عنوان پایان‌نامه
توجه در تصمیم گیری برای بهبود عملکرد سیستم پشتیبان راننده
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: E 2088;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 54244
- تاریخ دفاع
- ۲۷ شهریور ۱۳۹۱
- دانشجو
- غلامحسین الهی
- استاد راهنما
- مجید نیلی احمدآبادی, بابک نجاراعرابی
- چکیده
- تصادفات جاده‌ای یکی از مشکلاتی است که همواره خسارت‌های جانی و مالی فراوانی در پی داشته است. در این زمینه سیستم‌های پشتیبان خودرو برای بهبود عملکرد راننده و یا کاهش خطرات رانندگی بکار گرفته شده‌اند. در این پژوهش یک سیستم پشتیبان کلی‌نگر از ترکیب سه سیستم پشتیبان هشدار خروج از مسیر، جلوگیری از برخورد با مانع و همچنین سیستم تشخیص و شناسایی علائم راهنمایی ایجاد شده است. در ابتدا هر یک از سه سیستم طراحی شده‌اند و سپس در محیط شبیه‌سازی سه بعدی جاده‌ای مورد ارزیابی قرار گرفته‌اند. نتایج شبیه‌سازی نشان می‌دهد، عملکرد مطلوب مورد انتظار هر سه سیستم برآورده شده است. یکی از بزرگترین چالش‌هایی که برای سیستم‌های پشتیبان وجود دارد، میزان قابلیت پذیرش آنها توسط راننده می‌باشد. در این پژوهش علاوه بر اینکه مساله‌ی تاثیر سیستم بر عملکرد مطلوب رانندگی مد نظر می‌باشد، فضای تصمیم سیستم پیشنهادی با قابلیت یادگیری و منطبق شدن با رفتار راننده در نظر گرفته شده است. برای تداخل در فضای تصمیم زیرسیستم‌ها، بر اساس نظر خبره‌ی انسانی، با یک سری قواعد، خروجی مقداردهی اولیه می‌شود. سیستم کلی‌نگر به عنوان یک عامل یادگیر برروی خودرو نصب می‌گردد. سیستم پس از اعلام تصمیم، با فیدبک گرفتن از رفتار راننده، بر اساس میزان شباهت رفتار راننده با تصمیم پیشنهادی خود پاداش و یا جریمه دریافت می‌کند و به وسیله یادگیری فضای تصمیم خود را تصحیح می‌کند. برای بهبود سرعت یادگیری، از رویکردی با دو تابع پاداش استفاده شده است. سیستم معرفی شده در یک محیط شبیه‌سازی رانندگی، بر روی تعدادی راننده آزمایش شده است. نتایج نشان از تاثیر سیستم معرفی شده در بهبود کیفیت رانندگی برای افراد مختلف دارد. بهبود عملکرد رانندگان در طی زمان نیز مورد بررسی قرار گرفته است، این بررسی نیز بهبود پارامترهای نامناسب رانندگی را برای افراد مختلف نشان می‌دهد. همچنین توانایی سیستم برای تطبیق پیشنهاد خود با رفتار راننده نشان داده شده است. تاثیر بلند مدت این سیستم مبتنی بر یادگیری در بهبود کیفیت رانندگی، بیشتر از سیستم بدون یادگیری خواهد بود. دلیل این مساله افزایش قابلیت پذیرش سیستم، توسط رانندگان مختلف می‌باشد. کلمات کلیدی: سیستم‌های پشتیبان خودرو، سیستم هشدار خروج از مسیر، سیستم جلوگیری از برخورد با مانع، سیستم تشخیص و شناسایی علائم، یادگیری تقویتی، خودروهای نیمه خودکار.
- Abstract
- Road collisions have led to a huge number of fatalities; several injuries and loss of property during the years. Human factors in vehicle collisions include all factors related to drivers and other road users that may contribute to a collision, e.g. driver behavior, visual and auditory acuity, decision-making ability, and reaction speed. In this regard, Driver Assistance Systems (DASs) are the systems to improve the driver performance or to reduce risk of driving. In this thesis a holistic system has been developed as a combination of three driver assistance warning systems to avoid a collision with an obstacle, lane departure warning system and system for detecting and recognizing traffic signals. Firstly, each of these three systems were developed and then evaluated in a 3D road simulator. One of the major challenges for driver assistance systems is the capability of its acceptance by the drivers. In this study, the ability to learn and self-adaption to the driver's behavior is considered in the decision space of the proposed system. The system decision is established primarily based on the decision made by the subsystems. At the occurrence time of interference between decisions made by subsystems, decision-making is upon a set of rules set by human experts. When the system is installed on a vehicle, it announces its decision when necessary. The feedback, which is coming from driver behavior, gives a reward or punishment to the system based on the similarity of the system’s proposed decision to the driver behavior. Then the decision space of the system is refined with reinforcement learning. The presented system has been tested on a number of drivers in a driving simulation environment. The results show that the proposed system has improved the quality of driving. Drivers’ performance over time has also been studied, which shows that inappropriate driving parameters for different drivers have been improved. The adaptation of the system with the driver`s behavior has also been demonstrated. The long-term impact of the proposed system on improving the quality of driving would be more than that of a system which has no learning capability. This is because of increase in the acceptability of the system by different drivers. Keywords: Driver Assistance Systems (DASs), Lane Departure Warning System (LDWS), Collision Avoidance System (CAS), Sign Detection and Recognition System (SDRS), Reinforcement Learning (RL), Semi-Autonomous vehicle
