Διερεύνηση της διαδικασίας λήψης αποφάσεων οδηγών κατά την προσπέραση οχημάτων από μηχανοκίνητα δίκυκλα

Abstract

The aim of the specific PhD thesis is to investigate the decision-making process of drivers during overtaking by Powered Two Wheelers and their interaction with the rest of the traffic in an urban road arterial. In order to create a detailed naturalistic PTW trajectory database, the innovative use of Unmanned Aerial Systems (UAS) was preferred the specific database paved the way for advanced methodological tools. Specifically, Decision Trees and other meta-algorithms, a special case of Machine Learning (ML) models, are developed in order to model the unconventional overtaking patterns of PTW drivers. The developed decision tree models enable the description of the decision-making process of the PTW driver before the maneuver and the identification of the significant factors during overtaking such as speed difference, spatial factors and vehicle type and positions. Then, the interactions between PTW and the rest of the traffic are examined using the concepts of Game Theory. Results show that cooperation can emerge, even in a competitive environment as the roads are while cooperative strategies lead to increased average speed for both vehicles, increased values of a novel latent variable that is defined as Comfort at Overtake (CaO) and increased rate of successful overtakes. The contribution of results and findings from the modeling of driver decision-making and the interaction of different types of vehicles is of particular importance for the design of modern Cooperative ITS, particularly in an environment where V2V technologies, autonomous and Connected Vehicles are among the hot topics of the international research community.

Σκοπός της διατριβής είναι η διερεύνηση της διαδικασίας λήψης των αποφάσεων των οδηγών κατά την προσπέραση οχημάτων από μηχανοκίνητα δίκυκλα και η αλληλεπίδρασή τους με τα υπόλοιπα οχήματα σε αστική αρτηρία. Για τη δημιουργία μίας λεπτομερούς βάσης δεδομένων με τροχιές ΜΔ γίνεται η χρήση των Μη Επανδρωμένων Εναέριων Συστημάτων (ΜΕΣ – Unmanned Aerial System – UAS). Η βάση δεδομένων που δημιουργήθηκε, άνοιξε το δρόμο για τη χρήση ανεπτυγμένων μεθοδολογικών εργαλείων Μηχανικής Μάθησης (Machine Learning). Συγκεκριμένα, αναπτύχθηκαν Δέντρα Αποφάσεων (Decision Trees) και άλλοι μέτα-αλγόριθμοι, μία ειδική περίπτωση προτύπων Μηχανικής Μάθησης, με σκοπό την προτυποποίηση των μη συμβατικών σεναρίων προσπέρασης των ΜΔ. Τα ανεπτυγμένα πρότυπα δέντρων αποφάσεων δίνουν τη δυνατότητα να περιγραφεί η διαδικασία λήψης αποφάσεων του μοτοσυκλετιστή πριν τον ελιγμό της προσπέρασης και να αναδειχθούν οι σημαντικοί παράγοντες που λαμβάνονται υπόψη κατά τη διάρκεια του φαινομένου, όπως διαφορές ταχυτήτων, χωρικοί παράγοντες και η τοποθέτηση των οχημάτων. Στη συνέχεια, γίνεται διερεύνηση στην αλληλεπίδραση των ΜΔ και των υπόλοιπων οχημάτων σε τμήμα μιας αρτηρίας κάνοντας χρήση της Θεωρίας Παιγνίων (Game Theory). Τα αποτελέσματα δείχνουν ότι η συνεργασία μεταξύ των οδηγών μπορεί να επέλθει σε ένα ανταγωνιστικό περιβάλλον όπως είναι αυτό των αστικών οδών, ενώ οι συνεργατικές στρατηγικές οδηγούν σε αυξημένη μέση ταχύτητα, αυξημένες τιμές του καινοτόμου μεγέθους «Άνεση κατά την Προσπέραση» και αυξημένο ποσοστό επιτυχημένων προσπεράσεων. Η συνεισφορά των αποτελεσμάτων και των ευρημάτων που προέκυψαν από την προτυποποίηση της διαδικασίας λήψης των αποφάσεων των οδηγών και της αλληλεπίδρασης διαφορετικών τύπων οχημάτων είναι ιδιαίτερης σημασίας για το σχεδιασμό σύγχρονων έξυπνων συνεργατικών συστημάτων μεταφορών, ιδιαίτερα σε ένα περιβάλλον όπου οι τεχνολογίες V2V, τα αυτόνομα οχήματα (Autonomous Vehicles) και τα συνδεμένα οχήματα (Connected Vehicles) είναι στα φλέγοντα ζητήματα που απασχολούν τη διεθνή ερευνητική κοινότητα.