dissertação
Sistema neural antifurto veicular
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Membros de banca
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Lavras
Faculdade, Instituto ou Escola
Departamento
Departamento de Ciência da Computação
Programa de Pós-Graduação
Programa de Pós-Graduação em Ciência da Computação
Agência de fomento
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
Atualmente, a preocupação com a segurança de bens tem sido uma
constante na população, principalmente em países onde os índices de furtos são
elevados. Diante de um cenário preocupante, questões sobre como desenvolver
tecnologias e soluções que consigam reduzir os índices de furtos devem ser
abordadas, buscando aprimorar técnicas existentes e/ou elaborar novas. Este
trabalho tem por objetivo, verificar a viabilidade do uso de redes neurais
artificiais para a detecção de condução desautorizada de veículos e implementar
um sistema automático em tempo real, baseado em uma rede neural artificial
treinada para a classificação do condutor, mediante sua forma de conduzir o
veículo, a partir de dados obtidos do próprio automóvel. Para tanto, foi utilizado
o dispositivo OBD-II, comumente empregado para obter dados dos sensores do
veículo. As variáveis de posição do acelerador, aceleração em x, aceleração em
y e aceleração em z foram utilizadas como entradas de uma rede neural para a
classificação do condutor como sendo autorizado ou não autorizado a conduzir o
veículo. Foi desenvolvido um aplicativo Android que envia os dados obtidos do
OBD-II para um Web Service Python. Este Web Service possui uma função de
verificação que utiliza uma rede neural treinada para classificar o condutor e
retornar uma resposta para o usuário. O treinamento utilizou algoritmo
backpropagation, obtendo resultados satisfatórios durante os testes, com 88% de
acertos da rede neural treinada. O índice de eficiência dos testes foi medido por
meio do coeficiente Kappa, apresentando um resultado considerado excelente
para este índice. O Sistema Neural Antifurto Veicular é uma ferramenta que
pode auxiliar proprietários a monitorar a condução de seu automóvel. Espera-se,
também, que o sistema possa auxiliar outras áreas de interesse como autoridades
e empresas de seguro. O uso de Redes Neurais Artificiais para a classificação do
condutor mostrou-se viável e eficaz para este fim. Também é importante
ressaltar que o dispositivo OBD-II pode ser empregado para outras finalidades
que vão além do diagnóstico dos componentes do veículo para sua correta
manutenção. O sistema desenvolvido comprovou que é possível avaliar o
comportamento do motorista por meio de dados fornecidos pelo próprio veículo
que este conduz.
Abstract
Currently, the concern for the safety of properties has constantly been
among the population, especially in countries where the theft rates are high.
Faced with a worrying scenario, issues about developing technologies and
solutions that are able to reduce theft rates must be addressed, seeking to
improve existing techniques and / or develop new ones. This study aims to
verify the viability of using artificial neural networks for the detection of
unauthorized driving of vehicles and implement an automated real-time system,
based on an artificial neural network trained to classify the driver as to how they
drive the vehicle, based on data obtained from the automobile itself. Therefore,
we used the OBD-II device commonly used to obtain data from vehicle sensors.
Variables like throttle position, acceleration in x, acceleration in y and
acceleration in z were used as inputs to a neural network to classify the driver
either as authorized or not authorized to drive the vehicle. An Android app that
sends data from the OBD-II to a Web Service Python was developed. This Web
Service has a scan function that uses a neural network trained to classify the
driver and return an answer to the user. The training algorithm used was
backpropagation, obtaining satisfactory results during the tests, with 88% of the
trained neural network hits. The test of the efficiency ratio was measured by the
Kappa coefficient, with a result as excellent for this index. The Neural Vehicle
Anti-Theft System is a tool that can help owners monitor the driving of their car.
It is hoped, too, that the system can help other areas of interest, as authorities
and insurance companies. The use of Artificial Neural Networks to classify the
driver was proved to be feasible and effective for this purpose. It is also
important to note that the OBD-II device can be used for other purposes that go
beyond the diagnosis of vehicle components for its proper maintenance. The
developed system proved that it is possible to assess the behavior of the driver
by means of data supplied by the vehicle they conduct.
Descrição
Área de concentração
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
RAMOS, C. de A. Sistema neural antifurto veicular. 2016. 81 p. Dissertação (Mestrado em Ciência da Computação)-Universidade Federal de Lavras, Lavras, 2016.