Driving behavior classi cation for heavy-duty vehicles using LSTM networks
LSTM ağları kullanılarak ağır vasıtalar için sürücü davranışlarının sınıflandırılması
- Tez No: 556763
- Danışmanlar: PROF. DR. MUSTAFA ÜNEL
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 74
Özet
Araçlarda hızla büyüyen otonom sürüş eğilimine rağmen, insan mevcut araç teknolojileri için hala oldukça önemli bir faktör. Sürücüler, araçların hem yakıt ekonomisi hem de sürüş güvenliği üzerinde oldukça büyük bir etkiye sahip. Bu nedenle, sürücü davranışlarının belirlenmesi ve değerlendirilmesi özellikle ağır vasıta araçlar için mevcut araç teknolojilerinin performans, güvenlik ve verimliliklerinin geliştiril-mesi açısından büyük önem taşıyor. Bu tez kapsamında, IPG'nin Truckmaker simulasyon ortamında gerçekçi bir araç modeli kullanılarak, ivmelenme ve araç takip karakteristikleri üzerinden çeşitli sürücü davranışları tasarlandı. Bu sürücü davranışlarının tanınabilmesi amacıyla bir Uzun Kısa Vadeli Hafıza Ağları (LSTM) sınıflandırıcısından yararlanıldı. İlk olarak, doğrusal, yanal ivmelenme limitleri üzerinden altı farklı sürücü tanımlandı. Sınıflandırıcı, sürücülerin araç modelinin 5 farklı yük ile yapay bir yolu takibinden toplanan sürüş sinyalleri ile eğitildi. Bahsedilen yol otobanlarda karşılaşılabilecek geometrileri kapsayacak şekilde tasarlandı. Model, gerçekçi bir yol üzerinden aynı yöntemle toplanan veriler ile test edildi. Sonrasında, araç takibindeki doğrusal ivmelenmeleri üzerinden üç sürücü (sakin, normal, agresif) tanımlandı ve bu sürücülerin farklı trafik senaryolarındaki sürüş sinyalleri ile sınıflandırıcının eğitimi ve testi gerçekleştirildi. Sınıflandırma sonuçları kullanılan LSTM tabanlı yapının, farklı sürüş davranışlarını içeren sürüş sinyallerinin dinamik ilişkilerini başarı ile yakalayabildiğini göstermiştir.
Özet (Çeviri)
Despite growing autonomous driving trend, human is still a major factor in the current vehicle technology. Drivers have a great impact on both fuel economy and accident prevention. Therefore, identification and evaluation of driving behaviors are crucial to improve the performance, safety and energy management of vehicle technologies, particularly for heavy-duty vehicles. In this thesis, several driving behaviors with different acceleration and car following characteristics are generated on a realistic truck model in IPG's TruckMaker simulation environment. A Long Short Term Memory (LSTM) classifier is then utilized to recognize driving behaviors. First, six drivers are defined based on their longitudinal and lateral acceleration limits. The classifier is trained using driving signals acquired from the simulated truck which follows an artificial training road with different trailer loads. The training road is designed to cover possible road curves that can be seen in highways. The model is tested with driving signals that are collected from a realistic road using the same method. Then, three drivers (calm, normal and aggressive) are defined based on their longitudinal acceleration profiles in car following and the classifier is trained and tested using driving signals of these drivers in different traffic scenarios. Results show that the proposed LSTM classifier is capable of successfully capturing the dynamic relations encoded in driving signals and recognizing different driving behaviors in small time samples.
Benzer Tezler
- Driving behavior classification using smartphone sensor data
Akıllı telefon sensör verileri kullanılarak sürüş davranışı sınıflandırılması
DENİZ DİKBIYIK
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH ALAGÖZ
- Human factor based advanced driver-assistance system (ADAS) design for electric vehicle
Elektrikli araç için insan faktörü tabanlı gelişmiş sürücü yardım sistemi (ADAS) tasarımı
DAĞHAN DOĞAN
Doktora
İngilizce
2022
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. OVSANNA SETA ESTRADA
- Parameter optimization of electric vehicles according to driving behavior
Sürücü davranışına göre elektrikli araçların parametre optimizasyonu
TUBA NUR SERTTAŞ
Doktora
İngilizce
2019
Elektrik ve Elektronik MühendisliğiEskişehir Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ÖMER NEZİH GEREK
PROF. DR. FATİH ONUR HOCAOĞLU
- Sürücü davranışı ve sürücü kişiliği arasındaki ilişki analizi
Analysis of the relationship between driving behavior and driver personality
İBRAHİM HALİL ÇELİK
- Sürücü davranışlarının modellenmesi için makine öğrenmesi tabanlı bir sistem gerçekleştirimi
Development of a machine learning based system for modeling driver behaviours
ŞERAFETTİN ATMACA
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ASIM SİNAN YÜKSEL