Naslov (srp)

Интегрисани модел за клaсификацију и предвиђање понашања возача : докторска дисертација

Autor

Zdravković, Stefan, 1990-

Doprinosi

Mladenović, Dušan, 1962-
Minović, Miroslav, 1978-
Milovanović, Miloš, 1983-
Vukićević, Milan, 1983-
Jeremić, Veljko, 1985-

Opis (srp)

У уводном поглављу се описује предмет и циљ истраживања, дефинишу сеполазне хипотезе, методе истраживања, опис, садржај и допринос дисертације.Друго поглавље конципирано је на детаљном прегледу литературе и анализипостојећих система помоћу којих се врши праћење и снимање параметара на возилу,као и телематским системима за евалуацију понашања возача и пружања подршкевозачу у реалном времену. Разматрани су правци даљег развоја комерцијалнихвозила у Европској унији (ЕУ) зависно од врсте горива. Tранспортна возила са дизелмоторима имају значајно велики удео на тржишту ЕУ, а уједно представљајупредмет посматрања у спроведном истраживању. Додатно, сагледани су тренутниразвој технологија, доступна ИоТ решења и економска исплативост имплементацијепостојећих телематских система и уређаја за снимање параметара на возилу.Треће поглавље посвећено је методологији и одређивању релевантнихпараметра еко-вожње, поред тога разматрани су модели и мерења потрошње горива.Брзина мотора, притисак педале гаса и убрзање возила представљају три параметракоји су важни у процени перформанси и дефинисању стила вожње возача. Иако суспроведена многа истраживања, квантитативни ефекти понашања возача напотрошњу горива су и даље нејасни. Прегледом литературе, идентификовани сукључни проблеми који се односе на ниску енергетску ефикасност проузрокованупонашањем возача. Поред тога, закључено је да је при евалуацији и класификацијипонашања возача неопходно узети у разматрање услове у саобраћају, као један одважних фактора који може значајно да утиче на стил вожње. Модели потрошњегорива, осим што се користе за предвиђање, могу се искористи у евалуацијипонашања возача са аспекта енергетске ефикасности. Стога је у раду извршенасистемска анализа и класификација постојећих модела потрошње горива.У четвртом поглављу разматрани су модели машинског учења и фази логичкисистеми типа 2 (ФЛС2), као главне методе и технике за препознавање образацапонашања возача. Различите технике машинског учења користе се за решавањесложених проблема класификације и регресије. Анализом постојећих алгоритамамашинског учења истакнуте су њихове перформансе, предности и недостаци.Архитектура предложеног модела за предвиђање и класификацију понашањавозача треба да омогући примену неке од техника рударења за генерисањепотрошње горива. Прегледом литературе установљено је да многи ауторидефинишу различите границе за исте посматране параметре који се односе на еко-вожњу. То се углавном дешава због лингвистичке природе при дефинисањуправила еко-вожње. Фази логика сматра се адекватнном методологијом запројектовање робусних система, који треба да испуне одговарајуће перформансе устањима неизвесности и непрецизности. Развијањем модела, користећи релевантнепараметре вожње као улаз, и применом ФЛС2, може се решити недостатак удефинисању нејасних правила еко-вожње и њених граница.Пето поглавље конципирано је на архитектури интегрисаног модела закласификацију и предвиђање понашања возача. Главни циљ дисертацијепредставља прављење новог методолошког оквира за евалуацију понашања икласификације возача, који је заснован на утврђивању и избору најутицајнихпараметара вожње помоћу којих је могуће дефинисати коначну оцену вожње.Користећи ФЛС2 модел, модел машинског учења и Potthoff анализу, дат је предлогмодела за класификацију и предвиђање понашања возача са аспекта потрошњегорива. У првој фази у оквиру ФЛС2 подмодела извршена је евалуација стила вожње.Вожња се оцењивала сваке секунде на основу снимљених вредности параметара овожњи. Након тога, на основу добијених оцена прво се формира дневна оценавозача. По истом принципу израчунава се коначна оцена за посматрани период,којом се класификује стил вожње. За верификацију добијених оцена неопходно јеизмерити стварну потрошњу горива. С озбиром на различите проблеме ипотешкоће у мерењу потрошње горива, у другом подмоделу врши се предикцијапотрошње горива која ће се након одређивања услова у саобраћају користити заверфикацију оцена вожње у реалном времену. Одабиром релевантних улазнихпараметара о раду возила и применом алгоритама машинског учења, врши сепредвиђање потрошње горива. Исти скуп параметара користи се у оба подмодела. Упоследњој фази применом Potthoff анализе, врши се предвиђање потрошње горивана основу оцена вожње зависно од услова у саобраћају. Овом анализом пружају сеинформације о томе да ли се регресиони модели засновани на различтим групама саистим варијаблама разликују.У шестом поглављу описанa је примена модела на основу спроведеногистраживања и приказаних резултата. Предложени интегрисани модел дао језанимљиве резултате након прве фазе, у којима коначна оцена возача може дазависи од броја посматраних улазних параметара. У спроведеном истраживању [1],Арас и Гоћеш сматрају да је могуће изршити евалуацију стила вожње на основуследећих параметара: брзина мотора и убрзање. Према томе, коначне оцене вожњекоје представљају излаз ФЛС2 подмодела, поређене су на основу два и три улазнапараметра. Уочена је осетљивост резултата и могућност различитог рангирањавозача зависно од броја посматраних параметара. Категоризацијом коначних оценаизвршена је класификација понашања возача. Оне уједно представљајуквантитативни израз стила вожње. У другој фази, након поређења перформансинајпопуларнијих алгоритама машинског учења, извршен је одабир алгоритма којипредставља најбоље решењe. На овај начин, решен је проблем који се односи намоделирање потрошње горива. Допринос дисертације огледа се у примениинтегрисаног модела којим је утврђена могућност мерења утицаја градских условапри евалуацији стила вожње и предвиђању потрошње горива. На основу резултата, oсмо закључно поглавље садржи одговоре на питања увези са постављеним циљевима и хипотезама доктoрске дисертације. Извршени супреглед и систематизација научних доприноса који су проистекли из истраживања.Изложена је актуелна проблематика и дат предлог даљег правца истраживања упосматраној области. На крају је дата литература коришћена приликом израдедисертације, која садржи релевантне референце других истраживача. У прилогу суприказани подаци и делом најзначајнији резултати емпиријског истраживања.

Opis (srp)

Техничке науке - Информационе технологије / Technical sciences -Information technologies Datum odbrane: 29.06.2022.

Opis (eng)

The introductory chapter describes the area of research and the main objectives of thepaper. After that, the hypothesis and research methods are defined, with the given contentand contribution of the dissertation.The second section is based on a detailed review of the literature and analysis ofexisting systems used to monitor and record parameters of the vehicle, as well as telematicsystems for evaluating driver behavior and providing real-time support to the driver.Directions of further development of commercial vehicles in the European Union (ЕU)depending on the type of fuel were discussed. Diesel transport vehicles have asignificantly large market share in the EU, thus representing the subject of conductedresearch. The current development of technologies, available IoT solutions, and theeconomic cost-effectiveness of the implementation of telematics systems and devices forrecording parameters on the vehicle were considered.The third chapter is committed to the methodology and determination of relevanteco-driving parameters. In addition models and measurements of fuel consumption werediscussed. Engine speed, accelerator pedal position and vehicle acceleration are threeparameters that are important in assessing performance and defining driving style. Manystudies have been conducted, however, the quantitative effects of driver behavior on fuelconsumption are still unclear. A review of the literature identified key issues related to thereduced energy efficiency caused by driver behavior. It was concluded that whenevaluating and classifying driver behavior, it is necessary to consider traffic conditions, asone of the important factors that can significantly affect driving style. In addition to beingused to predict fuel consumption, consumption models can also be used to assess theenergy efficiency of the vehicles. Therefore, a systematic analysis and classification ofexisting fuel consumption models were performed.In the fourth section, machine learning models and type-2 fuzzy logic systems(FLS2), as the main methods and techniques for recognizing driver behavior patterns areconsidered. Different machine learning techniques are used to solve complex problems ofclassification and regression. The analysis of existing machine learning algorithmsemphasizes their performance, advantages, and disadvantages. The architecture of theproposed model for the classification and prediction of driver behavior should include theapplication of mining techniques to generate fuel consumption. In the literature review,many authors define different limits for the same observed parameters related to eco-driving. This is mostly due to the linguistic nature of the definition of eco-driving rules.Fuzzy logic is considered to be an adequate methodology for designing robust systemsthat should satisfy the corresponding performance in states of uncertainty andaccuracy. By developing the model using the relevant driving parameters as inputs andapplying the FLS2, the shortcoming in defining the unclear rules of eco-driving and itsboundaries can be solved.In the fifth section, attention is being shifted to the architecture of an integratedmodel for the classification and prediction of driver behavior. The main goal of thedissertation is to create a novel methodological framework for the classification andevaluation of driver behavior. It should be based on determining the most influentialdriving parameters that can be used to define the final driving score. Using the FLS2model, the machine learning model, and Potthoff analysis, a model proposal for theclassification and prediction of driver behavior from the aspect of fuel consumption isgiven. In the first phase, the driving style was evaluated based on the FLS2 submodel. Thedriving score is obtained every second based on the recorded values of the drivingparameters. Based on them, the daily driving score is formed first. The same principle isused to calculate the final driving result for the observed period, which classifies drivingstyle. To verify the obtained results, it is necessary to measure real fuel consumption. Dueto various problems and difficulties in measurement, the second submodel performs fuelconsumption prediction. It will be used to verify real-time driving evaluation afterdetermining traffic conditions. By selecting the relevant input driving parameters andapplying machine learning algorithms, it is possible to predict fuel consumption. Thesame set of parameters is used in both submodels. In the last phase, using Potthoffanalysis, fuel consumption was predicted based on driving scores depending on trafficconditions. This analysis provides information on whether regression models based ondifferent groups with the same variables differ.The sixth section describes the application of the model based on the conductedresearch and the presented results. The proposed integrated model gave interesting resultsafter the first phase, in which the final driver score may depend on the number ofobserved input parameters. In conducted research [1], Aras & Gocer consider that it ispossible to evaluate the driving style based on the engine speed and acceleration.Therefore, the final driving scores representing the output of the FLS2 submodel werecompared based on two and three input parameters. The sensitivity of the results and thepossibility of different drivers ranking depending on parameters were noticed. Bycategorizing the final scores, the classification of drivers' behavior was performed. Тheyalso represents a quantitative expression of driving style. In the second phase, aftercomparing the performance of the most popular machine learning algorithms, theappropriate algorithm that represents the best solution was selected. Thus, the problemrelated to fuel consumption modeling is solved. The contribution of the dissertation isreflected in the application of the novel integrated model which determines the possibilityof measuring the influence of traffic conditions in the evaluation of driver behavior andforecasting fuel consumption.

Jezik

srpski

Datum

2022

Licenca

Ovo delo je licencirano pod uslovima licence
Creative Commons CC BY-SA 3.0 AT - Creative Commons Autorstvo - Deliti pod istim uslovima 3.0 Austria License.

http://creativecommons.org/licenses/by-sa/3.0/at/legalcode

Predmet

OSNO - Opšta sistematizacija naučnih oblasti, Računarska tehnika. Informaciona tehnologija

класификација, предвиђање, понашањe возача, машинско учење, фази логика, енергетска ефикасност, потрошња горива, Potthoff анализа

OSNO - Opšta sistematizacija naučnih oblasti, Računarska tehnika. Informaciona tehnologija

classification, prediction, driver behavior, machine learning, fuzzy logic, energy efficiency, fuel consumption, Potthoff analysis