Performance Evaluation of Major Classification Algorithms forAggressive Driving Detection using CAN-bus Data

CAN-bus Verileri Kullanarak Agresif Sürüş Tespiti için Temel Sınıflandırma Algoritmalarının Performans Değerlendirmesi

Abstract

Detection of driver moods associated to driving style such as drowsy, distracted, vigilant, calm, or aggressive driving is one of the mainproblems of Advanced Driver Assistance Systems and it obviously plays vital role in the prevention of traffic accidents. The main goalof this study is to compare the performances of major Supervised Learning based Classification Algorithms (SLCAs) for aggressivedriving detection, which is one of the fundamental problems for understanding driver mood or driving style through CAN (Control AreaNetwork) bus sensor data. These algorithms utilize CAN-bus data acquired by OBDII (On-board Diagnostics) socket of the vehicle. Inour experiments, to get ground truth data, many trials referring to aggressive and calm driving have been conducted by different subjectdrivers and these sensor data have been labeled as “aggressive” and “calm”. Afterwards, these transformed into training data to assessperformances of SLCAs. As a result, the Naïve Bayes Classifier has been found to be more successful than the others.

Özet

Uykulu, dikkati dağılmış, dikkatli, sakin ya da agresif sürüş gibi sürüş tarzıyla ilişkili olan sürücü ruh hallerinin tespiti İleri SürücüDestek Sistemlerinin (İSDS) ana problemlerinden biridir ve trafik kazalarının önlenmesinde hayati rol oynamaktadır. Bu çalışmanıntemel amacı, CAN-bus sensör verilerini kullanarak sürücü ruh halini veya sürüş tarzını anlamanın temel problemlerinden birisi olan agresif sürüş tespiti yapmak için Eğiticili Öğrenme Tabanlı Sınıflandırma Algoritmalarının (EÖSAs) performanslarını karşılaştırmaktır.Bu algoritmalar, aracın OBDII soketinden elde edilen CAN-bus verilerini kullanır. Deneylerde, referans verilerini elde etmek için agresifve sakin sürüşe ilişkin bir çok deneme sürüşü farklı sürücüler tarafından gerçekleştirilmiştir. Elde edilen veriler “agresif” ve “sakin” olarak etiketlenmiştir. Ardından, EÖSA’ ların performansını değerlendirmek üzere eğitim verilerine dönüştürülmüştür. Yapılanperformans değerlendirmesi sonucunda, Naïve Bayes sınıflandırıcısının diğerlerinden daha başarılı olduğu görülmüştür.