Inteligent Transportation Systems-Articles

Ανάπτυξη αλγορίθμων πρόβλεψης πορείας και εντοπισμού/εκτέλεσης ελιγμού

 

ΕΠΙΒΛΕΠΟΝΤΕΣ:  

Καθηγητής Νικόλαος Ουζούνογλου (210-772-3556, nuzu@cc.ece.ntua.gr)

Ερευνητής Α' ΕΠΙΣΕΥ Δρ. Άγγελος Αμδίτης (210-772-2398, a.amditis@iccs.gr)

 

ΘΕΜΑ 2: Ανάπτυξη αλγορίθμων πρόβλεψης πορείας και εντοπισμού/εκτέλεσης ελιγμού

Η πρόβλεψη της μελλοντικής κατάστασης του οχήματος αποτελεί έναν από τους κύριους στόχους των συστημάτων προειδοποίησης σύγκρουσης. Αυτό μπορεί να επιτευχθεί είτε με βάση τη δυναμική κατάσταση του οχήματος που προκύπτει με βάση τους αδρανειακούς αισθητήρες που φέρει, είτε με βάση στατικές πληροφορίες όπως είναι η γεωμετρία του δρόμου, η οποία προέρχεται από τους ψηφιακούς χάρτες, την κάμερα ή το laserscanner. Ο φοιτητής σε αυτή τη διπλωματική καλείται να αναπτύξει:

· Αλγορίθμους για την  πρόβλεψης της μελλοντικής πορείας του δρόμου με βάση πολλαπλές πηγές πληροφορίας, μεταξύ των οποίων κάμερα, ψηφιακοί χάρτες και αδρανειακοί αισθητήρες του οχήματος.

· Αλγοριθμους για την διόρθωση της πορείας του οχήματος με βάση διαγράμματα Voronoiκαι καμπύλες NURBS. Η μελέτη θα περιλαμβάνει την ανάπτυξη της κατάλληλης μεθοδολογίας για την εύρεση της βέλτιστης τροχιάς του οχήματος για την αποφυγή εμποδίων ή την εκτέλεση κάποιου συγκεκριμένου ελιγμού.

· Αλγορίθμους αναγνώρισης επικίνδυνων καταστάσεων όπως π.χ. αποχώρηση από τη λωρίδα, προσπέραση,  πιθανή σύγκρουση με οχήματα στην ιδία η γειτονική λωρίδα,  κατάστασης πυκνής κυκλοφορίας ή μποτιλιαρίσματος (stopandgosituations).

Η μαθηματική μοντελοποίηση των αλγορίθμων θα περιλαμβάνει φίλτρα Kalman, NURBS, συστήματα ασαφούς λογικής και θεωρία Dempster-Shaferκαι η υλοποίηση θα γίνει σε Matlabή C++. (1 άτομο)

alt

Για πληροφορίες:      

Α) Δρ. Μανόλης Τσόγκας, 210-772-1076, mtsog@iccs.gr

B) Δρ. Άγγελος Αμδίτης, 210-772-2398, a.amditis@iccs.gr

 

Υλοποίηση αλγορίθμου ταξινόμησης (classification) αντικειμένων οδικού περιβάλλοντος με χρήση σαρωτή λέιζερ

 

ΕΠΙΒΛΕΠΟΝΤΕΣ:       

Καθηγητής Νικόλαος Ουζούνογλου (210-772-3556, nuzu@cc.ece.ntua.gr)

Ερευνητής Α' ΕΠΙΣΕΥ Δρ. Άγγελος Αμδίτης (210-772-2398, a.amditis@iccs.gr)

 

ΘΕΜΑ 3: Υλοποίηση αλγορίθμου ταξινόμησης (classification) αντικειμένων οδικού περιβάλλοντος με χρήση σαρωτή λέιζερ.

Η χρήση ειδικών σαρωτών λέιζερ (laserscanners) σε έξυπνα συστήματα αυτοκίνησης παρέχει υψηλού επιπέδου πληροφορία για την αναγνώριση του οδικού περιβάλλοντος, που αξιοποιείται καταλλήλα σε προχωρημένες εφαρμογές οδικής ασφάλειας. Ο φοιτητής στα πλαίσια της διπλωματικής αυτής καλείται να μελετήσει το προβλήμα της ταξινόμησης των αντικειμένων που προκύπτουν από την ιχνηλασία των δεδομένων του σαρωτή στις ακόλουθες κλάσεις: πεζός, ποδηλάτης, μοτοσυκλέτα, αυτοκίνητο, φορτηγό. Η διπλωματική περιέχει τα στάδια: (α) της εκπαίδευσης των αλγορίθμων με εκ των προτέρων γνωστά δεδομένα για την εξαγωγή αξιόπιστων ταξινομητών, (β) της υλοποίησης της λογικής του αλγορίθμου με βάση τα ευρήματα της παραπάνω διαδικασίας. Προαιρετικά, υπάρχει η δυνατότητα της χρήσης του πειραματικού οχήματος του εργαστηρίου για την υλοποίηση σε πραγματικό σύστημα C++ του παραπάνω αλγορίθμου για την εφαρμογή αναγνώρισης ευάλωτων οδικών χρηστών (πεζών και ποδηλατών).   

Απαραίτητες τεχνικές γνώσεις: Matlabή C/C++ (1 άτομο)

alt

Για πληροφορίες:      

Α) Δρ. Νίκος Φλούδας, 210-772-1076, nikos.floudas@iccs.gr

B) Δρ. Άγγελος Αμδίτης, 210-772-2398, a.amditis@iccs.gr

 

Μελέτη πιθανοτικών δικτύων (δίκτυα Bayes) και εφαρμογές σε ασύρματα δίκτυα αυτοκινήτων

 

ΕΠΙΒΛΕΠΟΝΤΕΣ:      

Καθηγητής Νικόλαος Ουζούνογλου (210-772-3556, nuzu@cc.ece.ntua.gr)

Ερευνητής Α' ΕΠΙΣΕΥ Δρ. Άγγελος Αμδίτης (210-772-2398, a.amditis@iccs.gr)

 

ΘΕΜΑ 1: Μελέτη πιθανοτικών δικτύων (δίκτυα Bayes) και εφαρμογές σε ασύρματα δίκτυα αυτοκινήτων

Σκοπός της παρούσας διπλωματικής εργασίας είναι η θεωρητική μελέτη των πιθανοτικών δικτύων (BayesianNetworks) και η ανάπτυξη κάποιας εφαρμογής με τη χρήση και επεξεργασία δεδομένων από ασύρματα δίκτυα αυτοκινήτων. Τα πιθανοτικά δίκτυα αποτελούν τα τελευταία χρόνια πολύ ισχυρά εργαλεία μοντελοποίησης στη συλλογιστική (reasoning) και είναι μία από τις επικρατέστερες θεωρίες για τη λήψη απόφασης υπό αβεβαιότητα. Τα δίκτυα αυτά βρίσκουν εφαρμογή σε πάρα πολλούς τομείς όπως για παράδειγμα τεχνητή νοημοσύνη, ιατρική, ευφυή συστήματα μεταφοράς, βιομηχανία, οικονομία κλπ.

Παράδειγμα Bayesianδικτύου για εκτίμηση πυκνότητας κυκλοφορίας:

alt

Θεωρητική μελέτη και υλοποίηση σε MATLABή C++ (1 άτομο) 

 

Για πληροφορίες:   

Α) Δρ. Παναγιώτης Λυτρίβης, 210-772-3865, panagiotis.lytrivis@iccs.gr

B) Δρ. Άγγελος Αμδίτης, 210-772-2398, a.amditis@iccs.gr

 

Ανάπτυξη αλγορίθμων ιχνηλασίας πολλαπλών αισθητήρων με χρήση τεχνικών χαρτογράφησης σε πιθανοτικά πλέγματα (occupancy grid mapping).

 

ΕΠΙΒΛΕΠΟΝΤΕΣ:       

Καθηγητής Νικόλαος Ουζούνογλου (210-772-3556, nuzu@cc.ece.ntua.gr)

Ερευνητής Α' ΕΠΙΣΕΥ Δρ. Άγγελος Αμδίτης (210-772-2398, a.amditis@iccs.gr)

 

ΘΕΜΑ 3: Ανάπτυξη αλγορίθμων ιχνηλασίας πολλαπλών αισθητήρων με χρήση τεχνικών χαρτογράφησης σε πιθανοτικά πλέγματα (occupancy grid mapping).

Οι συνήθεις μέθοδοι ιχνηλασίας πολλαπλών αισθητήρων με σύντηξη και συσχέτιση δεδομένων μέσω διαδικασιών ελέγχων θύρας (gating) δημιουργούν συστήματα μεγάλης πολυπλοκότητας με το υπολογιστικό κόστος της επίλυσης τους να αυξάνει με τον αριθμό των αισθητήρων και των δεδομένων τους. Προς την κατεύθυνση της επίλυσης των θεμάτων αυτών έχουν προταθεί οι τεχνικές χαρτογράφησης της περιοχής επιτήρησης των αισθητήρων σε πιθανοτικά πλέγματα (occupancygridmapping) και την ανάθεση πιθανότητας ύπαρξης αντικειμένου ανά κελί/πλέγμα του χάρτη. Στα πλαίσια της εργασίας αυτής ο φοιτητής θα μελετήσει και θα σχεδιάσει ένα δεδομένο σύστημα ιχνηλασίας πολλαπλών αισθητήρων με occupancygridmappingκαι θα πειραματιστεί με πραγματικά δεδομένα και αποτίμηση την επίδοση των αλγορίθμων που θα αναπτύξει σε σύγκριση με παραδοσιακά συστήματα ιχνηλασίας. Οι συγκεκριμένη εφαρμογή αφορά σύστημα αποφυγής συγκρούσεων ευφυούς οχήματος.

Απαραίτητες τεχνικές γνώσεις: Matlabή C/C++ (1 άτομο)

alt

Για πληροφορίες:      

Α) Δρ. Νίκος Φλούδας, 210-772-1076, nikos.floudas@iccs.gr

B) Δρ. Άγγελος Αμδίτης, 210-772-2398, a.amditis@iccs.gr

Υλοποίηση αλγορίθμου έξυπνης διαχείρισης και προσαρμογής των συστημάτων πληροφόρησης / προειδοποίησης του οχήματος σε επίπεδο αλληλεπίδρασης ανθρώπου-μηχανής (Human Machine Interface-ΗΜΙ)

 

ΕΠΙΒΛΕΠΟΝΤΕΣ:       

Καθηγητής Νικόλαος Ουζούνογλου (210-772-3556, nuzu@cc.ece.ntua.gr)

Ερευνητής Α' ΕΠΙΣΕΥ Δρ. Άγγελος Αμδίτης (210-772-2398, a.amditis@iccs.gr)

 

ΘΕΜΑ 4: Υλοποίηση αλγορίθμου έξυπνης διαχείρισης και προσαρμογής  των συστημάτων πληροφόρησης / προειδοποίησης του οχήματος σε επίπεδο αλληλεπίδρασης ανθρώπου-μηχανής (Human Machine Interface-ΗΜΙ)

Ο σύγχρονος οδηγός έχει στη διάθεσή του ένα ολοένα και αυξανόμενο αριθμό συστημάτων προειδοποίησης και πληροφόρησης με αποτέλεσμα ορισμένες φορές να δυσκολεύεται να επιτελέσει ακόμα και το πρωτεύον οδηγικό καθήκον. Παράδειγματα τέτοιων συστημάτων που έχουν ήδη εισαχθεί ή αναμένεται να εισαχθούν στο εγγύς μέλλον στο αυτοκίνητο ακολουθούν:

  • Συνεργατικά συστήματα(συστήματα που επιτρέπουν την «συνεργασία» και την ανταλλαγή πληροφορίας μεταξύ οχημάτων ή μεταξύ οχημάτων και υποδομής, κλπ)
  • Υψηλά αυτοματοποιημένα οχήματα(οχήματα που διαθέτουν ένα εικονικό συν-οδηγό με στόχο την υποστήριξη του οδηγού σε πραγματικό χρόνο)
  • Καινοτόμα συστήματα ενεργήτικής ασφάλειας και πληροφόρησης του οδηγού (συστήματα προσωποποιημένα, συνεργατικά, που προσαρμόζουν τις πληροφορίες που δίνουν στον οδηγό, λαμβάνοντας υπόψη την κατάσταση του οδηγού, του περιβάλλοντος και του οχήματος)
  • Νομαδικές συσκευές (μη σταθερά εγκατεστημένες συσκευές που συνοδεύουν τους ανθρώπους ενώ ταξιδεύουν, όπως οι πλοηγοί, τα έξυπνα τηλέφωνα κλπ)

Το θέμα έχει στόχο αφενός την επισκόπηση και αξιολόγηση νέων καινοτόμων συστημάτων πληροφόρησης/προειδοποίησης του οδηγού, που αποβλέπουν στην μείωση του χρόνου απόκρισης του οδηγού. Αφετέρου, στα πλαίσια της εργασίας θα σχεδιαστεί και θα υλοποιηθεί αλγόριθμος έξυπνης διαχείρισης και προσαρμογής των προειδοποιήσεων / πληροφοριών που λαμβάνει ο οδηγός από τα διάφορα συστήματα αλληλεπίδρασης ανθρώπου-μηχανής (HMI) που αναμένεται πως θα διατίθενται στο αυτοκίνητο του μέλλοντος.

Πρόσθετη μελέτη για την ανεύρεση καινοτόμων συσκευών εισόδου/εξόδου, μέσω των οποίων επιτυγχάνεται η αλληλεπίδραση ανθρώπου-μηχανής στο όχημα, είναι απαραίτητη, δεδομένου ότι ο αλγόριθμος που θα σχεδιαστεί και θα υλοποιηθεί θα λαμβάνει υπόψη τις νέες δυνατότητες που διατίθενται από τα συνεργατικά συστήματα, από τα υψηλά αυτοματοποιημένα οχήματα, αλλά και τις νέες υπηρεσίες που προσφέρουν καινοτόμα συστήματα ενεργητικής ασφάλειας και πληροφόρησης στο όχημα του μέλλοντος.

Απαραίτητες τεχνικές γνώσεις: Matlab/Simulink (1 άτομο)

Για πληροφορίες:      

Α) Κάτια Παγκλέ, 210-772-2466, katia@iccs.gr

B) Δρ. Άγγελος Αμδίτης, 210-772-2398, a.amditis@iccs.gr

 

Ανάπτυξη αλγορίθμων βελτιστοποίησης δικτύου ΜΜΜ με βάση την επιβατική ζήτηση και το περιβαλλοντικό κόστος

 

ΕΠΙΒΛΕΠΟΝΤΕΣ:  

Καθηγητής Νικόλαος Ουζούνογλου (210-772-3556, nuzu@cc.ece.ntua.gr)

Ερευνητής Α' ΕΠΙΣΕΥ Δρ. Άγγελος Αμδίτης (210-772-2398, a.amditis@iccs.gr)

 

ΘΕΜΑ 1: Ανάπτυξη αλγορίθμων βελτιστοποίησης δικτύου ΜΜΜ με βάση την επιβατική ζήτηση και το περιβαλλοντικό κόστος

Η εργασία αφορά την μελέτη και προσομοίωση αλγορίθμων βελτιστοποίησης ενός δικτύου μέσου μαζικής μεταφοράς (λεωφορείων) ώστε παίρνοντας υπόψη τις θέσεις/προορισμούς των επιβατών και πληροφορία για την κίνηση στους δρόμους να εξασφαλίζεται με δυναμική προσαρμογή των τροχιών και των δρομολογίων των λεωφορείων η ελαχιστοποίηση του χρόνου αναμονής των επιβατών, η ελαχιστοποίηση της περιβαλλοντικής επιβάρυνση και η ελαχιστοποίηση του κόστους για τον πάροχο του ΜΜΜ (demand responsive transport).

Το παραπάνω πρόβλημα βελτιστοποίησης αναφέρεται ως πρόβλημα Dial-a-Ride Problem (DARP) και περιλαμβάνει την σχεδίαση τροχιών οχημάτων και προγράμματα δρομολογίων για n χρήστες με συγκεκριμένες απαιτήσεις (γνωστές εκ των προτέρων ή στην πορεία) για χρόνους παραλαβής - μεταφοράς καθώς και τις αντίστοιχες επιθυμητές τοποθεσίες αφετηρίας -προορισμού. Τρια σημαντικά στάδια απαιτούνται για την επίτευξη λύσης στο πρόβλημα DARP: (1) ομαδοποίηση των επιβατών για εξηπηρέτηση από το ίδιο όχημα, (2) αλληλούχιση των επιβατών εντός του δρομολογίου ενός οχήματος, (3) χρονοδρομολόγηση επιβίβασης, μεταφοράς και αποβίβασης επιβατών για κάθε δρομολόγιο οχήματος. Τα κριτήρια ποιότητας (περιορισμοί) της λύσης περιλαμβάνουν διάρκεια και μήκος διαδρομής, χρόνους αναμονής επιβατών στην στάση, χρόνους μεταφοράς επιβατών εντός οχήματος και διαφορά πραγματικού και επιθυμητού χρόνου άφιξης για κάθε επιβάτη. Η διαδικασία υλοποίησης του αλγορίθμου περιλαμβάνει αρχικά μοντελοποίηση του δρόμου ως σταθμισμένου γράφου με κόμβους τις πιθανές στάσεις των λεωφορείων. Ακμές μεταξύ δύο κόμβων (ni, nj) υπάρχουν όταν είναι εφικτή η διαδρομή μεταξύ των στάσεων ni  και nj με δρόμο που δεν διασταυρώνεται με άλλη στάση. Κάθε ακμή (ni, nj) χαρακτηρίζεται από δύο βάρη,dij χρόνος διάχισης της ακμής από το λεωφορείο και cij το κόστος του αλγορίθμου πχ κατανάλωση καυσίμου ή εκπομπή CO2. Mε Tk(p) τον χρόνο που ο επιβάτης k φτάνει στον προορισμό του με λεωφορείο που ακολουθεί τη διαδρομή p (ακολουθία στάσεων), στόχος είναι ο υπολογισμός της βέλτιστης διαδρομής p* ώστε να ελαχιστοποιούνται οι χρόνοι αναμονής-μετακίνησης για όλους τους επιβάτες ταυτόχρονα με ελαχιστοποίηση του περιβαλλοντικού κόστους της διαδρομής.

Η εργασία περιλαμβάνει:

1.  Βιβλιογραφική μελέτη των υπάρχοντων αλγορίθμων για λύση προβλημάτων DARP.

2.  Προσομοίωση μοντέλου πόλης, δικτύου ΜΜΜ, επιβατικής ζήτησης και κυκλοφοριακής κίνησης με το εργαλείο προσομοίωσης SUMO (Simulation for Urban MObility).

3.  Υλοποίηση και έλεγχος αλγορίθμων σε γλώσσα Matlab με τα δεδομένα της παραπάνω προσομοίωσης για DARP ενός και πολλαπλών λεωφορείων για διαφορετικά σενάρια επιβατικής ζήτησης.

 

Για πληροφορίες:      

Α) Δρ. Νίκος Φλούδας, 210-772-1076, nikos.floudas@iccs.gr

B) Δρ. Άγγελος Αμδίτης, 210-772-2398, a.amditis@iccs.gr