[論文レビュー] TEXIVE: Detecting Drivers Using Personal Smart Phones by Leveraging Inertial Sensors

Bo Cheng, Xuesi Jian+1 more|arXiv (Cornell University)|Jul 6, 2013

Context-Aware Activity Recognition Systems参考文献 35被引用数 7

ひとこと要約

TEXIVE は、外部インfraなしで、スマートフォンのインertial センサー（加速度計、ジャイロスコープ、磁力計）を用いてドライバーとテキスト入力行動を検出するスマートフォンベースのシステムである。車両乗車時の微小な動きとセンサーのパターンを統合することで、消費者デバイス上でリアルタイムに動作し、分類精度が 87.18%、正確性が 96.67% を達成する。

ABSTRACT

In this work, we address a fundamental and critical task of detecting the behavior of driving and texting using smartphones carried by users. We propose, design, and implement TEXIVE that leverages various sensors integrated in the smartphone and realizes our goal of distinguishing drivers and passengers and detecting texting using rich user micro-movements and irregularities that can be detected by sensors in the phone before and during driving and texting. Without relying on external infrastructure, TEXIVE has an advantage of being readily implemented and adopted, while at the same time raising a number of challenges that need to be carefully addressed for achieving a successful detection with good sensitivity, specificity, accuracy, and precision. Our system distinguishes the driver and passengers by detecting whether a user is entering a vehicle or not, inferring which side of the vehicle s/he is entering, reasoning whether the user is siting in front or rear seats, and discovering if a user is texting by fusing multiple evidences collected from accelerometer, magnetometer, and gyroscope sensors. To validate our approach, we conduct extensive experiments with several users on various vehicles and smartphones. Our evaluation results show that TEXIVE has a classification accuracy of 87.18%, and precision of 96.67%.

研究の動機と目的

• 外部インfraに依存せずに、スマートフォン内蔵のインエーシャル センサーのみを用いてドライブ行動とテキスト入力行動を検出すること。
• 車両乗車時の微小な動き、座席位置、センサーのパターンを分析することで、ドライバーと乗客を区別すること。
• 加速度計、ジャイロスコープ、磁力計のデータを用いて、テキスト入力に特徴的な手の動きのパターンを特定することで、運転中のテキスト入力の検出を実現すること。
• 実世界の状況下で高い検出精度、正確性、感度、特異性を達成するとともに、エネルギー消費を最小限に抑えること。
• センサー統合と機械学習を活用したリアルタイムでエネルギー効率の良いモバイルプラットフォーム上のアクティビティ認識を実現すること。

提案手法

• 加速度計、ジャイロスコープ、磁力計のマルチセンサー統合を用いて、車両乗車とユーザーの姿勢を検出する。
• 周波数ドメイン特徴量を抽出するために、離散コサイン変換（DCT）とウェーブレット解析を適用する。
• 機械学習モデルを用いて、左/右側からの乗車や座席位置（前/後ろ）といったユーザー行動を分類する。
• 0.5秒のステップサイズを有するスライディング ウィンドウとナイーブ ベイズ分類器を用いて、リアルタイムのアクティビティ認識を実現する。
• 連続的なアクティビティ認識の妥当性を向上させるために、加速度の大きさをフィルタとして適用する。
• センサーのサンプリングレートを 10 秒ごとに 0.05 秒に低下させることで、エネルギー効率を最適化し、バッテリーの消耗を抑える。

実験結果

リサーチクエスチョン

• RQ1 スマートフォン内蔵のインエーシャル センサーは、ユーザーがドライバーとして車両に乗り込むことを信頼性高く検出できるか？
• RQ2 センサーのパターンは、左側・右側からの乗車、および前席・後席の座席位置を区別できるか？
• RQ3 スマートフォンのセンサーを用いて、テキスト入力時の微小な動きを十分な精度で検出できるか？
• RQ4 センサー統合は、単一センサー手法と比較して、検出精度と耐障害性をどのように向上させるか？
• RQ5 連続的なインエーシャル センシングのエネルギーコストはどの程度か？ また、検出性能を損なわずに最小限に抑えることができるか？

主な発見

• TEXIVE は、ドライバーと乗客の区別およびテキスト入力の検出において、分類精度が 87.18%、正確性が 96.67% を達成した。
• センサーのパターン解析に基づき、座席位置（前/後ろ）と乗車側（左/右）を 100% の正確性で正しく特定した。
• テキスト入力の検出は、入力時間間隔を分析することで 90% の正確性を達成し、通常のテキスト入力と運転中のテキスト入力を区別できた。
• リアルタイム認識の遅延はわずか 0.2184 秒であり、ほぼ即時の検出が可能であった。
• サンプリング周波数の最適化により、30 分間でバッテリー消費が 4% に抑えられ、GPSベースの代替手法と比較して顕著に低減した。
• スマートフォンがポケットに入っていなくても、エビデンス統合とサイドシグナル解析により、システムは頑健に動作したが、非理想的な設定では性能がわずかに低下した。