Geri Dön

Accident data analysis for formal scenario generation and traffic simulation

Resmi senaryo oluşturumu ve trafik simülasyonu için kaza veri analizi

  1. Tez No: 835232
  2. Yazar: İLKE KUTLU
  3. Danışmanlar: PROF. DR. TAHİR ÇETİN AKINCI, DOÇ. DR. MUSTAFA İLHAN AKBAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 79

Özet

Otonom araçlar, otomotiv sektöründe günümüzün en önemli konularından biri haline geldi. Sürücülerin konforunu ve güvenliğini arttırmak için zaman içinde pek çok elektronik kontrol üniteleri ve sensörlerle donatılmaya başlanan araçlar, son yıllarda işlemci güçlerinde ve yapay zekada yapılan atılımların ardından tam otonom sürüşe geçiş için hazırlanıyor. Hız sabitleyici sistem, çarpışma önleme sistemi, otonom acil frenleme sistemi ya da şerit takip sistemi gibi sürücüye destek olan veya sadece gerekli durumlarda devreye giren ileri sürücü destek sistemleri mevcutta da günümüzde trafiğe çıkan araçlarda bulunmaktadır. Bu gibi sistemler güvenliği ve sürücü konforunu arttırmak için kullanılıyor olsalar da ya aracın kontrolü hâlâ sürücüdedir ya da sürücü gözetimi bu sistemler sırasında gereklidir ve sürücü istediği anda bu sistemleri geçersiz kılabilmektedir. Otonom sürüş ve otonom araçlar konularındaki günümüz araştırma ve geliştirme çalışmalarındaki nihai hedef ise hiç insan dikkatine ya da müdahalesine ihtiyaç duymadan kendi kendini sürebilen araçların hiçbir güvenlik sorununa sebep olmayacak şekilde trafiğe çıkabilecek seviyeye getirilmeleridir. Otonom sürüş ve ileri sürücü destek sistemleri hem yenilikçi bir teknoloji olduğu için hem de sürüş konforuna sağlayacağı avantajlardan dolayı son tüketicinin ilgisini çekmektedir. Tüketicinin bu ilgisi sebebiyle otonom sürüş ve ileri sürücü destek sistemleri üreticiler ve otomotiv sektöründeki araştırma ve geliştirme alanında çalışan firmalar için sahip oldukları teknolojiyi gösterebildikleri bir konuya dönüşmüştür. Bu nedenle hem büyük araç üretim firmaları hem de araç üreticilerine sistem ve bileşen sağlayan tedarik firmaları için otonom sürüş ve ileri sürücü destek sistemlerinin geliştirilmesi, daha güvenli hale getirilmesi en önemli araştırma ve geliştirme konularından biridir. Gerçek hayatta trafikte yaşanan birçok farklı senaryonun sonucu büyük ya da küçük kazalarla sonuçlanabilmektedir. Otonom sürüş geliştirmede en önemli konulardan biri, sürücüsüz otomobilin olası bir kaza öncesi ve sırasında nasıl davranacağını test edebilmektir. Test senaryoları oluşturmak için sadece mantıksal ve matematiksel denklemlerle bu trafik kazalarını tanımlamak neredeyse imkansızdır. Üstelik benzer durumlar için bile gerçek hayat senaryolarında hız, kalkış süresi, fren süresi vb. değişkenler bulunmaktadır. Kaza durumları, insan güvenliğini en fazla tehlikeye atabilecek senaryolar olduğu için makine öğreniminin otonom sürüş için kullanımında en kritik konularından biridir. Bu konuda yapay zekayı doğrulamak için pek çok farklı durumun test edilmesi gerekmektedir. Ancak, her türlü olay için trafik kazası verilerinin bulunması ve toplanması, nadir ve gerçek hayat verileri olduğundan oldukça zordur. Örneğin trafik kazalarına ilişkin önemli veri kaynaklarından biri de trafik kaza tutanaklarıdır. Bu raporlara ulaşılsa bile otonom sürüş yapay zekası için değerli veriler olan hız, fren süresi, iki araç arasındaki mesafe gibi bilgiler bu tutanaklarda eksik olabilmektedir. Bu gibi nedenlerle otonom araçların doğrulama ve onaylama testlerinde kullanılmak üzere yapay verilerin üretilip üretilemeyeceği araştırılmaktadır. Yapay verilerin üretilmesindeki zorluk, anlamlı verilerin üretilmesindeki zorluklardır. Bu tez çalışmasında otonom araçların onaylama ve doğrulama testlerinde kullanılabilecek kaza senaryolarının oluşturumu üzerinde çalışılmıştır. Kaza senaryolarının üretimi için öncelikle açık kaynak kodlu ağ tabanlı trafik simülatöründe kaza senaryolarının geçtiği çevreleri simüle edebilmek için trafik haritaları tasarlanmıştır. Sonrasında bu oluşturulan trafik haritalarında kaza senaryolarını gerçekleştirmek ve farklı olasılıksal durumlardaki sonuçlardan veri üretmek için açık kaynak kodlu senaryo tanımlama dili ve bu senaryo dili ile trafik simülatörü arasında arayüz görevi gören bir uygulama kullanılmıştır. Tezin ilk aşamasında kaza senaryolarının simülasyonunda kullanılacak haritalar tasarlanmıştır. Bu haritalar ağ tabanlı trafik simülatöründe oluşturulurken kazanın meydana geldiği yolun kaç şeritli olduğu, yaya kaldırımının olup olmadığı, yaya geçidinin olup olmadığı, trafik ışıklarının olup olmadığı, eğer kaza bir kavşakta ya da yakınında gerçekleşmişse kavşağın kol sayısı gibi özellikler göz önünde bulundurulmuştur. Ağ tabanlı trafik simülasyon programında oluşturulan her bir yol, şerit, kavşak, düğüm noktası (yolun başlangıç ve bitiş düğüm noktaları) programda ayırt edici farklı isimlendirmeler aldıkları için, başta farklı dosyalar halinde oluşturulan haritalar son aşamada birbirleriyle bağlantısı olmayan yollar halinde tanımlanıp tek bir harita dosyası içinde oluşturulmuştur. Haritaların oluşturumundan sonraki aşama olarak ise senaryolardaki aktörler tanımlanmştır. Senaryolardaki aktörler EGO araç, kaza ile ilgisi bulunan diğer NPC araçlar ve yayalardır. Senaryolar oluşturulurken aktörlerin özellikleri ve değişkenleri kullanılan trafik simülayon programı ve senaryo tanımlama dilinin betik dili olan python dilinde kodlanmıştır. Kodlama sırasında aktörlerin her birinin güzergahı, rengi, hızı, bulundukları şerit, hızda değişim varsa değişen hız ve değiştiği zaman, harita ya da tanımlanmış bir yol üzerinde bulundukları konum, harekete başladığı zaman, şerit değiştiriyorsa değiştirdiği şerit ve şerit değiştirme zamanı parametreleri kaza senaryosuna göre tanımlanmıştır. Aktörler ve parametreleri tanımlandıktan sonra senaryo dili ile trafik simülatörü arasındaki arayüz programı sayesinde bu oluşturulan kodlar trafik simülatöründe çalıştırılarak simülasyonda aktörlerin senaryoya uygun konumlarda ve hareketlerde bulunup bulunmadıkları gözlemlenmiş ve senaryoya uygun simülasyonları elde edene kadar kodları düzenlenmiştir. Senaryolar simülasyon programında istenildiği şekilde sonuçlar verdikten sonra her bir senaryo, senaryo dili ile trafik simülatörü arasındaki arayüz programı ile simülasyon programının grafiksel kullanıcı arayüzü açılmadan 10.000'er tekrar ile simülasyonları yapılmış ve sonuçlarında çıkan veriler incelenmiştir. Hiç kaza gerçekleşmeyen simülasyon sonuçlarında tanımlanan değişken parametrelerin değer aralıkları tekrar gözden geçirilip simülasyon sonuçlarında kazalar da görülmeye başlayana kadar düzenlenmiştir. Senaryolar oluşturulurken senaryodaki ana araç, diğer araçlar ve yayalar açısından senaryo için önemli olan bazı parametreler simülasyonlarda rastgelelik ve çeşitlilik sağlayacak bir aralıkta değişkenler olarak tanımlanmıştır. Senaryo tanımlama dili sayesinde bu değişkenler, ağ tabanlı trafik simülatörü üzerinde her bir simülasyon için tanımlanan değer aralıkları dahilinde farklı değerlere sahip olabilmekte ve bu değişkenlerin değerleri ve kaza verileri açısından anlamlı olan diğer değerler her simülasyonun sonunda kayıt altına alınabilmektedir. Bu sayede hangi değerler setinin çarpışma veya acil durum freni ile sonuçlandığı kaydedilebilmektedir. Diğer bir deyişle, bu simülasyonlar sonucunda elde edilen veriler de kolayca yorumlanabilen ve veri analizi için kullanılabilen etiketli verilerdir. Değişkenler de tanımlandıktan sonra bu sefer de veri oluşturmak amacıyla her bir senaryo, senaryo dili ve trafik simülatörü arasındaki arayüz programı ile simülasyon programının grafiksel kullanıcı arayüzü açılmadan 10.000'er tekrar ile simülasyonları yapılmıştır. Bu simülasyonların sonucunda veriler analiz edilmiştir. Veriler, senaryolar sonucundaki kaza gerçekleşme oranına, acil durum fren gerçekleşme oranına ve bu senaryolardaki değişkenlerin değerlerine göre her bir senaryo için ayrı ayrı incelenmiştir. Her bir senaryo için değişkenlerin hangi değerleri ya da değerler bütününü aldıklarında sonuç olarak kaza gerçekleştiği incelenmiştir. Simülasyon sonucunda çıkan kaza gerçekleşme oranlarının değerlendirilmesi ile bu verilerin gerçekçilikleri ile ilgili yorumlamalar yapılmıştır. Bu değerlendirmelerin sonrasında ise bu verilerin otonom sürüş konusundaki doğrulama ve onaylama testlerinde kullanılıp kullanılamayacağı konusunda yorumlama yapılmıştır. Sonuç olarak otonom araçların doğrulama testlerinde kullanılabilecek test senaryolarını üretmek amacıyla senaryo tanımlama dili ve trafik simülasyon programının kullanımının sonucunda üretilen sahnelerin bu amaçlar doğrultusunda kullanılabilir olup olmadıklarıyla ilgili veri analizi yapılmış, bu konuyla ilgili yorumlama yapılarak akademik katkı sağlanmıştır.

Özet (Çeviri)

Autonomous vehicles have become one of the most important topics in the automotive industry today. Vehicles, which have started to be equipped with many electronic control units and sensors in order to increase the comfort and safety of drivers, are preparing for the transition to fully autonomous driving after breakthroughs in processor power and artificial intelligence in recent years. Advanced driver assistance systems, such as cruise control system, collision avoidance system, autonomous emergency braking system or lane tracking system, that support the driver or support systems which are activated only when it is necessary, are also present in vehicles on the road today. Although such systems are used to increase safety and driver comfort, either the driver is still in control of the vehicle or driver supervision is required during these systems and the driver can override these systems at any time. The ultimate goal of recent research and development studies on autonomous driving and autonomous vehicles is to bring self-driving vehicles to a level that they can be in traffic without any need for human attention or intervention, without causing any safety problems. Autonomous driving and advanced driver assistance systems attract the attention of the end consumers because they both are innovative technologies and because of the advantages they will provide for driving comfort. Due to this interest of the consumer, autonomous driving and advanced driver assistance systems have become an area for manufacturers and companies working in the field of research and development in the automotive sector, where they can show their technology. For this reason, the development of autonomous driving and advanced driver assistance systems and making them safer is one of the most important research and development topics for both large vehicle manufacturing companies and supplier companies that supply systems and components to vehicle manufacturers. The result of many different scenarios experienced in traffic in real life can end with major or minor accidents. One of the most important issues in autonomous driving development is to be able to test how the driverless car will behave before and during a possible accident. It is close to impossible to define these traffic accidents with only logical and mathematical equations to create test cases. Moreover, there are variables like speed, departure time, braking time etc. in real-life scenarios even for the similar cases. Accident situations are one of the most critical issues in the use of machine learning for autonomous driving, as they are the scenarios that can endanger human safety the most. A lot of different situations should be tested to validate the artificial intelligence in this regard. However, the traffic accident data for every kind of incident are very difficult to find and collect, as they are rare and real-life data. For example, one of the important data sources on traffic accidents is traffic accident reports. Even if these reports are accessed, information such as speed, braking time, distance between two vehicles before the accident may be missing, which are valuable data for autonomous driving artificial intelligence. For reasons like these, it is being investigated whether artificial data can be produced to use for verification and validation tests of autonomous vehicles. The difficulty in the production of artificial data is the difficulties in the production of meaningful data. In this thesis, the generation of formal accident scenarios that can be used for verification and validation testing of autonomous drive of autonomous vehicles has been studied. For this purpose, first of all, traffic maps were designed as simulation environments via using an open-source network-based traffic simulator's tool. Afterwards, an open-source scenario description language and an application that acts as an interface between this scenario description language and the traffic simulator were used to realize accident scenarios in these created traffic maps and to generate data from the results in different probabilistic situations. In the first stage of the thesis, maps to be used in the simulation of real-life accident scenarios were designed. While creating these maps in the network-based traffic simulator, features such as the number of lanes, whether there is a pedestrian pavement, whether there is a pedestrian crossing, whether there are traffic lights, and if the accident occurred at or near an intersection, the number of ways of the intersection of the road where the accident occurred were taken into consideration. Since each road, lane, intersection, nodal point (starting and ending nodes of the road) created in the network-based traffic simulation program have different distinctive naming in the program, the maps initially created as different files are defined as unconnected roads in a single map file at the end. The actors in the scenarios were defined as the next stage after the creation of the maps. The actors in the scenarios are the EGO vehicle, other NPC vehicles involved in the accident, and pedestrians. While creating the formal scenario specifications, the characteristics and variables of the actors were coded in the python language, which is the scripting language of the traffic simulation program and scenario description language. During coding, each of the actors' route, color, speed, lane they are in, changing speed if there is a change in speed, and when it changes, their position on the map or on a defined road, when they start moving, if they change lanes, the lane number and lane change time parameters are defined according to the accident scenario. After the actors and their parameters were defined, these generated codes were run in the traffic simulator thanks to the interface program between the scenario language and the traffic simulator, and it was observed whether the actors were in positions and movements suitable for the scenario in the simulation. If there were deviations between the simulation and the scenario, the codes of the scenarios were re-arranged until obtaining the simulation results were suitable for the scenario. After the scenarios gave the desired results in the simulation program, each scenario was simulated with the interface program between the scenario description language and the traffic simulator with 10.000 repetitions without opening the graphical user interface of the simulation program, and the data in the results were examined. In a case of where no accidents occurred in the results, the attributes of actors and value ranges of the variable parameters in the codes were revised and arranged until the accidents started to be seen in the simulation results. While creating scenarios, some parameters that are important for the scenario in terms of the main vehicle in the scenario, other vehicles and pedestrians were defined as variables with a range to provide randomness and variety in the generated scenes. Thanks to the scenario description language, these variables can have different values in the defined value ranges for each simulation scenes on the network-based traffic simulator, and the values of these variables and other values that are meaningful in terms of accident data can be recorded at the end of each simulation. In this way, it can be recorded that which set of values are resulted with collisions or emergency brake. In other words, the data obtained as a result of these simulations are also labeled data which can be easily interpreted and used for data analysis. After the variables were defined, this time, each scenario was simulated with the interface program between scenario language and traffic simulator with 10.000 repetitions without opening the graphical user interface of the simulation program in order to generate accident scenes and result data. As a result of these simulations, the generated data were analyzed. The generated data were reviewed separately for each scene according to the accident rate, the emergency braking rate and the values of the variables in these scenarios. For each scenario, it was reviewed that which values of the variables or the set of values of the variables cause an accident as a result. Interpretations were made about the realism of these data with the accident occurrence rates and parameter values that emerged as a result of the simulation. After these evaluations, interpretations were made about whether these data could be used in verification and validation tests of autonomous driving of autonomous vehicles. In conclusion, result analysis has been made about whether the generated formal scenarios with using scenario description language and traffic simulation program can be used to generate accident data for autonomous vehicle's autonomous drive validation tests, and an academic contribution has been made by commenting on this subject.

Benzer Tezler

  1. Yeraltı madencilik sektörü mesleki güvenlik risk analizi

    Occupational safety risk analysis in underground mining sector

    FATMA YAŞLI

    Doktora

    Türkçe

    Türkçe

    2020

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HÜR BERSAM BOLAT

  2. Atmospheric dispersion and corresponding dose and risk calculations for a hypothetical accident in ITU TRIGA mark II research reactor

    İTÜ TRIGA mark II araştırma reaktöründeki hipotetik bir kaza için atmosferik dağılım ve ilintili doz ve risk hesaplamaları

    SEFA BEKTAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    Bilim ve Teknolojiİstanbul Teknik Üniversitesi

    Enerji Bilim ve Teknoloji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SENEM ŞENTÜRK LÜLE

  3. İzmit körfezi deniz trafiğinin ıwrap model kullanılarak incelenmesi

    Başlık çevirisi yok

    ONURAL ALPER ŞAHİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Denizcilikİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. CEMİL YURTÖREN

  4. Karayolu güvenliğinde esnek hesaplama tekniklerinin kullanılması

    The use of soft computing methods in roadway safety

    EMRE TERCAN

    Doktora

    Türkçe

    Türkçe

    2017

    Jeodezi ve FotogrametriErciyes Üniversitesi

    Harita Mühendisliği Ana Bilim Dalı

    PROF. DR. ERKAN BEŞDOK

  5. Petrol tankerlerinde meydana gelen deniz kazalarının risk analizi

    Risk analysis of oil tanker accidents

    ÖZKAN UĞURLU

    Doktora

    Türkçe

    Türkçe

    2011

    Çevre MühendisliğiKaradeniz Teknik Üniversitesi

    Balıkçılık Teknolojisi Mühendisliği Ana Bilim Dalı

    PROF. DR. ERCAN KÖSE