Risk assessment of autonomous vehicle using Markov decision process
Otonom araç risk değerlendirmesinde Markov karar süreci kullanımı
- Tez No: 632500
- Danışmanlar: PROF. DR. AHMET REFİK GÜLLÜ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Akıllı aracın otonom karar vermesi, gerçek dünyanın trafiğinin belirsiz, karmaşık, sürekli olması ve araçların birbiriyle etkileşime girmesi nedeniyle en kritik ve en zorlu modüldür. Bu tezde, karayolu trafiğinde, çevresel araçların stokastik davranışlarıyla etkileşime giren ego araç davranışlarını göstermek için, pekiştirme öğrenme algoritmalarına dayalı bir karar alma önerilmektedir. Sunulan çözücü algoritmalar, otonom araç problemleri için Markov Karar Süreci olarak formüle edilmiştir. Önerilen algoritmalar, farklı senaryolarla test ve analiz edilmesi için bir simülasyon ortamında uygulanır. Daha sonra, uygulanan farklı algoritmaların verimliliği belirtilen kriterlere göre karşılaştırılır. Test edilen senaryoların simülasyon sonuçları, ego otomobilinin otoyolda belirsiz davranışı olan diğer otomobillerle çarpışmadan güvenli sürüş yapmak için şerit değiştirme ve hızlanma veya yavaşlama yeteneğine sahip olduğunu göstermektedir.
Özet (Çeviri)
Autonomous decision making of intelligent vehicle is one of the most critical and challenging module due to the fact that traffic of real world is uncertain, complex, continuous and vehicles interact with each other. In this thesis, a decision making based on reinforcement learning algorithms is proposed to represent ego vehicle behaviors interacting with the stochastic behaviors of the environmental vehicles in highway traffic. The presented solver algorithms are formulated as Markov Decision Process (MDP) for autonomous vehicle problems. Proposed algorithms are implemented in a simulation environment so that they are tested and analyzed with different scenarios. Then, efficiency of different implemented algorithms are compared based on speci fed criteria. The simulation results of tested scenarios show that ego car is capable of lane change and accelerate or decelerate in order to perform safe driving without any collision with other cars which have uncertain behavior in highway.
Benzer Tezler
- A situational awareness framework for connected autonomous vehicles
Bağlantılı otonom araçlar için durum farkındalık sistemi
DERYANUR TEZCAN
Yüksek Lisans
İngilizce
2024
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY ÖKE GÜNEL
- Şerit takip desteği sistemi için fonksiyonel emniyet analizi
Functional safety analysis for lane keeping assistance system
EMİR KUDUN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. İLKER ÜSTOĞLU
- Functional safety analysis for advanced emergency braking systems
İleri acil frenleme sistemleri için fonksiyonel emniyet analizi
SEMİH UZUN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKER ÜSTOĞLU
- Design and analysis of optical wireless communication systems under energy constraints
Optik kablosuz iletişim sistemlerinin enerji kısıtları altında tasarım ve analizi
KHADIJEH ALI MAHMOODI
Doktora
İngilizce
2024
Elektrik ve Elektronik MühendisliğiÖzyeğin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT UYSAL
- Investigating risk assessment and role of safety concerns in autonomous vehicle
Otonom araçlarda risk değerlendirmesi ve güvenlik kaygılarının modellenmesi
GÖZDE BAKİOĞLU DOĞANYILMAZ
Doktora
İngilizce
2022
Ulaşımİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ OSMAN ATAHAN