• Nenhum resultado encontrado

gráfico de controle conseguiu detectar os 3 erros, várias vezes (pontos cinzas próximos), com 1 falso positivo. Esse falso positivo foi um momento onde o condutor precisou frear, porém deveria ser considerado sem riscos.

O gráfico de controle com os dados da sonolência é apresentado na Figura 4.15(c), pode- se ver que pontos fora de controle foram detectados a partir da metade do gráfico, isso se deve ao fato da sonolência ter sido simulada a partir da metade da condução. Os momentos de sonolência foram observados e comparados com o gráfico, os pontos cinzas mostram momentos de sonolência, porém alguns pontos foram indicados em momentos incorretos, por este motivo a taxa de falso positivo não foi baixa para esta detecção.

4.5 Protótipo Vol-LDWS

Nesta seção são apresentados os cenários, métricas avaliadas e resultados dos experimentos do protótipo proposto, o Vol-LDWS, na Seção 3.5 do Capítulo Proposta.

4.5.1 Cenários de Condução

Para verificar a viabilidade do uso do sistema proposto, é importante avaliar a taxa de saída de faixas perigosas detectadas, os falsos positivos e os falsos negativos. Os experimentos foram realizados em laboratório, de maneira controlada, numa rodovia no simulador de condução apresentado. Obtendo como resultados uma taxa de detecção de saída de faixa que variaram de 76.92% com 11.70% de falsos positivos (cenário sem velocidade constante) a 84.16% com 12.98% de falsos positivos (cenário com velocidade constante próxima a 60 km/h). Todos esses resultados são detalhados na Seção 4.5.3.

A rota de teste é ilustrada na Figura 4.16 e foi definida por incluir um bom conjunto de situações de condução, como curvas, pistas duplas, sentidos opostos, etc. Os experimentos consistiram em um cenário onde o condutor cometeu algumas saídas de faixa durante o trajeto, essa saídas de faixa foram analisadas durante a condução por um observador e pelo sistema, dessa forma foi possível analisar quando o Vol-LDWS emitiu um alerta corretamente. O período de cada registro foi definido como 30 minutos. Os testes iniciaram com o veículo sendo ligado e seguindo o trajeto da rota. Foram realizados 15 vezes e os resultados apresentam valores médios com intervalo de confiança de 95%.

Dessa forma, o procedimento dos experimentos foi realizado de duas formas. Na primeira os condutores precisaram manter o veículo, dentro do possível, a 60 km/h e na segunda a velo-

4.5 Protótipo Vol-LDWS 99

Figura 4.16: Rota para os testes com o Vol-LDWS no simulador de condução. cidade não foi definida. Dessa forma, obedeceram aos seguintes itens:

• 30 minutos de condução.

• Realização de 20 movimentos de saída de faixa, como definido na proposta.

• Os movimentos foram para os dois lados, esquerda e direita, sendo assim a partir de giros no volante nos dois sentidos: anti-horário e horário.

4.5.2 Aplicação do Gráfico de Controle EWMA

Os parâmetros utilizados são especificados na Tabela 4.7. O valor 3 para o sigma foi esco- lhido para que os limites ficassem levemente afastados da linha central, evitando uma alta taxa de falsos positivos. Para que diversas leituras recentes tivessem peso sobre os resultados, foi escolhido o valor 0.9 para o lambda. Houve dois cenários, um cenário onde a velocidade pode ser variável, permitindo a verificação em qualquer tipo de via e um segundo onde a velocidade do veículo foi mantida em torno dos 60km/h devido a fato de no Brasil esta ser uma velocidade em vias arteriais (avenidas com semáforos, cruzamentos e grande fluxo de trânsito, que ligam regiões de uma cidade) e vias de trânsito rápido (vias com diversas faixas, sem semáforos, sem trânsito de pedestres e com grande extensão) e trechos de rodovias (vias pavimentadas). Nessas vias ocorrem os acidentes são mais graves e são melhores para testar o protótipo. Por fim, as taxas de atualização foram definidas pelo desempenho da ESP8266 com nosso algoritmo.

4.5.3 Resultados

O gráfico da Figura 4.17 ilustra os resultados em número absoluto das detecções com ve- locidade constante e sem velocidade constante. É possível observar que em velocidade cons- tante o número de eventos detectados foi ligeiramente maior do que sem velocidade constante,

4.5 Protótipo Vol-LDWS 100 Tabela 4.7: Parâmetros utilizados nos experimentos do método EWMA para o Vol-LDWS.

Parâmetro Valor

Sigma 3

Lambda 0.9

Taxa de atualização dos dados para cada conjunto de até 20 dados2000 milissegundos

Velocidade do veículo 60 km/h e

variável

≈ 16.83 contra ≈ 15.38. Os número de falsos positivos foram muito próximos, ≈ 3 com ve- locidade mantida próxima a 60 km/h e ≈ 2.69 com a velocidade podendo variar para qualquer valor. Por fim, os falsos negativos foram um pouco mais baixos com velocidade constante, ficando pouco acima de 3, ≈ 3.16, diferente da outra abordagem que chegou a ≈ 4.61.

Figura 4.17: Número de eventos detectados em número absoluto pelo Vol-LDWS com velocidade constante e sem velocidade constante. Número de erros distintos possíveis de serem detectados é 20.

Os resultados percentuais foram divididos em duas partes, primeiro os resultados sem o controle na velocidade do veículo e, em seguida, com a velocidade mantida próxima aos 60 km/h.

O gráfico da Figura 4.18 apresenta as taxas de detecção e falsos positivos do sistema pro- posto com velocidade constante próxima a 60 km/h e sem o controle na velocidade (o condutor pode conduzir o veículo em qualquer velocidade, sendo normalmente entre 40 e 80 km/h). A aplicação do gráfico de controle EWMA nos dados obtidos pelo módulo Wi-Fi do sistema lo- calizado no volante garantiu uma taxa de detecção de 76.92% com 11.70% de falsos positivos sem velocidade constante. A porcentagem de falsos positivos foi calculada a partir da soma do

4.5 Protótipo Vol-LDWS 101 total de eventos esperados durante a condução somado ao total de falsos positivos.

Figura 4.18: Taxa de detecção e taxa de falsos positivos do Vol-LDWS com velocidade constante (≈ 60 km/h) e sem velocidade constante.

Esse gráfico, Figura 4.18, ainda ilustra as taxas de detecção e falsos positivos do Vol-LDWS quando os motoristas mantiveram a velocidade, dentro do possível, próxima a 60 km/h. Pode-se visualizar que a taxa de detecção alcançou um bom valor, 84.16%, e 12.98% de falsos positivos. Essa porcentagem de falsos positivos foi calculada como a anterior.

A comparação entre as duas formas, velocidade constante e sem velocidade constante, aponta que o método tem um ganho significativo quando a velocidade do veículo é considerada para a calibragem e, assim, é controlada durante a condução. Apesar desse ganho, o sistema teve uma boa taxa de detecção para conduções "mais reais", onde a velocidade não se mantém constante. Além disso, uma parte dos falsos positivos ocorreram em momentos onde o veículo realizou curvas acentuadas com velocidade muito baixa, como ao sair da garagem, porém esses falsos positivos foram considerados por se tratar de um sistema voltado para ambientes reais.

Tabela 4.8: Métricas a partir da matriz de confusão sobre os dados do protótipo. Métrica Velocidade Constante (60 km/h) Velocidade Não Constante

Sensibilidade 0,84 0,76

Precisão 0,86 0,86

F1 Score ou F-measure 0,85 0,81

A Tabela 4.8 ilustra a aplicação de matriz de confusão sobre os dados dos testes com e sem velocidade constante. Pode-se ver uma sensibilidade de 0,84 contra 0,76 nos testes sem velocidade constante, uma precisão de 0,86 nos dois casos e um valor de F1 Score de 0,85 contra 0,81 (sem velocidade constante).

Capítulo 5

TRABALHOS

RELACIONADOS

Visando o aumento da segurança no trânsito e a redução do número de acidentes, diver- sas universidades, centros de pesquisa e empresas, como Toyota, Seva, Mitsubishi etc, além de governos, como países que fazem parte da União Europeia etc, estão contribuindo para o desenvolvimento de sistemas e métodos para monitorar o comportamento de motoristas usando diferentes tecnologias. Nesse sentido, o uso de sistemas embarcados aliado a sensores em veí- culos é um campo de pesquisa ativa.

Devido a isso, nos últimos anos, vários trabalhos se propuseram a resolver problemas re- lacionados ao monitoramento de condutores, como Gaikwad e Lokhande (2015), Abulkhair (2015) e Kumar (2014). Existem trabalhos que utilizam dados comportamentais do condutor, como Patel (2015). Dados de sinais fisiológicos, como batimentos cardíacos etc, podem ser ex- plorados, por exemplo em Jung, Shin e Chung (2014). Por fim, entre as principais abordagens, temos a baseada no veículo, que utiliza dados do veículo, como a rotação do volante, como visto em McDonald (2014).

A partir dessas abordagens, diversas soluções para o monitoramento de condutores são de- senvolvidas, entre elas destacamos os métodos para detecção de saída de faixa, detecção de sonolência e detecção de eventos diversos, como movimentos incorretos, bem como os ADASs, que surgem da combinação desses métodos. Neste capítulo serão apresentados trabalhos re- lacionados a cada um dos tipos de solução citados: detecção de saída de faixa, detecção de sonolência e ADAS. No capítulo seguinte são apresentados comparativos entre os trabalhos relacionados apresentados e as propostas dessa dissertação.

Documentos relacionados