Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Naive Bayes-klassificering av förarbeteende
Linköpings universitet, Institutionen för datavetenskap, Programvara och system.
Linköpings universitet, Institutionen för datavetenskap, Programvara och system.
2017 (Svenska)Självständigt arbete på grundnivå (kandidatexamen), 10,5 poäng / 16 hpStudentuppsats (Examensarbete)Alternativ titel
Classifying driving behaviour using Naive Bayes (Engelska)
Abstract [sv]

Att kunna klassificera en körstil implicerar klassificering av körbeteende, vilket ligger till grunden för miljö- och säkerhetsklassificering för körningar.

I det här arbetet har vi låtit två förare köra en bil med en förhoppning att kunna klassificera vem det var som körde bilen. Målet var att kunna förutspå föraren med en korrekthet på 80-90% givet endast hastighet samt varvtal som samlas genom ODB:II-porten via CAN-bussen i fordonet. Angreppsättet på detta arbete liknar det för textklassificering, nämligen att använda två vanliga klassificeringsmetoder från just textklassificering — Multinominal och Gaussisk Naive Bayes tillsammans med N-gram samt diskretisering.

Vi fann genom att använda Multinominal Naive Bayes med 4-gram samt icke-diskretiserade respektive diskretiserade hastighet- och varvtalsvärden kunde klassificera förare med 91.48% korrekthet. 

Abstract [en]

To be able to classify a driving style implies that you classify a driving behaviour, which is the foundation of safety and environmental driving classification.

In this thesis we have let two drivers drive a car in an attempt to classify, with a desired accuracy of around 90%, which one of us drove the car. This was done by exclusively using speed and rpm data values provided from the OBD:II port of the car via the CAN-bus. We approched this problem like you would a text classification one, thus using two common models of Naive Bayes — Multinominal and Gaussian Naive Bayes together with N-gram and discretization.

We found that using Multinominal Naive Bayes consisting of 4-gram resulted in an avarage accuracy of 91.48% in predicting the driver, non-discretized speed and discretized rpm values.

Ort, förlag, år, upplaga, sidor
2017. , s. 34
Nationell ämneskategori
Datavetenskap (datalogi)
Identifikatorer
URN: urn:nbn:se:liu:diva-139957ISRN: LIU-IDA/LITH-EX-G--17/070--SEOAI: oai:DiVA.org:liu-139957DiVA, id: diva2:1135249
Ämne / kurs
Datavetenskap
Presentation
2017-06-22, Alan Turing, Linköping, 08:15 (Svenska)
Handledare
Examinatorer
Tillgänglig från: 2017-08-24 Skapad: 2017-08-22 Senast uppdaterad: 2018-01-13Bibliografiskt granskad

Open Access i DiVA

fulltext(2186 kB)67 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 2186 kBChecksumma SHA-512
b6a6ba490beae3006bf46ca2bd299a1590cc16970e48c363a94f012d3cdf3526f9ad8763d7208c19003c9c893e6130e1ff096e0a02f580150e5989ed87c14c3f
Typ fulltextMimetyp application/pdf

Sök vidare i DiVA

Av författaren/redaktören
Henrik, ThoresonRobin, Wesslund
Av organisationen
Programvara och system
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 67 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 300 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf