Autóvezetők azonosítása CAN hálózati forgalomból neurális hálókkal

OData támogatás
Konzulens:
Dr. Ács Gergely
Hálózati Rendszerek és Szolgáltatások Tanszék

A gépjárművek többségében több mint száz különböző szenzor található, amelyek folyamatosan mérik többek között az autó sebességét, a fék-, gázpedál, kuplung vagy a kormánykerék pozícióját. Ezek az adatok a legtöbb járműről begyűjthetők és változatos célokra felhasználhatók, mint például diagnosztika, meghibásodás predikciója, vagy a vezetők profilozása biztosítási díj meghatározása céljából. Számos becslés alapján szinte biztosra vehető, hogy az autók által összegyűjtött adatok pár éven belül nagyobb bevételi forrást jelentenek majd az autógyártóknak, mint maguknak az autóknak az értékesítése.

A másik oldalról figyelembe kell venni azt is, hogy ha a vezetőazonosítás sikeres, akkor ezek az információk személyes adatoknak minősülhetnek, melyek védelmét az általános európai adatvédelmi rendelet (GDPR) szigorúan előírja.

Munkám során vezető azonosítást végzek begyűjtött CAN adatok alapján. E célból megtervezek egy új konvolúciós/rekkurens neurális hálót, amely képes két perces CAN log alapján két vezetőt megkülönböztetni akár 92%-os pontossággal, valamint egy vezetőt 32 másik vezetőtől 75%-os pontossággal. A modellemet összehasonlítom más létező, általánosabb és komplexebb megoldásokkal, melyek pontossága kevesebb, mint 82% két vezetőt tekintve.

Eredményeim mutatják, hogy jelentős javulást érhetünk el, ha a modellünket az adott problémára szabjuk és nem pedig egy olyan megoldást használunk, amit egy általánosabb problémaosztályra javasoltak. Mivel a struktúra testreszabása bonyolult és szakértelmet igényel, ezért a tervezés automatizálása fontos kutatási irányvonal lehet a jövőben.

Letölthető fájlok

A témához tartozó fájlokat csak bejelentkezett felhasználók tölthetik le.