Integrated model for classification and prediction of driver bahavior

[С. Здравковић]

114 стр.

Техничке науке - Информационе технологије / Technical sciences - Information technologies

У уводном поглављу се описује предмет и циљ истраживања, дефинишу се полазне хипотезе, методе истраживања, опис, садржај и допринос дисертације. Друго поглавље конципирано је на детаљном прегледу литературе и анализи постојећих система помоћу којих се врши праћење и снимање параметара на возилу, као и телематским системима за евалуацију понашања возача и пружања подршке возачу у реалном времену. Разматрани су правци даљег развоја комерцијалних возила у Европској унији (ЕУ) зависно од врсте горива. Tранспортна возила са дизел моторима имају значајно велики удео на тржишту ЕУ, а уједно представљају предмет посматрања у спроведном истраживању. Додатно, сагледани су тренутни развој технологија, доступна ИоТ решења и економска исплативост имплементације постојећих телематских система и уређаја за снимање параметара на возилу. Треће поглавље посвећено је методологији и одређивању релевантних параметра еко-вожње, поред тога разматрани су модели и мерења потрошње горива. Брзина мотора, притисак педале гаса и убрзање возила представљају три параметра који су важни у процени перформанси и дефинисању стила вожње возача. Иако су спроведена многа истраживања, квантитативни ефекти понашања возача на потрошњу горива су и даље нејасни. Прегледом литературе, идентификовани су кључни проблеми који се односе на ниску енергетску ефикасност проузроковану понашањем возача. Поред тога, закључено је да је при евалуацији и класификацији понашања возача неопходно узети у разматрање услове у саобраћају, као један од важних фактора који може значајно да утиче на стил вожње. Модели потрошње горива, осим што се користе за предвиђање, могу се искористи у евалуацији понашања возача са аспекта енергетске ефикасности. Стога је у раду извршена системска анализа и класификација постојећих модела потрошње горива. У четвртом поглављу разматрани су модели машинског учења и фази логички системи типа 2 (ФЛС2), као главне методе и технике за препознавање образаца понашања возача. Различите технике машинског учења користе се за решавање сложених проблема класификације и регресије. Анализом постојећих алгоритама машинског учења истакнуте су њихове перформансе, предности и недостаци. Архитектура предложеног модела за предвиђање и класификацију понашања возача треба да омогући примену неке од техника рударења за генерисање потрошње горива. Прегледом литературе установљено је да многи аутори дефинишу различите границе за исте посматране параметре који се односе на еко- вожњу. То се углавном дешава због лингвистичке природе при дефинисању правила еко-вожње. Фази логика сматра се адекватнном методологијом за пројектовање робусних система, који треба да испуне одговарајуће перформансе у стањима неизвесности и непрецизности. Развијањем модела, користећи релевантне параметре вожње као улаз, и применом ФЛС2, може се решити недостатак у дефинисању нејасних правила еко-вожње и њених граница. Пето поглавље конципирано је на архитектури интегрисаног модела за класификацију и предвиђање понашања возача. Главни циљ дисертације представља прављење новог методолошког оквира за евалуацију понашања и класификације возача, који је заснован на утврђивању и избору најутицајних параметара вожње помоћу којих је могуће дефинисати коначну оцену вожње. Користећи ФЛС2 модел, модел машинског учења и Potthoff анализу, дат је предлог модела за класификацију и предвиђање понашања возача са аспекта потрошње горива. У првој фази у оквиру ФЛС2 подмодела извршена је евалуација стила вожње. Вожња се оцењивала сваке секунде на основу снимљених вредности параметара о вожњи. Након тога, на основу добијених оцена прво се формира дневна оцена возача. По истом принципу израчунава се коначна оцена за посматрани период, којом се класификује стил вожње. За верификацију добијених оцена неопходно је измерити стварну потрошњу горива. С озбиром на различите проблеме и потешкоће у мерењу потрошње горива, у другом подмоделу врши се предикција потрошње горива која ће се након одређивања услова у саобраћају користити за верфикацију оцена вожње у реалном времену. Одабиром релевантних улазних параметара о раду возила и применом алгоритама машинског учења, врши се предвиђање потрошње горива. Исти скуп параметара користи се у оба подмодела. У последњој фази применом Potthoff анализе, врши се предвиђање потрошње горива на основу оцена вожње зависно од услова у саобраћају. Овом анализом пружају се информације о томе да ли се регресиони модели засновани на различтим групама са истим варијаблама разликују. У шестом поглављу описанa је примена модела на основу спроведеног истраживања и приказаних резултата. Предложени интегрисани модел дао је занимљиве резултате након прве фазе, у којима коначна оцена возача може да зависи од броја посматраних улазних параметара. У спроведеном истраживању [1], Арас и Гоћеш сматрају да је могуће изршити евалуацију стила вожње на основу следећих параметара: брзина мотора и убрзање. Према томе, коначне оцене вожње које представљају излаз ФЛС2 подмодела, поређене су на основу два и три улазна параметра. Уочена је осетљивост резултата и могућност различитог рангирања возача зависно од броја посматраних параметара. Категоризацијом коначних оцена извршена је класификација понашања возача. Оне уједно представљају квантитативни израз стила вожње. У другој фази, након поређења перформанси најпопуларнијих алгоритама машинског учења, извршен је одабир алгоритма који представља најбоље решењe. На овај начин, решен је проблем који се односи на моделирање потрошње горива. Допринос дисертације огледа се у примени интегрисаног модела којим је утврђена могућност мерења утицаја градских услова при евалуацији стила вожње и предвиђању потрошње горива. На основу резултата, oсмо закључно поглавље садржи одговоре на питања у вези са постављеним циљевима и хипотезама доктoрске дисертације. Извршени су преглед и систематизација научних доприноса који су проистекли из истраживања. Изложена је актуелна проблематика и дат предлог даљег правца истраживања у посматраној области. На крају је дата литература коришћена приликом израде дисертације, која садржи релевантне референце других истраживача. У прилогу су приказани подаци и делом најзначајнији резултати емпиријског истраживања.

The introductory chapter describes the area of research and the main objectives of the paper. After that, the hypothesis and research methods are defined, with the given content and contribution of the dissertation. The second section is based on a detailed review of the literature and analysis of existing systems used to monitor and record parameters of the vehicle, as well as telematic systems 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 a significantly large market share in the EU, thus representing the subject of conducted research. The current development of technologies, available IoT solutions, and the economic cost-effectiveness of the implementation of telematics systems and devices for recording parameters on the vehicle were considered. The third chapter is committed to the methodology and determination of relevant eco-driving parameters. In addition models and measurements of fuel consumption were discussed. Engine speed, accelerator pedal position and vehicle acceleration are three parameters that are important in assessing performance and defining driving style. Many studies have been conducted, however, the quantitative effects of driver behavior on fuel consumption are still unclear. A review of the literature identified key issues related to the reduced energy efficiency caused by driver behavior. It was concluded that when evaluating and classifying driver behavior, it is necessary to consider traffic conditions, as one of the important factors that can significantly affect driving style. In addition to being used to predict fuel consumption, consumption models can also be used to assess the energy efficiency of the vehicles. Therefore, a systematic analysis and classification of existing 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 are considered. Different machine learning techniques are used to solve complex problems of classification and regression. The analysis of existing machine learning algorithms emphasizes their performance, advantages, and disadvantages. The architecture of the proposed model for the classification and prediction of driver behavior should include the application 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 systems that should satisfy the corresponding performance in states of uncertainty and accuracy. By developing the model using the relevant driving parameters as inputs and applying the FLS2, the shortcoming in defining the unclear rules of eco-driving and its boundaries can be solved. In the fifth section, attention is being shifted to the architecture of an integrated model for the classification and prediction of driver behavior. The main goal of the dissertation is to create a novel methodological framework for the classification and evaluation of driver behavior. It should be based on determining the most influential driving parameters that can be used to define the final driving score. Using the FLS2 model, the machine learning model, and Potthoff analysis, a model proposal for the classification and prediction of driver behavior from the aspect of fuel consumption is given. In the first phase, the driving style was evaluated based on the FLS2 submodel. The driving score is obtained every second based on the recorded values of the driving parameters. Based on them, the daily driving score is formed first. The same principle is used to calculate the final driving result for the observed period, which classifies driving style. To verify the obtained results, it is necessary to measure real fuel consumption. Due to various problems and difficulties in measurement, the second submodel performs fuel consumption prediction. It will be used to verify real-time driving evaluation after determining traffic conditions. By selecting the relevant input driving parameters and applying machine learning algorithms, it is possible to predict fuel consumption. The same set of parameters is used in both submodels. In the last phase, using Potthoff analysis, fuel consumption was predicted based on driving scores depending on traffic conditions. This analysis provides information on whether regression models based on different groups with the same variables differ. The sixth section describes the application of the model based on the conducted research and the presented results. The proposed integrated model gave interesting results after the first phase, in which the final driver score may depend on the number of observed input parameters. In conducted research [1], Aras & Gocer consider that it is possible to evaluate the driving style based on the engine speed and acceleration. Therefore, the final driving scores representing the output of the FLS2 submodel were compared based on two and three input parameters. The sensitivity of the results and the possibility of different drivers ranking depending on parameters were noticed. By categorizing the final scores, the classification of drivers' behavior was performed. Тhey also represents a quantitative expression of driving style. In the second phase, after comparing the performance of the most popular machine learning algorithms, the appropriate algorithm that represents the best solution was selected. Thus, the problem related to fuel consumption modeling is solved. The contribution of the dissertation is reflected in the application of the novel integrated model which determines the possibility of measuring the influence of traffic conditions in the evaluation of driver behavior and forecasting fuel consumption.

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

004.85(043.3)

Tekst