Please use this identifier to cite or link to this item:
Title: Ευφυής διαχείριση κυκλοφορίας σε αυτοκινητοδρόμους : εκτίμηση shockwave με χρήση νευρωνικών δικτύων
Other Titles: Intelligent traffic management on motorways : shockwave estimation with neural networks
Authors: Γανός, Αριστοτέλης-Ηλίας
Keywords: Κυκλοφοριακοί παλμοί
Νευρωνικά δίκτυα
Αλγόριθμοι ανίχνευσης
Οδική ασφάλεια
Συνδεδεμένα ευφυή συστήματα μεταφορών
Ευφυή συστήματα μεταφορών
Keywords (translated): Shockwaves
Neural networks
Detection algorithms
Road safety
Connected intelligent transport systems
Intelligent transport systems
Abstract: Στην παρούσα Διατριβή Διπλώματος Ειδίκευσης αναπτύσσεται μια μέθοδος για απόσβεση και αποφυγή κυκλοφοριακών παλμών (Shockwaves). Τα Shockwaves είναι κυκλοφορικοί παλμοί που κυρίως διαδίδονται ανάντη της ροής κυκλοφορίας και απαντώνται, συνήθως, σε αυτοκινητοδρόμους. Οι οδηγοί αναγνωρίζουν τα Shockwaves ως μια συνεχή μεταβολή από κατάσταση κίνησης σε κατάσταση ακινησίας. Κατά κύριο λόγο, οφείλονται στο ότι τα οχήματα κινούνται με διαφορετικές ταχύτητες και πολλοί οδηγοί τείνουν να μεταβάλλουν την ταχύτητα τους απότομα. Ως αποτέλεσμα, μια προσωρινή περιορισμένου μήκους ουρά σχηματίζεται. Η παραπάνω κατάσταση μπορεί να υποστηριχθεί αποσβένοντας ή προλαμβάνοντας Shockwaves με τη χρήση οντοτήτων περιβάλλοντος C-ITS. Με την μετάδοση κατάλληλων μηνυμάτων στους οδηγούς, τα οποία θα προτείνουν βέλτιστες οδηγικές συμπεριφορές, θα είναι δυνατή η απόσβεση ή αποφυγή σχηματισμού shockwave. Στην Διατριβή αναπτύσσεται μια εκτενής βιβλιογραφική ανασκόπηση και η έρευνα τοποθετείται στην διεθνή βιβλιογραφία υπό καινοτόμο πρίσμα. Με την ανάλυση κυκλοφοριακών δεδομένων από τον αυτοκινητόδρομο της Μινεσότα I-94W, αναπτύχθηκαν και εκπαιδεύτηκαν Νευρωνικά Δίκτυα για την ανίχνευση Shockwave και για την ανίχνευση καταστάσεων όπου υπάρχει υψηλή πιθανότητα σχηματισμού Shockwave. Αυτά τα Νευρωνικά Δίκτυα αξιολογήθηκαν με διαφορετικούς τρόπους. Κατόπιν της εκπαίδευσης και εξαγωγής των Νευρωνικών Δικτύων, αναπτύχθηκε η λειτουργία των υπηρεσιών απόσβεσης και πρόληψης. Αναλύθηκαν τα μηνύματα που θα μπορούσαν να σταλούν σε οδηγούς κατά την ανίχνευση τέτοιων καταστάσεων. Στην συνέχεια, αναπτύσσεται η αρχιτεκτονική του συστήματος που θα μπορούσε να υποστηρίξει τις παραπάνω υπηρεσίες και επικοινωνίες. Διαφορετικές αρχιτεκτονικές προτείνονται, αναλόγως με την επιθυμητή πολυπλοκότητα και με το ποσοστό της κυκλοφορίας που αποτελείται από συνδεδεμένα οχήματα. Τέλος, εξετάζεται η αποδοχή από τον χρήστη, πραγματοποιείται ηθική αξιολόγηση των υπηρεσιών και αναπτύσσονται οι τελικές προτάσεις. Στο παράρτημα του τεύχους επισυνάπτονται όλοι οι αλγόριθμοι που αναπτύχθηκαν και χρησιμοποιήθηκαν για ανάλυση δεδομένων και για ανάπτυξη Νευρωνικών Δικτύων.
Abstract (translated): In this Master Diploma Thesis a method is developed for damping and avoiding traffic pulses (Shockwaves). Shockwaves are traffic pulses that mainly propagate upstream of traffic flow and are commonly found on highways. Drivers recognize Shockwaves as a continuous change from motion to stationary. They are mainly due to the fact that vehicles move at different speeds and many drivers tend to change their speed abruptly. As a result, a temporary limited length tail is formed. The above situation can be supported by damping or preventing Shockwaves using C-ITS environment entities. By transmitting appropriate messages to drivers, which will suggest optimal driving behaviors, it will be possible to damp or avoid shockwave formation. The Thesis develops an extensive bibliographic review and the research is placed in the international literature in an innovative light. By analyzing traffic data from the Minnesota I-94W Highway, Shockwave Neural Networks were developed and trained to detect situations where there is a high probability of Shockwave formation. These Neural Networks were evaluated in different ways. Following the training and export of Neural Networks, the operation of damping and prevention services was developed. The messages that could be sent to guides when detecting such situations were analyzed. Then, the system architecture is developed that could support the above services and communications. Different architectures are proposed, depending on the desired complexity and the percentage of traffic consisting of connected vehicles. Finally, the acceptance by the user is examined, an ethical evaluation of the services is carried out and the final proposals are developed. Attached to the appendix of the issue are all the algorithms developed and used for data analysis and for the development of Neural Networks.
Appears in Collections:Τμήμα Πολιτικών Μηχανικών (ΜΔΕ)

Files in This Item:
File Description SizeFormat 
ganos_nimertis.pdfMaster Thesis Ganos4.1 MBAdobe PDFView/Open

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.