive) on vehicle data obtained from OBD-II (On Board Diagnostics II) to identify possible profiles of automotive using. After the entire refinement process, the model presented more than 99% accuracy in the identification of 3 profiles (low, mid and high). To implement the model, a platform based on a distributed architecture (Web Server, Mobile Application and Service API) was created. This platform is able to capture data from a car and return its usage profile.
Portuguese Abstract: A violência no trânsito tem causado grandes prejuízos e, acima de tudo, vitimado muitos cidadãos, usuários ou não de automóveis. Segundo estudos do Observatório Nacional da Segurança Viária (ONSV, 2017), 90% dos acidentes de trânsito são causados por imprudência dos condutores, 5% por defeitos nos automóveis e mais 5% por má condição das rodovias. Uma das alternativas para embasar ações que enfrentam esses problemas é entender como se comportam os condutores de automóveis quando estão ao volante. Usar as informações do veículo para entender o comportamento dos motoristas é uma questão que tem ganhado importância nos últimos anos e, diante dos problemas envolvidos, identificar perfis de utilização de automóveis tem sido, cada vez mais, um tema de pesquisa em todo mundo. Este trabalho apresenta um modelo de utilização de técnicas (descritivas e preditivas) de Aprendizado de Máquina sobre dados de veículos obtidos via On-Board Diagnostics II (OBD-II) para identificação de possíveis perfis de uso automotivo. O modelo criado obteve, após todo o processo de refinamento, mais que 99% de acurácia na identificação de 3 perfis (low, mid e high). Para aplicar o modelo, foi criada uma plataforma baseada numa arquitetura distribuída (Servidor Web, Aplicativo Móvel e API de serviço). Essa plataforma é capaz de capturar os dados de um automóvel e devolver o seu perfil de uso de seu condutor (motorista).
URI: https://repositorio.ufrn.br/jspui/handle/123456789/26017
Appears in Collections:MPES - Mestrado Profissional em Engenharia de Software

Files in This Item:
File Description SizeFormat 
Usotécnicasaprendizado_Barreto_2018.pdf4,04 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.